人聲消除的原理算法源碼及方案實現

原理

　　在現在的喊麥上，人聲消除是常用的一個功能，筆者測試過幾款喊麥的系統，發現就人聲消除這塊，可以說效果是參差不齊。由於自己產品上也要有這個功能，就花了一些時間來研究了一下。下面就把研究的心得體會做個總結。
人聲的聲波波形在歌曲的兩個聲道是相同或者相似的，因此，我們可以采取兩個聲道相減的辦法來消除立體聲歌曲中的人聲。
一個標准的人聲消除過程如下：
步驟一：高通濾波器(High-pass filter)
步驟二：聲道混合(Channel Mixer)
步驟三：低通濾波器(Low-pass filter)
其實，高通和通過濾波器的作用就是盡量讓音樂的聲音保留。在實際的操作中，有些簡單的做法直接使用步驟2，省略到了步驟1和3，這樣做的好處是操作簡單，問題是人聲音消除的不是很干凈的。
我們一般把聲道混合分成四個參數，分別為：

1. 新左聲道里原左聲道所占的百分數a1;
2. 新左聲道里原右聲道所占的百分數a2;
3. 新右聲道里原左聲道所占的百分數b1;
4. 新右聲道里原右聲道所占的百分數b2;
   a1,a2,a3,a4這四個數的數值在-100到100之間。則新左聲道采樣值newLeft=a1Left/100+a2Right/100，新右聲道采樣值newRight=b1Left/100+b2Right/100。
   如果想消除80%的人聲，那么就將聲道混合的數值設定如下：
   100,-80, -80, 100;
   如果想消除50%的人聲，那么聲道混合的四個數值為：
   100, -50, -50, 100。
   如果想消除100%的人聲，那么聲道混合的四個數值為：
   100, -100, -100, 100。
   這樣，人聲消除就很清楚了，接下來就是算法實現了。

python源碼

　　在這里，我用python做了一個簡單的仿真代碼，可以實現簡單的消除人聲的效果。具體代碼如下:

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")

通過播放原始音樂和處理后的音樂，發現人聲消除的效果還不錯。筆者發現，這個消除的效果要和音樂有關系，對於那些立體聲比較對稱的音樂來說，這種方法效果還是非常不錯的。針對有些特殊的音樂，這個就不那么好用了。市面上基本上使用的都是這種方法。
對於那些本想把音頻直接掛到博客園上，沒想到遇到了一些技術問題，只能把它們連同代碼一同放到github上了，有需要的朋友可以進去看一下。github地址：GitHub - DyLanCao/CoolAdudio: my open source audio edit software
輸出音頻：

方案實現

僅僅有仿真是遠遠不夠的，還要把方案做出了，筆者在國內一家藍牙芯片上，實現了該功能，效果初步測試和上面的仿真的基本能夠吻合。不過，要把效果做的更好，還要加一些料的。針對消不掉的人聲音，直接加vad檢測，針對檢測到的人聲做一下衰減，再過一下這個，效果那就是杠杠的了。案子涉及到產品保密，就不往網上掛了。有興趣的朋友可以通過QQ交流。

參考文檔

• 人聲消除_百度百科