1.本技术涉及人工智能技术领域，具体涉及一种声音处理方法及装置。


背景技术：

2.银行网点为了保证资金的安全性，通常在各柜台处设置有隔断玻璃，客户与办理业务的柜员分别处在隔断玻璃的两侧进行沟通。而由于隔断玻璃的阻隔以及银行网点环境嘈杂，会出现客户与柜员无法听清对方声音，导致沟通不畅的情况，影响客户体验。


技术实现要素：

3.有鉴于此，本技术实施例提供一种声音处理方法及装置，以使客户与银行柜员可以更清晰听到对方声音，提高沟通效率。
4.为解决上述问题，本技术实施例提供的技术方案如下：
5.一种声音处理方法，所述方法包括：
6.获取从当前柜台位置采集到的银行环境声音，所述银行环境声音中包括至少一路声音；
7.确定各路声音的声音信息，将所述各路声音的声音信息输入声音识别模型，确定所述各路声音中的目标声音；
8.将所述各路声音中除所述目标声音之外的声音进行过滤，并将所述目标声音放大播放给当前柜台对应的当前柜员；
9.获取从当前柜台位置采集到的柜台内部声音，通过与预先保存的当前柜员的声音信息进行对比，从所述柜台内部声音中识别当前柜员声音；
10.将所述柜台内部声音中除所述当前柜员声音之外的声音进行过滤，并将所述当前柜员声音放大播放给当前柜台对应的客户。
11.在一种可能的实现方式中，所述声音识别模型的训练过程包括：
12.获取待训练银行环境声音，所述待训练银行环境声音包括多路待训练声音，各路待训练声音对应有是否为目标声音的标签；
13.确定各路待训练声音的声音信息；
14.根据所述各路待训练声音的声音信息以及所述各路待训练声音对应的是否为目标声音的标签，训练声音识别模型，所述声音识别模型用于从各路声音中识别目标声音或者从各路声音中识别非目标声音。
15.在一种可能的实现方式中，当所述声音识别模型用于从各路声音中识别目标声音，所述确定各路声音的声音信息，将所述各路声音的声音信息输入声音识别模型，确定所述各路声音中的目标声音，包括：
16.确定各路声音的声音信息，将所述各路声音的声音信息输入声音识别模型，根据所述声音识别模型输出的从所述各路声音中识别目标声音的识别结果，确定所述各路声音中的目标声音；
17.当所述声音识别模型用于从各路声音中识别非目标声音，所述确定各路声音的声音信息，将所述各路声音的声音信息输入声音识别模型，确定所述各路声音中的目标声音，包括：
18.确定各路声音的声音信息，将所述各路声音的声音信息输入声音识别模型，获取所述声音识别模型输出的从所述各路声音中识别非目标声音的识别结果；
19.根据从所述各路声音中识别非目标声音的识别结果，将所述各路声音中不属于非目标声音的声音确定为目标声音。
20.在一种可能的实现方式中，所述方法还包括：
21.获取当前目标声音中的文本内容、历史目标声音中的文本内容以及历史目标柜员声音中的文本内容；
22.根据所述当前目标声音中的文本内容、所述历史目标声音中的文本内容以及所述历史目标柜员声音中的文本内容，判断是否存在目标声音误识别；
23.如果存在目标声音误识别，提示当前柜台对应的客户重复前一次会话内容，并重新执行获取从当前柜台位置采集到的银行环境声音至将所述目标声音放大播放给当前柜台对应的当前柜员的各步骤。
24.在一种可能的实现方式中，所述根据所述当前目标声音中的文本内容、所述历史目标声音中的文本内容以及所述历史目标柜员声音中的文本内容，判断是否存在目标声音误识别，包括：
25.将所述当前目标声音中的文本内容、所述历史目标声音中的文本内容、所述历史目标柜员声音中的文本内容以及当前办理业务信息，输入关联识别模型，输出所述当前目标声音中的文本内容是否与当前办理业务匹配的识别结果；
26.如果所述当前目标声音中的文本内容与当前办理业务匹配，确定不存在目标声音误识别；
27.如果所述当前目标声音中的文本内容与当前办理业务不匹配，确定存在目标声音误识别。
28.一种声音处理装置，所述装置包括：
29.第一获取单元，用于获取从当前柜台位置采集到的银行环境声音，所述银行环境声音中包括至少一路声音；
30.确定单元，用于确定各路声音的声音信息，将所述各路声音的声音信息输入声音识别模型，确定所述各路声音中的目标声音；
