CN103312912B - 一种混音系统及方法 - Google Patents

Abstract

本发明公开了一种混音系统及方法，该混音系统包括：第一声卡，用于接收第一音频数据；第一混音装置，用于将接收所述第一声卡传输的所述第一音频数据，和接收远端设备发送的第二音频数据混音，得到第一合成音频数据，并将所述第一合成音频数据通过扬声器播放；第二声卡，用于获取第三音频数据，并将所述第三音频数据传输至所述第二混音装置；第二混音装置，用于接收所述第一声卡传输的所述第一音频数据，和接收所述第二声卡传输的第三音频数据，以及将所述第一音频数据和所述第三音频数据混音，得到第二合成音频数据，并将所述第二合成音频数据发送给所述远端设备，用以解决回声现象引起的远端设备的音频播放效果变差问题。

Description

一种混音系统及方法

技术领域

本发明涉及通信技术领域，特别涉及一种混音系统及方法。

背景技术

随着互联网技术的发展，电信业务中基于网际协议（Internet Protocol，IP）的通讯业务的应用越来越广泛，例如，文本聊天业务、语音通话业务等。在基于IP的通讯业务中，呼叫中心（Call Center）是一类比较普遍的应用，很多单位都有自己的呼叫中心。在传统的呼叫中心只具有通话业务。随着计算机的普及，新型呼叫中心还具有信息查询、收发电子邮件、短消息和传真等多种功能。呼叫中心中，主要由话务员（坐席）进行人工接线等操作，而坐席一般使用坐席终端来完成信息查询、收发电子邮件、通话等业务。坐席终端是构成呼叫中心的基本单位。坐席终端中一般都包含有电话，坐席终端中的电话可以是连接内部交换机的内线电话、普通直线电话或者网络电话（Voice over InternetProtocol，VoIP）。目前的呼叫中心中，VoIP坐席终端的应用最广泛。

声卡（Sound Card）也称音频卡或声效卡，包括物理声卡和虚拟声卡。物理声卡是实现声波和数字信号之间相互转换的一种硬件，是多媒体设备中的基本组成部分。物理声卡的基本功能是对来自话筒、磁带、光盘等的原始声音信号进行转换，然后输出到耳机、扬声器、扩音机、录音机等声响设备中。而虚拟声卡则是虚拟的声卡驱动程序，虚拟声卡的功能和物理声卡一样，是用来实现声音的录制与混音等功能的。

物理声卡的基本功能包括：音频合成发音功能，混音（Mix）功能和数字信号处理（Digital Signal Processing，DSP）功能，模拟声音信号的输入和输出功能，其中，混音功能主要由物理声卡中的混音器实现。物理声卡转换出的声音信息一般以文件的形式存储。物理声卡的功能实现一般需要相应的软件支持，包括驱动程序、混频程序（mixer）等。

物理声卡的结构示意图参与图1所示，主要包括下述接口：

线性输入接口，其标记为“Line In”：用于接收输入的声音信号。线性输入接口通常外接辅助音源，例如，影碟机、收音机、录像机和影音光碟（VideoCompact Disc，VCD）回放卡等，并且一般连接到辅助音源的音频输出口。

线性输出接口，其标记为“Line Out”，又称Line Out接口，用于接收输入的音频信号。线性输出接口通常外接音箱功放，或带功放的音箱。

话筒输入接口，其标记为“Mic In”，又称Mic In接口，用于接收录入的声音（例如，人的歌声等）信号。话筒输入接口通常与麦克风（即话筒）连接。

扬声器输出接口，其标记为“Speaker”或“SPK”，又称Speaker接口，用于外接音箱的音频线插头的插接。

参阅图2所示，呼叫中心提供一种个性化的多媒体铃音试听业务时，坐席终端接收到远端设备拨出的订阅多媒体铃音的电话时，通过网络播放多媒体铃音，以便使用该远端设备的客户试听多媒体铃音，以及购买满意的多媒体铃音。在这一过程中坐席终端需要提供的功能包括：将通过网络播放的多媒体铃音声音和坐席语音的混音，再通过网络传送给该远端设备。

