CN104967894A - 视频播放的数据处理方法及客户端、服务器 - Google Patents

Abstract

本发明公开了一种视频播放的数据处理方法及客户端、服务器。其中，该方法包括：获取在播放当前视频时所播放的音频，得到第一音频文件，其中，第一音频文件中包括音频的声纹特征；将第一音频文件发送到服务器；接收服务器返回的与声纹特征匹配的第二音频文件的剩余播放时长值，其中，剩余播放时长值为第二音频文件的总时长减去第二音频文件中与音频重叠的部分的时长；将当前视频跳转到距音频的播放终止时刻为剩余播放时长值的播放位置继续播放当前视频。本发明解决了现有技术中播放视频时跳过片头片尾不准确的技术问题。

Description

视频播放的数据处理方法及客户端、服务器

技术领域

本发明涉及多媒体领域，具体而言，涉及一种视频播放的数据处理方法及客户端、服务器。

背景技术

目前的视频都具有片头和片尾，在播放视频时，尤其是在播放电视剧时每集都需要播放一遍片头和片尾，用户为了避免每集都观看一次片头和片尾，通常采用手动拖拽进度条来调整开始观看视频的时间，但是由于用户不知道片头和片尾的具体时长，需要反复拖拽进度条来查找视频的观看视频的起始播放时刻，整个调整的过程比较复杂，需要较长的调整时间，并且，即使通过反复调整也无法准确找到跳过视频的片头和片尾的时刻。

针对现有技术中播放视频时跳过片头片尾不准确的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种视频播放的数据处理方法及客户端、服务器，以至少解决现有技术中播放视频时跳过片头片尾不准确的技术问题。

根据本发明实施例的一个方面，提供了一种视频播放的数据处理方法，包括：获取在播放当前视频时所播放的音频，得到第一音频文件，其中，所述第一音频文件中包括所述音频的声纹特征；将所述第一音频文件发送到服务器；接收所述服务器返回的与所述声纹特征匹配的第二音频文件的剩余播放时长值，其中，所述剩余播放时长值为所述第二音频文件的总时长减去所述第二音频文件中与所述音频重叠的部分的时长；将所述当前视频跳转到距所述音频的播放终止时刻为所述剩余播放时长值的播放位置继续播放所述当前视频。

根据本发明实施例的另一方面，还提供了一种视频播放的数据处理方法，包括：接收客户端发送的第一音频文件，其中，所述第一音频文件根据所述客户端在播放当前视频时所播放的音频所得到，所述第一音频文件中包括所述音频的声纹特征；从所述第一音频文件中识别出所述声纹特征；获取与所述声纹特征匹配的第二音频文件的剩余播放时长值，其中，所述剩余播放时长值为所述第二音频文件的总时长减去所述第二音频文件中与所述音频重叠的部分的时长；将所述剩余播放时长值发送至所述客户端，以指示所述客户端从所述当前视频跳转到距所述音频的播放终止时刻为所述剩余播放时长值的播放位置继续播放所述当前视频。

根据本发明实施例的另一方面，还提供了一种客户端，包括：获取单元，用于获取在播放当前视频时所播放的音频，得到第一音频文件，其中，所述第一音频文件中包括所述音频的声纹特征；发送单元，用于将所述第一音频文件发送到服务器；接收单元，用于接收所述服务器返回的与所述声纹特征匹配的第二音频文件的剩余播放时长值，其中，所述剩余播放时长值为所述第二音频文件的总时长减去所述第二音频文件中与所述音频重叠的部分的时长；跳转单元，用于将所述当前视频跳转到距所述音频的播放终止时刻为所述剩余播放时长值的播放位置继续播放所述当前视频。

根据本发明实施例的另一方面，还提供了一种服务器，包括：接收单元，用于接收客户端发送的第一音频文件，其中，所述第一音频文件根据所述客户端在播放当前视频时所播放的音频所得到，所述第一音频文件中包括所述音频的声纹特征；识别单元，用于从所述第一音频文件中识别出所述声纹特征；获取单元，用于获取与所述声纹特征匹配的第二音频文件的剩余播放时长值，其中，所述剩余播放时长值为所述第二音频文件的总时长减去所述第二音频文件中与所述音频重叠的部分的时长；发送单元，用于将所述剩余播放时长值发送至所述客户端，以指示所述客户端从所述当前视频跳转到距所述音频的播放终止时刻为所述剩余播放时长值的播放位置继续播放所述当前视频。

在本发明实施例中，客户端实时录制当前视频的音频，将录制的第一音频文件实时发送给服务器，接收来自服务器的剩余播放时长值，客户端据服务器返回的剩余播放时长进行视频跳转，使得视频继续播放的时间跳过了当前视频的片头或者片尾。上述的整个跳转视频的过程无需人工添加跳转的时间点，根据需要跳过的视频中播放的音频的长度以及查找到的第二音频文件确定跳转的长度，无需人工反复拖拽进度条来确定跳转的时间点，从而提高了播放视频时跳转片头片尾时不准确的问题，进而达到了准确跳转片头和片尾的技术效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的客户端和服务器构成的硬件环境示意图；