31.第一播放单元，用于将所述各路声音中除所述目标声音之外的声音进行过滤，并将所述目标声音放大播放给当前柜台对应的当前柜员；
32.第二获取单元，用于获取从当前柜台位置采集到的柜台内部声音，通过与预先保存的当前柜员的声音信息进行对比，从所述柜台内部声音中识别当前柜员声音；
33.第二播放单元，用于将所述柜台内部声音中除所述当前柜员声音之外的声音进行过滤，并将所述当前柜员声音放大播放给当前柜台对应的客户。
34.在一种可能的实现方式中，所述声音识别模型的训练过程包括：
35.获取待训练银行环境声音，所述待训练银行环境声音包括多路待训练声音，各路待训练声音对应有是否为目标声音的标签；
36.确定各路待训练声音的声音信息；
37.根据所述各路待训练声音的声音信息以及所述各路待训练声音对应的是否为目标声音的标签，训练声音识别模型，所述声音识别模型用于从各路声音中识别目标声音或者从各路声音中识别非目标声音。
38.在一种可能的实现方式中，当所述声音识别模型用于从各路声音中识别目标声音，所述确定单元具体用于：
39.确定各路声音的声音信息，将所述各路声音的声音信息输入声音识别模型，根据所述声音识别模型输出的从所述各路声音中识别目标声音的识别结果，确定所述各路声音中的目标声音；
40.当所述声音识别模型用于从各路声音中识别非目标声音，所述确定单元具体用于：
41.确定各路声音的声音信息，将所述各路声音的声音信息输入声音识别模型，获取所述声音识别模型输出的从所述各路声音中识别非目标声音的识别结果；
42.根据从所述各路声音中识别非目标声音的识别结果，将所述各路声音中不属于非目标声音的声音确定为目标声音。
43.在一种可能的实现方式中，所述装置还包括：
44.第三获取单元，用于获取当前目标声音中的文本内容、历史目标声音中的文本内容以及历史目标柜员声音中的文本内容；
45.判断单元，用于根据所述当前目标声音中的文本内容、所述历史目标声音中的文本内容以及所述历史目标柜员声音中的文本内容，判断是否存在目标声音误识别；
46.提示单元，用于如果存在目标声音误识别，提示当前柜台对应的客户重复前一次会话内容，并重新依次触发所述第一获取单元、所述确定单元以及所述第一播放单元。
47.在一种可能的实现方式中，所述判断单元，包括：
48.识别子单元，用于将所述当前目标声音中的文本内容、所述历史目标声音中的文本内容、所述历史目标柜员声音中的文本内容以及当前办理业务信息，输入关联识别模型，输出所述当前目标声音中的文本内容是否与当前办理业务匹配的识别结果；
49.第一确定子单元，用于如果所述当前目标声音中的文本内容与当前办理业务匹配，确定不存在目标声音误识别；
50.第二确定子单元，用于如果所述当前目标声音中的文本内容与当前办理业务不匹配，确定存在目标声音误识别。
51.由此可见，本技术实施例具有如下有益效果：
52.本技术实施例获取银行环境声音后，将银行环境声音中各路声音的声音信息输入声音识别模型，确定各路声音中客户对应的目标声音，将目标声音放大播放给当前柜台对应的当前柜员，同时过滤银行环境声音中的其他声音，使当前客户的声音可以被当前柜员听到。获取柜台内部声音之后，通过与预先保存的当前柜员的声音信息进行对比，从柜台内部声音中识别当前柜员声音，将当前柜员声音放大播放给客户，同时过滤柜台内部声音中的其他声音，使当前柜员的声音可以被客户听到。通过识别客户和柜员的声音放大播放给对方，同时过滤其他声音，实现即使环境嘈杂，也可以使客户和柜员的声音被对方听到，提高了沟通效率。
附图说明
53.图1为本技术实施例提供的一种声音处理方法的场景示意图；
54.图2为本技术实施例提供的一种声音处理方法的流程图；
55.图3为本技术实施例提供的一种声音处理装置的示意图。
具体实施方式
56.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术实施例作进一步详细的说明。
57.银行网点为了保证资金的安全性，通常在各柜台处设置有隔断玻璃，客户与办理业务的柜员分别处在隔断玻璃的两侧进行沟通。由于隔断玻璃的阻隔以及银行网点环境嘈杂，会出现客户与柜员无法听清对方声音，导致沟通不畅的情况。
