CN106933557A - 实现语音播放的方法、装置和系统 - Google Patents

Abstract

本发明公开了一种实现语音播放的方法、装置和系统，该实现语音播放的方法包括：接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件；封装所述第一语音文件，以形成FLV格式的第二语音文件；播放所述第二语音文件。本发明的一种实现语音播放的方法主要通过移动终端Speex对语音进行压缩，以形成Speex格式的第一语音文件，网页终端将该第一语音文件封装为FLV格式的第二语音文件，网页终端播放第二语音文件，以此实现网页终端对移动终端语音的播放。

Description

实现语音播放的方法、装置和系统

技术领域

本发明涉及移动互联网领域，特别是涉及一种实现语音播放的方法和系统。

背景技术

Speex是一套主要针对语音的开源免费的音频压缩格式。Speex工程着力于通过提供一个可以替代高性能语音编解码来降低语音应用输入门槛。另外，相对于其它编解码器，Speex也很适合网络应用，在网络应用上有着自己独特的优势。

FLV是FLASH VIDEO的简称，FLV流媒体格式是随着FLASH播放器的推出发展而来的视频格式。由于它形成的文件极小、加载速度极快，使得网络观看视频文件成为可能。

移动设备间因为流量问题，语音通信普遍应用Speex压缩。然而，在网页游戏方面普遍应用的FLASH播放器上未提供对Speex格式的语音文件直接播放应用程序接口，移动终端与网页终端进行语音通信时，会由于语音文件格式的不同，而不能直接对Speex格式的语音文件进行播放。

发明内容

基于此，有必要针对移动终端与网页终端进行语音通信时，网页终端不能直接对Speex格式的语音文件进行播放的问题，在本发明的第一方面中，提供一种实现语音播放的方法。

实现语音播放的方法，该方法包括：

接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件；

封装该第一语音文件，以形成FLV格式的第二语音文件；

播放该第二语音文件。

在其中一实施例中，该封装该第一语音文件，以形成FLV格式的第二语音文件包括：

将所述第一语音文件采用as3语言进行封装，以形成FLV格式的第二语音文件。

在其中一实施例中，该封装该第一语音文件，以形成FLV格式的第二语音文件包括：

创建具有转换功能的C++程序；

用所述C++程序接收所述第一语言文件，并将所述C++程序包装成swc文件；

用as3语言调用所述swc文件，以形成FLV格式的第二语音文件。

在其中一实施例中，该步骤接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件之后，该方法还包括：

备份该第一语音文件至第三方服务器。

在其中一实施例中，该步骤封装该第一语音文件，以形成FLV格式的第二语音文件之后，该方法还包括：

转发该FLV格式的第二语音文件至第三方服务器。

在其中一实施例中，在网页终端将该第一语音文件封装为FLV格式的第二语音文件后，该方法还包括：

按照序列存储该第二语音文件。

在其中一实施例中，该播放该第二语音文件具体为：

FLASH播放器按照序列流播放该第二语音文件；

或者，

将该第二语音文件加载在视频文件中，以形成携带有该第二语音文件的流媒体文件；

FLASH播放器按照序列流播放该流媒体文件。

根据本发明的第二方面，提供了一种实现语音播放的装置。

一种实现语音播放的装置，该装置包括：

接收模块，用于接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件；

封装模块，用于封装该第一语音文件，以形成FLV格式的第二语音文件；

播放模块，用于播放该第二语音文件。

在其中一实施例中，该封装模块具体用于将所述第一语音文件采用as3语言进行封装，以形成FLV格式的第二语音文件。

在其中一实施例中，该封装模块具体包括：

创建单元，用于创建具有转换功能的C++程序；

包装单元，用于通过所述C++程序接收所述第一语言文件，并将所述C++程序包装成swc文件；

调用单元，用于通过as3语言调用所述swc文件，以形成FLV格式的第二语音文件。

在其中一实施例中，该装置还包括：

第一转发模块，用于在接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件之后，转发该第一语音文件至第三方服务器。

