本公开提供了时延估计调整方法、装置、设备、存储介质以及程序产品，涉及人工智能领域，尤其涉及计算机技术、智能交通领域。具体实现方案为：初始化时延估计的最大值；在试音音乐播放过程中估计第一时延值；在试音合成语音播放过程中估计第二时延值；基于第一时延值和第二时延值，调整时延估计的最大值。本公开能够针对性地调整时延估计的最大值，大大缩短算法收敛时间。收敛时间。收敛时间。
【技术实现步骤摘要】
时延估计调整方法、装置、设备以及存储介质
[0001]本公开涉及人工智能领域，尤其涉及计算机技术、智能交通领域。
技术介绍
[0002]智能后视镜可以通过投屏技术将音频传输到原生车机中进行播放。但因为传输数据量巨大，往往音频播放存在一定的延时。这类延时对语音信号处理产生了较大的负面影响，因为硬件降噪芯片的限制，目前的信号处理技术无法在非常规(>40ms)延时的情况进行。因此，智能后视镜引入了时延估计算法，通过计算时延并对语音信号进行延时。
[0003]为了不影响整体体验，时延估计算法通常会把时延估计的最大值限定在较小的范围内(比如1000ms)。但因为每款支持投屏的原生车机性能不一致，导致真实的传输时延波动较大。如果此时将时延估计的最大值统一加大，又会出现收敛时间加长的问题。
技术实现思路
[0004]本公开提供了一种时延估计调整方法、装置、设备、存储介质以及程序产品。
[0005]根据本公开的第一方面，提供了一种时延估计调整方法，包括：初始化时延估计的最大值；在试音音乐播放过程中估计第一时延值；在试音合成语音播放过程中估计第二时延值；基于第一时延值和第二时延值，调整时延估计的最大值。
[0006]根据本公开的第二方面，提供了一种时延估计调整装置，包括：设置模块，被配置成初始化时延估计的最大值；第一估计模块，被配置成在试音音乐播放过程中估计第一时延值；第二估计模块，被配置成在试音合成语音播放过程中估计第二时延值；调整模块，被配置成基于第一时延值和第二时延值，调整时延估计的最大值。
[0007]根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
[0008]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
[0009]根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。
[0010]本公开能够针对性地调整时延估计的最大值，大大缩短算法收敛时间。
[0011]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0012]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0013]图1是根据本公开的时延估计调整方法的一个实施例的流程图；
[0014]图2是根据本公开的时延估计调整方法的又一个实施例的流程图；
[0015]图3是根据本公开的时延估计调整方法的另一个实施例的流程图；
[0016]图4是可以实现本公开实施例的时延估计调整方法的场景图；
[0017]图5是根据本公开的时延估计调整装置的一个实施例的结构示意图；
[0018]图6是用来实现本公开实施例的时延估计调整方法的电子设备的框图。
具体实施方式
[0019]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0020]需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
[0021]图1示出了根据本公开的时延估计调整方法的一个实施例的流程100。该时延估计调整方法包括以下步骤：
[0022]步骤101，初始化时延估计的最大值。
[0023]在本实施例中，时延估计调整方法的执行主体可以初始化时延估计的最大值。在后续音频播放过程中，估计出的时延值会受时延估计的最大值的限制，不会超过时延估计的最大值。对于不超过时延估计的最大值的音频，可以对其语音干扰信号彻底处理。对于超过时延估计的最大值的音频，则无法对其语音干扰信号彻底处理。通常，对于任意原生车机，终端用户可以发起时延估计的自动调整请求，联机后语音助手进入相应模式，初始化时延估计的最大值。为了实现对更多音频的语音干扰信号彻底处理，时延估计的最大值通常会被初始化成一个相对较大的值。在一些实施例中，上述执行主体可以将时延估计的最大值(例如2500ms)设置为时延估计算法的上限值。由于任意音频的时延值都不会超过时延估计算法的上限值，因此将时延估计的最大值初始设置为时延估计算法的上限值，能够实现对任意音频的语音干扰信号彻底处理。