上述过程中提供需要解决的技术问题是：如何实现通过网络播放多媒体铃音，如何获取多媒体铃音和坐席的语音，以及如何实现将多媒体铃音和坐席的混音。

图3所示的技术方案可以解决上述问题，该方案是通过一个物理声卡实现混音的，其实现十分简单，只需将坐席终端的麦克风连线连接到物理声卡的Micin接口，将坐席终端的扬声器连接到物理声卡的Speaker接口，然后打开物理声卡的麦克风混音功能，这样，经过Speaker接口的多媒体铃音和经过Mic in接口的坐席语音就可以通过物理声卡的混音器实现混音。传统技术方案中，坐席终端可以获取合成后的声音发送给上述远端设备，并且坐席可以通过坐席终端的扬声器听到播放的多媒体铃音和坐席终端接收到的客户的声音。

由于采用图3所示的传统技术方案，物理声卡在实现麦克风混音功能时，会将本地经过Speaker接口的所有声音和经过Mic in接口的声音都进行混音，而经过Speaker接口的声音包括客户发出的声音和多媒体铃音，经过Mic in接口的声音包括坐席发出的声音，因此，客户发出的声音、多媒体铃音和坐席发出的声音将会一起通过混音器实现混音，然后传送至远端设备，这样，客户在听到播放的多媒体铃音或者坐席的语音时，也会听到自己发出的声音。在VoIP通话中，客户听到对端传输过来的声音中包含有自己发出的声音的现象被称为回声现象，物理声卡使用麦克风混音功能引入回声的音量较大、时延较小，并且无法通过回声消除算法（Acoustic Echo Canceller，AEC）进行有效地消除，因此，将会导致远端设备的音频播放效果变差。

发明内容

本发明实施例提供一种混音系统及方法，用以解决回声现象引起的远端设备的音频播放效果变差问题。

第一方面，提供一种混音系统，包括第一声卡、第一混音装置、第二声卡和第二混音装置，其中：

所述第一声卡，分别与所述第一混音装置和所述第二混音装置相连，用于接收第一音频数据，并将所述第一音频数据分别传输至所述第一混音装置和所述第二混音装置；

所述第一混音装置，与所述第一声卡相连，用于接收所述第一声卡传输的所述第一音频数据，和接收远端设备发送的第二音频数据，将所述第一音频数据和所述第二音频数据混音，得到第一合成音频数据，并将所述第一合成音频数据通过扬声器播放，所述扬声器与所述第一混音装置相连；

所述第二声卡，与所述第二混音装置相连，用于获取第三音频数据，并将所述第三音频数据传输至所述第二混音装置；

所述第二混音装置，分别与所述第一声卡和所述第二声卡相连，用于接收所述第一声卡传输的所述第一音频数据，和接收所述第二声卡传输的第三音频数据，以及将所述第一音频数据和所述第三音频数据混音，得到第二合成音频数据，并将所述第二合成音频数据发送给所述远端设备。

结合第一方面，在第一种可能的实现方式中，所述混音系统还包括

音频播放装置，分别与所述第一声卡和所述第二混音装置相连，用于将第一音频数据分别输出至所述第一声卡和所述第二混音装置。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述第一声卡具体用于，通过虚拟输入接口接收所述音频播放装置输出的第一音频数据，并将所述第一音频数据通过虚拟输出接口输出至所述第一混音装置。

结合第一方面，在第三种可能的实现方式中，所述第二声卡具体用于，通过麦克风输入接口获取麦克风采集的第三音频数据，并通过虚拟输出接口将所述第三音频数据传输至所述第二混音装置。

结合第一方面，在第四种可能的实现方式中，所述第一混音装置具体用于，将所述第一合成音频数据输出至所述第二声卡的虚拟输入接口，并通过所述第二声卡的扬声器输出接口输出至扬声器，通过扬声器播放所述第一合成音频数据。

