音频处理设备及方法

技术领域

本申请涉及一种音频处理设备及方法，属于音频处理技术领域。

背景技术

随着人工智能的发展，大多数的电子设备均具有与用户进行语音交互的功能。在进行语音交互过程中，电子设备需要使用语音数据处理算法对终端采集的音频数据进行一系列算法处理，一般包含语音前端信号处理算法和语音交互处理算法。其中，语音前端信号处理算法包括回声消除，声源定位，波束形成，语音降噪，语音增强，和语音唤醒等算法；语音交互处理算法包括语音识别，端点检测，语义理解，和对话管理等算法。

目前，语音数据处理算法实际是一段或几段封装集成的、运行于特定架构平台CPU上的可执行代码，通过将该可执行代码集成到终端系统中，以达到对语音交互和通话场景下的音频数据处理的效果。

比如：以终端系统为智能汽车中的车载终端为例，车载终端的音频处理流程包括：首先应用层通过录音或通话请求采集多通道的音频数据；然后，将采集到的多通道音频按接口要求送于语音数据处理算法依次进行回声消除，降噪分离等处理；最后，将处理之后的音频用于声音端点检测，唤醒，识别以及唤醒辅助定位等交互或回消降噪之后送于通话的对端(通话场景)。整个音频处理流程会加载到某单个单一的处理单元例如CPU负载运行处理。

但是，受限于语音数据处理算法的特性，复杂的音频密集计算在录音过程中会持续运行在单一处理器中(一般是CPU中)，而前端信号处理算法需要常驻后台，这就会导致语音数据处理会占用大量的处理器资源。随着同一处理单元上其他负载的同时运行易影响到系统的平稳性。例如在智能汽车使用的高通平台上，存在某个处理器负载占用过大影响了系统运行，而其他可用处理单元处于空载的情况。

另外，受终端硬件资源限制，资源占用超过限制时，会导致语音数据处理算法的优化难度大，只能通过减少计算量阉割部分效果的代价来达到系统资源和处理效果的初步均衡。

发明内容

本申请提供了一种音频处理设备及方法，可以解决将音频处理算法全部运行于同一处理单元时，由于该处理单元的算力资源有限，导致音频处理算法的性能优化受限，或者处理单元运行不稳定的问题。本申请提供如下技术方案：

第一方面，提供一种音频处理设备，所述音频处理设备包括：

运行于应用层中的录音程序，用于响应于录音指令发起录音请求，并将所述录音请求传输至音频信号处理芯片aDSP；

所述aDSP与音频采集组件相连，并用于在接收到所述录音请求的情况下，获取所述音频采集组件采集的待处理音频；调用所述aDSP中预先配置的预处理算法对所述待处理音频进行预处理，得到预处理后的音频数据；将所述预处理后的音频数据返回至所述录音程序；

所述录音程序，还用于在接收到所述预处理后的音频数据的情况下，基于所述预处理后的音频数据调用预设处理单元进行语音交互处理，得到语音交互结果；将所述语音交互结果发送至所述录音程序，以进行语音交互。

可选地，所述aDSP中的预处理算法至少包括：回声消除算法和降噪算法。

可选地，所述aDSP中的预处理算法至少包括回声消除算法，所述音频处理设备还包括计算信号处理芯片cDSP；

所述录音程序，还用于将所述预处理后的音频数据传输至所述cDSP；

所述cDSP，用于在接收到所述预处理后的音频数据的情况下，调用所述cDSP中预先配置的降噪算法对所述预处理后的音频数据进行降噪，得到降噪后的音频数据；将所述降噪后的音频数据返回至所述录音程序；

