CN101630507B - 远程卡拉ok的实现方法、装置和系统 - Google Patents

Abstract

本发明涉及远程卡拉OK的实现方法、装置和系统。所述方法包括：接收第一终端和第二终端发送的语音音频，接收伴奏曲库服务器根据所述第一终端或第二终端的伴奏需求发送的伴奏音频；对所述伴奏音频和语音音频进行音频混合处理，获得混合音频；将所述混合音频发送给所述第一终端和/或第二终端。上述实施方式中，语音音频来自终端、伴奏音频来自伴奏曲库服务器，在进行音频混合处理时不会造成相互干扰，从而提高了远程卡拉OK音频的质量。

Description

远程卡拉OK的实现方法、装置和系统

技术领域

本发明涉及通信技术领域，特别涉及远程卡拉OK的实现方法、装置和系统。

背景技术

目前在国内和国际上实现卡拉OK的场景一般为：在同一区域内，利用模拟或数字电缆电路的方式，将参与卡拉OK对唱、轮唱的双/多声道声音信号汇集到一个模拟或数字处理中心进行混音处理，然后将混合后的音频信号通过扬声器等方式播放出来，从而实现卡拉OK功能。

随着人们对服务感受度要求的提升，远程卡拉OK成为了一种需要。例如：在广播电影业界实现异地同唱一首歌就需要用到远程卡拉OK技术。环形的远程卡拉OK的实现方法可以采用网际协议(Internet Protocol，IP)会议电话中心混音原理实现。在该方法的实现过程中，一个指定IP地址的控制中心接收来自至少两个终端的音频信号；所有的终端的音频信号均包含语音音频，其中一台终端还包含伴奏音频；控制中心接收到来自至少两个终端的音频信号后对上述音频信号混合处理，然后通过IP网络广播出去。上述广播的对象可以为上述参与音频信号混合的所有终端，也可以是上述参与音频合成以外的其它终端。

环形的远程卡拉OK的实现方法中的控制中心的功能集成在一个终端中，成为星形的远程卡拉OK的实现方法，该方法中，终端需要接收其他终端的音频，然后合成混合音频，然后将混合音频发送给参与会话的终端。

发明人在实现本发明的过程中发现：在多个终端参与的远程卡拉OK的实现过程中，多个终端中的某一终端将自身的语音音频和伴奏音频作为一路上传到控制中心；控制中心在进行音频信号混合处理的时候，其它终端发送到的语音音频均以上述伴奏音频为基础，这样参与音频合成的终端越多伴奏音频声音就会越小，混合处理后的音频也会越嘈杂。

发明内容

本发明实施例要解决的技术问题是提供远程卡拉OK的实现方法、装置和系统，提高远程卡拉OK的音频质量。

为解决上述技术问题，本发明所提供的环形的远程卡拉OK的实现方法实施例可以通过以下技术方案实现：

接收第一终端和第二终端发送的语音音频，接收伴奏曲库服务器根据所述第一终端或第二终端的伴奏需求发送的伴奏音频；

对所述伴奏音频和语音音频进行音频混合处理，获得混合音频；

将所述混合音频发送给所述第一终端和/或第二终端。

本发明实施例还提供了一种星形的远程卡拉OK的实现方法，包括：

接收参与会话的本终端以外的其他终端发送的语音音频，采集本终端的语音音频，接收伴奏曲库服务器根据本终端或所述其他终端的伴奏需求发送的伴奏音频；

对所述伴奏音频、接收到的语音音频以及本终端的语音音频进行音频混合处理，获得混合音频；

播放所述混合音频；将所述混合音频发送给所述其他终端。

本发明实施例还提供了另一种环形的远程卡拉OK的实现方法，包括：

将采集到的本终端的语音音频发送给控制中心；

接收由控制中心发送的混合音频；所述混合音频包含参与会话的终端的音频信息；

接收伴奏曲库服务器发送的伴奏音频；

合成所述混合音频和所述伴奏音频，得到目标音频并播放所述目标音频。

本发明实施例还提供了一种控制中心，包括：

音频接收单元，用于接收第一终端和第二终端发送的语音音频，接收伴奏曲库服务器发送的伴奏音频；

音频混合处理单元，用于对所述伴奏音频和语音音频进行音频混合处理，获得混合音频；

音频发送单元，用于将所述混合音频发送给所述第一终端和/或第二终端。

本发明实施例还提供了一种终端，包括：

音频接收单元，用于接收参与会话的本终端以外的其他终端发送的语音音频，接收伴奏曲库服务器根据本终端或所述其他终端的伴奏需求发送的伴奏音频；

音频采集单元，用于采集本终端的语音音频；

音频合成单元，用于对所述伴奏音频、接收到的语音音频以及本终端的语音音频进行音频混合处理，获得混合音频；

音频播放单元，用于播放所述混合音频；

混合音频发送单元，将所述混合音频发送给所述其他终端。

本发明实施例还提供了另一种终端，包括：

音频发送单元，用于将采集到的本终端的语音音频发送给控制中心；

混合音频接收单元，用于接收由控制中心发送的混合音频；所述混合音频包含参与会话的终端的音频信息；

伴奏音频接收单元，用于接收伴奏曲库服务器发送的伴奏音频；

音频合成单元，用于合成所述混合音频和所述伴奏音频，得到目标音频；

音频播放单元，用于播放所述目标音频。

本发明实施例还提供了一种远程卡拉OK的实现的系统，包括：

伴奏曲库服务器，用于根据第一终端或第二终端的需求向控制中心发送伴奏音频；

控制中心，用于接收第一终端和第二终端发送的语音音频，接收伴奏曲库服务器根据所述第一终端或第二终端的需求发送的伴奏音频；对所述伴奏音频和语音音频进行音频混合处理，获得混合音频；将所述混合音频发送给所述第一终端和/或第二终端。