在其中一实施例中，该装置还包括：

第二转发模块，用于在封装该第一语音文件，以形成FLV格式的第二语音文件之后，转发该FLV格式的第二语音文件至第三方服务器。

在其中一实施例中，该装置还包括：

存储模块，用于在封装该第一语音文件为FLV格式的第二语音文件后，按照序列存储该第二语音文件。

在其中一实施例中，该播放模块具体用于：

按照序列流播放该第二语音文件；

或者，将该第二语音文件加载在视频文件中，以形成携带有该第二语音文件的流媒体文件；

按照序列流播放该流媒体文件。

根据本发明的第三方面，提供了一种实现语音播放的系统，该系统包括网页终端、移动终端和第三方服务器；

所述移动终端通过Speex对语音进行压缩，以形成Speex格式的第一语音文件；

所述移动终端上传所述第一语音文件至第三方服务器；

所述第三方服务器转发所述第一语音文件至网页终端；

所述网页终端将所述第一语音文件封装为FLV格式的第二语音文件；

所述网页终端播放所述第二语音文件。

有益效果：

本发明的一种实现语音播放的方法主要通过Speex对语音进行压缩，以形成Speex格式的第一语音文件，网页终端将该第一语音文件封装为FLV格式的第二语音文件，网页终端播放第二语音文件，以此实现网页终端对移动终端语音的播放，从而解决了网页终端不能直接对Speex格式的语音文件进行播放的问题。

附图说明

图1为本发明实施例1的实现语音播放的方法的流程图。

图2为本发明实施例2的实现语音播放的装置的框图。

图3为本发明实施例3的实现语音播放的系统的框图。

具体实施方式

实施例1

如图1所示，一种实现语音播放的方法，该方法包括：步骤S101：接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件；步骤S102:封装该第一语音文件，以形成FLV格式的第二语音文件；步骤S103：播放该第二语音文件。

在本发明的实施例1中，该步骤S101：接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件，具体可为，移动终端的Speex对语音进行压缩，以形成Speex格式的第一语音文件，之后，网页终端直接接收移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件。或者，移动终端将压缩后的Speex格式的第一语音文件发送到第三方服务器，该第三方服务器可为游戏服务器，或者其他类型的服务器，网页终端接收该第三方服务器发送过来的Speex格式的第一语音文件。S102:封装该第一语音文件，以形成FLV格式的第二语音文件。S103:播放该第二语音文件。

在本发明的实施例1中，步骤S102：封装该第一语音文件，以形成FLV格式的第二语音文件具体包括:将该第一语音文件采用as3语言进行封装，以形成FLV格式的第二语音文件。

在另一实施方式中，封装该第一语音文件，以形成FLV格式的第二语音文件包括：

创建具有转换功能的C++程序；

用C++程序接收第一语言文件，并将该C++程序包装成swc文件；

用as3语言调用上述swc文件，以形成FLV格式的第二语音文件。

具体地，具有转换功能的C++程序是指具有将Speex格式的文件转换为FLV格式的文件功能的C++程序。

用FlasCC把C++程序包装成swc文件。

用as3语言调用swc文件中的具有将speex转换为flv格式的功能函数，以形成FLV格式的第二语音文件。

需要说明的是，在接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件之后，该方法还包括：转发该第一语音文件至第三方服务器。需要说明的是，在本发明的实施例1中，若移动终端的Speex在对语音进行压缩而形成的Speex格式的第一语音文件之后，就将第一语音文件转存至第三方服务器，则网页终端无需将该第一语音文件转存到第三方服务器，若移动终端的Speex在对语音进行压缩而形成的Speex格式的第一语音文件之后，未将该第一语音文件转存到第三方服务器中，则网页终端在接收到该第一语音文件之后将其备份到第三方服务器中。

需要说明的是，在封装第一语音文件，以形成FLV格式的第二语音文件之后，该方法还包括：转发该FLV格式的第二语音文件至第三方服务器。具体的，该步骤具体为网页终端所在的客户机终端转存该FLV格式的第二语音文件至第三方服务器。

在本发明的实施例1中，需要说明的是，上述语音的大小可不受限制，在对语音进行压缩的过程中，压缩率一般可达到16:1，或者更高，在压缩的过程中支持多种压缩算法，例如MSASPXCM，CCITTALAW，支持多种音频位数、采样频率和声道。移动终端在将第一语音文件传到第三方服务器的过程中，采用分片传输的方式，传输的速率为每片408字节。第三方服务器提供中转的功能以及简单的逻辑处理，例如可以实现保存语音文件，以将该语音信息延迟转发给客户端。该第三方服务器可为单个服务器，也可为集群的服务器，该第三方服务器类型在本发明实施例1中为游戏服务器，当然，在其他的实施例中也可不限于游戏服务器，也可为其他类型的服务器。