图2是根据本发明实施例的视频播放的数据处理方法的交互图；

图3是根据本发明实施例的跳过片头的时刻示意图；

图4是根据本发明实施例的跳过片尾的时刻示意图

图5是根据本发明又一实施例的视频播放的数据处理方法的交互图；

图6是根据本发明实施例的客户端的示意图；

图7是根据本发明实施例的服务器的示意图；以及

图8是根据本发明实施例的客户端的硬件结构图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

名词解释：

声纹识别：声纹识别，生物识别技术的一种。也称为说话人识别，有两类，即说话人辨认和说话人确认。不同的任务和应用会使用不同的声纹识别技术，如缩小刑侦范围时可能需要辨认技术，而银行交易时则需要确认技术。所谓声纹，是用电声学仪器显示的携带言语信息的声波频谱。人类语言的产生是人体语言中枢与发音器官之间一个复杂的生理物理过程，人在讲话时使用的发声器官--舌、牙齿、喉头、肺、鼻腔在尺寸和形态方面每个人的差异很大，所以任何两个人的声纹图谱都有差异。

实施例1

根据本发明实施例，提供了一种可以通过本申请装置实施例执行的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机或者手机等终端的系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，提供了一种视频播放的数据处理方法。

可选地，在本实施例中，上述视频播放的数据处理方法可以应用于如图1所示的客户端101和服务器102构成的硬件环境中。如图1所示，客户端101通过网络与服务器102连接，客户端101可以是安装在终端上的，用于播放视频文件的播放器，服务器102既可以与客户端101交互实现该视频播放的数据处理方法，还可以为客户端101提供视频播放的视频数据，也就是说，为客户端101提供视频数据的服务器可以与执行本实施例中的视频播放的数据处理方法的服务器为同一个服务器，或者分别为两个服务器。上述网络包括但不限于：广域网、城域网或局域网，客户端101可以是手机，也可以是PC、笔记本或平板电脑。

图2是根据本发明实施例的视频播放的数据处理方法的交互图。如图所示，该视频播放的数据处理方法包括如下步骤：

步骤S202，获取在播放当前视频时所播放的音频，得到时长为第一时长值的第一音频文件，其中，第一音频文件中包括音频的声纹特征；

步骤S204，将第一音频文件发送到服务器；

步骤S206，接收服务器返回的与声纹特征匹配的第二音频文件的剩余播放时长值，其中，剩余播放时长值为第二音频文件的总时长减去第二音频文件中与音频重叠的部分的时长；

步骤S208，将当前视频跳转到距音频的播放终止时刻为剩余播放时长值的播放位置继续播放当前视频。

在客户端101播放视频时，获取播放当前视频时所播放的音频，得到第一音频文件，由于第一音频文件中携带有音频的声纹特征，则服务器102通过声纹识别技术，识别出第一音频文件中的声纹特征，并查找与该声纹特征匹配的第二音频文件，服务器102能够读取第二音频文件的总时长，并将第二音频文件的剩余播放时长值返回给客户端101。客户端101可以根据第二音频文件的剩余时长值确定当前视频继续播放的位置。

如图3所示，从视频起始时刻至接收剩余播放时长的时刻为播放当前视频时所播放的音频，即第一音频文件。图3所示的视频起始时刻至片头音乐起始时刻为服务器102进行匹配的部分音频，从接收到剩余播放时长的时刻至片头音乐终止时刻为客户端101跳转的时长，从片头音乐起始时刻至片头音乐的终止时刻之间的音频为整个片头音乐的全部时长。从图中可以看出，第一音频文件中的一部分或者全部为整个片头音乐的一部分，整个片头音乐的时长大于第一音频文件的时长。

例如，客户端101正在播放当前视频的片头音乐，客户端101获取当前视频所播放的音频，得到第一音频文件。第一音频文件可以是片头音乐的前2秒的音频，服务器102利用声纹识别技术从接收到的第一音频文件中识别出其中的声纹特征。声纹特征可以是频率、声高等，服务器102根据识别出的声纹特征查找与这些声纹特征匹配的第二音频文件，第二音频文件为当前视频的片头音乐，服务器102识别出第二音频文件的时长为1分钟25秒，其中第一音频文件中有1秒的视频是与第二音频文件重叠的部分钟，则用总时长值1分钟25秒减去重叠部分钟1秒，得到1分钟24秒，将1分钟24秒返回给客户端101。第二音频文件是服务器102中存储的片头音乐，片头音乐的结束时间也就是用户期望开始观看当前视频的时间。当前视频播放的音频的终止时间即第2秒，那么，客户端101从当前视频的第2秒开始跳转1分钟24秒开始继续播放，也就是从视频的1分钟26秒开始继续播放视频。

客户端101可以通过流传输的技术从当前视频的播放时刻开始向服务器102发送第一音频文件。可以理解的是，由于采用流传输技术第一音频文件的时长并非固定的时长。由于客户端101向服务器102的第一音频文件的传输采用流传输，也就是客户端101一边录制第一音频文件，一边将录制的第一音频文件发送给服务器102。服务器102一边接收第一音频文件一边识别其中的声纹特征，并进行声纹特征的匹配，当查找到与识别出的声纹特征匹配的第二音频文件之后，及时将第二音频文件的时长返回给客户端101，也即客户端101实时向服务器102发送第一音频文件，服务器102实时向客户端101返回第二音频文件的时长。