所述录音程序，还用于基于所述降噪后的音频数据调用预设处理单元进行语音交互处理，得到语音交互结果。

可选地，所述cDSP，还用于：

检测是否降噪成功；

在降噪成功的情况下，触发执行所述将所述降噪后的音频数据返回至所述录音程序的步骤；

在降噪失败的情况下，向所述录音程序返回失败反馈，以供所述录音程序输出音频失败原因。

可选地，所述降噪算法包括波束成形算法。

可选地，所述aDSP，还用于：

检测是否预处理成功；

在预处理成功的情况下，触发执行所述将所述预处理后的音频数据返回至所述录音程序的步骤；

在预处理失败的情况下，向所述录音程序返回失败反馈，以供所述录音程序输出音频失败原因。

可选地，所述预设处理单元，用于：

使用盲源分离算法对接收到音频数据进行盲源分离；

在盲源分离成功后，将多通道数据按照预设的通道顺序进行语音交互处理。

可选地，所述语音交互处理包括语音唤醒处理、语音识别处理和执行语音识别结果对应的交互动作。

可选地，所述音频请求携带有录音参数，所述调用所述aDSP中预先配置的预处理算法对所述待处理音频进行预处理，得到预处理后的音频数据，包括：

按照所述录音参数逐帧将所述待处理音频流式输入所述预处理算法进行预处理，得到预处理后的音频数据。

第二方面，提供一种音频处理方法，所述方法包括：

响应于录音指令发起录音请求；

基于所述录音请求调用aDSP，以触发所述aDSP获取音频采集组件采集的待处理音频；并调用所述aDSP中预先配置的预处理算法对所述待处理音频进行预处理，得到预处理后的音频数据；

基于所述预处理后的音频数据调用预设处理单元进行语音交互处理，得到语音交互结果，以进行语音交互。

本申请的有益效果至少包括：通过将音频数据的一部分处理移植至aDSP，由于预设处理单元只需要对aDSP处理后的音频数据进行处理，因此，可以减少音频处理算法对预设处理单元的算力资源的占用，此时，运行在预设处理单元中的部分算法可以有更多的算力资源使用，因此，可以对这部分算法进一步优化；可以解决将音频处理算法全部运行于同一处理单元时，由于该处理单元的算力资源有限，导致音频处理算法的性能优化受限的问题，可以提高音频处理算法的性能。同时，由于预设处理单元的算力资源的占用量降低，因此，运行于该预设处理单元上的其它程序更加问题，从而可以解决将音频处理算法全部运行于同一处理单元时，处理单元运行不稳定的问题，提高系统运行稳定性。

另外，通过进一步将音频处理算法的一部分移植至cDSP运行，不仅可以减少对预设处理单元的算力占用，还可以减少对aDSP的算力占用，可以进一步提高系统稳定性和算法性能。

另外，通过对预处理过程和降噪过程进行检测，可以在预处理过程和降噪过程出现异常时及时输出提示，以使用户及时解决异常，可以提高异常提示和解决的及时性。

另外，通过对音频数据进行盲源分离，可以对目标人声音频与背景噪声进行分离，实现进一步的语音降噪效果，提取出较纯净的目标音频数据。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，并可依照说明书的内容予以实施，以下以本申请的较佳实施例并配合附图详细说明如后。

附图说明

图1是本申请一个实施例提供的音频处理设备的结构示意图；

图2是本申请一个实施例提供的4麦克风情况下预处理算法的算力占用情况的示意图；

图3是本申请一个实施例提供的6麦克风情况下预处理算法的算力占用情况的示意图；

图4是本申请一个实施例提供的音频处理方法的流程图；

图5是本申请另一个实施例提供的音频处理方法的流程图。

具体实施方式

下面结合附图和实施例，对本申请的具体实施方式做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。

传统的语音数据处理算法方案，开发者在封装集成过程中更多关注于运行的系统和指令集的差异，侧重点在于代码的易移植程度和减少平台依赖，封装的调用逻辑决定了最终输出的通用算法处理模块只能运行在单一处理器上。

以智能汽车日益追求的多音区语音交互场景和逐渐严苛的性能指标需求为例，传统的降噪算法在大部分语音数据算法处理领域的部分方向已触及瓶颈难以继续优化，而即使是传统降噪算法在一些复杂的方案中，其算力需求也在指标以上，所以，效果更好的算法方案也将因引入相对更多的资源占用难以引入。

目前，一般通过语音数据处理算法部署到音频处理设备的平台后，采集大量测试集持续调整优化语音数据处理算法的参数的方式，来提高语音数据处理算法的处理效果，同时通过裁剪舍弃语音数据处理算法中部分不关注的效果的部分处理逻辑，或者减少输入音频采集的通道数量等方法来达到性能和资源占用的优化和均衡。

但是，虽然目前的算法优化方式基本可以满足大多数的语音交互需求，但是并不能兼顾算法的性能与效果。具体地，虽然对算法进行裁剪或减少数据输入量可以减少算法占用的计算资源，但是，即便使用大量测试集优化算法性能，也会一定程度地影响算法的准确性。