58.基于此，申请实施例提供的一种声音处理方法及装置，获取银行环境声音后，将银行环境声音中各路声音的声音信息输入声音识别模型，确定各路声音中客户对应的目标声音，将目标声音放大播放给当前柜台对应的当前柜员，同时过滤银行环境声音中的其他声音，使当前客户的声音可以被当前柜员听到。获取柜台内部声音之后，通过与预先保存的当前柜员的声音信息进行对比，从柜台内部声音中识别当前柜员声音，将当前柜员声音放大播放给客户，同时过滤柜台内部声音中的其他声音，使当前柜员的声音可以被客户听到。实现即使环境嘈杂，也可以使客户和柜员的声音被对方听到，提高了沟通效率。
59.为了便于理解本技术实施例提供的一种声音处理方法，下面结合图1所示的场景示例进行说明。参见图1所示，该图为本技术实施例提供的示例性应用场景的框架示意图。
60.在实际应用时，可以在当前柜台位置的内侧和外侧分别设置声音采集设备，当前柜台位置内侧的声音采集设备可以采集到柜台内部声音，当前柜台位置外侧的声音采集设备可以采集到银行环境声音。银行环境声音中包括至少一路声音，例如环境广播声音、当前客户的声音、其他客户的声音等等。从银行环境声音中识别目标声音，目标声音即为当前客户的声音，将银行环境声音中的其他声音进行过滤，并将目标声音放大播放给当前柜台对应的当前柜员。柜台内部声音可能包括当前柜员声音以及其他柜台的柜员声音等，从柜台内部声音中识别当前柜员声音，将柜台内部声音中的其他声音进行过滤，并将当前柜员声音放大播放给当前柜台对应的客户。从而使当前柜台的客户与柜员都可以清晰听到对方的声音。
61.本领域技术人员可以理解，图1所示的框架示意图仅是本技术的实施方式可以在其中得以实现的一个示例。本技术实施方式的适用范围不受到该框架任何方面的限制。
62.基于上述说明，本技术实施例提供了一种声音处理方法的具体实施方式。
63.参见图2，图2为本技术实施例提供的一种声音处理方法的流程图。如图2所示，该方法包括s201-s205：
64.s201：获取从当前柜台位置采集到的银行环境声音，银行环境声音中包括至少一路声音。
65.通过银行叫号系统可以确定当前柜台有客户来办理业务，此时可以触发本技术实施例提供声音处理方法。通过声音采集设备在当前柜台位置的柜台外侧可以采集到银行环境声音，银行环境声音是指在柜台外侧的环境声音。银行环境声音中包括至少一路声音，例
如环境广播声音、当前客户的声音、其他客户的声音等等。在本技术实施例中，可以获取到声音采集设备从当前柜台位置采集到的银行环境声音。
66.s202：确定各路声音的声音信息，将各路声音的声音信息输入声音识别模型，确定各路声音中的目标声音。
67.银行环境声音中的各路声音具有不同的声音信息，声音信息例如包括声音的音频、音调、音量、声纹等信息。分别确定银行环境声音中的各路声音的声音信息，作为声音识别模型的输入。声音识别模型可以用于从各路声音中识别目标声音或者从各路声音中识别非目标声音，从而在获取到声音识别模型输出的各路声音是否为目标声音的识别结果，或者各路声音是否为非目标声音的识别结果后，可以确定出各路声音中的目标声音。目标声音可以理解为当前柜台的客户的声音。
68.银行环境声音中的广播声音、噪声声音等具有相对固定的声音特征，因此可以通过对银行环境声音的学习，预先训练声音识别模型。在一种可能的实现方式中，声音识别模型的训练过程包括以下步骤a1-a3：
69.a1：获取待训练银行环境声音，待训练银行环境声音包括多路待训练声音，各路待训练声音对应有是否为目标声音的标签。
70.获取大量不同时刻的银行环境声音作为待训练银行环境声音，每条待训练银行环境声音中均包括多路待训练声音，各路待训练声音对应有该条声音是否为目标声音的标签。标签可以通过人工标注或者其他方式获得。
71.a2：确定各路待训练声音的声音信息。
72.提取各路待训练声音的音频、音调、音量、声纹等声音信息，作为后续训练的基础。
73.a3：根据各路待训练声音的声音信息以及各路待训练声音对应的是否为目标声音的标签，训练声音识别模型。