在本发明的实施例1中，该移动终端的语音可以为用户自己录入的语音，或者可以为移动终端中自携带的语音文件，或者其他的电子设备通过数据传输到该移动终端的语音文件。若为用户自己录入的语音，该录入的方式可以为用户通过移动终端的扬声器将该语音文件进行录入，若为电子设备通过数据传输到该移动终端的语音文件，则可以为电子设备通过无线或者USB数据线的方式将该语音文件传输到移动终端中，若为移动终端自携带的语音文件，则移动终端通过遍历自身的多媒体语音库对某一特定的语音文件进行提取，该语音文件可以为人的声音文件，或者音乐文件，或者其他的声音文件。该移动终端在将语音发送出去之前，可以先在移动终端内维护一个可连接列表，该连接列表内将该用户自己录入的语音文件、音乐文件或者电子设备传输过来的语音文件进行分区存储，用户可以根据自己的需求选取可连接列表内部的任意一个分区的文件发送到服务器。

需要说明的是，网页终端可以包括以下任何设备：个人计算机、电子笔记本、膝上型电脑、web浏览器或者在这些设备之一上运行的线程或者进程。该移动终端与第三方服务器之间的网络可以包括互联网、对等网络(ad hoc network)、局域网(LAN)、广域网(WAN)、城域网(MAN)、蜂窝网等。

需要说明的是，第三方服务器通过一socket(套接字)接口转发给网页终端，在移动终端转发第一语音文件给第三方服务器之前，移动终端需要跟第三方服务器建立链路连接，在建立链路连接后，方可进行通信连接，而在上传到第三方服务器之后，可以对该第一语音文件进行保存，也可以不保存。

需要说明的是，在网页终端将该第一语音文件封装为FLV格式的第二语音文件后，该方法还包括：网页终端按照序列存储该第二语音文件。当然，需要说明的是，该序列在本发明实施例1中为二进制序列，在该实施例1中，对该二进制序列的第二语音文件进行存储具体可通过数组存储，也可通过链表存储，还可通过其他的方式存储。

需要说明的是，该网页终端播放该第二语音文件具体为：网页终端的FLASH播放器按照序列流播放该第二语音文件；或者，网页终端将该第二语音文件加载在视频文件中，以形成携带有该第二语音文件的流媒体文件；FLASH播放器按照序列流播放该流媒体文件。

名称	长度	值
				header
文件类型	3bytes	FLV
			版本	1bytes	0x01
流信息	1bytes	0x101
			Header长度	4bytes	0x09
	标签
			Tag类型	1byte	0x08
时间戳	3bytes	0x12c
			拓展时间戳	1byte	0
StreamsID	1byte	0
				标签数据
音频格式	4bits	8
			采样率	2bits	3

采样长度	1bit	1
			音频类型	1bit	0

表1

参见上述表1所示出的一个FLV格式的第二语音文件的详细格式表，需要说明的是，FLASH播放器播放FLV格式的第二语音文件从根本上来说是二进制的读取和处理，最后呈现的FLV是一串有标准的二进制文件。其中，FLASH播放器根据文件的前三个字节来识别该第二语音文件，用其他的字节来识别文件的相关播放参数，在本实施例中，相关的播放参数主要包括版本，流信息和header长度等相关的播放参数，当然，在其他的实施例中，也可包括其他的相关播放参数，并不局限于该实施例1示出的参数。该FLV格式的第二语音文件主要包括header(头文件)部分和body(主体文件)部分。在header的封装过程中，主要通过as3语言将第一语音文件的文件类型、版本、流信息、header长度等信息用二进制的格式写入比特数组(byteArray)中。在一优选的实施例中，该头文件在as3语言中为一比特数组，该比特数组包含了文件类型、版本、流信息和header长度等属性，具体的，该FLV头文件举例为如下表2：

46

4C

56

01

05

00

00

00

09

表2

参见上述表2，在本实施例中，header(头文件)具体为“46 4C 56 01 05 00 00 0009”，其中，前三个bytes是文件类型，在本发明中是“FLV”，FLV为“文件类型”这一属性的值，该值即为(0x46 0x4C 0x56)，第四个byte为版本号，在该实施例中为0x01，0x01即为版本这一属性的值，其字节为1byte，第五位为流信息，0x101为流信息这一属性的值，其字节为1byte。需要说明的是，倒数第三bit位为“1”则表示该FLV文件有视频(0x01)，倒数第三bit位是1表示有音频(0x100)，如果既有视频又有音频就是(0x01)/(0x05)，其他的都应该是0。最后4bytes表示FLV头的长度，3+1+1+4＝9。0x09为即为该header长度这一属性的值，其字节为4bytes。

请参照表1，FLV头文件后面就是FLV本体文件，FLV本体文件由若干个tag(标签)组成。其中标签具体包括标签类型、时间戳、拓展时间戳、StreamsID四个属性。在封装body过程中，根据Speex压缩格式的相关参数写入用二进制格式将tag类型、时间戳等信息依次注入在header的byteArray后面，最后Speex作为一个数据区写在最后，以形成FLV格式的第二语音文件。