结合第一方面，在第五种可能的实现方式中，所述混音系统还包括：

网络数据处理装置，分别与所述第一混音装置和所述第二混音装置相连，用于接收所述远端设备通过网络发送的第二音频数据，并将所述第二音频数据传输至所述第一混音装置，以及接收所述第二混音装置输出的第二合成音频数据，并将所述第二合成音频数据通过网络发送给所述远端设备。

结合第一方面，或结合上述第二方面的任意一种可能的实现方式，在第六种可能的实现方式中，所述第一声卡为物理声卡或虚拟声卡，所述第二声卡为物理声卡。

第二方面，提供一种混音方法，包括：

第一混音装置将通过第一声卡获取的第一音频数据和远端设备发送的第二音频数据混音，得到第一合成音频数据，并将所述第一合成音频数据通过与所述第一混音装置连接的扬声器播放；

第二混音装置将所述第一音频数据和通过第二声卡获取到的第三音频数据混音，得到第二合成音频数据，并将所述第二合成音频数据发送给所述远端设备。

结合第二方面，在第一种可能的实现方式中，所述第一混音装置通过第一声卡获取音频播放装置输出的第一音频数据，具体包括：

所述第一混音装置通过所述第一声卡的虚拟输出接口获取所述音频播放装置输出的所述第一音频数据。

结合第二方面，在第二种可能的实现方式中，所述第二混音装置通过第二声卡获取到的第三音频数据，具体包括：

所述第二混音装置通过所述第二声卡的虚拟输出接口获取麦克风采集的第三音频数据。

结合第二方面，在第三种可能的实现方式中，所述第一混音装置将所述第一合成音频数据通过与所述第一混音装置相连的扬声器播放，具体包括：

所述第一混音装置将所述第一合成音频数据输出至所述第二声卡的虚拟输入接口，并通过所述第二声卡的扬声器输出接口输出至所述扬声器，通过所述扬声器播放所述第一合成音频数据。

结合第二方面，或第二方面的上述任意一种可能的实现方式，在第四种可能的实现方式中，所述第一声卡为物理声卡或虚拟声卡，所述第二声卡为物理声卡。

本发明实施例中，第一混音装置通过第一声卡获取第一音频数据，并将远端设备发送的第二音频数据和该第一音频数据混音，得到第一合成音频数据，将第一合成音频数据通过与第一混音装置相连的扬声器播放，第二混音装置通过第二声卡获取第三音频数据，并将上述第一音频数据和第三音频数据混音，得到第二合成音频数据，并将第二合成音频数据发送给远端设备，这样，在当第一音频数据为客户定制的多媒体铃音、第二音频数据为客户发出的语音、第三音频数据为坐席应答客户发出的语音时，通过不同的声卡获取不同的音频数据，并且采用不同组合的音频数据之间的混音分开执行的方式，避免了对三种音频数据一起进行混音引起的回声现象，让使用远端设备的客户在收听定制的多媒体铃音或坐席的声音时不会听到自己发出的声音，进而提高了远端设备的音频播放效果。

附图说明

图1为物理声卡的结构示意图；

图2为坐席终端和远端设备的音频装置结构示意图；

图3为通过一个物理声卡实现混音时物理声卡的物理连线示意图；

图4为本发明实施例设计的一种混音系统示意图；

图5A为本发明实施例设计的一种包括音频播放装置的混音系统示意图；

图5B为本发明实施例设计的一种包括网络数据处理装置的混音系统示意图；

图6为本发明实施例中第一声卡为物理声卡时的一种混音系统连接示意图；

图7为本发明实施例中两个物理声卡之间的物理连线示意图；

图8为本发明实施例中第一声卡为物理声卡的情况下，混音过程中的数据流向示意图；

图9为本发明实施例设计的一种混音方法流程图。

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。

下面结合附图说明本发明的优选实施例。

参阅图4所示，本发明实施例设计的一种混音系统，包括第一声卡402、第一混音装置403、第二声卡404和第二混音装置405，其中：

第一声卡402，分别与第一混音装置403和第二混音装置405相连，用于接收上述第一音频数据，并将上述第一音频数据传输至第一混音装置403和第二混音装置405；

第一混音装置403，与第一声卡402相连，用于接收第一声卡402传输的上述第一音频数据，和接收远端设备406发送的第二音频数据，将上述第一音频数据和上述第二音频数据混音，得到第一合成音频数据，并将上述第一合成音频数据通过扬声器407播放，所述扬声器407与第一混音装置403相连；

