CN107872555A - 通话录音方法、装置、终端设备及计算机可读存储介质 - Google Patents

Abstract

本发明实施例公开了一种通话录音方法、装置、终端设备及计算机可读存储介质，该方法包括：在通话建立后，获取对端发送的预置时长内的通话语音信号，对通话语音信号进行声纹特征解析，得到通话语音信号包含的第一声纹特征，将第一声纹特征与预置的声纹特征模板库进行匹配，根据匹配结果确定是否进行通话录音，声纹特征模板库包含需要录音的通话对象的声纹特征模板，将第一声纹特征与声纹特征模板库进行匹配，可以确定对端的通话语音信号中是否包含需要进行录音的通话对象的声纹特征，从而可以自动的确定是否进行通话录音，而不需要用户手动操作移动电话进行通话录音，操作简单，尤其是在行车过程中，因不需要用户手动操作移动，保障用户安全。

Description

通话录音方法、装置、终端设备及计算机可读存储介质

技术领域

本发明涉及通信领域，尤其涉及一种通话录音方法、装置、终端设备及计算机可读存储介质。

背景技术

由于移动电话的飞速发展，移动电话现已成为沟通联络的必不可少的工具，而用户对移动电话的功能需求也越来越多，例如通话录音功能，现有的通话录音方法是，当需要对指定的对端联系人进行通话录音时，需要本端通话者手动点击录音按钮或对触摸屏进行压力触碰，触发移动电话进行通话录音，但是，上述方法需要用户手动操作移动电话，操作繁琐，尤其是在行车过程中，若用户手动操作移动电话进行通话录音，存在安全隐患。

因此，现有技术中存在着当需要对指定的对端联系人进行通话录音时，需要用户手动操作移动电话进行通话录音，操作繁琐，尤其是在行车过程中，若用户手动操作移动电话进行通话录音，存在安全隐患。

发明内容

本发明实施例的主要目的在于提供一种通话录音方法、装置、终端设备及计算机可读存储介质，解决现有技术中存在的当需要对指定的对端联系人进行通话录音时，需要用户手动操作移动电话进行通话录音，操作繁琐，尤其是在行车过程中，若用户手动操作移动电话进行通话录音，存在安全隐患的技术问题。

为实现上述目的，本发明实施例第一方面提供一种通话录音方法，所述方法包括：

在通话建立后，获取对端发送的预置时长内的通话语音信号；

对所述通话语音信号进行声纹特征解析，得到所述通话语音信号包含的第一声纹特征；

将所述第一声纹特征与预置的声纹特征模板库进行匹配，根据匹配结果确定是否进行通话录音，所述声纹特征模板库包含需要录音的通话对象的声纹特征模板。

为实现上述目的，本发明实施例第二方面提供一种通话录音装置，所述装置包括：

第一获取模块，用于在通话建立后，获取对端发送的预置时长内的通话语音信号；

第一解析模块，用于对所述通话语音信号进行声纹特征解析，得到所述通话语音信号包含的第一声纹特征；

匹配确定模块，用于将所述第一声纹特征与预置的声纹特征模板库进行匹配，根据匹配结果确定是否进行通话录音，所述声纹特征模板库包含需要录音的通话对象的声纹特征模板。

为实现上述目的，本发明实施例第三方面提供一种终端设备，包括：存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现第一方面所述的通话录音方法中的各个步骤。

为实现上述目的，本发明实施例第四方面提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现第一方面所述的通话录音方法中的各个步骤。

本发明实施例提供一种通话录音方法，该方法包括：在通话建立后，获取对端发送的预置时长内的通话语音信号，对通话语音信号进行声纹特征解析，得到通话语音信号包含的第一声纹特征，将第一声纹特征与预置的声纹特征模板库进行匹配，根据匹配结果确定是否进行通话录音，声纹特征模板库包含需要录音的通话对象的声纹特征模板。与现有技术相比，在终端设备中预置声纹特征模板库，因该声纹特征模板库包含了需要录音的通话对象的声纹特征模板，则通过将通话中的对端的通话语音信号包含的第一声纹特征与需要进行录音的若干通话对象的声纹特征模板进行匹配，可以确定对端的通话语音信号中是否包含需要进行录音的通话对象的声纹特征，从而可以自动的确定是否进行通话录音，而不需要用户手动操作移动电话进行通话录音，操作简单，尤其是在行车过程中，因不需要用户手动操作移动，保障用户安全。

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为一种终端设备的结构框图；

图2为本发明第一实施例提供的通话录音方法的流程示意图；

图3为本发明第二实施例提供的通话录音方法的流程示意图；

图4为本发明第一实施例及第二实施例的追加步骤的流程示意图；

图5为本发明第三实施例提供的通话录音装置的结构示意图；

图6为本发明第四实施例提供的通话录音装置的结构示意图；

图7为本发明第三实施例及第四实施例的追加装置的结构示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，而非全部实施例。基于本发明中的实施例，本领域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，都属于本发明保护的范围。