通过上述实施例，客户端101实时录制当前视频的音频，将录制的第一音频文件实时发送给服务器102，接收来自服务器102的剩余播放时长值，客户端101根据服务器102返回的剩余播放时长进行视频跳转，使得视频继续播放的时间跳过了当前视频的片头或者片尾。上述的整个跳转视频的过程无需人工添加跳转的时间点，根据需要跳过的视频中播放的音频的长度以及查找到的第二音频文件确定跳转的长度，无需人工反复拖拽进度条来确定跳转的时间点，从而提高了播放视频时跳转片头片尾时不准确的问题。

可选地，获取在播放当前视频时所播放的音频可以通过录制播放当前视频时通过扬声器播放的音频的声音，得到第一音频文件；或者通过复制播放当前视频时所播放的音频。

在当前视频进行播放时，可以通过终端的扬声器发声，并通过终端的麦克录制当前视频的音频。通过这种方法录制可能会录入观看当前视频的用户的说话声或者周围环境的声音，在将录制的声音发送给服务器102之后，服务器102会进行去噪处理，去除杂音并识别出其中当前视频所播放的音频。

为了避免杂音的干扰，可以通过复制当前视频所播放的音频，也就是通常说的内录，在复制的过程中，不需要录制扬声器发出的声音，而是在终端内部直接获得没有环境噪音的音频文件。

可选地，在跳过当前视频的片头时，获取在播放当前视频时所播放的音频包括：接收到用于播放当前视频的操作指令；响应操作指令从当前视频的播放起始时刻开始获取第一预定时长的音频。

在客户端101接收到播放当前视频的操作指令之后，从当前视频的起始播放时刻开始获取播放当前视频的音频。第一音频文件从当前视频的起始播放时刻开始，第一音频文件可能包括先播放广告，再播放片头的音乐，如图3中的a所示。图3中a的黑色部分表示当前视频播放的广告，广告结束后播放片头的音乐，也就是图3中_a所示的片头音乐起始时刻以后到片头音乐终止时刻之间的部分。第一音频文件也可能仅包括当前视频的片头音乐，如图3中b所示。从当前视频的起始播放时刻就播放片头的音乐，直至片头音乐的终止时刻均为当前视频的片头的音乐。

如图3中a所示，在播放片头音乐之前播放广告的情况。客户端101首先播放了1.5秒的广告，然后播放片头音乐。第一音频文件不仅包括广告的音频，还包括片头音乐的音频，第一预定时长为5秒。在视频播放到第5秒时，客户端102接收到服务器102发送的剩余播放时长，剩余播放时长为45秒，则客户端101从第5秒开始跳转45秒，从第50秒继续播放视频，当前视频的播放内容如图3的斜线部分所示。

对于视频开始播放的时刻就播放当前视频的片头音乐的情况，第一音频文件仅包括片头音乐，第一预定时长为5秒。客户端101播放片头音乐2秒的时候，接收到来自服务器102的剩余播放时长，剩余播放时长为48秒，则客户端101从第2秒开始跳转46.5秒，从第48.5秒开始继续播放视频。

对于图3所示的实施例，片头音乐的时长均为48.5，由于开始播放片头音乐的时间不同，导致跳过的剩余播放时间的时长不同。但是，无论是图3所示的哪种情况，都是在客户端101接收到来自服务器102的剩余播放时长来进行跳转的，不用手工调节跳转的时间，不仅减轻跳过片头的复杂度，还由于跳转的时长是根据片头音乐的总时长与客户端101播放的片头音乐的进度的差值，因此，能够准确跳过片头音乐。

可选地，在跳过当前视频的片尾时，获取在播放当前视频时所播放的音频包括：判断当前视频的当前播放时刻距当前视频的播放终止时刻的时长是否小于预设时长；若当前视频的当前播放时刻距当前视频的播放终止时刻的时长小于预设时长，则从当前视频的当前播放时刻开始获取第二预定时长的音频。

图4中斜线部分为视频的正片部分，非片头也非片尾。客户端101检测当前视频的当前播放时刻与当前视频的播放终止时刻之间相距的时长是否小于预设时长，在图4所示的第45分钟开始处于预设时长。从第45分钟开始获取第二预定时长的音频。

对于图4中a的情况，从第45分钟开始获取的第二预定时长的音频不仅包括当前视频的片尾音乐，还包括当前视频的正片部分(图4中斜线部分)。从第45分钟获取第二预定时长的音频开始，在第47.5分钟检测到片尾音乐，直到第49分钟接收到来自服务器102的剩余播放时长的时刻，第二预定时长为4分钟，剩余播放时间为1分钟。客户端101从第49分钟开始跳转1分钟至第50分钟，其中，第50分钟为片尾音乐的结束时刻，也是当前视频的结束时刻。