上述技术方案具有如下有益效果：语音音频来自终端、伴奏音频来自伴奏曲库服务器，在进行音频混合处理时不会造成相互干扰，从而提高了远程卡拉OK音频的质量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法实施例一流程示意图；

图2为本发明方法实施例二流程示意图；

图3为本发明方法实施例三流程示意图；

图4为本发明方法实施例四流程示意图；

图5为本发明装置实施例五控制中心结构示意图；

图6为本发明装置实施例五另一控制中心结构示意图；

图7为本发明装置实施例五另一控制中心结构示意图；

图8为本发明装置实施例五另一控制中心结构示意图；

图9为本发明装置实施例五另一控制中心结构示意图；

图10为本发明装置实施例六一种终端结构示意图；

图11为本发明装置实施例六另一种终端结构示意图；

图12为本发明装置实施例七一种终端结构示意图；

图13为本发明装置实施例七另一种终端结构示意图；

图14为本发明装置实施例八系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例要解决的技术问题是提供一种远程卡拉OK的实现方法、装置和系统，提高远程卡拉OK的音频质量。

实施例一，如图1所示，本发明实施例提供的一种环形的远程卡拉OK的实现方法，包括：

步骤101：接收第一终端和第二终端发送的语音音频，接收伴奏曲库服务器发送的伴奏音频；在本步骤中还可以接收第一终端和第二终端发送的视频图像；上述视频可以为第一终端采集的第一终端侧的视频图像然后发送给控制中心，第二终端采集的第二终端侧的视频图像然后发送给控制中心。

可选地，在步骤101之前还可以：接收到第一终端和第二终端的注册申请；接收到第一终端和第二终端的注册申请后，绑定第一终端和第二终端；后续实施例将注册的过程作进一步的说明。

另外，上述第一终端和第二终端发送语音音频参数也是可以协商的，当然采用设定的固定参数进行发送也是可以的，并不影响本发明实施例的实现。

上述第一终端和第二终端都为参与远程卡拉OK的终端，为方便叙述称为第一终端和第二终端，第一终端和第二终端可以表示为多个终端，终端的个数不作限制；上述绑定可以理解为：将参与远程卡拉OK的终端组成一个会话组，具体可以为，控制中心建立一个卡拉OK的会话组存储加入上述会话组的终端的标识，在发送合成音频和/或合成视频图像前读取上述会话组的终端的标识，然后向上述读取到的标识的终端发送合成音频和/或合成视频图像。

步骤102：对上述伴奏音频和语音音频进行音频混合处理，获得混合音频；如果上一步骤中有视频，本步骤还可以对上述来自于第一终端和第二终端的视频图像进行视频合成处理，获得合成视频图像。

步骤103：将上述混合音频发送给上述第一终端和/或第二终端。若上一步骤中合成了合成视频图像，本步骤还可以将上述合成视频图像发送给上述第一终端和/或第二终端。

上述混合音频发送给第一终端和/或第二终端，发送的相关参数也是可以与终端进行协商的，当然采用设定的参数进行发送不进行协商也是可以的，不影响本发明实施例的实现。

上述方法步骤的执行主体为控制中心；伴奏曲库服务器可以是独立的服务器，也可以集成在控制中心上。

上述实施方式中，语音音频来自终端、伴奏音频来自伴奏曲库服务器，在进行音频混合处理时不会造成相互干扰，从而提高了远程卡拉OK音频的质量。

上述实现方式中音频的合成的执行方如果是终端，方案的执行流程可以为：

将采集到的本终端的语音音频发送给控制中心；还可以将采集到的本终端的视频图像发送给控制中心；

接收由控制中心发送的混合音频；上述混合音频包含参与会话的终端的音频信息；还可以接收控制中心发送的合成视频图像，上述视频图像包含参与会话的终端的视频信息；

接收伴奏曲库服务器发送的伴奏音频；

合成上述混合音频和上述伴奏音频，得到目标音频并播放上述目标音频；

在播放目标音频同时还可以播放上述合成视频图像。

上述实现方式的执行主体可以为参与会话的终端，基于与图1所揭示的方案同样的原理，控制中心将来自终端的音频进行了合成，然后发送到终端，然后由终端将混合音频和伴奏音频进行合成得到最终的合成音频，本实施方式依然能够达到提高远程卡拉OK的音频质量的目的。

实施例二，本发明实施例还提供了一种星形的远程卡拉OK的实现方法，如图2所示，包括：

步骤201：接收参与会话的本终端以外的其他终端发送的语音音频，采集本终端的语音音频，接收伴奏曲库服务器根据本终端或上述其他终端的伴奏需求发送的伴奏音频；

这里还可以包括：接收上述其他终端发送的视频图像，采集本终端的视频图像；

步骤202：对上述伴奏音频、接收到的语音音频以及本终端的语音音频进行音频混合处理，获得混合音频；

这里也可以：对来自于上述其他终端的视频图像和本终端的视频图像进行合成处理，获得合成视频图像；

步骤203：播放上述混合音频；将上述混合音频发送给上述其他终端。

这里也可以：播放上述合成视频图像，将上述合成视频图像发送给上述其他终端。

上述实施方式中，语音音频来自终端、伴奏音频来自伴奏曲库服务器，在进行音频混合处理时不会造成相互干扰，从而提高了远程卡拉OK音频的质量。进一步地加入视频的内容能够丰富卡拉OK的视觉效果。

