人声消除的原理算法源码及方案实现

原理

　　在现在的喊麦上，人声消除是常用的一个功能，笔者测试过几款喊麦的系统，发现就人声消除这块，可以说效果是参差不齐。由于自己产品上也要有这个功能，就花了一些时间来研究了一下。下面就把研究的心得体会做个总结。
人声的声波波形在歌曲的两个声道是相同或者相似的，因此，我们可以采取两个声道相减的办法来消除立体声歌曲中的人声。
一个标准的人声消除过程如下：
步骤一：高通滤波器(High-pass filter)
步骤二：声道混合(Channel Mixer)
步骤三：低通滤波器(Low-pass filter)
其实，高通和通过滤波器的作用就是尽量让音乐的声音保留。在实际的操作中，有些简单的做法直接使用步骤2，省略到了步骤1和3，这样做的好处是操作简单，问题是人声音消除的不是很干净的。
我们一般把声道混合分成四个参数，分别为：

1. 新左声道里原左声道所占的百分数a1;
2. 新左声道里原右声道所占的百分数a2;
3. 新右声道里原左声道所占的百分数b1;
4. 新右声道里原右声道所占的百分数b2;
   a1,a2,a3,a4这四个数的数值在-100到100之间。则新左声道采样值newLeft=a1Left/100+a2Right/100，新右声道采样值newRight=b1Left/100+b2Right/100。
   如果想消除80%的人声，那么就将声道混合的数值设定如下：
   100,-80, -80, 100;
   如果想消除50%的人声，那么声道混合的四个数值为：
   100, -50, -50, 100。
   如果想消除100%的人声，那么声道混合的四个数值为：
   100, -100, -100, 100。
   这样，人声消除就很清楚了，接下来就是算法实现了。

python源码

　　在这里，我用python做了一个简单的仿真代码，可以实现简单的消除人声的效果。具体代码如下:

import numpy as np
from scipy.io import wavfile
from scipy import signal

def splitChannel(srcMusicFile):
   # read wav file
   sampleRate, musicData = wavfile.read(srcMusicFile)

   left = []
   right = []
   for item in musicData:
       left.append(item[0])
       right.append(item[1])

   mixed_data = np.array(left) - np.array(right)
   wavfile.write('mixed_b.wav', sampleRate, mixed_data)

splitChannel("test.wav")

通过播放原始音乐和处理后的音乐，发现人声消除的效果还不错。笔者发现，这个消除的效果要和音乐有关系，对于那些立体声比较对称的音乐来说，这种方法效果还是非常不错的。针对有些特殊的音乐，这个就不那么好用了。市面上基本上使用的都是这种方法。
对于那些本想把音频直接挂到博客园上，没想到遇到了一些技术问题，只能把它们连同代码一同放到github上了，有需要的朋友可以进去看一下。github地址：GitHub - DyLanCao/CoolAdudio: my open source audio edit software
输出音频：

方案实现

仅仅有仿真是远远不够的，还要把方案做出了，笔者在国内一家蓝牙芯片上，实现了该功能，效果初步测试和上面的仿真的基本能够吻合。不过，要把效果做的更好，还要加一些料的。针对消不掉的人声音，直接加vad检测，针对检测到的人声做一下衰减，再过一下这个，效果那就是杠杠的了。案子涉及到产品保密，就不往网上挂了。有兴趣的朋友可以通过QQ交流。

参考文档

• 人声消除_百度百科