CN107395873B - 音量调节方法、装置、存储介质及终端 - Google Patents

Abstract

本发明实施例提供一种音量调节方法、装置、存储介质及终端，该方法多次获取终端处于通话过程中的第一参数；基于预设机器学习算法，对获取到的多个该第一参数进行训练，以生成音量调节模型；当该终端进入通话状态时，获取第二参数；将该第二参数与该音量调节模型进行匹配，以得到匹配结果；根据该匹配结果对该终端的音量进行调节。该方案中，终端根据第二参数与音量调节模型之间的匹配结果对该终端的音量进行调节，从而当终端进入通话状态时，该终端可以结合所处的场景智能化地将该终端的音量调节至最适合用户的音量，无需用户进行操作，可以提高终端的便利性。

Description

音量调节方法、装置、存储介质及终端

技术领域

本发明涉及通信技术领域，特别涉及一种音量调节方法、装置、存储介质及终端。

背景技术

随着终端技术的发展，诸如智能手机等终端正在迅速普及。智能手机等终端已经成为人们日常生活中必不可少的设备。而通讯功能作为终端中最基本的功能，已经为人们的日常生活带来极大的便利。

当前，终端在进入通话状态前，终端的音量是已经设定的。在终端进入通话状态后，用户想要调节终端的音量时，操作不便。从而终端在进行通话时的音量无法满足用户需求，导致终端的便利性降低。

发明内容

本发明实施例提供一种音量调节方法、装置、存储介质及终端，可以提高终端的便利性。

本发明实施例提供一种音量调节方法，包括：

多次获取终端处于通话过程中的第一参数，所述第一参数包括所述终端的音量值、所述终端所处环境的环境噪声值以及所述终端与用户面部之间的距离；

基于预设机器学习算法，对获取到的多个所述第一参数进行训练，以生成音量调节模型，所述音量调节模型包括音量值与环境噪声值以及距离之间的对应关系；

当所述终端进入通话状态时，获取第二参数，所述第二参数包括所述终端所处环境的环境噪声值以及所述终端与用户面部之间的距离；

将所述第二参数与所述音量调节模型进行匹配，以得到匹配结果；

根据所述匹配结果对所述终端的音量进行调节。

本发明实施例还提供一种音量调节装置，包括：

第一获取模块，用于多次获取终端处于通话过程中的第一参数，所述第一参数包括所述终端的音量值、所述终端所处环境的环境噪声值以及所述终端与用户面部之间的距离；

训练模块，用于基于预设机器学习算法，对获取到的多个所述第一参数进行训练，以生成音量调节模型，所述音量调节模型包括音量值与环境噪声值以及距离之间的对应关系；

第二获取模块，用于当所述终端进入通话状态时，获取第二参数，所述第二参数包括所述终端所处环境的环境噪声值以及所述终端与用户面部之间的距离；

匹配模块，用于将所述第二参数与所述音量调节模型进行匹配，以得到匹配结果；

调节模块，用于根据所述匹配结果对所述终端的音量进行调节。

本发明实施例还提供一种存储介质，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行上述音量调节方法。

本发明实施例还提供一种终端，包括处理器和存储器，该存储器中存储有多条指令，该处理器加载该指令以执行上述音量调节方法。

本发明实施例提供的音量调节方法，多次获取终端处于通话过程中的第一参数；基于预设机器学习算法，对获取到的多个该第一参数进行训练，以生成音量调节模型；当该终端进入通话状态时，获取第二参数；将该第二参数与该音量调节模型进行匹配，以得到匹配结果；根据该匹配结果对该终端的音量进行调节。该方案中，终端根据第二参数与音量调节模型之间的匹配结果对该终端的音量进行调节，从而当终端进入通话状态时，该终端可以结合所处的场景智能化地将该终端的音量调节至最适合用户的音量，无需用户进行操作，可以提高终端的便利性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是终端处于通话过程中的示意图。

图2是本发明实施例提供的音量调节方法的第一流程示意图。

图3是本发明实施例提供的音量调节方法的第二流程示意图。

图4是本发明实施例提供的音量调节方法的第三流程示意图。

图5是本发明实施例提供的音量调节方法的第四流程示意图。

图6是本发明实施例提供的音量调节方法的第五流程示意图。

图7是本发明实施例提供的音量调节方法的应用场景示意图。

图8是本发明实施例提供的音量调节装置的结构示意图。

图9是本发明实施例提供的音量调节装置的另一结构示意图。

图10是本发明实施例提供的音量调节装置的又一结构示意图。

图11是本发明实施例提供的终端的结构示意图。

图12是本发明实施例提供的终端的另一结构示意图。

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，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明的说明书和权利要求书以及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)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。应当理解，这样描述的对象在适当情况下可以互换。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，包含了一系列步骤的过程、方法或包含了一系列模块或单元的装置、终端、系统不必限于清楚地列出的那些步骤或模块或单元，还可以包括没有清楚地列出的步骤或模块或单元，也可以包括对于这些过程、方法、装置、终端或系统固有的其它步骤或模块或单元。