在一具体实施例中，标签类型的值为0X08，其字节长度为1字节，时间戳的值为0x12c，其字节长度为3字节，拓展时间戳和SteamsID的值均为0，字节长度均为1个字节。每一个tag(标签)第一部分是tag header(标签头)，tag header长度为11bytes，但是每个tagheader前面有4bytes记录着上一个tag的长度。tag header的第1个byte为记录着tag的类型，音频(0x8)，视频(0x9)，脚本(0x12)；第2到4bytes是数据区的长度，也就是tag data的长度；再后面3个bytes是时间戳，单位是毫秒，类型为0x12则时间戳为0，时间戳控制着文件播放的速度，可以根据音视频的帧率类设置；时间戳后面一个byte是扩展时间戳，时间戳不够长的时候用；最后3bytes是streamID，但是总为0，再后面就是数据区了(tag data)，也即是h264音频的裸流，tag header长度为1+3+3+1+3＝11。

当然，还需要进一步说明的是，在FLASH播放器播放FLV格式的第二语音文件后，该FLASH播放器还可以通过检测该第二语音文件的时间长度来检测该第二语音文件的完整度，或者对第二语音文件的其他语音参数进行采样，将采样结果与第三方服务器中储存的原始语音文件进行比较，从而检查第二语音文件是否失真。

本发明通过将Speex压缩过的第一语音文件封装成FLV格式的第二语音文件的方式实现了移动终端的语音在网页终端的播放，从而解决了网页终端不能直接对Speex格式的语音文件进行播放的问题。并且，该实现语音播放的方法其有流畅，省流量的特点。

上述实施例1的实现语音播放的方法可以应用于网络游戏中，能够实现移动终端游戏的语音在网页终端游戏同时播放，并可以有效节省了网络传输包的大小，将解压缩的工作放在客户端，减少了网络的压力，同时也增加了通信的速度，提高游戏体验性，并最大限度降低了玩家的流量消耗。

实施例2

请参照图2所示出的一种实现语音播放的装置，该装置包括：接收模块100，用于接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件；封装模块200，用于封装该第一语音文件，以形成FLV格式的第二语音文件；播放模块300，用于播放该第二语音文件。

在本发明的实施例2中，该封装模块200具体用于将该第一语音文件采用as3语言进行封装，以形成FLV格式的第二语音文件。

在另一实施方式中，在本发明的实施例2中，该封装模块200具体包括：

创建单元，用于创建具有转换功能的C++程序；

包装单元，用于通过C++程序接收该第一语言文件，并将该C++程序包装成swc文件；

调用单元，用于通过as3语言调用swc文件，以形成FLV格式的第二语音文件。在本发明的实施例2中，该装置还包括：

第一转发模块400，用于在接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件之后，转发该第一语音文件至第三方服务器。

在本发明的实施例2中，该装置还包括：

第二转发模块500，用于在封装该第一语音文件，以形成FLV格式的第二语音文件之后，转发该FLV格式的第二语音文件至第三方服务器。

在本发明的实施例2中，该装置还包括：

存储模块600，用于在封装该第一语音文件为FLV格式的第二语音文件后，按照序列存储该第二语音文件。

在本发明的实施例2中，该播放模块300具体用于：

按照序列流播放该第二语音文件；

或者，将该第二语音文件加载在视频文件中，以形成携带有该第二语音文件的流媒体文件；

按照序列流播放该流媒体文件。

在本发明的实施例2中，该FLV格式的第二语音文件主要包括头文件和本体文件，该头文件包括文件类型、版本、流信息和header长度等属性，该本体文件由标签组成，该标签包括标签类型、时间戳、拓展时间戳、StreamID四个属性。

本实施例2的实现语音播放的装置通过将Speex压缩过的第一语音文件封装成FLV格式的第二语音文件的方式实现了移动终端的语音在网页终端的播放，从而解决了网页终端不能直接对Speex格式的语音文件进行播放的问题。

该实现语音播放的装置可以应用于网络游戏中，实现移动终端游戏的音频在网页终端游戏的播放，并可以有效节省了网络传输包的大小，将解压缩的工作放在客户端，减少了网络的压力，同时也增加了通信的速度，提高游戏体验性，并最大限度降低了玩家的流量消耗。