第二声卡404，与第二混音装置405相连，用于获取第三音频数据，并将上述第三音频数据传输至第二混音装置405；

第二混音装置405，分别与第一声卡402和第二声卡404相连，用于接收第一声卡402传输的上述第一音频数据，和接收第二声卡404传输的第三音频数据，以及将上述第一音频数据和上述第三音频数据混音，得到第二合成音频数据，并将上述第二合成音频数据发送给远端设备406。

参阅图5A所示，上述混音系统还可以包括，音频播放装置401，分别与第一声卡402和第二混音装置405相连，用于将第一音频数据分别输出至第一声卡402和第二混音装置405。根据实际情况的不同，音频播放装置可以是混音系统的一部分，也可以是位于混音系统之外的独立装置。

较佳地，第一声卡402具体用于，通过虚拟输入接口接收音频播放装置401输出的第一音频数据，并将该第一音频数据通过虚拟输出接口输出至第一混音装置403。

实际应用中，音频播放装置输出的第一音频数据一般为数字信号数据，音频播放装置将数字信号数据输入第一声卡的虚拟输入接口。此时，第一声卡内部的混音器处于有效状态，通过该混音器将第一音频数据和输入第一声卡Mic in接口的音频数据混音，由于本发明实施例中第一声卡的Mic in接口置空，因此，该混音器将第一音频数据和空的音频数据混音，混音后得到的数据仍然是第一音频数据。这样，就可以将第一音频数据通过第一声卡的虚拟输出接口输出至第一混音装置。

较佳地，第二声卡404具体用于，通过麦克风输入接口获取麦克风采集的第三音频数据，并通过虚拟输出接口将该第三音频数据传输至第二混音装置405。

较佳地，第一混音装置403，具体用于，将第一合成音频数据输出至第二声卡404的虚拟输入接口，并通过第二声卡404的扬声器输出接口输出至上述扬声器407，通过扬声器407播放该第一合成音频数据。

参阅图5B所示，上述混音系统还可以包括：

网络数据处理装置408，分别与第一混音装置403和第二混音装置相连405，用于接收远端设备406通过网络发送的第二音频数据，并将上述第二音频数据传输至第一混音装置403，以及接收第二混音装置405输出的第二合成音频数据，并将上述第二合成音频数据通过网络发送给远端设备406。根据实际情况的不同，网络数据处理装置可以是混音系统的一部分，也可以是混音系统之外的独立装置。

实际应用中，上述第一声卡可以采用物理声卡或虚拟声卡，上述第二声卡可以采用物理声卡。下面以第一声卡为物理声卡为例，说明本发明实施例设计的一种混音系统。

实施例一：参阅图6所示，在第一声卡为物理声卡601，第二声卡为物理声卡602时，本发明实施例中的混音系统，包括物理声卡601、物理声卡602、第一混音装置603、第二混音装置604、音频播放装置605、网络数据处理装置606、扬声器609和麦克风610，其中：

音频播放装置605，分别与物理声卡601和第二混音装置604相连，用于将第一音频数据分别输出至物理声卡601和第二混音装置604；

物理声卡601，分别与音频播放装置605、第一混音装置603和第二混音装置604相连，用于通过音频播放装置605获取上述第一音频数据，并将上述第一音频数据分别传输至第一混音装置603和第二混音装置604；