参考图1，图1为终端处于通话过程中的示意图。终端与另一终端通过网络互相通信。用户通过该终端收听来自另一终端的通话内容，或者通过该终端向另一终端发送通话内容。该过程中，用户收听该终端播放的通话内容，同时该终端也可以采集用户说话时的声音信号。

本发明实施例提供一种音量调节方法，该方法可以应用于终端中。该终端可以是智能手机、平板电脑等设备。如图2所示，该音量调节方法，可以包括以下步骤：

S110，多次获取终端处于通话过程中的第一参数，该第一参数包括该终端的音量值、该终端所处环境的环境噪声值以及该终端与用户面部之间的距离。

其中，当终端向其他终端的呼出电话被接通后，或者终端的来电呼入被接通后，可以认为该终端处于通话过程中。此时，终端可以获取第一参数。该第一参数包括该终端的音量值、该终端所处环境的环境噪声值以及该终端与用户面部之间的距离。

可以理解的，该终端的音量值为该终端播放通话内容时的音量大小值。该音量值可以是终端通过扬声器播放通话内容时的音量值，也可以是终端通过耳机播放通话内容时的音量值。

该终端所处环境的环境噪声值也即用户所处环境的环境噪声值。该环境噪声值为该用户之外的其他人或物体所发出的声音。例如，该用户之外的其他人的说话声，或者电视机播放节目时的声音等。

该终端与用户面部之间的距离可以为该终端的受话器或者扬声器与用户面部之间的距离。

S120，基于预设机器学习算法，对获取到的多个该第一参数进行训练，以生成音量调节模型，该音量调节模型包括音量值与环境噪声值以及距离之间的对应关系。

其中，该预设机器学习算法可以包括但不限于协同过滤(CF，CollaborativeFiltering)算法、奇异值分解(SVD，Singular Value Decomposition)算法、神经网络算法(Neural network algorithm)等。

终端根据该预设机器学习算法对获取到的多个该第一参数进行训练，以生成音量调节模型。可以理解的，训练过程中，终端可以不断对获取到的多个该第一参数进行学习，以不断对生成的音量调节模型进行完善。

在一些实施例中，该音量调节模型包括音量值、环境噪声值、距离之间的对应关系。该音量调节模型可以包括多个子模型。例如，该音量调节模型可以是如表1所示的音量调节模型。

子模型	环境噪声值(dB)	距离(cm)	音量值
				子模型1	20	5	50
子模型2	20	10	60
				……	……	……	……
子模型n1	60	5	70
				子模型n2	60	10	80

表1

S130，当该终端进入通话状态时，获取第二参数，该第二参数包括该终端所处环境的环境噪声值以及该终端与用户面部之间的距离。

其中，当终端检测到自身进入通话状态时，该终端获取第二参数。该第二参数包括该终端所处环境的环境噪声值以及该终端与用户面部之间的距离。

其中，当该终端向其他终端的呼出电话被接通时，或者该终端的来电呼入被接通时，可以认为该终端进入通话状态，此时该终端获取上述第二参数。

S140，将该第二参数与该音量调节模型进行匹配，以得到匹配结果。

其中，终端获取到第二参数后，将该第二参数与该音量调节模型进行匹配，以得到匹配结果。该匹配结果可以包括匹配成功和匹配失败。其中，匹配成功时，匹配结果可以包括该第二参数与该音量调节模型中的哪一个子模型匹配成功。匹配失败表示该音量调节模型中没有与该第二参数匹配成功的子模型。

S150，根据该匹配结果对该终端的音量进行调节。

终端获取到第二参数与音量调节模型之间的匹配结果后，根据该匹配结果对该终端的音量进行调节。其中，对音量进行调节时，可以是将音量调大，也可以是将音量调小，还可以是维持音量不变。

终端根据第二参数与音量调节模型之间的匹配结果对该终端的音量进行调节，从而当终端进入通话状态时，该终端可以结合所处的场景智能化地将该终端的音量调节至最适合用户的音量，无需用户进行操作，可以提高终端的便利性。