图1示出了一种终端设备的结构框图。本发明实施例提供的通话录音方法可应用于如图1所示的终端设备10中，终端设备10可以但不限于包括：需依靠电池维持正常运行且支持网络及下载功能的智能手机、笔记本、平板电脑、穿戴智能设备等。

如图1所示，终端设备10包括存储器101、存储控制器102，一个或多个(图中仅示出一个)处理器103、外设接口104、射频模块105、按键模块106、音频模块107以及触控屏幕108。这些组件通过一条或多条通讯总线/信号线109相互通讯。

可以理解，图1所示的结构仅为示意，其并不对终端设备的结构造成限定。终端设备10还可包括比图1所示更多或者更少的组件，或者具有与图1所示不同的配置。图1所示的各组件可以采用硬件、软件或其组合实现。

存储器101可用于存储软件程序以及模块，如本发明实施例中的通话录音方法及终端设备对应的程序指令/模块，处理器103通过运行存储在存储器101内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的通话录音方法。

存储器101可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器101可进一步包括相对于处理器103远程设置的存储器，这些远程存储器可以通过网络连接至终端设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。处理器103以及其他可能的组件对存储器101的访问可在存储控制器102的控制下进行。

外设接口104将各种输入/输入装置耦合至CPU以及存储器101。处理器103运行存储器101内的各种软件、指令以执行终端设备10的各种功能以及进行数据处理。

在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

射频模块105用于接收以及发送电磁波，实现电磁波与电信号的相互转换，从而与通讯网络或者其他设备进行通讯。射频模块105可包括各种现有的用于执行这些功能的电路元件，例如，天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(SIM)卡、存储器等等。射频模块105可与各种网络如互联网、企业内部网、预置类型的无线网络进行通讯或者通过预置类型的无线网络与其他设备进行通讯。上述的预置类型的无线网络可包括蜂窝式电话网、无线局域网或者城域网。上述的预置类型的无线网络可以使用各种通信标准、协议及技术，包括但并不限于全球移动通信系统(Global System for MobileCommunication，GSM)，增强型移动通信技术(Enhanced Data GSM Environment，EDGE)，宽带码分多址技术(Wideband Code Division Multiple Access，W-CDMA)，码分多址技术(Code Division Access，CDMA)，时分多址技术(Time Division Multiple Access，TDMA)，蓝牙，无线保真技术(Wireless-Fidelity，WiFi)(如美国电气和电子工程师协会标准IEEE802.11a、IEEE 802.11b、IEEE802.11g和/或IEEE 802.11n)，网络电话(Voice overInternet Protocal,VoIP)，全球微波互联接入(Worldwide Interoperability forMicrowave Access，Wi-Max)，其他用于邮件、即时通讯及短消息的协议，以及任何其他合适的通讯协议。

按键模块106提供用户向终端设备进行输入的接口，用户可以通过按下不同的按键以使终端设备10执行不同的功能。

音频模块107向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。音频电路从外设接口104处接收声音数据，将声音数据转换为电信息，将电信息传输至扬声器。扬声器将电信息转换为人耳能听到的声波。音频电路还从麦克风处接收电信息，将电信号转换为声音数据，并将声音数据传输至外设接口104中以进行进一步的处理。音频数据可以从存储器101处或者通过射频模块105获取。此外，音频数据也可以存储至存储器101中或者通过射频模块105进行发送。在一些实例中，音频模块107还可包括一个耳机播孔，用于向耳机或者其他设备提供音频接口。

触控屏幕108在终端设备与用户之间同时提供一个输出及输入界面。具体地，触控屏幕108向用户显示视频输出，这些视频输出的内容可包括文字、图形、视频、及其任意组合。一些输出结果是对应于一些用户界面对象。触控屏幕108还接收用户的输入，例如用户的点击、滑动等手势操作，以便用户界面对象对这些用户的输入做出响应。检测用户输入的技术可以是基于电阻式、电容式或者其他任意可能的触控检测技术。触控屏幕108显示单元的具体实例包括但并不限于液晶显示器或发光聚合物显示器。

基于上述终端设备描述本发明实施例中通话录音方法。

由于现有技术中，存在着当需要对指定的对端联系人进行通话录音时，需要用户手动操作移动电话进行通话录音，操作繁琐，尤其是在行车过程中，若用户手动操作移动电话进行通话录音，存在安全隐患的技术问题。

为了解决上述问题，本发明实施例提出一种通话录音方法，在终端设备中预置声纹特征模板库，因该声纹特征模板库包含了需要录音的通话对象的声纹特征模板，则通过将通话中的对端的通话语音信号包含的第一声纹特征与需要进行录音的若干通话对象的声纹特征模板进行匹配，可以确定对端的通话语音信号中是否包含需要进行录音的通话对象的声纹特征，从而可以自动的确定是否进行通话录音，而不需要用户手动操作移动电话进行通话录音，操作简单，尤其是在行车过程中，因不需要用户手动操作移动，保障用户安全。