对于图4中b的情况，从第45分钟开始获取的第二预定时长的音频为片尾的音乐，第二预定时长的音频为从第45分钟至第48分钟。客户端101接收到的剩余播放时长为2分钟，则客户端101从第48分钟跳转至第50分钟，从而跳过片尾部分。需要说明的是，在图4中b的情况恰好获取音频的时刻与片尾音乐的时刻相同，为了准确跳过片尾，通常获取播放的当前视频的音频的时刻会早于片尾音乐的开始时刻，也就是图4中a的情况。

由图3和图4可以看出，服务器101中查找到的第二音频文件包括当前视频所播放的音频或者音频的一部分。例如，图3中的a部分，第二音频文件包括录制的第一音频的片头音乐部分，但是不包括第一音频中的广告部分。图3中的b部分，第二音频文件包括第一音频文件的全部。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

实施例2

根据本发明实施例，提供了一种可以通过本申请装置实施例执行的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机或者手机等终端的系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，还提供了一种视频播放的数据处理方法。

图5是根据本发明又一实施例的视频播放的数据处理方法的交互图。如图所示，该视频播放的数据处理方法包括如下步骤：

步骤S502，接收客户端发送的第一音频文件，其中，第一音频文件根据客户端在播放当前视频时所播放的音频所得到，第一音频文件中包括音频的声纹特征；

步骤S504，从第一音频文件中识别出声纹特征；

步骤S506，获取与声纹特征匹配的第二音频文件的剩余播放时长值，其中，剩余播放时长值为第二音频文件的总时长减去第二音频文件中与音频重叠的部分的时长；

步骤S508，将剩余播放时长值发送至客户端，以指示客户端从当前视频跳转到距音频的播放终止时刻为剩余播放时长值的播放位置继续播放当前视频。

服务器102接收由客户端101发送的第一音频文件，第一音频文件是客户端101在播放当前视频时获取得到的当前视频的音频，在该第一音频文件中包含声高、频率等声纹特征。根据第一音频文件中的声纹特征查找到与该声纹特征匹配的第二音频文件，并获取第二音频文件的剩余播放时长值，将剩余播放时长值发送给客户端101。

如图3所示，剩余播放时长值为从客户端101接收到剩余播放时长的时刻起至片头音乐的终止时刻之间的时长，以指示客户端从当前视频跳转到距音频的播放终止时刻为剩余播放时长值的播放位置继续播放当前视频。

可选地，获取与声纹特征匹配的第二音频文件的剩余播放时长值包括：从预先存储的多个音频文件中查找部分音频段与声纹特征匹配的第二音频文件；若查找到第二音频文件，则将部分音频段作为第二音频文件中与音频重叠的部分，并将第二音频文件的总时长减去部分音频段的时长，得到剩余播放时长值。

服务器102中预先存储了视频的片头曲和片尾曲，服务器102获取到第一音频文件之后，识别第一音频文件中的声纹特征。该声纹特征中包括时间相关的声音的频率或者声高的变化，如果在一段时间内，查找到的音频文件的部分音频段的声纹特征中时间相关的声音的频率或者声高的变化同第一音频文件的声纹特征中的时间相关的声音的频率或者声高的变化相同，则确定该查找到的部分音频段属于第二音频文件，该部分音频段为与播放当前视频所播放的音频的重叠部分，用第二音频文件的总时长减去部分音频段的时长，就得到剩余播放时长值。利用声纹特征进行匹配来查找部分音频段的方法与现有技术相同，此处不再做过多赘述。

通过上述实施例，服务器102接收客户端101的当前视频的音频，服务器102通过查找到的第二音频文件和重叠部分计算得到剩余播放时长值，从而指示客户端101根据服务器102返回的剩余播放时长进行视频跳转，使得视频继续播放的时间跳过了当前视频的片头或者片尾。上述的整个跳转视频的过程无无需人工反复拖拽进度条来确定跳转的时间点，根据需要跳过的视频中播放的音频的长度确定跳转的长度，从而提高了播放视频时跳转片头片尾时不准确的问题。

实施例3

根据本发明实施例，还提供了一种用于实施上述视频播放的数据处理方法的客户端，该客户端主要用于执行本发明实施例上述内容所提供的视频播放的数据处理方法，以下对本发明实施例所提供的客户端做具体介绍：

图6是根据本发明实施例的客户端的示意图。如图所示，该客户端包括：获取单元10、发送单元30、接收单元50和跳转单元70。

获取单元10用于获取在播放当前视频时所播放的音频，得到第一音频文件，其中，第一音频文件中包括音频的声纹特征；

发送单元30用于将第一音频文件发送到服务器；

接收单元50用于接收服务器返回的与声纹特征匹配的第二音频文件的剩余播放时长值，其中，剩余播放时长值为第二音频文件的总时长减去第二音频文件中与音频重叠的部分的时长；

跳转单元70用于将当前视频跳转到距音频的播放终止时刻为剩余播放时长值的播放位置继续播放当前视频。

在客户端101播放视频时，获取播放当前视频时所播放的音频，得到第一音频文件，由于第一音频文件中携带有音频的声纹特征，则服务器102通过声纹识别技术，识别出第一音频文件中的声纹特征，并查找与该声纹特征匹配的第二音频文件，服务器102能够读取第二音频文件的总时长，并将第二音频文件的剩余播放时长值返回给客户端101。客户端101可以根据第二音频文件的剩余时长值确定当前视频继续播放的位置。