74.根据各路待训练声音的声音信息以及每路待训练声音对应的标签，可以训练得到声音识别模型。在一种训练方式中，可以以识别目标声音为目标，训练声音识别模型，则声音识别模型用于从各路声音中识别目标声音。在另一种训练方式中，可以以识别非目标声音为目标，训练声音识别模型，则声音识别模型用于从各路声音中识别非目标声音，非目标声音为银行环境声音中除目标声音之外的其他声音。
75.当声音识别模型用于从各路声音中识别目标声音时，s102具体可以包括：确定各路声音的声音信息，将各路声音的声音信息输入声音识别模型，根据声音识别模型输出的从各路声音中识别目标声音的识别结果，确定各路声音中的目标声音。即在本实现方式中，声音识别模型可以直接从各路声音中识别出目标声音。
76.当声音识别模型用于从各路声音中识别非目标声音，s102具体可以包括：确定各路声音的声音信息，将各路声音的声音信息输入声音识别模型，获取声音识别模型输出的从各路声音中识别非目标声音的识别结果；根据从各路声音中识别非目标声音的识别结果，将各路声音中不属于非目标声音的声音确定为目标声音。即在本实现方式中，声音识别模型是对非目标声音进行识别，而银行环境声音的各路声音中不属于非目标声音的声音即为目标声音。
77.从银行环境声音的各路声音中确定出目标声音，目标声音为当前柜台外侧的主要声音，即为当前柜台的客户产生的声音。
78.s203：将各路声音中除目标声音之外的声音进行过滤，并将目标声音放大播放给当前柜台对应的当前柜员。
79.将目标声音放大播放给当前柜台对应的当前柜员，同时，对银行环境声音中除目标声音之外的声音进行过滤，可以充分消除其他声音的干扰，使目标声音的播放更加清晰。
80.s204：获取从当前柜台位置采集到的柜台内部声音，通过与预先保存的当前柜员的声音信息进行对比，从柜台内部声音中识别当前柜员声音。
81.通过声音采集设备在当前柜台位置的柜台内侧可以采集到柜台内部声音，柜台内部声音是指在柜台内侧的环境声音。柜台内部声音中包括至少一路声音，例如当前柜员声音、其他柜员的声音等等。在本技术实施例中，可以获取到声音采集设备从当前柜台位置采集到的柜台内部声音。
82.在本技术实施例执行之前，还可以预先存储有各个柜员的声音信息，将各个柜员的声音信息与柜员身份信息进行绑定。则可以查询到当前柜台的当前柜员的身份信息，并获取到该柜员的声音信息，将柜台内部声音与当前柜员的声音信息进行对比，从柜台内部声音中识别到当前柜员声音。当前柜员声音为当前柜台内侧的主要声音，即为当前柜台的柜员产生的声音。
83.s205：将柜台内部声音中除当前柜员声音之外的声音进行过滤，并将当前柜员声音放大播放给当前柜台对应的客户。
84.将当前柜员声音放大播放给当前柜台对应的客户，同时，对柜台内部声音中除当前柜员声音之外的声音进行过滤，可以充分消除其他声音的干扰，使当前柜员声音的播放更加清晰。
85.需要说明的是，s201-s203与s204-s205之间的执行顺序并不进行限定，例如，当先获取到从当前柜台位置采集到的银行环境声音时，可以先执行s201-s203再执行s204-s205，当先获取到从当前柜台位置采集到的柜台内部声音时，也可以先执行s204-s205再执行s201-s203。
86.这样，本技术实施例获取银行环境声音后，将银行环境声音中各路声音的声音信息输入声音识别模型，确定各路声音中客户对应的目标声音，将目标声音放大播放给当前柜台对应的当前柜员，同时过滤银行环境声音中的其他声音，使当前客户的声音可以被当前柜员听到。获取柜台内部声音之后，通过与预先保存的当前柜员的声音信息进行对比，从柜台内部声音中识别当前柜员声音，将当前柜员声音放大播放给客户，同时过滤柜台内部声音中的其他声音，使当前柜员的声音可以被客户听到。通过识别客户和柜员的声音放大播放给对方，同时过滤其他声音，实现即使环境嘈杂，也可以使客户和柜员的声音被对方听到，提高了沟通效率。
87.在客户与柜员沟通的过程中，如果因为某些原因未能识别到客户的目标声音，则可能将客户的目标声音被过滤掉，导致影响业务的正常办理。因此，本技术实施例还提供了判断是否将目标声音误识别的方法。即基于上述实施例，本技术实施例提供的声音处理方法还包括以下步骤b1-b3：