在一些实施例中，如图3所示，步骤S110、多次获取终端处于通话过程中的第一参数，包括以下步骤：

S111，当终端处于通话过程时，多次采集该终端所处环境的第一声音信号；

S112，滤除该第一声音信号中的第一人声信号，以获取第二声音信号，该第一人声信号为该第一声音信号中强度值最大的人声信号；

S113，将该第二声音信号的强度值确定为环境噪声值；

S114，获取该终端的音量值以及该终端与用户面部之间的距离。

其中，终端处于通话过程时，可以多次采集该终端所处环境的第一声音信号，并依次对采集到的多个第一声音信号进行处理。该第一声音信号为该终端周围所有人以及物体所发出的声音。也即，该第一声音信号可以包括该终端周围多个人的说话声、该终端周围多个物体所发出的声音。需要说明的是，该第一声音信号包括该终端的用户的说话声。

对该第一声音信号进行处理时，终端可以滤除该第一声音信号中的第一人声信号，以获取第二声音信号。其中，该第一人声信号为该第一声音信号中强度值最大的人声信号。可以理解的，该终端周围可以存在多个人同时说话。其中，该终端的用户距离该终端最近，从而该终端的用户的说话声其声音强度在该多个人的说话声中是最强的。因此，上述第一人声信号可以理解为该终端的用户说话时所发出的人声信号。

其中，终端可以对第一声音信号进行分析，根据该第一声音信号中的不同音色或不同音调来提取多个人的人声信号。随后，对提取到的多个人声信号的强度值进行检测，以确定该多个人声信号中强度值最大的人声信号。随后，终端可以通过滤波电路等方式将该强度值最大的人声信号进行滤除，以获取滤除该第一人声信号后的第二声音信号，并将该第二声音信号的强度值确定为环境噪声值。

另一方面，终端可以通过查询该终端中音频电路的参数来获取该终端的音量值。

该终端中包括接近传感器。该接近传感器可以是例如红外传感器、超声波传感器等类型的传感器。该终端可以通过接近传感器来检测该终端与用户面部之间的距离。

在一些实施例中，步骤S150、根据该匹配结果对该终端的音量进行调节，包括以下步骤：

S151，根据该匹配结果获取目标音量值；

S152，将该终端的音量调节为该目标音量值。

终端得到第二参数与音量调节模型之间的匹配结果后，当该匹配结果为匹配成功时，终端可以确定与该第二参数匹配成功的子模型。随后，终端根据匹配成功的子模型获取目标音量值，并将该终端的音量调节为该目标音量值，如图7所示。

例如，该第二参数中的环境噪声值为60dB(分贝)，终端与用户面部之间的距离为10cm(厘米)，则与该第二参数匹配成功的子模型为表1中的子模型n2。该子模型n2对应的音量值为80。随后，终端可以将音量调节为80。

在一些实施例中，如图4所示，步骤S151、根据该匹配结果获取目标音量值，包括以下步骤：

S1511，根据该匹配结果获取音量调节幅度；

S1512，获取该终端的当前音量值；

S1513，根据该音量调节幅度以及该当前音量值计算目标音量值。

在本实施例中，音量调节模型可以包括音量调节幅度、环境噪声值、距离之间的对应关系。该音量调节模型可以包括多个子模型。例如，该音量调节模型可以是如表2所示的音量调节模型。

子模型	环境噪声值(dB)	距离(cm)	音量调节幅度
				子模型1	20	5	10％
子模型2	20	10	20％
				……	……	……	……
子模型n1	60	5	30％
				子模型n2	60	10	40％

表2

其中，音量调节幅度表示音量的增加幅度。例如，音量调节幅度为10％表示将音量调大10％。

终端得到第二参数与音量调节模型之间的匹配结果后，当该匹配结果为匹配成功时，终端可以确定与该第二参数匹配成功的子模型。随后，终端根据匹配成功的子模型获取音量调节幅度。例如，第二参数中的环境噪声值为20dB，终端与用户面部之间的距离为10cm，则与该第二参数匹配成功的子模型为表2中的子模型2。该子模型2对应的音量调节幅度为20％。

随后，终端获取当前音量值，并根据该音量调节幅度以及该当前音量值计算目标音量值。例如，终端获取到的当前音量值为50，音量调节幅度为20％，则可以计算出目标音量值为60。

在一些实施例中，如图5所示，步骤S150、根据该匹配结果对该终端的音量进行调节，包括以下步骤：

S153，当该匹配结果为匹配失败时，判断该第二参数中的环境噪声值是否大于预设噪声阈值；

S154，若该环境噪声值大于该预设噪声阈值，则将该终端的音量调节为预设音量值。

其中，当第二参数与该音量调节模型之间的匹配结果为匹配失败时，也即该音量调节模型中不存在与该第二参数匹配的子模型时，终端判断该第二参数中的环境噪声值是否大于预设噪声阈值。该预设噪声阈值可以是预先设置在该终端中的一个噪声值。例如，该预设噪声阈值可以是60dB。