实施例3

根据本发明第三方面示出的一种实现语音播放的系统，该系统包括移动终端10、第三方服务器20和网页终端30；

该移动终端10通过Speex对语音进行压缩，以形成Speex格式的第一语音文件；

该移动终端10上传第一语音文件至第三方服务器20；

该第三方服务器20转发第一语音文件至网页终端30；

该网页终端30将第一语音文件封装为FLV格式的第二语音文件；

该网页终端30播放第二语音文件。

本发明的一种实现语音播放的系统的移动终端10主要通过Speex对语音进行压缩，以形成Speex格式的第一语音文件，网页终端30将该第一语音文件封装为FLV格式的第二语音文件，网页终端30播放第二语音文件，以此实现网页终端对移动终端10的语音文件的播放。

上述实现语音播放的系统可以应用于网络游戏中，实现移动终端游戏的音频在网页终端游戏的播放。

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流程，是可以通过计算机程序来指令相关的硬件来完成，该程序可存储于一计算机可读取存储介质中，如本发明实施例中，该程序可存储于终端的存储介质中，并被该终端中的至少一个处理器执行，以实现包括如上述各方法的实施例的流程。其中，该存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上该实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (13)

1.一种实现语音播放的方法，其特征在于，包括：

接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件；

封装所述第一语音文件，以形成FLV格式的第二语音文件；

播放所述第二语音文件。

2.根据权利要求1所述的实现语音播放的方法，其特征在于，所述封装所述第一语音文件，以形成FLV格式的第二语音文件包括：

将所述第一语音文件采用as3语言进行封装，以形成FLV格式的第二语音文件。

3.根据权利要求1所述的实现语音播放的方法，其特征在于，所述封装所述第一语音文件，以形成FLV格式的第二语音文件包括：

创建具有转换功能的C++程序；

用所述C++程序接收所述第一语言文件，并将所述C++程序包装成swc文件；

用as3语言调用所述swc文件，以形成FLV格式的第二语音文件。

4.根据权利要求1所述的实现语音播放的方法，其特征在于，所述步骤接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件之后，还包括：

备份所述第一语音文件至第三方服务器。

5.根据权利要求1所述的实现语音播放的方法，其特征在于，所述步骤封装所述第一语音文件，以形成FLV格式的第二语音文件之后，还包括：

按照序列存储所述第二语音文件。

6.根据权利要求5所述的实现语音播放的方法，其特征在于，所述播放所述第二语音文件包括：

FLASH播放器按照序列流播放所述第二语音文件；

或者，

将所述第二语音文件加载在视频文件中，以形成携带有所述第二语音文件的流媒体文件；

FLASH播放器按照序列流播放所述流媒体文件。

7.一种实现语音播放的装置，其特征在于，包括：

接收模块，用于接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件；

封装模块，用于封装所述第一语音文件，以形成FLV格式的第二语音文件；

播放模块，用于播放所述第二语音文件。

8.根据权利要求7所述的实现语音播放的装置，其特征在于，所述封装模块具体用于将所述第一语音文件采用as3语言进行封装，以形成FLV格式的第二语音文件。

9.根据权利要求7所述的实现语音播放的装置，其特征在于，所述封装模块具体包括：

创建单元，用于创建具有转换功能的C++程序；

包装单元，用于通过所述C++程序接收所述第一语言文件，并将所述C++程序包装成swc文件；

调用单元，用于通过as3语言调用所述swc文件，以形成FLV格式的第二语音文件。

10.根据权利要求7所述的实现语音播放的装置，其特征在于，所述实现语音播放的装置还包括：

第一转发模块，用于在接收通过移动终端的Speex对语音进行压缩而形成的Speex格式的第一语音文件之后，转发所述第一语音文件至第三方服务器。

11.根据权利要求7所述的实现语音播放的装置，其特征在于，所述实现语音播放的装置还包括：

存储模块，用于在封装所述第一语音文件为FLV格式的第二语音文件后，按照序列存储所述第二语音文件。

12.根据权利要求11所述的实现语音播放的系统，其特征在于，所述播放模块具体用于：

按照序列流播放所述第二语音文件；

或者，将所述第二语音文件加载在视频文件中，以形成携带有所述第二语音文件的流媒体文件；

所述播放模块按照序列流播放所述流媒体文件。

13.一种实现语音播放的系统，其特征在于，所述系统包括网页终端、移动终端和第三方服务器；

所述移动终端通过Speex对语音进行压缩，以形成Speex格式的第一语音文件；

所述移动终端上传所述第一语音文件至第三方服务器；

所述第三方服务器转发所述第一语音文件至网页终端；

所述网页终端将所述第一语音文件封装为FLV格式的第二语音文件；

所述网页终端播放所述第二语音文件。