如图3所示，从视频起始时刻至接收剩余播放时长的时刻为播放当前视频时所播放的音频，即第一音频文件，在第一音频文件中。图3所示的视频起始时刻至片头音乐起始时刻为服务器102进行匹配的部分音频，从接收到剩余播放时长的时刻至片头音乐终止时刻为客户端101跳转的时长，从片头音乐起始时刻至片头音乐的终止时刻之间的音频为整个片头音乐的全部时长。从图中可以看出，第一音频文件中的一部分或者全部为整个片头音乐的一部分，整个片头音乐的时长大于第一音频文件的时长。

例如，客户端101正在播放当前视频的片头音乐，客户端101获取当前视频所播放的音频，得到第一音频文件。第一音频文件可以是片头音乐的前2秒的音频，服务器102利用声纹识别技术从接收到的第一音频文件中识别出其中的声纹特征。声纹特征可以是频率、声高等，服务器102根据识别出的声纹特征查找与这些声纹特征匹配的第二音频文件，第二音频文件为当前视频的片头音乐，服务器102识别出第二音频文件的时长为1分钟25秒，其中第一音频文件中有1秒的视频是与第二音频文件重叠的部分，则用总时长值1分钟25秒减去重叠部分1秒，得到1分钟24秒，将1分钟24秒返回给客户端101。第二音频文件是服务器102中存储的片头音乐，片头音乐的结束时间也就是用户期望开始观看当前视频的时间。当前视频播放的音频的终止时间即第2秒，那么，客户端101从当前视频的第2秒开始跳转1分钟24秒开始继续播放，也就是从视频的1分钟26秒开始继续播放视频。

客户端101可以通过流传输的技术从当前视频的播放时刻开始向服务器102发送第一音频文件。可以理解的是，由于采用流传输技术第一音频文件的时长并非固定的时长。由于客户端101向服务器102的第一音频文件的传输采用流传输，也就是客户端101一边录制第一音频文件，一边将录制的第一音频文件发送给服务器102。服务器102一边接收第一音频文件一边识别其中的声纹特征，并进行声纹特征的匹配，当查找到与识别出的声纹特征匹配的第二音频文件之后，及时将第二音频文件的时长返回给客户端101，也即客户端101实时向服务器102发送第一音频文件，服务器102实时向客户端101返回第二音频文件的时长。

通过上述实施例，客户端101实时录制当前视频的音频，将录制的第一音频文件实时发送给服务器102，接收来自服务器102的剩余播放时长值，客户端101根据服务器102返回的剩余播放时长进行视频跳转，使得视频继续播放的时间跳过了当前视频的片头或者片尾。上述的整个跳转视频的过程无需人工添加跳转的时间点，根据需要跳过的视频中播放的音频的长度确定跳转的长度，无需人工反复拖拽进度条来确定跳转的时间点，从而提高了播放视频时跳转片头片尾时不准确的问题。

可选地，获取单元包括：录制模块，用于录制播放当前视频时通过扬声器播放的音频的声音，得到第一音频文件；或者复制模块，用于复制播放当前视频时所播放的音频。

在当前视频进行播放时，可以通过终端的扬声器发声，并通过终端的麦克录制当前视频的音频。通过这种方法录制可能会录入观看当前视频的用户的说话声或者周围环境的声音，在将录制的声音发送给服务器102之后，服务器102会进行去噪处理，去除杂音并识别出其中当前视频所播放的音频。

为了避免杂音的干扰，可以通过复制当前视频所播放的音频，也就是通常说的内录，在复制的过程中，不需要录制扬声器发出的声音，而是在终端内部直接获得没有环境噪音的音频文件。

可选地，在跳过当前视频的片头时，获取单元包括：接收模块，用于接收到用于播放当前视频的操作指令；响应模块，用于响应操作指令从当前视频的播放起始时刻开始获取第一预定时长的音频。

在客户端101接收到播放当前视频的操作指令之后，从当前视频的起始播放时刻开始获取播放当前视频的音频。第一音频文件从当前视频的起始播放时刻开始，第一音频文件可能包括先播放广告，再播放片头的音乐，如图3中的a所示。图3中a的黑色部分表示当前视频播放的广告，广告结束后播放片头的音乐，也就是图3中a所示的片头音乐起始时刻以后到片头音乐终止时刻之间的部分。第一音频文件也可能仅包括当前视频的片头音乐，如图3中b所示。从当前视频的起始播放时刻就播放片头的音乐，直至片头音乐的终止时刻均为当前视频的片头的音乐。

如图3中a所示，在播放片头音乐之前播放广告的情况。客户端101首先播放了1.5秒的广告，然后播放片头音乐。第一音频文件不仅包括广告的音频，还包括片头音乐的音频，第一预定时长为5秒。在视频播放到第5秒时，客户端102接收到服务器102发送的剩余播放时长，剩余播放时长为45秒，则客户端101从第5秒开始跳转45秒，从第50秒继续播放视频，当前视频的播放内容如图3的斜线部分所示。