实施例三，本实施例为采用星形的远程卡拉OK的实现方法的一个具体实施例，本实施例中，控制中心集成在第一终端，伴奏曲库服务器为独立的服务器。由于终端的音频合成能力的限制，本方案可以在参与远程卡拉OK终端小于6个的时候采用；上述控制中心集成在第一终端上可以是第一终端含有混音模块或者类似功能，例如内置多点控制单元(Multipoint Control Unit，MCU)。可以理解的是在本实施例中第二终端可以有多个，具体数量不作限制。第一终端可以为具有混音能力的会议电视终端，第一终端可以为会议电视终端也可以为不具混音能力的可视电话。在本实施例中第一终端以视频电视终端A表示，第二终端以视频电视终端B表示。

远程卡拉OK具体实现过程如图3所示(本过程可以采用会议电视H.323框架进行)：

301、控制中心注册：

1)会议电视终端，开机上电后向指定IP地址的控制中心发出注册申请；

2)控制中心(内含多点控制单元MCU或网守GK，其中MCU可以用于接收各个会场的声音和图像的，网守可以用于完成开会调度功能)接受注册申请，然后验证终端的身份和密码，还可以分配一个“昵称”或“呼叫短号”给各个申请注册的会议电视终端。

在本实施例中会议电视终端A和会议电视终端B都是会议电视终端，在未注明是A还是B时，可以认为会议电视终端A和/或会议电视终端B。

302、伴奏曲库服务器注册：

1)会议电视终端根据预先设定的账号密码登陆伴奏曲库服务器；并向伴奏曲库服务器发送调阅和点拨曲库服务器存储的伴奏曲库的目录和歌曲的请求；

2)伴奏曲库服务器验证各个会议电视终端的登陆账号和密码等权限，同意或拒绝各个会议电视终端调阅和点拨曲库服务器存储的伴奏曲库的目录和歌曲(这里还可以根据上述权限来设定开放的目录大小)。

另外，各个终端还可以向伴奏曲库服务器汇报自身能力，例如：自身支持的视频编码协议(例如H.264/263、MPEG-2/4、AVS等)，音频能力：(例如G.711/723/728/729、AAC等音频协议)，分辨率、最高速率、是否支持双流等。服务器记录各个终端的能力；在2)中，伴奏曲库服务器针对各个终端发送出合适的网际协议(Internet Protocol，IP)媒体流发送伴奏歌曲(Karaoketelevision，KTV)给控制中心。

303、呼叫：

1)会议电视终端A向会议电视终端B发起点对点的会议邀请，邀请会议电视终端B参与一次卡拉OK歌唱。具体方式：会议电视终端A在知道终端B的IP地址时，可以按照IP地址进行呼叫(可以参见H.323协议或同类型协议)；不知道终端B的实际IP地址但知道终端B的“昵称”或“呼叫短号”，则可用将会议邀请发送给控制中心，控制中心进行IP地址映射转接(类似于：IP地址的域名映射)处理后将会议邀请发送终端B。

2)会议电视终端B在接收到上述会议邀请后可以选择接受或者拒绝进行卡拉OK歌唱；若接受进行卡拉OK歌唱则建立通信连接。

如果有更多的终端例如C、D......等需要加入，可以在会议电视终端A和B已经接通的情况下，由终端A按照如上方法呼叫C或D，或者由终端C或D反向对终端A发起呼叫，由终端A决定是否接受其加入。

304、协商：

1)会议电视终端A向会议电视终端B发送呼叫请求；

2)当会议电视终端B接到会议电视终端A的呼叫请求后，显示来电方“IP地址”或“昵称”或“号码”等，然后决定是否接听(接受邀请并参与卡拉OK)。如决定接受邀请，则双方会议电视终端根据会议电视的技术框架，例如：H.323、会话初始协议(Session Initiation Protocol，SIP)等协商各自的能力，决定一个双方都能接受的媒体流协议和速率(例如约定视频采用H.264协议、分辨率4CIF(704×576)、速率2Mbit/s；音频采用高级音频编码低延迟规格(Advanced Audio Coding Low Delay，AAC LD)协议、双声道、速率384kbit/s等)。

3)协商完成后，则建立会议电视终端A与会议电视终端B的IP链路链接。开始会议电视通话过程(卡拉OK参与开始)。

另外，被呼叫的会议电视终端B可以向伴奏曲库服务器汇报自己已经接受了“来自会议电视终端A”的呼叫，已经和会议电视终端A建立了稳定的IP链路。(此步骤便于绑定以及同步各个终端下行来自伴奏曲库服务器的媒体流和目录信息)

如有会议电视终端C、D......等，也可以按照如上方法协商是否接通，并向伴奏曲库服务器上报信息，申请绑定在同一条下行媒体流的逻辑IP链路上。

上述协商的过程在控制中心进行语音和视频合成之前完成即可，至于协商过程可以在终端向控制中心发送音频和视频之前进行，还是在终端向控制中心发送音频和视频之后进行，不影响本发明实施例的实现，对此本发明实施例不予限定。

305、选曲：

1)电视终端向伴奏曲库服务器发送请求消息指定需要的伴奏歌曲；

2)当任何一方会议电视终端从伴奏曲库服务器(KTV)的备选歌曲目录中选定歌曲后，伴奏曲库服务器则从伴奏歌曲库服务器通过下行IP媒体流到各个逻辑绑定在一起的已开会终端上(例如终端A和B)。此时卡拉OK歌曲播放开始，(此步骤也可在发起呼叫邀请之前完成选曲过程)。