请参阅图2，为本发明第一实施例中一种通话录音方法的流程示意图，该方法包括：

步骤201、在通话建立后，获取对端发送的预置时长内的通话语音信号；

在本发明实施例中，通话建立表示本端的终端设备与对端的终端设备已处于接通状态，可以进行通话，其中，本端的终端设备具有通话录音功能，该终端设备包括但不限于移动终端、固定电话、车载蓝牙设备等。在通话建立后，本端的终端设备获取对端的终端设备发送的预置时长内的通话语音信号，其中，该预置时长内的通话语音信号可能为空(即没有任何声音)，也可能不为空。

其中，该预置时长可以是系统预先设置的，也可以是用户预先设置的，例如，该预置时长可以为3秒、4秒等，用户也可根据实际需求进行修改。

步骤202、对所述通话语音信号进行声纹特征解析，得到所述通话语音信号包含的第一声纹特征；

在本发明实施例中，对端发送的通话语音信号可能包含对端通话者自身的声音，也可能包含其他来源的声音，其他来源的声音可以为路人的说话声、汽车鸣笛声、风声等。对包含了多种声音的通话语音信号进行声纹特征解析，可以得到每种声音对应的声纹特征，该通话语音信号中所有声音对应的声纹特征组成了第一声纹特征。

其中，声纹特征是声音(即通话语音信号)主要的物理参数，声音的声纹特征可以用电学仪器显示，声纹特征在用电学仪器显示时，是可以观看到的携带信息的声波频谱，每一个声音的声纹特征都是不相同的，通过声音的声纹特征可以确定不同的的声音。

需要注意的是，若获取的通话语音信号为空(表示对端的终端设备处于一个安静无噪声的环境且对端通话者没有说话)，则对该通话语音信号进行声纹特征解析的时候，没有任何声纹特征，则上述第一声纹特征为空。

步骤203、将所述第一声纹特征与预置的声纹特征模板库进行匹配，根据匹配结果确定是否进行通话录音，所述声纹特征模板库包含需要录音的通话对象的声纹特征模板。

在本发明实施例中，终端设备内预置了一个声纹特征模板库，声纹特征模板库包括一个或多个需要录音的通话对象的声纹特征模板，具体设置方式可以有两种，第一种是：用户通过点击操作进入终端设备的设置界面，并选择声纹设置功能，以便终端设备的显示界面显示声纹设置的开始按钮，用户点击该按钮之后，让需要录音的通话对象说任意的内容，或者念出显示界面显示的内容，由终端设备上的麦克风采集需要录音的通话对象说的内容，并进行声纹特征的解析，判断解析得到的声纹特征是否符合设置为声纹特征模板的要求，若符合要求，则将得到的声纹特征作为一个声纹特征模板保存至声纹特征模板库中，若不符合要求，则显示提示消息，提示重新进行设置。第二种是：用户在社交平台中，选择待设置为需要录音的通话对象的语音(如通话对象在使用微信、QQ等社交应用程序聊天时发送的语音)，并触发对该语音的声纹特征的解析，终端设备判断解析得到的声纹特征是否符合设置为声纹特征模板的要求，若符合要求，则将得到的声纹特征作为一个声纹特征模板保存至声纹特征模板库中，若不符合要求，则显示提示消息。通过上述方式，可以实现一个或多个需要录音的通话对象在一台终端设备上的声纹特征模板的设置。

在本发明实施例中，第一声纹特征中包含通话语音信号中所有声音对应的声纹特征，将上述第一声纹特征中的每一个声纹特征依次与声纹特征模板库中的每一个声纹特征模板进行匹配，以确定第一声纹特征中是否存在与声纹特征模板库中任一声纹特征模板匹配的声纹特征，并根据匹配结果确定是否进行通话录音。

在本发明实施例中，在终端设备中预置声纹特征模板库，因该声纹特征模板库包含了需要录音的通话对象的声纹特征模板，则通过将通话中的对端的通话语音信号包含的第一声纹特征与需要进行录音的若干通话对象的声纹特征模板进行匹配，可以确定对端的通话语音信号中是否包含需要进行录音的通话对象的声纹特征，从而可以自动的确定是否进行通话录音，而不需要用户手动操作移动电话进行通话录音，操作简单，尤其是在行车过程中，因不需要用户手动操作移动，保障用户安全。

请参阅图3，为本发明第二实施例中一种通话录音方法的流程示意图，该方法包括：

步骤301、在通话建立后，获取对端发送的预置时长内的通话语音信号；

步骤302、对所述通话语音信号进行声纹特征解析，得到所述通话语音信号包含的第一声纹特征；

在本发明实施例中，上述步骤301及步骤302描述的内容与第一实施例中的步骤201及步骤202描述的内容一致，此处不再加以赘述。

步骤303、将所述第一声纹特征与预置的声纹特征模板库进行匹配；执行步骤304或者执行步骤305；

步骤304、若所述第一声纹特征中存在与所述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则确定进行录音，并启动通话录音功能；