对于视频开始播放的时刻就播放当前视频的片头音乐的情况，第一音频文件仅包括片头音乐，第一预定时长为5秒。客户端101播放片头音乐2秒的时候，接收到来自服务器102的剩余播放时长，剩余播放时长为48秒，则客户端101从第2秒开始跳转46.5秒，从第48.5秒开始继续播放视频。

对于图3所示的实施例，片头音乐的时长均为48.5，由于开始播放片头音乐的时间不同，导致跳过的剩余播放时间的时长不同。但是，无论是图3所示的哪种情况，都是在客户端101接收到来自服务器102的剩余播放时长来进行跳转的，不用手工调节跳转的时间，不仅减轻跳过片头的复杂度，还由于跳转的时长是根据片头音乐的总时长与客户端101播放的片头音乐的进度的差值，因此，能够准确跳过片头音乐。

可选地，在跳过当前视频的片尾时，获取单元包括：判断模块，用于判断当前视频的当前播放时刻距当前视频的播放终止时刻的时长是否小于预设时长；获取模块，用于在当前视频的当前播放时刻距当前视频的播放终止时刻的时长小于预设时长时，从当前视频的当前播放时刻开始获取第二预定时长的音频。

图4中斜线部分为视频的正片部分，非片头也非片尾。客户端101检测当前视频的当前播放时刻与当前视频的播放终止时刻之间相距的时长是否小于预设时长，在图4所示的第45分钟开始处于预设时长。从第45分钟开始获取第二预定时长的音频。

对于图4中a的情况，从第45分钟开始获取的第二预定时长的音频不仅包括当前视频的片尾音乐，还包括当前视频的正片部分(图4中斜线部分)。从第45分钟获取第二预定时长的音频开始，在第47.5分钟检测到片尾音乐，直到第49分钟接收到来自服务器102的剩余播放时长的时刻，第二预定时长为4分钟，剩余播放时间为1分钟。客户端101从第49分钟开始跳转1分钟至第50分钟，其中，第50分钟为片尾音乐的结束时刻，也是当前视频的结束时刻。

对于图4中b的情况，从第45分钟开始获取的第二预定时长的音频为片尾的音乐，第二预定时长的音频为从第45分钟至第48分钟。客户端101接收到的剩余播放时长为2分钟，则客户端101从第48分钟跳转至第50分钟，从而跳过片尾部分钟。

由图3和图4可以看出，服务器101中查找到的第二音频文件包括当前视频所播放的音频或者音频的一部分。例如，图3中的a部分，第二音频文件包括录制的第一音频的片头音乐部分，但是不包括第一音频中的广告部分。图3中的b部分，第二音频文件包括第一音频文件的全部。

实施例4

根据本发明实施例，还提供了一种用于实施上述视频播放的数据处理方法的服务器，该服务器主要用于执行本发明实施例上述内容所提供的视频播放的数据处理方法，以下对本发明实施例所提供的服务器做具体介绍：

图7是根据本发明实施例的服务器的示意图。如图所示，该服务器包括：接收单元72、识别单元74、获取单元76和发送单元78。

接收单元72用于接收客户端发送的第一音频文件，其中，第一音频文件根据客户端在播放当前视频时所播放的音频所得到，第一音频文件中包括音频的声纹特征；

识别单元74用于从第一音频文件中识别出声纹特征；

获取单元76用于获取与声纹特征匹配的第二音频文件的剩余播放时长值，其中，剩余播放时长值为第二音频文件的总时长减去第二音频文件中与音频重叠的部分的时长；

发送单元78用于将剩余播放时长值发送至客户端，以指示客户端从当前视频跳转到距音频的播放终止时刻为剩余播放时长值的播放位置继续播放当前视频。

服务器102接收由客户端101发送的第一音频文件，第一音频文件是客户端101在播放当前视频时获取得到的当前视频的音频，在该第一音频文件中包含声高、频率等声纹特征。根据第一音频文件中的声纹特征查找到与该声纹特征匹配的第二音频文件，并获取第二音频文件的剩余播放时长值，将剩余播放时长值发送给客户端101。

如图3所示，剩余播放时长值为从客户端101接收到剩余播放时长的时刻起至片头音乐的终止时刻之间的时长，以指示客户端从当前视频跳转到距音频的播放终止时刻为剩余播放时长值的播放位置继续播放当前视频。

可选地，获取单元包括：查找模块，用于从预先存储的多个音频文件中查找部分音频段与声纹特征匹配的第二音频文件；计算模块，用于在查找到第二音频文件时，将部分音频段作为第二音频文件中与音频重叠的部分，并将第二音频文件的总时长减去部分音频段的时长，得到剩余播放时长值。