若该环境噪声值大于该预设噪声阈值，则将该终端的音量调节为预设音量值。其中，该预设音量值可以是预先设置在该终端中的一个音量值。例如，预设音量值为80。例如，环境噪声值为80dB，则可以判断出该环境噪声值大于该预设噪声阈值60dB，随后终端将音量调节为该预设音量值80。

当该环境噪声值不大于该预设噪声阈值时，终端可以维持当前音量不变。

在一些实施例中，如图6所示，步骤S150、根据该匹配结果对该终端的音量进行调节，包括以下步骤：

S155，当该匹配结果为匹配失败时，判断该第二参数中的距离是否大于预设距离阈值；

S156，若该距离大于该预设距离阈值，则将该终端的音量调节为预设音量值。

其中，当该第二参数与该音量调节模型之间的匹配结果为匹配失败时，也即该音量调节模型中不存在与该第二参数匹配的子模型时，终端判断该第二参数中的距离是否大于预设距离阈值。该预设距离阈值可以是预先设置在该终端中的一个距离值。例如，该预设距离阈值可以是30cm。

若该距离大于该预设距离阈值，则将该终端的音量调节为预设音量值。其中，该预设音量值可以是预先设置在该终端中的一个音量值。例如，预设音量值为80。例如，第二参数中的距离为40cm，则可以判断出该距离大于该预设距离阈值，随后终端将音量调节为该预设音量值80。

当该第二参数中的距离不大于该预设距离阈值时，终端可以维持当前音量不变。

具体实施时，本发明不受所描述的各个步骤的执行顺序的限制，在不产生冲突的情况下，某些步骤还可以采用其它顺序进行或者同时进行。

由上可知，本发明实施例提供的音量调节方法，多次获取终端处于通话过程中的第一参数；基于预设机器学习算法，对获取到的多个该第一参数进行训练，以生成音量调节模型；当该终端进入通话状态时，获取第二参数；将该第二参数与该音量调节模型进行匹配，以得到匹配结果；根据该匹配结果对该终端的音量进行调节。该方案中，终端根据第二参数与音量调节模型之间的匹配结果对该终端的音量进行调节，从而当终端进入通话状态时，该终端可以结合所处的场景智能化地将该终端的音量调节至最适合用户的音量，无需用户进行操作，可以提高终端的便利性。

本发明实施例还提供一种音量调节装置，该装置可以集成在终端中，该终端可以是智能手机、平板电脑等设备。

如图8所示，音量调节装置200可以包括：第一获取模块201、训练模块202、第二获取模块203、匹配模块204以及调节模块205。

第一获取模块201，用于多次获取终端处于通话过程中的第一参数，该第一参数包括该终端的音量值、该终端所处环境的环境噪声值以及该终端与用户面部之间的距离。

其中，当终端向其他终端的呼出电话被接通后，或者终端的来电呼入被接通后，可以认为该终端处于通话过程中。此时，第一获取模块201可以获取第一参数。该第一参数包括该终端的音量值、该终端所处环境的环境噪声值以及该终端与用户面部之间的距离。

可以理解的，该终端的音量值为该终端播放通话内容时的音量大小值。该音量值可以是终端通过扬声器播放通话内容时的音量值，也可以是终端通过耳机播放通话内容时的音量值。

该终端所处环境的环境噪声值也即用户所处环境的环境噪声值。该环境噪声值为该用户之外的其他人或物体所发出的声音。例如，该用户之外的其他人的说话声，或者电视机播放节目时的声音等。

该终端与用户面部之间的距离可以为该终端的受话器或者扬声器与用户面部之间的距离。

训练模块202，用于基于预设机器学习算法，对获取到的多个该第一参数进行训练，以生成音量调节模型，该音量调节模型包括音量值与环境噪声值以及距离之间的对应关系。

其中，该预设机器学习算法可以包括但不限于协同过滤(CF，CollaborativeFiltering)算法、奇异值分解(SVD，Singular Value Decomposition)算法、神经网络算法(Neural network algorithm)等。

训练模块202根据该预设机器学习算法对获取到的多个该第一参数进行训练，以生成音量调节模型。可以理解的，训练过程中，训练模块202可以不断对获取到的多个该第一参数进行学习，以不断对生成的音量调节模型进行完善。