在本发明实施例中，将解析得到的通话语音信号包含的第一声纹特征与预置的声纹特征模板库进行匹配，若上述第一声纹特征中存在与上述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则表明第一声纹特征中包含需要进行录音的通话对象的声纹特征，确定进行录音，并启动通话录音功能。

步骤305、若所述第一声纹特征中未存在与所述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则将预设的计数值加1，所述计数值的初始值为0；

终端设备内置一个计数器，计数器的值为计数值，且该值的初始值为0，且该计数器的值也可以通过重置的方式归零，该计数值表示确定解析得到的第一声纹特征中未存在与上述声纹特征模板库中的任一声纹特征模板匹配的声纹特征的次数。

在本发明实施例中，将上述第一声纹特征与预置的声纹特征模板库进行匹配，上述第一声纹特征中未存在与上述声纹特征模板库中的任一声纹特征模板匹配的声纹特征的情况有两种，第一种是对端通话者不是一个需要录音的通话对象，上述声纹特征模板库中没有保存该对端通话者的声纹特征模板；第二种是对端通话者是需要录音的通话对象，但是接收到的对端发送的语音通话信号中并未包含该对端通话者的声音。对于第二种情况，为了避免将需要进行录音的情况错误的确定为不需要进行录音，利用上述计数值来计数，以便可通过多次接收对端发送的通话语音信号的方式进行是否需要录音的判断，能够有效的提高判断是否要进行录音的准确性。

步骤306、若所述计数值小于预设阈值，则返回步骤301；

在本发明实施例中，在上述第一声纹特征中未存在与上述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，且计数值小于预设阈值时，为了避免将需要进行录音的情况错误的确定为不需要进行录音，则返回步骤301，再一次获取对端发送的预置时长内的通话语音信号，并对再次获取的通话语音信号进行声纹特征解析，例如，预设阈值为4，当前计数值为3，计数值小于预设阈值，返回步骤301，再一次获取对端发送的预置时长内的通话语音信号。

其中，该预设阈值可为4、5等，用户可根据实际需求进行设置。

步骤307、若所述计数值等于所述预设阈值，则确定不需要对所述通话进行录音。

在本发明实施例中，在计数值等于预设阈值的时候，通过预设阈值次数的匹配，可以确定对端发送的通话语音信号的第一声纹特征中并不存在需要进行录音的通话对象的声纹特征，确定不需要对该通话进行录音。且还将上述的计数值归零。

在本发明实施例中，在上述第一声纹特征中未存在与上述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则将预设的计数值加1，并判断计数值与预设阈值的大小，若计数值小于预设阈值，则在再一次获取对端发送的预置时长内的通话语音信号，并继续进行声纹特征解析与匹配，为了避免将需要进行录音的情况错误的确定为不需要进行录音，利用上述计数值来多次进行是否需要进行录音的判断，能够有效的提高确定是否要进行录音的准确性。

请参阅图4，为本发明第一实施例及第二实施例的追加步骤的流程示意图，该追加步骤包括：

步骤401、对采集到的本端的预置时长内的通话语音信号进行声纹特征解析，得到所述本端的通话语音信号包含的第二声纹特征；

在本发明实施例中，在确定对端通话者是需要录音的通话对象，启动通话录音功能后，采集本端的预置时长内的通话语音信号，并对采集到的本端的预置时长内的通话语音信号进行声纹特征解析，得到本端的通话语音信号包含的第二声纹特征。

其中，该预置时长可以是系统预先设置的，也可以是用户预先设置的，该预置时长可为3秒、4秒等，用户可根据实际需求进行修改。

步骤402、将所述第二声纹特征与预置的本端通话者声纹特征模板进行匹配；

在本发明实施例中，终端设备内预置了本端通话者声纹特征模板，本端通话者声纹特征模板包含需要录音的本端通话者的声纹特征模板，具体设置方式是：用户通过点击操作进入终端设备的设置界面，并选择本端通话者声纹设置功能，以便终端设备的显示界面显示本端通话者声纹设置的开始按钮，用户点击该按钮之后说任意的内容，或者念出显示界面显示的内容，由终端设备上的麦克风采集用户说的内容，并进行声纹特征的解析，判断解析得到的声纹特征是否符合作为声纹特征模板的要求，若符合要求，则将得到的声纹特征作为本端通话者声纹特征模板保存在终端设备内，若不符合要求，则显示提示消息，提示重新进行设置。