第一混音装置603，与物理声卡601相连，用于接收物理声卡601传输的第一音频数据，和通过网络数据处理装置606接收远端设备607发送的第二音频数据，将上述第一音频数据和上述第二音频数据混音，得到第一合成音频数据，并将该第一合成音频数据通过物理声卡602输出至扬声器609，并通过上述扬声器609播放。

物理声卡602，与第二混音装置604相连，用于获取第三音频数据，并将上述第三音频数据传输至第二混音装置604；

第二混音装置604，分别与物理声卡601和物理声卡602相连，用于接收物理声卡601传输的第一音频数据，以及接收物理声卡602传输的第三音频数据，将上述第一音频数据和上述第三音频数据混音，得到第二合成音频数据，并将上述第二合成音频数据通过网络数据处理装置606发送给远端设备607。

参阅图7所示，上述实施例中的物理声卡601和物理声卡602之间不用设置物理连线。

图7中，物理声卡601内部的混音器处于有效状态。物理声卡601通过虚拟输入接口接收音频播放装置605输入的数字信号数据，并将该数字信号数据传输至物理声卡601的混音器。由于物理声卡601的麦克风输入接口置空，因此，物理声卡601的混音器通过麦克风输入接口获取的数据为空数据。物理声卡601的混音器将上述数字信号数据和上述空数据混音，得到的数据仍然是原来的数字信号数据，然后将该数字信号数据，作为第一音频数据传输至物理声卡601的虚拟输出接口，这样第一混音装置603和第二混音装置604通过物理声卡601的虚拟输出接口获取到的数据就是第一音频数据。

而图7中物理声卡602的混音器处于无效状态，物理声卡602可以将麦克风610通过Mic in接口输入的模拟信号转化成数字信号，并通过虚拟输出接口输出至第二混音装置604，从而让第二混音装置604实现通过物理声卡602获取麦克风采集的第三音频数据。物理声卡602还可以将第一混音装置603输出的数字信号数据转化成模拟信号数据，将该模拟信号数据输出到扬声器609播放，从而令让第一混音装置604实现通过扬声器609播放第一合成音频数据。

由于上述实施例无需改造物理声卡的物理连线和内部结构设置，因此，操作简单，易于实现。

下面举例说明将上述实施例应用于多媒体铃音业务的混音过程的数据流向。

参阅图8所示，音频播放装置605输出第一音频数据（例如，多媒体铃音数据、背景音乐数据等），经由物理声卡601分别传输至第一混音装置603，和第二混音装置604。网络数据处理装置606通过网络获取网络数据，并从中提取出客户数据（即第二音频数据），将该客户数据传输至第一混音装置603。第一混音装置603将上述多媒体铃音数据和客户数据混音，生成第一合成音频数据，并将其输入物理声卡602中。物理声卡602通过Speaker接口将该第一合成音频数据输出至扬声器609，通过扬声器609播放该第一合成音频数据。这样，位于混音系统一侧的坐席就可以听到远端设备的语音和多媒体铃音。

麦克风610获取坐席数据，并将获取到的坐席数据通过物理声卡602的Micin接口输入物理声卡602。物理声卡602将该坐席数据传输至第二混音装置604。第二混音装置604将坐席数据和多媒体铃音数据混音，生成第二合成音频数据，并将其输出至网络数据处理装置606。网络数据处理装置606将该第二合成音频数据转化成网络数据，并通过网络发送给远端设备607。这样，使用远端设备607的客户就可以听到多媒体铃音和坐席的语音，不会听到远端设备607发送的语音，从而避免回声现象的发生，提高了音频传输质量。

在实施例一中，混音系统位于坐席终端侧，该实施例不需要重新开发声卡驱动程序，无需重新适配声卡，易于实现，位于坐席终端的坐席既能够听到客户的语音，也能够听到音频播放装置播放的声音，而使用远端设备的客户既能够听到坐席的语音，也能够听到音频播放装置播放的声音，并且不会因为回声现象影响到通话质量。