基于上述技术问题，本实施例提供一种音频处理设备。图1是本申请一个实施例提供的音频处理设备的结构示意图。其中，音频处理设备是指具有音频处理能力的电子设备，该电子设备包括但不限于：安装在车辆上的车载终端，或者也可以是手机、平板电脑、或者笔记本电脑等，本实施例不对音频处理设备的设备类型作限定。参考图1，该音频处理设备基于高通音频架构提供音频服务，高通音频架构至少包括：应用层101、硬件抽象层(Hardware Abstraction Layer，HAL)102、内核(kernel)层103和硬件104。

应用层101运行有使用音频的应用程序，以为用户提供音频服务。在一个示例中，应用层101中运行有录音程序(Audio Recorder)，以为用户提供音频服务。其中，录音程序可以为语音助手、或者也可以为通话程序，本实施例不对录音程序的类型作限定。

由于音频处理设备可能还运行有其它程序，此时，录音程序可能与其他的系统软件和系统服务共同运行。从系统流畅度和资源分配的维度综合考量，在一个系统当中，一般对录音程序的资源配额是有限的。比如：在智能汽车领域，用户对于语音交互体验的可玩性，便捷性与丰富性的要求日益增多，越来越多的用户选择更多音区的交互需求以满足更为丰富的交互体验，同时也需要保证各音区的音频处理质量均可以满足期望的指标要求。

为了保证录音程序提供音频服务的效果，本实施例中，通过将音频处理算法的不同阶段的计算过程部署在不同的计算单元中，可以达到减少CPU资源的占用较多的问题，同时CPU被释放出来的这部分资源，可以用于其他的处理优化或更多其他系统服务的运行。

具体地，本实施例在硬件104中引入了音频信号处理芯片(audio Digital SingalProcessor，aDSP)，aDSP中运行有预处理算法，由于预处理算法的计算量比较密集，因此，通过将将部分音频的密集运算放置在高通低功耗音频专用处理器aDSP中运行，可以达到减少这部分运算对于CPU资源的占用问题。

硬件104还包括与aDSP相连的编码译码器(codec)，编码译码器包含至少一种音频输入接口和至少一种音频输出接口。其中，音频输入接口与音频采集组件相连，至少用于采集麦克风输出的音频数据、和/或回采数据等；音频输出接口连接有扬声器，以播放aDSP发送的音频。

aDSP包括模拟前端(Analog Front End，AFE)、音频设备管理器(Audio DeviceManager，ADM)和音频流管理器(Audio Stream Manager，ASM)。

本实施例中，通过预先配置DSP的参数配置文件acdb文件，使音频数据在到达录音程序前先由aDSP内部的处理通路流向的预处理算法进行处理。

具体地，AFE包括发射机(TX)和接收机(RX)，TX用于将采集到的音频数据发送至ADM；ADM用于调用预处理算法对TX发送的音频数据进行预处理，并将预处理后的音频数据发送至ASM进行处理。示意性地，预处理算法集成至ASM的通用音频前端预处理(Common-Object Pre Processing，COPreP)模块中。

ASM通过注册的APR BUS通道将ASM模块下的音频流分别通过内核层103和硬件抽象层102发送至录音程序。此时，由于音频数据已经过预处理算法处理，因此，后续录音程序调用CPU进行进一步处理时可以减少对CPU的占用。

具体地，音频处理流程包括：录音程序，用于响应于录音指令发起录音请求，并将录音请求传输至aDSP；

aDSP用于在接收到录音请求的情况下，获取音频采集组件采集的待处理音频；调用aDSP中预先配置的预处理算法对待处理音频进行预处理，得到预处理后的音频数据；将预处理后的音频数据返回至录音程序；

录音程序，还用于在接收到预处理后的音频数据的情况下，基于预处理后的音频数据调用预设处理单元进行语音交互处理，得到语音交互结果；将语音交互结果发送至录音程序，以进行语音交互。

预设处理单元除了进行语音交互处理外，还执行音频处理设备上的其它应用，如系统服务和应用等。预设处理单元可以是CPU。

其中，所述音频请求携带有录音参数，aDSP按照所述录音参数逐帧将所述待处理音频流式输入所述预处理算法进行预处理，得到预处理后的音频数据。

可选地，aDSP，还用于：检测是否预处理成功；在预处理成功的情况下，触发执行所述将所述预处理后的音频数据返回至所述录音程序的步骤；在预处理失败的情况下，向所述录音程序返回失败反馈，以供所述录音程序输出音频失败原因。此时，音频失败原因包括预处理失败。