服务器102中预先存储了视频的片头曲和片尾曲，服务器102获取到第一音频文件之后，识别第一音频文件中的声纹特征。该声纹特征中包括时间相关的声音的频率或者声高的变化，如果在一段时间内，查找到的音频文件的部分音频段的声纹特征中时间相关的声音的频率或者声高的变化同第一音频文件的声纹特征中的时间相关的声音的频率或者声高的变化相同，则确定该查找到的部分音频段属于第二音频文件，该部分音频段为与播放当前视频所播放的音频的重叠部分，用第二音频文件的总时长减去部分音频段的时长，就得到剩余播放时长值。利用声纹特征进行匹配来查找部分音频段的方法与现有技术相同，此处不再做过多赘述。

通过上述实施例，服务器102接收客户端101的当前视频的音频，服务器102通过查找到的第二音频文件和重叠部分计算得到剩余播放时长值，从而指示客户端101根据服务器102返回的剩余播放时长进行视频跳转，使得视频继续播放的时间跳过了当前视频的片头或者片尾。上述的整个跳转视频的过程无无需人工反复拖拽进度条来确定跳转的时间点，根据需要跳过的视频中播放的音频的长度和匹配得到的音频文件确定跳转的长度，从而提高了播放视频时跳转片头片尾时不准确的问题。

实施例5

根据本发明实施例，还提供了一种用于实施上述视频播放的数据处理方法的终端，如图8所示，该终端包括：

处理器801、用户接口802、显示器803、麦克风804、扬声器805、存储器806、无线网口807、耦合器808和天线809。

存储器806主要用于存储上述视频播放的数据处理方法的程序代码。

用户接口802用于连接处理器801和显示器803、麦克风804以及扬声器805。麦克风804可以用来录制扬声器805发出的音频。

显示器803主要是用于显示当前视频。

无线网口807与耦合器808相连接，耦合器808与天线809相连接，天线809用于接收信号。

处理器801主要用于执行如下操作：获取在播放当前视频时所播放的音频，得到第一音频文件，其中，第一音频文件中包括音频的声纹特征；将第一音频文件发送到服务器；接收服务器返回的与声纹特征匹配的第二音频文件的剩余播放时长值，其中，剩余播放时长值为第二音频文件的总时长减去第二音频文件中与音频重叠的部分的时长；将当前视频跳转到距音频的播放终止时刻为剩余播放时长值的播放位置继续播放当前视频。

处理器801还用于执行如下操作：获取在播放当前视频时所播放的音频包括：接收到用于播放当前视频的操作指令；响应操作指令从当前视频的播放起始时刻开始获取第一预定时长的音频。

处理器801还用于执行如下操作：获取在播放当前视频时所播放的音频包括：判断当前视频的当前播放时刻距当前视频的播放终止时刻的时长是否小于预设时长；若当前视频的当前播放时刻距当前视频的播放终止时刻的时长小于预设时长，则从当前视频的当前播放时刻开始获取第二预定时长的音频。

处理器801还用于执行如下操作：获取在播放当前视频时所播放的音频包括：录制播放当前视频时通过扬声器播放的音频的声音，得到第一音频文件；或者复制播放当前视频时所播放的音频，得到第一音频文件。

可选地，本实施例中的具体示例可以参考上述实施例1中所描述的示例，本实施例在此不再赘述。

实施例6

本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于存储本发明实施例所提供的视频播放的数据处理方法。

可选地，在本实施例中，上述存储介质902可以位于广域网、局域网等网络中的多个网络设备中的至少一个网络设备。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：

S1，获取在播放当前视频时所播放的音频，得到第一音频文件，其中，第一音频文件中包括音频的声纹特征；

S2，将第一音频文件发送到服务器；

S3，接收服务器返回的与声纹特征匹配的第二音频文件的剩余播放时长值，其中，剩余播放时长值为第二音频文件的总时长减去第二音频文件中与音频重叠的部分的时长。

S4，将当前视频跳转到距音频的播放终止时刻为剩余播放时长值的播放位置继续播放当前视频。

可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：获取在播放当前视频时所播放的音频包括：接收到用于播放当前视频的操作指令；响应操作指令从当前视频的播放起始时刻开始获取第一预定时长的音频。

可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：获取在播放当前视频时所播放的音频包括：判断当前视频的当前播放时刻距当前视频的播放终止时刻的时长是否小于预设时长；若当前视频的当前播放时刻距当前视频的播放终止时刻的时长小于预设时长，则从当前视频的当前播放时刻开始获取第二预定时长的音频。

可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：获取在播放当前视频时所播放的音频包括：录制播放当前视频时通过扬声器播放的音频的声音，得到第一音频文件；或者复制播放当前视频时所播放的音频，得到第一音频文件。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

可选地，本实施例中的具体示例可以参考上述实施例1中所描述的示例，本实施例在此不再赘述。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (13)

1.一种视频播放的数据处理方法，其特征在于，包括：

获取在播放当前视频时所播放的音频，得到第一音频文件，其中，所述第一音频文件中包括所述音频的声纹特征；

将所述第一音频文件发送到服务器；

接收所述服务器返回的与所述声纹特征匹配的第二音频文件的剩余播放时长值，其中，所述剩余播放时长值为所述第二音频文件的总时长减去所述第二音频文件中与所述音频重叠的部分的时长；