实施例二：上述混音系统的第一声卡也可以采用虚拟声卡。虚拟声卡是虚拟的声卡驱动程序，由于虚拟声卡的功能和物理声卡一样，是用来实现声音的录制与混音等功能的。因此，在第一声卡为虚拟声卡时，混音系统的使用过程和数据流向与实施例一类似，故而在此不再赘述。

使用采用虚拟声卡作为第一声卡的混音系统，可以使用远端设备的客户听到多媒体铃音和坐席的语音，不会听到远端设备发送的客户自己发出的语音，从而避免回声现象的发生，提高了音频传输质量，而且，由于仅采用了一块物理声卡，通过虚拟声卡实现第一声卡的功能，因此，能够避免成本的增加。

上述实施例一和实施例二中的音频播放装置可以是动态影像专家压缩标准音频层面3（Moving Picture Group Audio Layer 3，MP3）播放器等硬件装置，也可以是音频播放软件、视频播放软件等软件装置，由于本发明实施例中的混音系统只需要获取音频播放装置输出的第一音频数据即可，无需提供音频播放接口，因此，其功能不会受到音频格式的限制，能够支持多种音频格式，既适用于MP3音频的混音，也适用于网页音频等的混音。

实际应用时，本发明实施例可以但不限于应用于多媒体铃音定制场景。例如，在卡拉OK场景中，假设客户A使用上述混音系统，客户B使用远端设备。

上述混音系统通过第一声卡获取音乐背景音数据，并通过第一混音装置将该音乐背景音数据和远端设备发送的客户B的语音数据混音，得到第一合成音频数据，并将第一合成音频数据通过客户A侧的扬声器播放，使得客户A听到客户B结合音乐背景音唱歌的音频。

上述混音系统通过第二声卡获取客户A的语音数据，并通过第二混音装置，将音乐背景音数据和客户A的语音数据混音，得到第二合成音频数据，并将第二合成音频数据发送给远端设备，使得客户B听到客户A结合音乐背景音唱歌的音频。

基于同一设计思路，本发明实施例还设计了一种混音方法，参阅图9所示，该方法包括：

步骤900：第一混音装置将通过第一声卡获取的第一音频数据和远端设备发送的第二音频数据混音，得到第一合成音频数据，并将上述第一合成音频数据通过与上述第一混音装置连接的扬声器播放。

步骤901：第二混音装置将上述第一音频数据和通过第二声卡获取到的第三音频数据混音，得到第二合成音频数据，并将该第二合成音频数据发送给上述远端设备。

较佳地，上述第一混音装置可以通过上述第一声卡的虚拟输出接口获取音频播放装置输出的上述第一音频数据。

较佳地，上述第二混音装置可以通过上述第二声卡的虚拟输出接口获取麦克风采集的第三音频数据。

实际应用中，上述第一混音装置还可以通过网络数据处理装置获取上述远端设备通过网络发送的上述第二音频数据。上述第二混音装置也可以通过网络数据处理装置将第二合成音频数据通过网络发送给上述远端设备。

较佳地，上述第一混音装置可以将上述第一合成音频数据输出至上述第二声卡的虚拟输入接口，并通过上述第二声卡的扬声器输出接口输出至上述扬声器，通过上述扬声器播放上述第一合成音频数据。

实际应用中，上述第一声卡可以为物理声卡或虚拟声卡，而上述第二声卡则为物理声卡。

本发明实施例中，第一混音装置通过第一声卡获取第一音频数据，并将远端设备发送的第二音频数据和该第一音频数据混音，得到第一合成音频数据，将第一合成音频数据通过与第一混音装置相连的扬声器播放，第二混音装置通过第二声卡获取第三音频数据，并将上述第一音频数据和第三音频数据混音，得到第二合成音频数据，并将第二合成音频数据发送给远端设备，这样，通过不同的声卡获取不同的音频数据，并且通过不同组合的音频数据之间的混音分开执行的方式，避免了对三种音频数据一起进行混音引起的回声现象，进而提高了远端设备的音频播放效果质量

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种混音系统，其特征在于，包括第一声卡、第一混音装置、第二声卡、第二混音装置和音频播放装置，其中：