在一些实施例中，该音量调节模型包括音量值、环境噪声值、距离之间的对应关系。该音量调节模型可以包括多个子模型。例如，该音量调节模型可以是如表3所示的音量调节模型。

表3

第二获取模块203，用于当该终端进入通话状态时，获取第二参数，该第二参数包括该终端所处环境的环境噪声值以及该终端与用户面部之间的距离。

其中，当检测到终端进入通话状态时，第二获取模块203获取第二参数。该第二参数包括该终端所处环境的环境噪声值以及该终端与用户面部之间的距离。

其中，当该终端向其他终端的呼出电话被接通时，或者该终端的来电呼入被接通时，可以认为该终端进入通话状态，此时第二获取模块203获取上述第二参数。

匹配模块204，用于将该第二参数与该音量调节模型进行匹配，以得到匹配结果。

其中，第二获取模块203获取到第二参数后，匹配模块204将该第二参数与该音量调节模型进行匹配，以得到匹配结果。该匹配结果可以包括匹配成功和匹配失败。其中，匹配成功时，匹配结果可以包括该第二参数与该音量调节模型中的哪一个子模型匹配成功。匹配失败表示该音量调节模型中没有与该第二参数匹配成功的子模型。

调节模块205，用于根据该匹配结果对该终端的音量进行调节。

匹配模块204获取到第二参数与音量调节模型之间的匹配结果后，调节模块205根据该匹配结果对该终端的音量进行调节。其中，对音量进行调节时，可以是将音量调大，也可以是将音量调小，还可以是维持音量不变。

调节模块205根据第二参数与音量调节模型之间的匹配结果对该终端的音量进行调节，从而当终端进入通话状态时，终端可以结合所处的场景智能化地将该终端的音量调节至最适合用户的音量，无需用户进行操作，可以提高终端的便利性。

在一些实施例中，如图9所示，第一获取模块201包括：采集子模块2011、滤除子模块2012、确定子模块2013。

采集子模块2011，用于当终端处于通话过程时，多次采集该终端所处环境的第一声音信号；

滤除子模块2012，用于滤除该第一声音信号中的第一人声信号，以获取第二声音信号，该第一人声信号为该第一声音信号中强度值最大的人声信号；

确定子模块2013，用于将该第二声音信号的强度值确定为环境噪声值。

其中，终端处于通话过程时，采集子模块2011可以多次采集该终端所处环境的第一声音信号，并依次对采集到的多个第一声音信号进行处理。该第一声音信号为该终端周围所有人以及物体所发出的声音。也即，该第一声音信号可以包括该终端周围多个人的说话声、该终端周围多个物体所发出的声音。需要说明的是，该第一声音信号包括该终端的用户的说话声。

对该第一声音信号进行处理时，滤除子模块2012可以滤除该第一声音信号中的第一人声信号，以获取第二声音信号。其中，该第一人声信号为该第一声音信号中强度值最大的人声信号。可以理解的，该终端周围可以存在多个人同时说话。其中，该终端的用户距离该终端最近，从而该终端的用户的说话声其声音强度在该多个人的说话声中是最强的。因此，上述第一人声信号可以理解为该终端的用户说话时所发出的人声信号。

其中，滤除子模块2012可以对第一声音信号进行分析，根据该第一声音信号中的不同音色或不同音调来提取多个人的人声信号。随后，对提取到的多个人声信号的强度值进行检测，以确定该多个人声信号中强度值最大的人声信号。随后，滤除子模块2012可以通过滤波电路等方式将该强度值最大的人声信号进行滤除，以获取滤除该第一人声信号后的第二声音信号，并由确定子模块2013将该第二声音信号的强度值确定为环境噪声值。

另一方面，第一获取模块201可以通过查询该终端中音频电路的参数来获取该终端的音量值。

该终端中包括接近传感器。该接近传感器可以是例如红外传感器、超声波传感器等类型的传感器。第一获取模块201可以通过接近传感器来检测该终端与用户面部之间的距离。

在一些实施例中，如图10所示，调节模块205包括：获取子模块2051、调节子模块2052。

获取子模块2051，用于根据该匹配结果获取目标音量值；

调节子模块2052，用于将该终端的音量调节为该目标音量值。

匹配模块204得到第二参数与音量调节模型之间的匹配结果后，当该匹配结果为匹配成功时，匹配模块204可以确定与该第二参数匹配成功的子模型。随后，获取子模块2051根据匹配成功的子模型获取目标音量值，并由调节子模块2052将该终端的音量调节为该目标音量值。