[0024]步骤102，在试音音乐播放过程中估计第一时延值。
[0025]在本实施例中，上述执行主体可以在试音音乐播放过程中估计第一时延值。
[0026]通常，智能后视镜可以通过投屏技术将音乐传输到原生车机中进行播放。由于音乐数据量巨大，从智能后视镜传输到原生车机中需要一定的时间，导致音乐播放存在一定的延时。因此，这里需要在试音音乐播放过程中估计从智能后视镜传输试音音乐到原生车机播放试音音乐的时延值，即第一时延值。具体地，智能后视镜通过投屏技术将试音音乐传输到原生车机，原始车机开始播放试音音乐。在试音音乐播放过程中，利用时延估计算法估计试音音乐的时延值，以得到第一时延值。例如，利用时延估计算法估计一次试音音乐的时延值，作为第一时延值。其中，试音音乐可以是为了调整时延估计的最大值而播放的任意音乐。试音音乐播放过程就是从智能后视镜传输试音音乐到原生车机播放试音音乐的过程。时延估计算法可以用于估计音频播放的时延值，包括但不限于当前已有的时延估计算法和未来可能出现的时延估计算法。例如，ETDE算法，是一种带约束的时延估计方法，滤波器采用N阶插值运算，直接用瞬时时延估值代替滤波器权系数进行迭代，减小了计算量。
[0027]步骤103，在试音合成语音播放过程中估计第二时延值。
[0028]在本实施例中，上述执行主体可以在试音合成语音播放过程中估计第二时延值。
[0029]通常，智能后视镜可以通过投屏技术将合成语音传输到原生车机中进行播放。由于合成语音数据量巨大，从智能后视镜传输到原生车机中需要一定的时间，导致合成语音播放存在一定的延时。因此，这里需要在试音合成语音播放过程中估计从智能后视镜传输试音合成语音到原生车机播放试音合成语音的时延值，即第二时延值。具体地，智能后视镜通过投屏技术将试音合成语音传输到原生车机，原始车机开始播放试音合成语音。在试音合成语音播放过程中，利用时延估计算法估计试音合成语音的时延值，以得到第二时延值。例如，利用时延估计算法估计一次试音合成语音的时延值，作为第二时延值。其中，合成语音可以是智能后本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种时延估计调整方法，包括：初始化时延估计的最大值；在试音音乐播放过程中估计第一时延值；在试音合成语音播放过程中估计第二时延值；基于所述第一时延值和所述第二时延值，调整所述时延估计的最大值。2.根据权利要求1所述的方法，其中，所述在试音音乐播放过程中估计第一时延值，包括：在试音音乐播放过程中持续估计时延值，得到所述试音音乐的至少一次时延值，以及基于所述试音音乐的至少一次时延值，得到所述第一时延值；以及所述在试音合成语音播放过程中估计第二时延值，包括：在试音合成语音播放过程中持续估计时延值，得到所述试音合成语音的至少一次时延值，以及基于所述试音合成语音的至少一次时延值，得到所述第二时延值。3.根据权利要求2所述的方法，其中，所述在试音音乐播放过程中持续估计时延值，得到所述试音音乐的至少一次时延值，以及基于所述试音音乐的至少一次时延值，得到所述第一时延值，包括：在试音音乐播放过程中持续估计时延值，直至得到连续第一预设数目次相同的时延值，作为所述第一时延值；以及所述在试音合成语音播放过程中持续估计时延值，得到所述试音合成语音的至少一次时延值，以及基于所述试音合成语音的至少一次时延值，得到所述第二时延值，包括：在试音合成语音播放过程中持续估计时延值，直至得到连续第二预设数目次相同的时延值，作为所述第二时延值。4.根据权利要求1所述的方法，其中，所述基于所述第一时延值和所述第二时延值，调整所述时延估计的最大值，包括：基于所述第一时延值和所述第二时延值中的最大值，调整所述时延估计的最大值。5.根据权利要求4所述的方法，其中，所述基于所述第一时延值和所述第二时延值中的最大值，调整所述时延估计的最大值，包括：将所述第一时延值和所述第二时延值中的最大值增加预设时长，作为所述时延估计的最大值。6.根据权利要求1
‑
5中任一项所述的方法，其中，所述初始化时延估计的最大值，包括：将所述时延估计的最大值初始设置为时延估计算法的上限值。7.一种时延估计调整装置，包括：设置模块，被配置成初始化时延估计的最大值；第一估计模块，被配置成在试音音乐播放过程中估计第一时延值；第二估计模块，被配置成在试音合成语音播放过程中估计第...
【专利技术属性】
技术研发人员：刘嵘，
申请(专利权)人：阿波罗智联北京科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。