步骤403、若所述第二声纹特征中未存在与所述本端通话者声纹特征模板匹配的声纹特征，则关闭所述通话录音功能，并删除已保存的录音信号。

在本发明实施例中，若上述第二声纹特征中存在与上述本端通话者声纹特征模板匹配的声纹特征，则表明本端通话者是需要录音的通话者，若上述第二声纹特征中未存在与上述本端通话者声纹特征模板匹配的声纹特征，则确定不进行录音，由于此时通话录音功能已开启，且已进行了录音，为了避免对不必要的通话进行录音，将关闭通话录音功能，并删除已保存的录音信号。例如：在启动通话录音功能之后，若采集到的本端的通话语音信号包含的第二声纹特征为D特征、E特征、F特征，将该D特征、E特征、F特征分别与预置的本端通话者声纹特征模板进行匹配，若D特征、E特征、F特征都不与本端通话者声纹特征模板匹配，则确定本端通话者不是需要录音的通话者，关闭通话录音功能，并删除已保存的录音信号，避免对不必要的通话进行录音，减少对终端设备的内存的浪费。若D特征在上述本端通话者声纹特征模板中存在匹配的特征，则继续录音。

可以理解的是，本发明实施例中先判断对端发送的通话语音信号的第一声纹特征中是否包含需要进行录音的通话对象的声纹特征，且在包含的情况下，开启通话录音功能并进行录音，然而，这种方式忽略了本端的情况，因为通常是由本机机主(通常是本端通话者)预先设置需要进行录音的通话对象的声纹特征模板，若仅基于对端发送的通话语音信号确定录音会存在影响本机机主个人权限的情况，同时考虑到，若在确定对端发送的通话语音信号包含需要进行录音的通话对象的声音、及确定本端采集到的通话语音信号包含需要进行录音的本端通话者的声音的情况下再开启通话录音功能，则会存在开启通话录音功能的时间过晚，导致重要信息没有录音的情况，因此，本发明实施例中，在确定开启通话语音功能之后，进一步的确定本端采集到的通话语音信号是否包含需要进行录音的本端通话者的声音，使得能够在保护本端通话者的权限的情况下进行通话录音。

其中，为了避免将本端需要进行录音的情况错误的确定为不需要进行录音，可以参照本发明第二实施例的通过多次接收对端发送的通话语音信号的方式进行是否需要录音的判断的技术方案，本发明实施例也可以通过多次采集本端的通话语音信号的方式进行是否需要录音的判断，能够有效的提高判断是否要进行录音的准确性。

在本发明实施例中，通过上述方式，能够避免对不必要的通话进行录音，减少对终端设备的内存的浪费。

请参阅图5，为本发明第三实施例中一种通话录音装置的结构示意图，该装置包括：

第一获取模块501，用于在通话建立后，获取对端发送的预置时长内的通话语音信号；

在本发明实施例中，通话建立表示本端的终端设备与对端的终端设备已处于接通状态，可以进行通话，其中，本端的终端设备具有通话录音功能，该终端设备包括但不限于移动终端、固定电话、车载蓝牙设备等。在通话建立后，第一获取模块501获取对端的终端设备发送的预置时长内的通话语音信号，其中，该预置时长内的通话语音信号可能为空(即没有任何声音)，也可能不为空。

其中，该预置时长可以是系统预先设置的，也可以是用户预先设置的，例如，该预置时长可以为3秒、4秒等，用户也可根据实际需求进行修改。

第一解析模块502，用于对所述通话语音信号进行声纹特征解析，得到所述通话语音信号包含的第一声纹特征；

在本发明实施例中，对端发送的通话语音信号可能包含对端通话者自身的声音，也可能包含其他来源的声音，其他来源的声音可以为路人的说话声、汽车鸣笛声、风声等。第一解析模块502对包含了多种声音的通话语音信号进行声纹特征解析，可以得到每种声音对应的声纹特征，该通话语音信号中所有声音对应的声纹特征组成了第一声纹特征。

其中，声纹特征是声音(即通话语音信号)主要的物理参数，声音的声纹特征可以用电学仪器显示，声纹特征在用电学仪器显示时，是可以观看到的携带信息的声波频谱，每一个声音的声纹特征都是不相同的，通过声音的声纹特征可以确定不同的的声音。

需要注意的是，若获取的通话语音信号为空(表示对端的终端设备处于一个安静无噪声的环境且对端通话者没有说话)，则第一解析模块502对该通话语音信号进行声纹特征解析的时候，没有任何声纹特征，则上述第一声纹特征为空。

匹配确定模块503，用于将所述第一声纹特征与预置的声纹特征模板库进行匹配，根据匹配结果确定是否进行通话录音，所述声纹特征模板库包含需要录音的通话对象的声纹特征模板。