例如，该第二参数中的环境噪声值为60dB(分贝)，终端与用户面部之间的距离为10cm(厘米)，则与该第二参数匹配成功的子模型为表3中的子模型n2。该子模型n2对应的音量值为80。随后，调节子模块2052可以将音量调节为80。

在一些实施例中，获取子模块2051用于执行以下步骤：

根据该匹配结果获取音量调节幅度；

获取该终端的当前音量值；

根据该音量调节幅度以及该当前音量值计算目标音量值。

在本实施例中，音量调节模型可以包括音量调节幅度、环境噪声值、距离之间的对应关系。该音量调节模型可以包括多个子模型。例如，该音量调节模型可以是如表4所示的音量调节模型。

子模型	环境噪声值(dB)	距离(cm)	音量调节幅度
				子模型1	20	5	10％
子模型2	20	10	20％
				……	……	……	……
子模型n1	60	5	30％
				子模型n2	60	10	40％

表4

其中，音量调节幅度表示音量的增加幅度。例如，音量调节幅度为10％表示将音量调大10％。

匹配模块204得到第二参数与音量调节模型之间的匹配结果后，当该匹配结果为匹配成功时，匹配模块204可以确定与该第二参数匹配成功的子模型。随后，获取子模块2051根据匹配成功的子模型获取音量调节幅度。例如，第二参数中的环境噪声值为20dB，终端与用户面部之间的距离为10cm，则与该第二参数匹配成功的子模型为表2中的子模型2。该子模型2对应的音量调节幅度为20％。

随后，获取子模块2051获取当前音量值，并根据该音量调节幅度以及该当前音量值计算目标音量值。例如，获取子模块2051获取到的当前音量值为50，音量调节幅度为20％，则可以计算出目标音量值为60。

在一些实施例中，调节模块205用于执行以下步骤：

当该匹配结果为匹配失败时，判断该第二参数中的环境噪声值是否大于预设噪声阈值；

若该环境噪声值大于该预设噪声阈值，则将该终端的音量调节为预设音量值。

其中，当第二参数与该音量调节模型之间的匹配结果为匹配失败时，也即该音量调节模型中不存在与该第二参数匹配的子模型时，调节模块205判断该第二参数中的环境噪声值是否大于预设噪声阈值。该预设噪声阈值可以是预先设置在该终端中的一个噪声值。例如，该预设噪声阈值可以是60dB。

若该环境噪声值大于该预设噪声阈值，则调节模块205将该终端的音量调节为预设音量值。其中，该预设音量值可以是预先设置在该终端中的一个音量值。例如，预设音量值为80。例如，环境噪声值为80dB，则可以判断出该环境噪声值大于该预设噪声阈值60dB，随后调节模块205将音量调节为该预设音量值80。

当该环境噪声值不大于该预设噪声阈值时，调节模块205可以维持当前音量不变。

在一些实施例中，调节模块205用于执行以下步骤：

当该匹配结果为匹配失败时，判断该第二参数中的距离是否大于预设距离阈值；

若该距离大于该预设距离阈值，则将该终端的音量调节为预设音量值。

其中，当该第二参数与该音量调节模型之间的匹配结果为匹配失败时，也即该音量调节模型中不存在与该第二参数匹配的子模型时，调节模块205判断该第二参数中的距离是否大于预设距离阈值。该预设距离阈值可以是预先设置在该终端中的一个距离值。例如，该预设距离阈值可以是30cm。

若该距离大于该预设距离阈值，则调节模块205将该终端的音量调节为预设音量值。其中，该预设音量值可以是预先设置在该终端中的一个音量值。例如，预设音量值为80。例如，第二参数中的距离为40cm，则可以判断出该距离大于该预设距离阈值，随后调节模块205将音量调节为该预设音量值80。

当该第二参数中的距离不大于该预设距离阈值时，调节模块205可以维持当前音量不变。

具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现。

由上可知，本发明实施例提供的音量调节装置200，通过第一获取模块201多次获取终端处于通话过程中的第一参数；训练模块202基于预设机器学习算法，对获取到的多个该第一参数进行训练，以生成音量调节模型；第二获取模块203当该终端进入通话状态时，获取第二参数；匹配模块204将该第二参数与该音量调节模型进行匹配，以得到匹配结果；调节模块205根据该匹配结果对该终端的音量进行调节。该方案中，调节模块205根据第二参数与音量调节模型之间的匹配结果对该终端的音量进行调节，从而当终端进入通话状态时，该终端可以结合所处的场景智能化地将该终端的音量调节至最适合用户的音量，无需用户进行操作，可以提高终端的便利性。