所述第一声卡，分别与所述第一混音装置和所述第二混音装置相连，用于接收音频播放装置输出的第一音频数据，并将所述第一音频数据分别传输至所述第一混音装置和所述第二混音装置；

所述第一混音装置，与所述第一声卡相连，用于接收所述第一声卡传输的所述第一音频数据，和接收远端设备发送的第二音频数据，将所述第一音频数据和所述第二音频数据混音，得到第一合成音频数据，并将所述第一合成音频数据通过扬声器播放，所述扬声器与所述第一混音装置相连；

所述第二声卡，与所述第二混音装置相连，用于获取麦克风采集的第三音频数据，并将所述第三音频数据传输至所述第二混音装置；

所述第二混音装置，分别与所述第一声卡和所述第二声卡相连，用于接收所述第一声卡传输的所述第一音频数据，和接收所述第二声卡传输的第三音频数据，以及将所述第一音频数据和所述第三音频数据混音，得到第二合成音频数据，并将所述第二合成音频数据发送给所述远端设备；

其中，所述第一声卡为虚拟声卡。

2.如权利要求1所述的系统，其特征在于，所述第二声卡具体用于，通过麦克风输入接口获取麦克风采集的第三音频数据，并通过虚拟输出接口将所述第三音频数据传输至所述第二混音装置。

3.如权利要求1所述的系统，其特征在于，所述第一混音装置具体用于，将所述第一合成音频数据输出至所述第二声卡的虚拟输入接口，并通过所述第二声卡的扬声器输出接口输出至所述扬声器，通过所述扬声器播放所述第一合成音频数据。

4.如权利要求1所述的系统，其特征在于，所述混音系统还包括：

网络数据处理装置，分别与所述第一混音装置和所述第二混音装置相连，用于接收所述远端设备通过网络发送的第二音频数据，并将所述第二音频数据传输至所述第一混音装置，以及接收所述第二混音装置输出的第二合成音频数据，并将所述第二合成音频数据通过网络发送给所述远端设备。

5.如权利要求1所述的系统，其特征在于，所述音频播放装置，分别与所述第一声卡和所述第二混音装置相连，用于将第一音频数据分别输出至所述第一声卡和所述第二混音装置；

相应地，所述第一声卡具体用于，通过虚拟输入接口接收所述音频播放装置输出的第一音频数据，并将所述第一音频数据通过虚拟输出接口输出至所述第一混音装置。

6.如权利要求1-5中任一项所述的系统，其特征在于，所述第二声卡为物理声卡。

7.一种混音方法，其特征在于，包括：

第一混音装置将通过第一声卡获取的音频播放装置输出的第一音频数据和远端设备发送的第二音频数据混音，得到第一合成音频数据，并将所述第一合成音频数据通过与所述第一混音装置连接的扬声器播放；

第二混音装置将所述第一音频数据和通过第二声卡获取到的麦克风采集的第三音频数据混音，得到第二合成音频数据，并将所述第二合成音频数据发送给所述远端设备；

其中，所述第一声卡为虚拟声卡。

8.如权利要求7所述的方法，其特征在于，所述第一混音装置通过第一声卡获取第一音频数据，具体包括：

所述第一混音装置通过所述第一声卡的虚拟输出接口获取音频播放装置输出的所述第一音频数据。

9.如权利要求7所述的方法，其特征在于，所述第二混音装置通过第二声卡获取到的第三音频数据，具体包括：

所述第二混音装置通过所述第二声卡的虚拟输出接口获取麦克风采集的第三音频数据。

10.如权利要求7所述的方法，其特征在于，所述第一混音装置将所述第一合成音频数据通过与所述第一混音装置相连的扬声器播放，具体包括：

所述第一混音装置将所述第一合成音频数据输出至所述第二声卡的虚拟输入接口，并通过所述第二声卡的扬声器输出接口输出至所述扬声器，通过所述扬声器播放所述第一合成音频数据。