在本发明实施例中，终端设备内预置了一个声纹特征模板库，声纹特征模板库包括一个或多个需要录音的通话对象的声纹特征模板，具体设置方式可以有两种，第一种是：用户通过点击操作进入终端设备的设置界面，并选择声纹设置功能，以便终端设备的显示界面显示声纹设置的开始按钮，用户点击该按钮之后，让需要录音的通话对象说任意的内容，或者念出显示界面显示的内容，由终端设备上的麦克风采集需要录音的通话对象说的内容，并进行声纹特征的解析，判断解析得到的声纹特征是否符合设置为声纹特征模板的要求，若符合要求，则将得到的声纹特征作为一个声纹特征模板保存至声纹特征模板库中，若不符合要求，则显示提示消息，提示重新进行设置。第二种是：用户在社交平台中，选择待设置为需要录音的通话对象的语音(如通话对象在使用微信、QQ等社交应用程序聊天时发送的语音)，并触发对该语音的声纹特征的解析，终端设备判断解析得到的声纹特征是否符合设置为声纹特征模板的要求，若符合要求，则将得到的声纹特征作为一个声纹特征模板保存至声纹特征模板库中，若不符合要求，则显示提示消息。通过上述方式，可以实现一个或多个需要录音的通话对象在一台终端设备上的声纹特征模板的设置。

在本发明实施例中，第一声纹特征中包含通话语音信号中所有声音对应的声纹特征，匹配确定模块503将上述第一声纹特征中的每一个声纹特征依次与声纹特征模板库中的每一个声纹特征模板进行匹配，以确定第一声纹特征中是否存在与声纹特征模板库中任一声纹特征模板匹配的声纹特征，并根据匹配结果确定是否进行通话录音。

在本发明实施例中，在终端设备中预置声纹特征模板库，因该声纹特征模板库包含了需要录音的通话对象的声纹特征模板，则通过匹配确定模块503将通话中的对端的通话语音信号包含的第一声纹特征与需要进行录音的若干通话对象的声纹特征模板进行匹配，可以确定对端的通话语音信号中是否包含需要进行录音的通话对象的声纹特征，从而可以自动的确定是否进行通话录音，而不需要用户手动操作移动电话进行通话录音，操作简单，尤其是在行车过程中，因不需要用户手动操作移动，保障用户安全。

请参阅图6，为本发明第四实施例中一种通话录音装置的结构示意图，该装置包括：

第一获取模块501，用于在通话建立后，获取对端发送的预置时长内的通话语音信号；

第一解析模块502，用于对所述通话语音信号进行声纹特征解析，得到所述通话语音信号包含的第一声纹特征；

在本发明实施例中，上述第一获取模块501及第一解析模块502描述的内容与第三实施例中的第一获取模块501及第一解析模块502描述的内容一致，此处不再加以赘述。

第一匹配模块601，用于将所述第一声纹特征与预置的声纹特征模板库进行匹配；执行确定启动模块602或者计数模块603；

确定启动模块602，用于若所述第一声纹特征中存在与所述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则确定进行录音，并启动通话录音功能；

在本发明实施例中，将解析得到的通话语音信号包含的第一声纹特征与预置的声纹特征模板库进行匹配，若上述第一声纹特征中存在与上述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则表明第一声纹特征中包含需要进行录音的通话对象的声纹特征，确定启动模块602确定进行录音，并启动通话录音功能。

计数模块603，用于若所述第一声纹特征中未存在与所述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则在所述返回模块执行返回所述第一获取模块之前，将预设的计数值加1，所述计数值的初始值为0；

终端设备内置一个计数模块603，计数模块603的值为计数值，且该值的初始值为0，且该计数模块603的值也可以通过重置的方式归零，该计数值表示确定解析得到的第一声纹特征中未存在与上述声纹特征模板库中的任一声纹特征模板匹配的声纹特征的次数，在上述第一声纹特征中未存在与上述声纹特征模板库中的任一声纹特征模板匹配的声纹特征时，计数模块603将预设的计数值加1。

在本发明实施例中，将上述第一声纹特征与预置的声纹特征模板库进行匹配，上述第一声纹特征中未存在与上述声纹特征模板库中的任一声纹特征模板匹配的声纹特征的情况有两种，第一种是对端通话者不是一个需要录音的通话对象，上述声纹特征模板库中没有保存该对端通话者的声纹特征模板；第二种是对端通话者是需要录音的通话对象，但是接收到的对端发送的语音通话信号中并未包含该对端通话者的声音。对于第二种情况，为了避免将需要进行录音的情况错误的确定为不需要进行录音，利用上述计数值来计数，以便可通过多次接收对端发送的通话语音信号的方式进行是否需要录音的判断，能够有效的提高判断是否要进行录音的准确性。

执行模块604，用于若所述计数值小于预设阈值，则执行所述返回模块605；

在本发明实施例中，在上述第一声纹特征中未存在与上述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，且计数值小于预设阈值时，为了避免将需要进行录音的情况错误的确定为不需要进行录音，则执行返回模块605。

其中，该预设阈值可为4、5等，用户可根据实际需求进行设置。

返回模块605，用于若所述第一声纹特征中未存在与所述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则返回所述第一获取模块；