本发明实施例还提供一种终端。该终端可以是智能手机、平板电脑等设备。如图11所示，终端300包括处理器301和存储器302。其中，处理器301与存储器302电性连接。

处理器301是终端300的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或加载存储在存储器302内的应用程序，以及调用存储在存储器302内的数据，执行终端的各种功能和处理数据，从而对终端进行整体监控。

在本实施例中，终端300中的处理器301会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器302中，并由处理器301来运行存储在存储器302中的应用程序，从而实现各种功能：

多次获取终端处于通话过程中的第一参数，所述第一参数包括所述终端的音量值、所述终端所处环境的环境噪声值以及所述终端与用户面部之间的距离；

基于预设机器学习算法，对获取到的多个所述第一参数进行训练，以生成音量调节模型，所述音量调节模型包括音量值与环境噪声值以及距离之间的对应关系；

当所述终端进入通话状态时，获取第二参数，所述第二参数包括所述终端所处环境的环境噪声值以及所述终端与用户面部之间的距离；

将所述第二参数与所述音量调节模型进行匹配，以得到匹配结果；

根据所述匹配结果对所述终端的音量进行调节。

在一些实施例中，多次获取终端处于通话过程中的第一参数时，处理器301执行以下步骤：当终端处于通话过程时，多次采集所述终端所处环境的第一声音信号；滤除所述第一声音信号中的第一人声信号，以获取第二声音信号，所述第一人声信号为所述第一声音信号中强度值最大的人声信号；将所述第二声音信号的强度值确定为环境噪声值。

在一些实施例中，根据所述匹配结果对所述终端的音量进行调节时，处理器301执行以下步骤：根据所述匹配结果获取目标音量值；将所述终端的音量调节为所述目标音量值。

在一些实施例中，根据所述匹配结果获取目标音量值时，处理器301执行以下步骤：根据所述匹配结果获取音量调节幅度；获取所述终端的当前音量值；根据所述音量调节幅度以及所述当前音量值计算目标音量值。

在一些实施例中，根据所述匹配结果对所述终端的音量进行调节时，处理器301执行以下步骤：当所述匹配结果为匹配失败时，判断所述第二参数中的环境噪声值是否大于预设噪声阈值；若所述环境噪声值大于所述预设噪声阈值，则将所述终端的音量调节为预设音量值。

在一些实施例中，根据所述匹配结果对所述终端的音量进行调节时，处理器301执行以下步骤：当所述匹配结果为匹配失败时，判断所述第二参数中的距离是否大于预设距离阈值；若所述距离大于所述预设距离阈值，则将所述终端的音量调节为预设音量值。

存储器302可用于存储应用程序和数据。存储器302存储的应用程序中包含有可在处理器中执行的指令。应用程序可以组成各种功能模块。处理器301通过运行存储在存储器302的应用程序，从而执行各种功能应用以及数据处理。

在一些实施例中，如图12所示，终端300还包括：射频电路303、显示屏304、控制电路305、输入单元306、音频电路307、传感器308以及电源309。其中，处理器301分别与射频电路303、显示屏304、控制电路305、输入单元306、音频电路307、传感器308以及电源309电性连接。

射频电路303用于收发射频信号，以通过无线通信与网络设备或其他终端进行通信。

显示屏304可用于显示由用户输入的信息或提供给用户的信息以及终端的各种图形用户接口，这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。

控制电路305与显示屏304电性连接，用于控制显示屏304显示信息。

输入单元306可用于接收输入的数字、字符信息或用户特征信息(例如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中，输入单元306可以包括指纹识别模组。

音频电路307可通过扬声器、传声器提供用户与终端之间的音频接口，以向用户输出声音信号。

传感器308用于采集外部环境信息。传感器308可以包括环境亮度传感器、加速度传感器、陀螺仪等传感器中的一种或多种。

电源309用于给终端300的各个部件供电。在一些实施例中，电源309可以通过电源管理系统与处理器301逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管图12中未示出，终端300还可以包括摄像头、蓝牙模块等，在此不再赘述。

由上可知，本发明实施例提供了一种终端，该终端多次获取自身处于通话过程中的第一参数；基于预设机器学习算法，对获取到的多个该第一参数进行训练，以生成音量调节模型；当该终端进入通话状态时，获取第二参数；将该第二参数与该音量调节模型进行匹配，以得到匹配结果；根据该匹配结果对该终端的音量进行调节。该方案中，终端根据第二参数与音量调节模型之间的匹配结果对该终端的音量进行调节，从而当终端进入通话状态时，该终端可以结合所处的场景智能化地将该终端的音量调节至最适合用户的音量，无需用户进行操作，可以提高终端的便利性。