在一个示例中，aDSP中的预处理算法至少包括：回声消除算法(Acoustic EchoCancellation，AEC)和降噪算法。相应地，音频失败原因包括回声消除失败和降噪失败。降噪算法包括但不限于波束形成(Beamforming，BF)算法，在其它实施例中，降噪算法还可以是线性滤波器降噪、或者人工智能(Artificial Intelligence，AI)降噪等，本实施例不对降噪算法的实现方式作限定。

在一个示例中，确定回声消除是否成功，包括：计算回声消除后的音频信号的评价参数，在评价参数符合预设范围内的情况下，确定回声消除成功；在评价参数不属于预设范围的情况下，确定回声消除失败。

其中，评价参数包括回声返回损耗增益，此时，预设范围可以为大于预设增益阈值；或者，评价参数是使用语音质量感知评价算法得到的分值，此时，预设范围可以为大于预设分值阈值(比如2)，在其它实施例中，评价参数也可以是其它数值，本实施例不对回声消除的评价方式作限定。

或者，确定回声消除算法是否成功加载至aDSP，若加载成功，则计算回声消除后的音频信号的评价参数，以根据评价参数进一步判断是否回声消除成功。若加载失败，则确定回声消除失败。

在一个示例中，检测是否降噪成功，包括：计算降噪后的音频数据的信噪比和/或均方根误差；在信噪比大于信噪比阈值和/或均方根误差小于均方根阈值的情况下，确定降噪成功；在信噪比小于或等于信噪比阈值和/或均方根误差大于或等于均方根阈值的情况下，确定降噪失败。

或者，确定降噪算法是否成功加载至aDSP，若加载成功，则计算计算降噪后的音频数据的信噪比和/或均方根误差，以进一步判断是否降噪成功。若加载失败，则确定降噪失败。

由于预处理算法对于aDSP内余量要求较高。而语音数据处理算法高密集的特性和音频数据处理的实时率要求决定了预处理算法的高占用的现象。例如：音频处理时，需要每32ms送入预处理算法一帧音频长度为32ms的数据，每一帧的音频数据处理必须要在32ms内处理完成才能保证所有输入的音频都能够得到处理，保证输出音频正常不丢帧。基于此，预处理算法处理具有如下性能占用趋势：在每帧音频处理过程中，接收到音频数据后将以最高算力在32ms内全速完成处理，随后频率时钟降低。如图2所示4麦克风情况下的单位时间毫秒内的算力占用情况的示意图，根据图2可知，aDSP的算力占用情况在每接收到一帧音频信号期间达到峰值，在信号处理完成后占用情况减少。随着音频采集组件的增加或者处理更高采样率的音频数据，每帧的处理时长会增加，比如参考图3所示的6麦克风情况下的算力占用情况，算力达到峰值的时长大于图2中算力达到峰值的时长。此时，需要保证aDSP内部不能运行过多其他音频处理算法。

基于上述问题，在另一个示例中，音频处理设备还包括计算信号处理芯片(compute DSP，cDSP)，cDSP是高通音频框架中专门用于通用计算的硬件加速单元。cDSP用于执行前端语音数据处理算法中复杂度较高的算法。示意性地，cDSP用于部署降噪算法。通过将计算量更加密集的算法处理移植到cDSP，可以降低算法对aDSP的算力占用。此时，aDSP中的预处理算法至少包括回声消除算法。录音程序，还用于将预处理后的音频数据传输至cDSP；cDSP，用于在接收到预处理后的音频数据的情况下，调用cDSP中预先配置的降噪算法对预处理后的音频数据进行降噪，得到降噪后的音频数据；将降噪后的音频数据返回至录音程序；录音程序，还用于基于降噪后的音频数据调用预设处理单元进行语音交互处理，得到语音交互结果。

在本示例中，AEC独立加载于aDSP内部，以固件处理的方式运行。而降噪和后处理等可一起集成在同一个可执行文件中，将其中的密集计算算法处理部分通过调用hexagonnn的接口将实际的计算处理加载到cDSP进行处理，达到不占用CPU的目的。其中，密集计算算法串联的语音交互算法如唤醒，识别，对话，角度定位等算法可配置在cDSP和/或CPU中。