在本发明实施例中，返回第一获取模块501后，第一获取模块501再一次获取对端发送的预置时长内的通话语音信号，并对再次获取的通话语音信号进行声纹特征解析，例如，预设阈值为4，当前计数值为3，计数值小于预设阈值，执行返回模块605，返回第一获取模块501，第一获取模块501再一次获取对端发送的预置时长内的通话语音信号。

确定模块606，用于若所述计数值等于所述预设阈值，则确定不需要对所述通话进行录音。

在本发明实施例中，在计数值等于预设阈值的时候，通过预设阈值次数的匹配，可以确定对端发送的通话语音信号的第一声纹特征中并不存在需要进行录音的通话对象的声纹特征，确定不需要对该通话进行录音。且还将上述的计数值归零。

在本发明实施例中，在上述第一声纹特征中未存在与上述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则将预设的计数值加1，并判断计数值与预设阈值的大小，若计数值小于预设阈值，则在再一次获取对端发送的预置时长内的通话语音信号，并继续进行声纹特征解析与匹配，为了避免将需要进行录音的情况错误的确定为不需要进行录音，利用上述计数值来多次进行是否需要进行录音的判断，能够有效的提高确定是否要进行录音的准确性。

请参阅图7，为本发明第三实施例及第四实施例的追加装置的结构示意图，该追加装置包括：

第二解析模块701，用于对采集到的本端的预置时长内的通话语音信号进行声纹特征解析，得到所述本端的通话语音信号包含的第二声纹特征；

在本发明实施例中，在确定对端通话者是需要录音的通话对象，启动通话录音功能后，第二解析模块701采集本端的预置时长内的通话语音信号，并对采集到的本端的预置时长内的通话语音信号进行声纹特征解析，得到本端的通话语音信号包含的第二声纹特征。

其中，该预置时长可以是系统预先设置的，也可以是用户预先设置的，该预置时长可为3秒、4秒等，用户可根据实际需求进行修改。

第二匹配模块702，用于将所述第二声纹特征与预置的本端通话者声纹特征模板进行匹配；

在本发明实施例中，终端设备内预置了本端通话者声纹特征模板，本端通话者声纹特征模板包含需要录音的本端通话者的声纹特征模板，具体设置方式是：用户通过点击操作进入终端设备的设置界面，并选择本端通话者声纹设置功能，以便终端设备的显示界面显示本端通话者声纹设置的开始按钮，用户点击该按钮之后说任意的内容，或者念出显示界面显示的内容，由终端设备上的麦克风采集用户说的内容，并进行声纹特征的解析，判断解析得到的声纹特征是否符合作为声纹特征模板的要求，若符合要求，则将得到的声纹特征作为本端通话者声纹特征模板保存在终端设备内，若不符合要求，则显示提示消息，提示重新进行设置。

关闭删除模块703，用于若所述第二声纹特征中未存在与所述本端通话者声纹特征模板匹配的声纹特征，则关闭所述通话录音功能，并删除已保存的录音信号。

在本发明实施例中，若上述第二声纹特征中存在与上述本端通话者声纹特征模板匹配的声纹特征，则表明本端通话者是需要录音的通话者，若上述第二声纹特征中未存在与上述本端通话者声纹特征模板匹配的声纹特征，则确定不进行录音，由于此时通话录音功能已开启，且已进行了录音，为了避免对不必要的通话进行录音，关闭删除模块703将关闭通话录音功能，并删除已保存的录音信号。例如：在启动通话录音功能之后，若采集到的本端的通话语音信号包含的第二声纹特征为D特征、E特征、F特征，将该D特征、E特征、F特征分别与预置的本端通话者声纹特征模板进行匹配，若D特征、E特征、F特征都不与本端通话者声纹特征模板匹配，则确定本端通话者不是需要录音的通话者，关闭通话录音功能，并删除已保存的录音信号，避免对不必要的通话进行录音，减少对终端设备的内存的浪费。若D特征在上述本端通话者声纹特征模板中存在匹配的特征，则继续录音。

可以理解的是，本发明实施例中先判断对端发送的通话语音信号的第一声纹特征中是否包含需要进行录音的通话对象的声纹特征，且在包含的情况下，开启通话录音功能并进行录音，然而，这种方式忽略了本端的情况，因为通常是由本机机主(通常是本端通话者)预先设置需要进行录音的通话对象的声纹特征模板，若仅基于对端发送的通话语音信号确定录音会存在影响本机机主个人权限的情况，同时考虑到，若在确定对端发送的通话语音信号包含需要进行录音的通话对象的声音、及确定本端采集到的通话语音信号包含需要进行录音的本端通话者的声音的情况下再开启通话录音功能，则会存在开启通话录音功能的时间过晚，导致重要信息没有录音的情况，因此，本发明实施例中，在确定开启通话语音功能之后，进一步的确定本端采集到的通话语音信号是否包含需要进行录音的本端通话者的声音，使得能够在保护本端通话者的权限的情况下进行通话录音。