将所述当前视频跳转到距所述音频的播放终止时刻为所述剩余播放时长值的播放位置继续播放所述当前视频。

2.根据权利要求1所述的方法，其特征在于，所述获取在播放当前视频时所播放的音频包括：

接收到用于播放所述当前视频的操作指令；

响应所述操作指令从所述当前视频的播放起始时刻开始获取第一预定时长的所述音频。

3.根据权利要求1所述的方法，其特征在于，所述获取在播放当前视频时所播放的音频包括：

判断所述当前视频的当前播放时刻距所述当前视频的播放终止时刻的时长是否小于预设时长；

若所述当前视频的当前播放时刻距所述当前视频的播放终止时刻的时长小于所述预设时长，则从所述当前视频的所述当前播放时刻开始获取第二预定时长的所述音频。

4.根据权利要求1所述的方法，其特征在于，所述获取在播放当前视频时所播放的音频包括：

录制播放所述当前视频时通过扬声器播放的所述音频的声音，得到所述第一音频文件；或者

复制播放所述当前视频时所播放的所述音频，得到所述第一音频文件。

5.根据权利要求1所述的方法，其特征在于，所述第二音频文件包括所述音频或者所述音频的一部分。

6.一种客户端，其特征在于，包括：

获取单元，用于获取在播放当前视频时所播放的音频，得到第一音频文件，其中，所述第一音频文件中包括所述音频的声纹特征；

发送单元，用于将所述第一音频文件发送到服务器；

接收单元，用于接收所述服务器返回的与所述声纹特征匹配的第二音频文件的剩余播放时长值，其中，所述剩余播放时长值为所述第二音频文件的总时长减去所述第二音频文件中与所述音频重叠的部分的时长；

跳转单元，用于将所述当前视频跳转到距所述音频的播放终止时刻为所述剩余播放时长值的播放位置继续播放所述当前视频。

7.根据权利要求6所述的客户端，其特征在于，所述获取单元包括：

接收模块，用于接收到用于播放所述当前视频的操作指令；

响应模块，用于响应所述操作指令从所述当前视频的播放起始时刻开始获取第一预定时长的所述音频。

8.根据权利要求6所述的客户端，其特征在于，所述获取单元包括：

判断模块，用于判断所述当前视频的当前播放时刻距所述当前视频的播放终止时刻的时长是否小于预设时长；

获取模块，用于在所述当前视频的当前播放时刻距所述当前视频的播放终止时刻的时长小于所述预设时长时，从所述当前视频的所述当前播放时刻开始获取第二预定时长的所述音频。

9.根据权利要求6所述的客户端，其特征在于，所述获取单元包括：

录制模块，用于录制播放所述当前视频时通过扬声器播放的所述音频的声音，得到所述第一音频文件；或者

复制模块，用于复制播放所述当前视频时所播放的所述音频，得到所述第一音频文件。

10.一种视频播放的数据处理方法，其特征在于，包括：

接收客户端发送的第一音频文件，其中，所述第一音频文件根据所述客户端在播放当前视频时所播放的音频所得到，所述第一音频文件中包括所述音频的声纹特征；

从所述第一音频文件中识别出所述声纹特征；

获取与所述声纹特征匹配的第二音频文件的剩余播放时长值，其中，所述剩余播放时长值为所述第二音频文件的总时长减去所述第二音频文件中与所述音频重叠的部分的时长；

将所述剩余播放时长值发送至所述客户端，以指示所述客户端从所述当前视频跳转到距所述音频的播放终止时刻为所述剩余播放时长值的播放位置继续播放所述当前视频。

11.根据权利要求10所述的方法，其特征在于，所述获取与所述声纹特征匹配的第二音频文件的剩余播放时长值包括：

从预先存储的多个音频文件中查找部分音频段与所述声纹特征匹配的所述第二音频文件；

若查找到所述第二音频文件，则将所述部分音频段作为所述第二音频文件中与所述音频重叠的部分，并将所述第二音频文件的总时长减去所述部分音频段的时长，得到所述剩余播放时长值。

12.一种服务器，其特征在于，包括：

接收单元，用于接收客户端发送的第一音频文件，其中，所述第一音频文件根据所述客户端在播放当前视频时所播放的音频所得到，所述第一音频文件中包括所述音频的声纹特征；

识别单元，用于从所述第一音频文件中识别出所述声纹特征；

获取单元，用于获取与所述声纹特征匹配的第二音频文件的剩余播放时长值，其中，所述剩余播放时长值为所述第二音频文件的总时长减去所述第二音频文件中与所述音频重叠的部分的时长；

发送单元，用于将所述剩余播放时长值发送至所述客户端，以指示所述客户端从所述当前视频跳转到距所述音频的播放终止时刻为所述剩余播放时长值的播放位置继续播放所述当前视频。

13.根据权利要求12所述的服务器，其特征在于，所述获取单元包括：

查找模块，用于从预先存储的多个音频文件中查找部分音频段与所述声纹特征匹配的所述第二音频文件；

计算模块，用于在查找到所述第二音频文件时，将所述部分音频段作为所述第二音频文件中与所述音频重叠的部分，并将所述第二音频文件的总时长减去所述部分音频段的时长，得到所述剩余播放时长值。