如多个各自选择了多首歌曲，则可用根据选曲的时间顺序排出次序，逐个由伴奏歌曲库服务器播放下行。

306、混音：

1)各个参与歌唱的终端可预先设定或实时调整自己麦克风的音量、(调整的方式可用为设定权值，对音量进行升高或降低的控制)混响等效果；然后将各自本端已经数字化语音信号，通过协商过程中约定的音频协议传递给会议电视终端A；

2)会议电视终端A进行混音后形成单独的音频媒体流发送给各个参与歌唱的终端。

307、多画面合成：

1)各个参与歌唱的终端可以将本方终端获取到的视频图像发送给控制中心(获取的方式可以为，通过摄像头获取)；

2)控制中心将接收到的视频图像广播给各参与歌唱的终端，或将多个视频图像拼接成一个新视频图像(可以为多画面)；然后将合成后的视频图像发送给参与歌唱的各方终端，或者发送给指定的某些终端。

308、调度：

调度的过程可以通过设置主席终端的方式进行；一般内含混音模块的终端(视频电视终端A)可以由控制中心指定为本次卡拉OK歌唱过程的主席终端，当然也可以是根据接收到的终端的设置请求后，设定某一终端为主席终端。可初始化如下权限：

1)将主席权限授权给任一个参与会话的终端；然后该终端可以对卡拉OK会话进行统一调度；也可采用共享主席方式，任何参与者均可参与调度；也可根据各自选取的歌曲，采用单曲主席自动移交的方式，即何人唱歌该终端就是主席；

已经确定为主席的终端可以具有如下权限：

删除或设置优先已选歌曲的目录表；

调度歌曲的进度：例如重放、快进、快退、慢放、暂停等；

调度歌曲的声道：例如切换歌曲的原音、伴奏、导唱等；

调整整个伴奏背景音频的大小、效果等；

允许或屏蔽任何一个终端的声道加入混音；

调整混音处理单元的效果：例如增大或减小某个终端的混音比率、调整总体混响效果、音效等；

允许或拒绝新申请加入的终端入会(加入唱歌)；以及踢出已经入会的终端(使其脱离本次唱歌的逻辑通路)；

监控各个与会(唱歌)的各个终端定时发来的汇报状态信息(例如每秒1次汇报一个IP信息包)；

允许或拒绝广播其中一个视频图像；视频中心的处理过程为：接收到上述允许或拒绝的指令后，将接收到的来自于参与会话的终端并且处于允许状态的视频图像进行合成，具体的合成方法可以参考多点视频处理过程，视频图像合成处理完成后，得到的可以是几个视频图像画面合成为一个新的图像(注：新的图像可以为“多画面”)；然后将新生成的“多画面”视频图像下发给参与会话的各个终端，或者发送给指定的某些终端；

宣布结束会议(唱歌)，关闭相应逻辑绑定关系。

2)会议电视终端A接收主席终端发送的控制卡拉OK会话的控制消息；上述控制信息为：删除已选伴奏音频、设置已选伴奏音频的播放顺序、调度歌曲的进度、调度歌曲的声道、调整伴奏背景音频的大小或效果、允许或屏蔽第一终端和/或第二终端的音频进行混合处理、允许或屏蔽第一终端和/或第二终端的视频图像进行合成处理、调整混音处理的效果、允许或拒绝新的终端加入会话、宣布结束会话中的至少一项；

3)会议电视终端A依据控制消息的指示，对卡拉OK会话执行删除已选伴奏音频、设置已选伴奏音频的播放顺序、调度歌曲的进度、调度歌曲的声道、调整伴奏背景音频的大小或效果、允许或屏蔽第一终端和/或第二终端的音频进行混合处理、允许或屏蔽第一终端和/或第二终端的视频图像进行合成处理、调整混音处理的效果、允许或拒绝新的终端加入会话、宣布结束会话。

309、退出：

1)各个已经参与的终端可在向主席申请退出本次会议；

2)由主席终端记录，将该终端从本次会议(唱歌过程)的IP逻辑链路中删除，并根据会议电视的技术框架(例如：H.323或SIP等技术框架)中对应的调度协议使其脱离本次会议的呼叫过程。已经退出的终端则可申请加入另一个会议(唱歌过程)，也可以向伴奏曲库服务器申请退出登陆。上述退出是正常退出的流程。或

1)控制中心监控各个终端发来的定时汇报状态信息(例如如上的每秒1个状态信息包)，一段时间后(如4～5秒)一直未收到状态信息包，则主席终端判定该终端异常。此时主席终端删除该终端的逻辑绑定关系，还可以向各与会终端通报该终端异常退出。例如某个终端断电或网络终端造成的异常退出。或

1)伴奏曲库服务器根据终端操作超时判断终端退出登陆。

另外：如果当值主席终端异常退出，则主席权限自动回到具有混音模块一方的终端。如发挥混音模块作用的终端(会议电视终端A)异常退出，则各与会终端在设定时间内接收不到混音后的信息后，执行脱离本次会议(唱歌过程)，此时会议异常结束。

310、结束：

1)主席终端向伴奏曲库服务器申请关闭各自终端的逻辑绑定关系，各自终端均根据会议电视的技术框架(例如：H.323或SIP等技术框架)中对应的调度协议脱离呼叫链接关系。则本次会议(唱歌过程)结束。