其中，为了避免将本端需要进行录音的情况错误的确定为不需要进行录音，可以参照本发明第四实施例的通过多次接收对端发送的通话语音信号的方式进行是否需要录音的判断的技术方案，本发明实施例也可以通过多次采集本端的通话语音信号的方式进行是否需要录音的判断，能够有效的提高判断是否要进行录音的准确性。

在本发明实施例中，通过上述方式，能够避免对不必要的通话进行录音，减少对终端设备的内存的浪费。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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，例如多个模块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，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块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模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，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。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，对于前述的各方法实施例，为了简便描述，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它顺序或者同时进行。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都是本发明所必须的。

在上述实施例中，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，可以参见其它实施例的相关描述。

以上为对本发明所提供的一种通话录音方法、装置、终端设备及计算机可读存储介质的描述，对于本领域的技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (12)

1.一种通话录音方法，其特征在于，所述方法包括：

在通话建立后，获取对端发送的预置时长内的通话语音信号；

对所述通话语音信号进行声纹特征解析，得到所述通话语音信号包含的第一声纹特征；

将所述第一声纹特征与预置的声纹特征模板库进行匹配，根据匹配结果确定是否进行通话录音，所述声纹特征模板库包含需要录音的通话对象的声纹特征模板。

2.根据权利要求1所述的方法，其特征在于，所述根据匹配结果确定是否进行通话录音，包括：

若所述第一声纹特征中存在与所述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则确定进行录音，并启动通话录音功能。

3.根据权利要求2所述的方法，其特征在于，所述根据匹配结果确定是否进行通话录音，还包括：

若所述第一声纹特征中未存在与所述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则返回所述获取对端发送的预置时长内的通话语音信号的步骤。

4.根据权利要求2所述的方法，其特征在于，所述返回所述获取对端发送的预置时长内的通话语音信号的步骤，之前还包括：

将预设的计数值加1，所述计数值的初始值为0；

若所述计数值小于预设阈值，则执行所述返回所述获取对端发送的预置时长内的通话语音信号的步骤的步骤；

若所述计数值等于所述预设阈值，则确定不需要对所述通话进行录音。

5.根据权利要求2至4任意一项所述的方法，其特征在于，所述确定进行录音，并启动通话录音功能，之后还包括：

对采集到的本端的预置时长内的通话语音信号进行声纹特征解析，得到所述本端的通话语音信号包含的第二声纹特征；

将所述第二声纹特征与预置的本端通话者声纹特征模板进行匹配；

若所述第二声纹特征中未存在与所述本端通话者声纹特征模板匹配的声纹特征，则关闭所述通话录音功能，并删除已保存的录音信号。

6.一种通话录音装置，其特征在于，所述装置包括：

第一获取模块，用于在通话建立后，获取对端发送的预置时长内的通话语音信号；

第一解析模块，用于对所述通话语音信号进行声纹特征解析，得到所述通话语音信号包含的第一声纹特征；

匹配确定模块，用于将所述第一声纹特征与预置的声纹特征模板库进行匹配，根据匹配结果确定是否进行通话录音，所述声纹特征模板库包含需要录音的通话对象的声纹特征模板。

7.根据权利要求6所述的装置，其特征在于，所述匹配确定模块包括：

第一匹配模块，用于将所述第一声纹特征与预置的声纹特征模板库进行匹配；

确定启动模块，用于若所述第一声纹特征中存在与所述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则确定进行录音，并启动通话录音功能。

8.根据权利要求7所述的装置，其特征在于，所述匹配确定模块还包括：

返回模块，用于若所述第一声纹特征中未存在与所述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则返回所述第一获取模块。

9.根据权利要求7所述的装置，其特征在于，所述装置还包括：

计数模块，用于若所述第一声纹特征中未存在与所述声纹特征模板库中的任一声纹特征模板匹配的声纹特征，则在所述返回模块执行返回所述第一获取模块之前，将预设的计数值加1，所述计数值的初始值为0；

执行模块，用于若所述计数值小于预设阈值，则执行所述返回模块；

确定模块，用于若所述计数值等于所述预设阈值，则确定不需要对所述通话进行录音。

10.根据权利要求7至9任意一项所述的装置，其特征在于，所述装置还包括：

第二解析模块，用于对采集到的本端的预置时长内的通话语音信号进行声纹特征解析，得到所述本端的通话语音信号包含的第二声纹特征；

第二匹配模块，用于将所述第二声纹特征与预置的本端通话者声纹特征模板进行匹配；

关闭删除模块，用于若所述第二声纹特征中未存在与所述本端通话者声纹特征模板匹配的声纹特征，则关闭所述通话录音功能，并删除已保存的录音信号。

11.一种终端设备，包括：存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至5任意一项所述的通话录音方法中的各个步骤。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至5任意一项所述的通话录音方法中的各个步骤。