本发明实施例还提供一种存储介质，该存储介质中存储有多条指令，该指令适于由处理器加载以执行上述任一实施例所述的音量调节方法。

需要说明的是，本领域普通技术人员可以理解上述实施例的各种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来完成，该程序可以存储于计算机可读存储介质中，该存储介质可以包括但不限于：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。

以上对本发明实施例所提供的音量调节方法、装置、存储介质及终端进行了详细介绍，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 (8)

1.一种音量调节方法，其特征在于，包括：

多次获取终端处于通话过程中的第一参数，所述第一参数包括所述终端的音量值、所述终端所处环境的环境噪声值以及所述终端与用户面部之间的距离，当终端处于通话过程时，多次采集所述终端所处环境的第一声音信号，所述第一声音信号为所述终端周围所有人以及物体所发出的声音，滤除所述第一声音信号中的第一人声信号，以获取第二声音信号，所述第一人声信号为所述第一声音信号中强度值最大的人声信号，将所述第二声音信号的强度值确定为环境噪声值；

基于预设机器学习算法，对获取到的多个所述第一参数进行训练，以生成音量调节模型，所述音量调节模型包括音量值与环境噪声值以及距离之间的对应关系，所述音量调节模型包括多个子模型；

当所述终端进入通话状态时，获取第二参数，所述第二参数包括所述终端所处环境的环境噪声值以及所述终端与用户面部之间的距离；

将所述第二参数与所述音量调节模型进行匹配，以得到匹配结果；具体包括：将所述第二参数与所述音量调节模型中的子模型进行匹配，以得到目标音量值；

根据所述匹配结果对所述终端的音量进行调节，包括：根据所述目标音量值对所述终端的音量进行调节。

2.根据权利要求1所述的音量调节方法，其特征在于，所述根据所述匹配结果对所述终端的音量进行调节的步骤包括：

根据所述匹配结果获取目标音量值；

将所述终端的音量调节为所述目标音量值。

3.根据权利要求2所述的音量调节方法，其特征在于，所述根据所述匹配结果获取目标音量值的步骤包括：

根据所述匹配结果获取音量调节幅度；

获取所述终端的当前音量值；

根据所述音量调节幅度以及所述当前音量值计算目标音量值。

4.根据权利要求1所述的音量调节方法，其特征在于，所述根据所述匹配结果对所述终端的音量进行调节的步骤包括：

当所述匹配结果为匹配失败时，判断所述第二参数中的环境噪声值是否大于预设噪声阈值；

若所述环境噪声值大于所述预设噪声阈值，则将所述终端的音量调节为预设音量值。

5.根据权利要求1所述的音量调节方法，其特征在于，所述根据所述匹配结果对所述终端的音量进行调节的步骤包括：

当所述匹配结果为匹配失败时，判断所述第二参数中的距离是否大于预设距离阈值；

若所述距离大于所述预设距离阈值，则将所述终端的音量调节为预设音量值。

6.一种音量调节装置，其特征在于，包括：

第一获取模块，用于多次获取终端处于通话过程中的第一参数，所述第一参数包括所述终端的音量值、所述终端所处环境的环境噪声值以及所述终端与用户面部之间的距离，当终端处于通话过程时，多次采集所述终端所处环境的第一声音信号，所述第一声音信号为所述终端周围所有人以及物体所发出的声音，滤除所述第一声音信号中的第一人声信号，以获取第二声音信号，所述第一人声信号为所述第一声音信号中强度值最大的人声信号，将所述第二声音信号的强度值确定为环境噪声值；

训练模块，用于基于预设机器学习算法，对获取到的多个所述第一参数进行训练，以生成音量调节模型，所述音量调节模型包括音量值与环境噪声值以及距离之间的对应关系，所述音量调节模型包括多个子模型；

第二获取模块，用于当所述终端进入通话状态时，获取第二参数，所述第二参数包括所述终端所处环境的环境噪声值以及所述终端与用户面部之间的距离；

匹配模块，用于将所述第二参数与所述音量调节模型进行匹配，以得到匹配结果；具体包括：将所述第二参数与所述音量调节模型中的子模型进行匹配，以得到目标音量值；

调节模块，用于根据所述匹配结果对所述终端的音量进行调节，包括：根据所述目标音量值对所述终端的音量进行调节。

7.一种存储介质，其特征在于，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行权利要求1至5任一项所述的音量调节方法。

8.一种终端，其特征在于，包括处理器和存储器，所述存储器中存储有多条指令，所述处理器加载所述指令以执行权利要求1至5任一项所述的音量调节方法。