已经退出的终端则可申请加入另一个会议(唱歌过程)，也可以向伴奏曲库服务器发送退出申请，申请退出登陆。

实施例四，本实施例为采用环形的远程卡拉OK的实现方法的一个具体实施例。本实施例中，控制中心为独立的服务器，伴奏曲库服务器也为独立的服务器。在本实施例中伴奏曲库服务器可以集成在控制中心，不影响本发明实施例的实现。如果控制中心具有的混音能力较强，本方案可以在参与远程卡拉OK终端很多的场景下采用；在本方案中，控制中心还可以具多画面功能，第一终端和第二终端在此种架构下可以为相同类型的终端，终端仍然可以有多个，具体数量不作限制。第一终端和第二终端可以为会议电视终端，也可以为可视电话。在本实施例中第一终端以视频电视终端A表示，第二终端以视频电视终端B表示。

远程卡拉OK具体实现过程如图4所示：(本过程可以采用会议电视H.323框架或同类型的网络框架协议进行)

401、注册：

与实施例三中的控制中心注册、伴奏曲库服务器注册相同。参与会话的终端需要在控制中心和伴奏曲库服务器分别注册。

402、呼叫：

例如：会议电视终端A准备邀请会议电视终端B、C、D...等参与一次卡拉OK歌唱，会议电视终端A也可单独邀请某一个终端。

1)终端A根据已知的终端B、C、D...的“昵称”或“呼叫短号”，通过总控制中心进行呼叫终端B、C、D...，呼叫汇接到总控制中心的MCU上。

2)总控制中心为此次会议分配一个会议序号，该序号也可由终端A提交召集申请时候确定名称，并可申请为此次会议设置参与加入的密码等信息。如总控制中心检查无重名并符合某些既定的命名规则的情况下同意本次会议序号。

如有终端E、F......等，可以在该会议召集已经接通的情况下，需要加入的终端通过该会议序号及其密码等信息申请加入会议(唱歌过程)。

403、伴奏曲库服务器注册，404、协商，405、选曲，406、混音、407、多画面合成，408、调度过程、409、退出、410、结束：与实施例三中的302、伴奏曲库服务器注册，304、协商，305、选曲，306、混音，307、多画面合成，308、调度、309、退出，310、结束类似。在此不再赘述。

本实施例中，加入视频时，各个终端需要采集各自的视频信息并发送给控制中心；在协商过程中，需要对视频参数进行协商，具体协商过程依然可以参考会议电视的技术框架进行；上述视频信息的发送采用上述协商的参数进行发送；控制中心的多点控制单元(MCU)模块对发送来的视频画面进行合成，然后发送给参与会话的终端或者指定范围的终端；发送视频的方式可以参考音频类似的发送方式(发送与终端能力适应的视频)。在调度过程中，主席增加了新的权限：建立、关闭多画面效果；调整多画面状态和次序、将任意几方的终端的视频加入多画面中。这样可以一方面看到伴唱歌词画面，又可看到参与的各方的表情动作等信息，较大的丰富了唱歌时候的气氛。

实施例五、如图5所示，本发明实施例还提供了一种控制中心，包括：

音频接收单元501，用于接收第一终端和第二终端发送的语音音频，接收伴奏曲库服务器发送的伴奏音频；

音频混合处理单元502，用于对上述伴奏音频和语音音频进行音频混合处理，获得混合音频；

音频发送单元503，用于将上述混合音频发送给上述第一终端和/或第二终端。

上述实施方式中，语音音频来自终端、伴奏音频来自伴奏曲库服务器，在进行音频混合处理时不会造成相互干扰，从而提高了远程卡拉OK音频的质量。进一步地加入视频的内容能够丰富卡拉OK的视觉效果。

进一步地，如图6所示，上述控制中心可以增加视频处理的功能使卡拉OK的会话更加丰富，还包括：

视频接收单元601，用于接收第一终端和第二终端发送的视频图像；

视频混合处理单元602，用于对上述来自于第一终端和第二终端的视频图像进行合成处理，获得合成视频图像；

视频发送单元603，用于将上述合成视频图像发送给上述第一终端和/或第二终端。

上述实施方式加入了视频的内容能够更加丰富卡拉OK会话，使用户有更好的体验。

进一步地，如图7所示，上述控制中心，还可以包括：

混合效果信息接收单元701，用于接收第一终端和/或第二终端发送的调整自身音频属性和/或混合效果信息；

上述音频混合处理单元502，具体用于对上述与第一终端对应的伴奏音频和上述语音音频按照上述调整自身音频属性和/或混合效果信息要求的混合效果进行音频混合处理，获得与第一终端对应的混合音频；对上述与第二终端对应的伴奏音频和上述语音音频按照上述调整自身音频属性和/或混合效果信息要求的混合效果进行音频混合处理，获得与第二终端对应的混合音频。

上述实施方式，通过采用每个终端设置的要求来进行音频的混合能够更好的满足终端的差异化要求。

进一步地，如图8所示，上述控制中心，还可以包括：

控制消息接收单元801，用于接收主席终端发送的控制消息；

控制执行单元802，用于依据控制消息的指示，对卡拉OK执行对应的控制操作。

上述实施方式解决的技术问题是由主席终端进行会话控制的实现方式。

进一步地，如图9所示，上述控制中心，还可以包括：

退出信息获取单元901，用于接收到上述第一终端或第二终端发送的退出请求，或，接收主席终端发送的剔除终端的控制消息，或，监听到上述第一终端或第二终端异常退出；

连接断开单元902，用于当接收到上述第一终端或第二终端发送的退出请求，或，接收到主席终端发送的剔除终端的控制消息，或，监听到上述第一终端或第二终端异常退出时，解除该终端的会话连接。