在其它实施例中，也可以将语音数据处理算法中涉及的各个算法处理单元单独释放，由应用层组合，语音数据处理算法的各部分协同配合以完成整个语音数据处理过程。

可选地，在cDSP执行降噪算法的情况下，cDSP还用于：检测是否降噪成功；在降噪成功的情况下，触发执行所述将所述降噪后的音频数据返回至所述录音程序的步骤；在降噪失败的情况下，向所述录音程序返回失败反馈，以供所述录音程序输出音频失败原因。此时，音频失败原因包括：降噪失败。

具体地，录音程序获取到回声消除后的音频数据后，通过cDSP的驱动程序调用cDSP，以在cDSP中执行降噪算法的可执行文件，并将降噪后的音频数据返回至录音程序，此时，录音程序调用预设处理单元进行语音交互处理。

可选地，预设处理单元接收到降噪后的音频数据后，使用盲源分离(Blind SourceSeparation，BSS)算法对接收到音频数据进行盲源分离；在盲源分离成功后，将多通道数据按照预设的通道顺序进行语音交互处理。

本实施例中，音频采集组件采集的音频数据为多通道的音频数据，对多通道音频数据进行一系列处理(包括盲源分离)后，得到的数据即为多通道数据。

可选地，语音交互处理包括语音唤醒处理、语音识别处理和执行语音识别结果对应的交互动作。在其它实施例中，语音交互处理也可以仅包括语音唤醒处理、或者包括语音唤醒处理、语音识别处理，本实施例不对语音交互处理的方式作限定。

下面以回声消除算法部署在aDSP内部、降噪算法部署在cDSP内部、降噪算法为BF算法为例，对音频处理过程进行举例说明。参考4，该过程至少包括以下几个步骤：

步骤41，响应于录音指令，由应用层中的录音程序调用录音接口发起录音。

具体地，录音请求由录音程序(Audio Recorder)等原生接口配置录音参数发起并送于高通音频框架处理。

在一个示例中，录音指令在音频处理设备开机时生成，此时，音频处理设备开机后，录音程序响应于录音指令一直在音频处理设备的后台运行。比如：在智能汽车场景中，语音助手在车载终端开机时开始录音，并且在后台运行，以便于用户在任意时间通过唤醒词唤醒语音助手执行操作。

在另一个示例中，在音频处理设备接收到预设操作时生成录音指令，以触发录音程序发起录音。可选地，预设操作包括但不限于：接通语音会话操作、或者启动录音程序操作等，本实施例不对预设操作的实现方式作限定。比如：在通话的场景中，一般在接通电话时生成录音指令，以触发录音程序发起录音请求，挂断电话时停止录音。

在其它实施例中，录音指令的生成方式也可以是其它方式，本实施例在此不再一一列举。

步骤42，高通音频框架采集多路麦克风和回采音频数据，并由高通频频框架中的aDSP创建指定链路，将该音频数据逐帧送于AEC进行回声消除处理。

本步骤中，高通音频框架采集的音频数据在录音过程中首先完成回声消除处理，即在录制到的多通道音频中消除从功放录制到的回声音频，只保留人声和部分背景噪声的处理。

步骤43，检测aDSP内AEC的加载和处理是否执行成功。

若执行失败，则音频录制失败，退出对话，流程结束。

若执行成功，则执行步骤44。

步骤44，aDSP将经过回声消除算法处理之后的音频数据将由高通音频框架处理逻辑依次向上层传递，进一步传输给应用层的录音程序；

录音程序获取到经回声消除之后的音频，应用层将该回声消除之后的音频作为参数传递送于波束形成算法，处理接口发起运算处理。

步骤45，录音程序通过调用依赖cDSP的cdsp rpc接口，将实际的波束成形算法的计算置于cDSP对波束调整后的音频数据进行降噪处理。

本步骤中，针对多麦克风录制的多个通道的音频数据，产生多音区方位的波束，实现对噪声和干扰方向进行抑制，增强目标方向的信号的效果。

步骤46，检测cDSP的加载和运算处理过程是否成功。

若失败，抛出失败原因，退出对话，流出结束。

若成功，则执行步骤47。

步骤47，回传降噪处理后的多方位波束音频于调用接口，以将其作为输入参数送于下一个处理单元盲源分离(Blind Source Separation，BSS)算法。

步骤48，BSS将输入的音频做盲源分离处理，经过音频相应的特征分析和相关性分析，将输入的多通道的音频中，对目标人声音频与背景噪声进行分离，实现进一步的语音降噪效果，提取出较纯净的目标音频数据。