88.b1：获取当前目标声音中的文本内容、历史目标声音中的文本内容以及历史目标柜员声音中的文本内容。
89.b2：根据当前目标声音中的文本内容、历史目标声音中的文本内容以及历史目标
柜员声音中的文本内容，判断是否存在目标声音误识别。
90.可以理解的是，在办理业务时，客户与柜员沟通的过程会产生与当前办理业务相关的多轮对话。则可以通过当前识别到的目标声音中的文本内容、历史目标声音中的文本内容以及历史目标柜员声音中的文本内容，判断当前识别到的目标声音中的文本内容是否与历史目标声音中的文本内容以及历史目标柜员声音中的文本内容相关，从而判断存在目标声音误识别。
91.例如，当前目标声音中的文本内容是和销户业务相关的文本内容，而历史目标声音中的文本内容以及历史目标柜员声音中的文本内容均与存款业务相关，则代表此时目标声音可能存在误识别。
92.在一种可能的实现方式中，可以通过神经网络模型判断是否存在目标声音误识别，则根据当前目标声音中的文本内容、历史目标声音中的文本内容以及历史目标柜员声音中的文本内容，判断是否存在目标声音误识别，具体可以包括以下步骤c1-c3：
93.c1：将当前目标声音中的文本内容、历史目标声音中的文本内容、历史目标柜员声音中的文本内容以及当前办理业务信息，输入关联识别模型，输出当前目标声音中的文本内容是否与当前办理业务匹配的识别结果。
94.c2：如果当前目标声音中的文本内容与当前办理业务匹配，确定不存在目标声音误识别。
95.c3：如果当前目标声音中的文本内容与当前办理业务不匹配，确定存在目标声音误识别。
96.关联识别模型可以利用各类办理业务的多轮对话文本内容预先训练得到。则将将当前目标声音中的文本内容、历史目标声音中的文本内容、历史目标柜员声音中的文本内容以及当前办理业务信息，输入关联识别模型，可以得到当前目标声音中的文本内容是否与当前办理业务匹配的识别结果。如果当前目标声音中的文本内容与当前办理业务匹配，确定不存在目标声音误识别的情况。如果当前目标声音中的文本内容与当前办理业务不匹配，则确定存在目标声音误识别的情况。
97.b3：如果存在目标声音误识别，提示当前柜台对应的客户重复前一次会话内容，并重新执行获取从当前柜台位置采集到的银行环境声音至将目标声音放大播放给当前柜台对应的当前柜员的各步骤。
98.在实际应用中，如果存在目标声音误识别，则可以将之前一次的当前柜员声音再次播放给客户，并提示客户之前声音被误过滤，请重复前一次会话内容，同时重新执行s201-s203各步骤。而如果多次出现目标声音误识别，则可以停止对其他声音的过滤。
99.通过上述实施例，可以及时发现客户声音被误过滤的情况，并重新对客户的目标声音进行识别，保证客户与柜员沟通的有效性。
100.参见图3，图3为本技术实施例提供的一种声音处理装置的示意图。如图3所示，该声音处理装置包括：
101.第一获取单元301，用于获取从当前柜台位置采集到的银行环境声音，所述银行环境声音中包括至少一路声音；
102.确定单元302，用于确定各路声音的声音信息，将所述各路声音的声音信息输入声音识别模型，确定所述各路声音中的目标声音；
103.第一播放单元303，用于将所述各路声音中除所述目标声音之外的声音进行过滤，并将所述目标声音放大播放给当前柜台对应的当前柜员；
104.第二获取单元304，用于获取从当前柜台位置采集到的柜台内部声音，通过与预先保存的当前柜员的声音信息进行对比，从所述柜台内部声音中识别当前柜员声音；
105.第二播放单元305，用于将所述柜台内部声音中除所述当前柜员声音之外的声音进行过滤，并将所述当前柜员声音放大播放给当前柜台对应的客户。
106.在一种可能的实现方式中，所述声音识别模型的训练过程包括：
107.获取待训练银行环境声音，所述待训练银行环境声音包括多路待训练声音，各路待训练声音对应有是否为目标声音的标签；
108.确定各路待训练声音的声音信息；
109.根据所述各路待训练声音的声音信息以及所述各路待训练声音对应的是否为目标声音的标签，训练声音识别模型，所述声音识别模型用于从各路声音中识别目标声音或者从各路声音中识别非目标声音。