上述实施方式解决的技术问题是终端退出会话的实现方式。

实施例六，本发明实施例还提供了一种终端，如图10所示，包括：

音频接收单元1001，用于接收参与会话的本终端以外的其他终端发送的语音音频，接收伴奏曲库服务器根据本终端或所述其他终端的伴奏需求发送的伴奏音频；

音频采集单元1002，用于采集本终端的语音音频；

音频合成单元1003，用于对所述伴奏音频、接收到的语音音频以及本终端的语音音频进行音频混合处理，获得混合音频；

音频播放单元1004，用于播放所述混合音频；

混合音频发送单元1005，将所述混合音频发送给所述其他终端。

进一步地，如图11所示，所述终端，还包括：

视频接收单元1101，用于接收所述其他终端发送的视频图像；

视频采集单元1102，用于采集本终端的视频图像；

视频合成单元1103，用于对来自于所述其他终端的视频图像和本终端的视频图像进行合成处理，获得合成视频图像；

视频播放单元1104，用于播放所述合成视频图像；

视频发送单元1105，用于将所述合成视频图像发送给所述其他终端。

上述实施方式中，语音音频来自终端、伴奏音频来自伴奏曲库服务器，在进行音频混合处理时不会造成相互干扰，从而提高了远程卡拉OK音频的质量。进一步地加入视频的内容能够丰富卡拉OK的视觉效果。

实施例七，本发明实施例还提供了一种终端，如图12所示，包括：

音频发送单元1201，用于将采集到的本终端的语音音频发送给控制中心

混合音频接收单元1202，用于接收由控制中心发送的混合音频；所述混合音频包含参与会话的终端的音频信息；

伴奏音频接收单元1203，用于接收伴奏曲库服务器发送的伴奏音频；

音频合成单元1204，用于合成所述混合音频和所述伴奏音频，得到目标音频；

音频播放单元1205，用于播放所述目标音频。

进一步地，如图13所示，所述终端，还包括：

视频发送单元1301，用于向控制中心发送本终端采集到的视频图像；

合成图像接收单元1302，用于接收控制中心发送的合成视频图像，所述视频图像包含参与会话的终端的视频信息；

视频播放单元1303，用于播放所述合成视频图像。

上述实施方式中，语音音频来自终端、伴奏音频来自伴奏曲库服务器，在进行音频混合处理时不会造成相互干扰，从而提高了远程卡拉OK音频的质量。进一步地加入视频的内容能够丰富卡拉OK的视觉效果。

实施例八、如图14所示，本发明实施例还提供了一种远程卡拉OK的实现的系统，包括：

伴奏曲库服务器1401，用于根据第一终端或第二终端的需求向控制中心1402发送伴奏音频；

控制中心1402，用于接收第一终端和第二终端发送的语音音频，接收伴奏曲库服务器1401根据上述第一终端或第二终端的需求发送的伴奏音频；对上述伴奏音频和语音音频进行音频混合处理，获得混合音频；将上述混合音频发送给上述第一终端和/或第二终端。

进一步地，上述控制中心1402，还用于接收第一终端和第二终端发送的视频图像；对上述来自于第一终端和第二终端的视频图像进行合成处理，获得合成视频图像；

将上述合成视频图像发送给上述第一终端和/或第二终端。

进一步地，上述控制中心1402，还用于与第一终端、第二终端分别协商发送音频信号的参数；

上述将混合处理后的音频信号发送给上述第一终端或第二终端包括：按照与第一终端协商的发送音频信号的参数，将混合音频发送给上述第一终端；按照与第二终端协商的发送音频信号的参数，将混合音频发送给上述第二终端。

进一步地，上述伴奏曲库服务器1401，具体用于根据所述第一终端设置的传输参数发送伴奏音频给控制中心，根据所述第二终端设置的传输参数发送伴奏音频给控制中心；

上述控制中心1402，具体用于对所述根据第一终端设置的传输参数发送的伴奏音频和所述语音音频进行音频混合处理，获得与第一终端对应的混合音频并送给第一终端端；对所述根据第二终端设置的传输参数发送的伴奏音频和所述语音音频进行音频混合处理，获得与第二终端对应的混合音频并发送给第二终端。

进一步地，上述控制中心1402，还用于接收第一终端和/或第二终端发送的调整自身音频属性和/或混合效果的信息；

上述控制中心1402，对伴奏音频和语音音频进行音频混合处理，获得混合音频包括：

按照上述调整后的第一终端的音频属性和/或混合效果的信息，对伴奏音频和语音音频进行音频混合处理，获得与第一终端对应的混合音频；按照上述调整后的第二终端的音频属性和/或混合效果的信息，对伴奏音频和语音音频进行音频混合处理，获得与第二终端对应的混合音频。

进一步地上述控制中心1402，还用于接收主席终端发送的控制消息；依据控制消息的指示，对卡拉OK执行对应的控制操作。

进一步地，上述控制中心1402，还用于当接收到上述第一终端或第二终端发送的退出请求，或，接收到主席终端发送的剔除终端的控制消息，或，监听到上述第一终端或第二终端异常退出时，解除该终端的会话连接。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上对本发明实施例所提供的一种远程卡拉OK的实现方法、装置和系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (26)