本实施例中，以盲源分离在CPU中运行为例进行说明，在其它实施例中，盲源分离也可以作为降噪算法的一部分在cDSP中运行，本实施例不对盲源分离的实现方式作限定。

步骤49，检测BSS的处理是否成功。

若失败，抛出失败原因，退出对话，流程结束。

若成功，执行步骤410。

步骤410，录音程序回调盲源分离后的多通道音频数据，以既定的通道顺序送于后续的语音交互处理。

语音交互可以有多种组合方式进行处理。在一个示例中，将输入的回消降噪后的音频送入唤醒处理，结合被唤醒路的角度信息，送该唤醒路的音频执行后续的单路识别，识别结果送入对话及语义解析，执行相应的动作处理等操作。

参考下表一所示在同种CPU型号(如CPU总算力：85k DMIPS(Dhrystone MillionInstructions executed Per Second))下，四音区场景下各个算法的CPU占用百分比情况，经验证，通过将回声消除算法移植至aDSP，可以节省11.72％的CPU常驻占用。若将BF算法进一步移植至cDSP，则可以进一步节省6.36％的CPU常驻占用。基于通用音频框架的音频处理方案占用的CPU算力与全部运行于CPU占用的CPU算力相比，将节省近一半的CPU算力。

表一：

/>

综上所述，本实施例提供的音频处理设备，通过将音频数据的一部分处理移植至aDSP，由于预设处理单元只需要对aDSP处理后的音频数据进行处理，因此，可以减少音频处理算法对预设处理单元的算力资源的占用，此时，运行在预设处理单元中的部分算法可以有更多的算力资源使用，因此，可以对这部分算法进一步优化；可以解决将音频处理算法全部运行于同一处理单元时，由于该处理单元的算力资源有限，导致音频处理算法的性能优化受限的问题，可以提高音频处理算法的性能。同时，由于预设处理单元的算力资源的占用量降低，因此，运行于该预设处理单元上的其它程序更加问题，从而可以解决将音频处理算法全部运行于同一处理单元时，处理单元运行不稳定的问题，提高系统运行稳定性。

另外，通过进一步将音频处理算法的一部分移植至cDSP运行，不仅可以减少对预设处理单元的算力占用，还可以减少对aDSP的算力占用，可以进一步提高系统稳定性和算法性能。

另外，通过对预处理过程和降噪过程进行检测，可以在预处理过程和降噪过程出现异常时及时输出提示，以使用户及时解决异常，可以提高异常提示和解决的及时性。

另外，通过对音频数据进行盲源分离，可以对目标人声音频与背景噪声进行分离，实现进一步的语音降噪效果，提取出较纯净的目标音频数据。

图5是本申请一个实施例提供的音频处理方法的流程图。本实施例以该方法用于图1所示的音频处理设备中为例进行说明。该方法至少包括以下几个步骤：

步骤501，响应于录音指令发起录音请求；

步骤502，基于录音请求调用aDSP，以触发aDSP获取音频采集组件采集的待处理音频；并调用aDSP中预先配置的预处理算法对待处理音频进行预处理，得到预处理后的音频数据；

步骤503，基于预处理后的音频数据调用预设处理单元进行语音交互处理，得到语音交互结果，以进行语音交互。

综上所述，本实施例提供的音频处理方法，通过将音频数据的一部分处理移植至aDSP，由于预设处理单元只需要对aDSP处理后的音频数据进行处理，因此，可以减少音频处理算法对预设处理单元的算力资源的占用，此时，运行在预设处理单元中的部分算法可以有更多的算力资源使用，因此，可以对这部分算法进一步优化；可以解决将音频处理算法全部运行于同一处理单元时，由于该处理单元的算力资源有限，导致音频处理算法的性能优化受限的问题，可以提高音频处理算法的性能。同时，由于预设处理单元的算力资源的占用量降低，因此，运行于该预设处理单元上的其它程序更加问题，从而可以解决将音频处理算法全部运行于同一处理单元时，处理单元运行不稳定的问题，提高系统运行稳定性。

可选地，本申请还提供有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程序，所述程序由处理器加载并执行以实现上述方法实施例的音频处理方法。

可选地，本申请还提供有一种计算机产品，该计算机产品包括计算机可读存储介质，所述计算机可读存储介质中存储有程序，所述程序由处理器加载并执行以实现上述方法实施例的音频处理方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。