1.一种音频处理方法，包括：
在输出第一音频的情况下，采集来自环境的第二音频；
处理所述第二音频得到第三音频，其中，所述第三音频与所述第一音频的匹配程度比所述第二音频与所述第一音频的匹配程度高；
合成所述第三音频和所述第一音频得到第四音频。
2.根据权利要求1所述的方法，其中，所述处理所述第二音频得到第三音频包括：
基于所述第一音频，去除所述第二音频中的干扰音频；以及/或者
获得基准数据，并至少基于所述基准数据，处理所述第二音频得到第三音频。
3.根据权利要求2所述的方法，其中，所述至少基于所述基准数据，处理所述第二音频得到第三音频包括：
确定处理时间；
基于所述基准数据，确定与所述处理时间相对应的内容；
从所述第二音频中确定匹配所述内容的源时间；
将所述第二音频中的源时间的内容调整至所述处理时间。
4.根据权利要求3所述的方法，其中，所述至少基于所述基准数据，处理所述第二音频得到第三音频包括：
确定多个处理时间；
将所述第二音频分割为多个部分；
基于所述多个处理时间分别处理所述多个部分；
将经处理的多个部分拼接为第三音频。
5.根据权利要求4所述的方法，其中，所述基于所述多个处理时间分别处理所述多个部分包括：
确定两个相邻的处理时间；
基于所述基准数据，确定与所述两个相邻的处理时间相对应的内容；
从所述第二音频中确定匹配所述内容的源起始时间和源终止时间；
基于所述源起始时间和源终止时间之间的时长，确定处理方式，所述处理方式包括平移、拉伸或压缩中的一种或多种；
基于所述处理方式对所述第二音频中从所述源起始时间到所述源终止时间之间的内容进行处理，以便将所述源起始时间和所述源终止时间对齐至所述两个相邻的处理时间。
6.根据权利要求3所述的方法，其中，所述至少基于所述基准数据，处理所述第二音频得到第三音频包括：
确定一个处理时间；
基于所述基准数据，确定与所述处理时间相对应的内容；
从所述第二音频中确定匹配所述内容的源时间；
将所述第二音频中的源时间的内容调整至所述处理时间，并相应调整所述第二音频中的全部其他内容。
7.根据权利要求3所述的方法，其中，所述确定处理时间包括：
根据用户输入确定处理时间；
基于固定的时间间隔确定多个处理时间；以及/或者
基于与所述第二音频匹配的文本内容确定一个或多个处理时间。
8.根据权利要求2所述的方法，其中，所述至少基于所述基准数据，处理所述第二音频得到第三音频包括：
确定处理时间；
基于所述基准数据，确定与所述处理时间相对应的内容；
从所述第二音频中确定匹配所述内容的源时间；
将所述第二音频中的源时间的声音振动频率调整至所述基准数据中的处理时间的声音振动频率。
9.一种电子设备，包括：
处理器；以及
存储器，其上存储有计算机可读指令，所述指令被处理器执行时使得处理器：
在输出第一音频的情况下，采集来自环境的第二音频；
处理所述第二音频得到第三音频，其中，所述第三音频与所述第一音频的匹配程度比所述第二音频与所述第一音频的匹配程度高；
合成所述第三音频和所述第一音频得到第四音频。
10.一种计算机可读存储介质，其上存储有计算机可读指令，所述指令被处理器执行时使得处理器：
在输出第一音频的情况下，采集来自环境的第二音频；
处理所述第二音频得到第三音频，其中，所述第三音频与所述第一音频的匹配程度比所述第二音频与所述第一音频的匹配程度高；
合成所述第三音频和所述第一音频得到第四音频。