1.一种环形的远程卡拉OK的实现方法，其特征在于，包括：

控制中心接收第一终端和第二终端发送的语音音频，接收伴奏曲库服务器根据所述第一终端或第二终端的伴奏需求发送的伴奏音频；

控制中心对所述伴奏音频和所述语音音频进行音频混合处理，获得混合音频；控制中心将所述混合音频发送给所述第一终端和/或第二终端。

2.根据权利要求1所述方法，其特征在于，还包括：

接收第一终端和第二终端发送的视频图像；

对来自于第一终端和第二终端的视频图像进行合成处理，获得合成视频图像；将所述合成视频图像发送给所述第一终端和/或第二终端。

3.根据权利要求1所述方法，其特征在于，所述接收伴奏曲库服务器根据所述第一终端或第二终端的伴奏需求发送的伴奏音频包括：

接收伴奏曲库服务器根据第一终端设置的传输参数发送的伴奏音频；接收伴奏曲库服务器根据第二终端设置的传输参数发送的伴奏音频；

所述对所述伴奏音频和所述语音音频进行音频混合处理，获得混合音频包括：

对所述根据第一终端设置的传输参数发送的伴奏音频和所述语音音频进行音频混合处理，获得与第一终端对应的混合音频；对所述根据第二终端设置的传输参数发送的伴奏音频和所述语音音频进行音频混合处理，获得与第二终端对应的混合音频；

将所述混合音频发送给所述第一终端和/或第二终端包括：

将与第一终端对应的混合音频发送给第一终端；

将与第二终端对应的混合音频发送给第二终端。

4.根据权利要求1所述方法，其特征在于，所述对伴奏音频和语音音频进行音频混合处理之前还包括：接收第一终端和/或第二终端发送的调整自身音频属性和/或混合效果的信息；

所述对所述伴奏音频和所述语音音频进行音频混合处理，获得混合音频包括：

按照调整后的第一终端的音频属性和/或混合效果的信息，对伴奏音频和语音音频进行音频混合处理，获得与第一终端对应的混合音频；按照调整后的第二终端的音频属性和/或混合效果的信息，对伴奏音频和语音音频进行音频混合处理，获得与第二终端对应的混合音频；

将所述混合音频发送给所述第一终端和/或第二终端包括：

将与第一终端对应的混合音频发送给第一终端；讲与第二终端对应的混合音频发送给第二终端。

5.根据权利要求1至4任意一项所述方法，其特征在于，还包括：

接收主席终端发送的控制卡拉OK会话的控制消息；所述控制消息为：删除已选伴奏音频、设置已选伴奏音频的播放顺序、调度歌曲的进度、调度歌曲的声道、调整伴奏背景音频的大小或效果、允许或屏蔽第一终端和/或第二终端的音频进行混合处理、允许或屏蔽第一终端和/或第二终端的视频图进行合成处理、调整混音处理的效果、允许或拒绝新的终端加入会话、宣布结束会话中的至少一项；

依据控制消息的指示，对卡拉OK会话执行删除已选伴奏音频、设置已选伴奏音频的播放顺序、调度歌曲的进度、调度歌曲的声道、调整伴奏背景音频的大小或效果、允许或屏蔽第一终端和/或第二终端的音频进行混合处理、允许或屏蔽第一终端和/或第二终端的视频图像进行合成处理、调整混音处理的效果、允许或拒绝新的终端加入会话、宣布结束会话。

6.根据权利要求5所述方法，其特征在于，还包括：

当接收到所述第一终端或第二终端发送的退出请求，或，接收到主席终端发送的剔除终端的控制消息，或，监听到所述第一终端或第二终端异常退出时，解除发送退出请求的终端、控制消息剔除的终端、或异常退出的终端的会话连接。

7.一种星形的远程卡拉OK的实现方法，其特征在于，包括：

接收参与会话的本终端以外的其他终端发送的语音音频，采集本终端的语音音频，接收伴奏曲库服务器根据本终端或所述其他终端的伴奏需求发送的伴奏音频；

对所述伴奏音频、接收到的语音音频以及本终端的语音音频进行音频混合处理，获得混合音频；

播放所述混合音频；将所述混合音频发送给所述其他终端。

8.根据权利要求7所述方法，其特征在于，还包括：

接收所述其他终端发送的视频图像，采集本终端的视频图像；

对来自于所述其他终端的视频图像和本终端的视频图像进行合成处理，获得合成视频图像；

播放所述合成视频图像，将所述合成视频图像发送给所述其他终端。

9.一种环形的远程卡拉OK的实现方法，其特征在于，包括：

将采集到的本终端的语音音频发送给控制中心；

接收由控制中心发送的混合音频；所述混合音频包含参与会话的终端的音频信息；

接收伴奏曲库服务器发送的伴奏音频；

合成所述混合音频和所述伴奏音频，得到目标音频并播放所述目标音频。

10.根据权利要求9所述方法，其特征在于，还包括：

向控制中心发送本终端采集到的视频图像；

接收控制中心发送的合成视频图像，所述视频图像包含参与会话的终端的视频信息；

所述方法还包括：在播放目标音频之时，播放所述合成视频图像。

11.一种控制中心，其特征在于，包括：

音频接收单元，用于接收第一终端和第二终端发送的语音音频，接收伴奏曲库服务器发送的伴奏音频；

音频混合处理单元，用于对所述伴奏音频和语音音频进行音频混合处理，获得混合音频；

音频发送单元，用于将所述混合音频发送给所述第一终端和/或第二终端。

12.根据权利要求11所述控制中心，其特征在于，还包括：

视频接收单元，用于接收第一终端和第二终端发送的视频图像；

视频混合处理单元，用于对来自于第一终端和第二终端的视频图像进行合成处理，获得合成视频图像；

视频发送单元，用于将所述合成视频图像发送给所述第一终端和/或第二终端。

13.根据权利要求11或12所述控制中心，其特征在于，还包括：

混合效果信息接收单元，用于接收第一终端和/或第二终端发送的调整自身音频属性和/或混合效果信息；

所述音频混合处理单元，具体用于对与第一终端对应的伴奏音频和所述语音音频按照所述调整自身音频属性和/或混合效果信息要求的混合效果进行音频混合处理，获得与第一终端对应的混合音频；对所述与第二终端对应的伴奏音频和所述语音音频按照所述调整自身音频属性和/或混合效果信息要求的混合效果进行音频混合处理，获得与第二终端对应的混合音频。