110.在一种可能的实现方式中，当所述声音识别模型用于从各路声音中识别目标声音，所述确定单元具体用于：
111.确定各路声音的声音信息，将所述各路声音的声音信息输入声音识别模型，根据所述声音识别模型输出的从所述各路声音中识别目标声音的识别结果，确定所述各路声音中的目标声音；
112.当所述声音识别模型用于从各路声音中识别非目标声音，所述确定单元具体用于：
113.确定各路声音的声音信息，将所述各路声音的声音信息输入声音识别模型，获取所述声音识别模型输出的从所述各路声音中识别非目标声音的识别结果；
114.根据从所述各路声音中识别非目标声音的识别结果，将所述各路声音中不属于非目标声音的声音确定为目标声音。
115.在一种可能的实现方式中，所述装置还包括：
116.第三获取单元，用于获取当前目标声音中的文本内容、历史目标声音中的文本内容以及历史目标柜员声音中的文本内容；
117.判断单元，用于根据所述当前目标声音中的文本内容、所述历史目标声音中的文本内容以及所述历史目标柜员声音中的文本内容，判断是否存在目标声音误识别；
118.提示单元，用于如果存在目标声音误识别，提示当前柜台对应的客户重复前一次会话内容，并重新依次触发所述第一获取单元、所述确定单元以及所述第一播放单元。
119.在一种可能的实现方式中，所述判断单元，包括：
120.识别子单元，用于将所述当前目标声音中的文本内容、所述历史目标声音中的文本内容、所述历史目标柜员声音中的文本内容以及当前办理业务信息，输入关联识别模型，输出所述当前目标声音中的文本内容是否与当前办理业务匹配的识别结果；
121.第一确定子单元，用于如果所述当前目标声音中的文本内容与当前办理业务匹配，确定不存在目标声音误识别；
122.第二确定子单元，用于如果所述当前目标声音中的文本内容与当前办理业务不匹配，确定存在目标声音误识别。
123.需要说明的是，本技术实施例提供的声音处理装置的技术详情可参见上述声音处理方法的相关实施例，这里不再赘述。
124.另外，本技术实施例还提供了一种声音处理设备，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述任一项实施例所述的声音处理方法。
125.另外，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行如上述任一项实施例所述的声音处理方法。
126.这样，本技术实施例获取银行环境声音后，将银行环境声音中各路声音的声音信息输入声音识别模型，确定各路声音中客户对应的目标声音，将目标声音放大播放给当前柜台对应的当前柜员，同时过滤银行环境声音中的其他声音，使当前客户的声音可以被当前柜员听到。获取柜台内部声音之后，通过与预先保存的当前柜员的声音信息进行对比，从柜台内部声音中识别当前柜员声音，将当前柜员声音放大播放给客户，同时过滤柜台内部声音中的其他声音，使当前柜员的声音可以被客户听到。通过识别客户和柜员的声音放大播放给对方，同时过滤其他声音，实现即使环境嘈杂，也可以使客户和柜员的声音被对方听到，提高了沟通效率。
127.需要说明的是，本技术实施例提供的一种声音处理方法及装置可用于人工智能领域或金融领域。上述仅为示例，并不对本技术实施例提供的一种声音处理方法及装置的应用领域进行限定。
128.需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
129.应当理解，在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
130.还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
131.结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存
储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
132.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。