14.根据权利要求11或12所述控制中心，其特征在于，还包括：

控制消息接收单元，用于接收主席终端发送的控制消息；

控制执行单元，用于依据控制消息的指示，对卡拉OK执行对应的控制操作。

15.根据权利要求14所述控制中心，其特征在于，还包括：

退出信息获取单元，用于接收到所述第一终端或第二终端发送的退出请求，或，接收主席终端发送的剔除终端的控制消息，或，监听到所述第一终端或第二终端异常退出；

连接断开单元，用于当接收到所述第一终端或第二终端发送的退出请求，或，接收到主席终端发送的剔除终端的控制消息，或，监听到所述第一终端或第二终端异常退出时，解除第一终端和第二终端中退出了的终端的会话连接。

16.一种终端，其特征在于，包括：

音频接收单元，用于接收参与会话的本终端以外的其他终端发送的语音音频，接收伴奏曲库服务器根据本终端或所述其他终端的伴奏需求发送的伴奏音频；

音频采集单元，用于采集本终端的语音音频；

音频合成单元，用于对所述伴奏音频、接收到的语音音频以及本终端的语音音频进行音频混合处理，获得混合音频；

音频播放单元，用于播放所述混合音频；

混合音频发送单元，将所述混合音频发送给所述其他终端。

17.根据权利要求16所述终端，其特征在于，还包括：

视频接收单元，用于接收所述其他终端发送的视频图像；

视频采集单元，用于采集本终端的视频图像；

视频合成单元，用于对来自于所述其他终端的视频图像和本终端的视频图像进行合成处理，获得合成视频图像；

视频播放单元，用于播放所述合成视频图像；

视频发送单元，用于将所述合成视频图像发送给所述其他终端。

18.一种终端，其特征在于，包括：

音频发送单元，用于将采集到的本终端的语音音频发送给控制中心；

混合音频接收单元，用于接收由控制中心发送的混合音频；所述混合音频包含参与会话的终端的音频信息；

伴奏音频接收单元，用于接收伴奏曲库服务器发送的伴奏音频；

音频合成单元，用于合成所述混合音频和所述伴奏音频，得到目标音频；

音频播放单元，用于播放所述目标音频。

19.根据权利要求18所述终端，其特征在于，还包括：

视频发送单元，用于向控制中心发送本终端采集到的视频图像；

合成图像接收单元，用于接收控制中心发送的合成视频图像，所述视频图像包含参与会话的终端的视频信息；

视频播放单元，用于播放所述合成视频图像。

20.一种远程卡拉OK的实现的系统，其特征在于，包括：

伴奏曲库服务器，用于根据第一终端或第二终端的需求向控制中心发送伴奏音频；

控制中心，用于接收第一终端和第二终端发送的语音音频，接收伴奏曲库服务器根据所述第一终端或第二终端的需求发送的伴奏音频；对所述伴奏音频和语音音频进行音频混合处理，获得混合音频；将所述混合音频发送给所述第一终端和/或第二终端。

21.根据权利要求20所述系统，其特征在于，

所述控制中心，还用于接收第一终端和第二终端发送的视频图像；对来自于第一终端和第二终端的视频图像进行合成处理，获得合成视频图像；

将所述合成视频图像发送给所述第一终端和/或第二终端。

22.根据权利要求20或21所述系统，其特征在于，

所述控制中心，还用于与第一终端、第二终端分别协商发送音频信号的参数；

所述将所述混合音频发送给所述第一终端和/或第二终端包括：按照与第一终端协商的发送音频信号的参数，将混合音频发送给所述第一终端；按照与第二终端协商的发送音频信号的参数，将混合音频发送给所述第二终端。

23.根据权利要求20或21所述系统，其特征在于，

所述伴奏曲库服务器，具体用于根据所述第一终端设置的传输参数发送伴奏音频给控制中心，根据所述第二终端设置的传输参数发送伴奏音频给控制中心；

所述控制中心，具体用于对所述根据第一终端设置的传输参数发送的伴奏音频和所述语音音频进行音频混合处理，获得与第一终端对应的混合音频并送给第一终端端；对所述根据第二终端设置的传输参数发送的伴奏音频和所述语音音频进行音频混合处理，获得与第二终端对应的混合音频并发送给第二终端。

24.根据权利要求20或21所述系统，其特征在于，

所述控制中心，还用于接收第一终端和/或第二终端发送的调整自身音频属性和/或混合效果的信息；

所述控制中心，对伴奏音频和语音音频进行音频混合处理，获得混合音频包括：

按照调整后的第一终端的音频属性和/或混合效果的信息，对伴奏音频和语音音频进行音频混合处理，获得与第一终端对应的混合音频；按照调整后的第二终端的音频属性和/或混合效果的信息，对伴奏音频和语音音频进行音频混合处理，获得与第二终端对应的混合音频。

25.根据权利要求20或21所述系统，其特征在于，

所述控制中心，还用于接收主席终端发送的控制消息；依据控制消息的指示，对卡拉OK执行对应的控制操作。

26.根据权利要求25所述系统，其特征在于，

所述控制中心，还用于当接收到所述第一终端或第二终端发送的退出请求，或，接收到主席终端发送的剔除终端的控制消息，或，监听到所述第一终端或第二终端异常退出时，解除第一终端和第二终端中退出了的终端的会话连接。

Images