CN108307238A - 一种视频播放控制方法、系统及设备 - Google Patents

Abstract

本发明实施例涉及音频控制技术领域，尤其涉及一种根据外部环境自动控制视频播放的方法、系统及设备，具体公开了种视频播放控制方法，首先通过外部传感器监听外部环境的声音；并经过内部分析模块进行分析，若所述声音为人类语音，则对所述人类语音进行语音分析；所述语音分析包括语音含义的智能识别、语音的音量和/或语音持续时间；若所述语音分析的结果满足预设条件，则生成视频控制信号，所述视频控制信号用于控制视频播放。本技术方案能够自动识别外部环境声音是人类语言还是外界噪音，一旦识别为人类语言，再进一步判断分析是否需要自动暂停视频播放，从而实现了人工智能控制视频节目的播放，避免了人工干预，获得了更好的用户体验。

Description

一种视频播放控制方法、系统及设备

技术领域

本发明属于音频控制技术领域，尤其涉及一种根据外部环境自动控制视频播放的方法。

背景技术

在家庭观看电视的日常场景中，经常会有以下一种场景：一家人围着一台电视，看一部需要全神贯注才能跟住情节的电影，比如一部悬疑片。但在此过程中，偶尔会发生需要停下来讨论剧情，或者有家庭成员需要跟其它成员说一些其它的事情。一般来说，当讨论开头时，观看者不会有人想起马上就按遥控器的暂停键。此种情景发生时，会伴随着两个不好的结果：当家庭成员对话的过程中，一方面由于电视仍在继续播放，家庭成员的讨论会被电视干扰，导致需要提高讨论音量；另一方面，讨论结束后，还需要不胜其烦的回退进度，追回漏掉的剧情。这些都让智能电视显得不那么智能。

发明人在实现本发明的过程中发现：目前几乎所有的电视方案，播放器的暂停/播放动作都仅仅由遥控器控制，做的好一点的可以由语音控制，例如用户对着电视说暂停、停止或其他语音控制指令，但这些都属于用户主动干预。

用户在观看节目时，由于讨论的时长往往在开始时是不可预期的，可能是两三句话就结束，这种情景一般不需要主动暂停，也可能是长篇大论的讨论。所以用户十分可能不会主动控制暂停，所以会导致音量干扰或漏掉剧情。

有鉴于此，如今迫切需要设计一种视频播放的自动控制系统，以便克服现有视频播放的不便之处。

发明内容

本发明实施例提供了一种视频播放的自动控制方法及系统，以解决现有视频播放过程中需要人工主动控制播放内容的技术问题。

本发明实施例提供的一种视频播放控制方法，包括如下步骤：

监听外部环境的声音；

若所述声音为人类语音，则对所述人类语音进行语音分析；

所述语音分析包括语音含义的智能识别、语音的音量和/或语音持续时间；

若所述语音分析的结果满足预设条件，则生成视频控制信号，所述视频控制信号用于控制视频播放。

进一步的，若所述语音含义的智能识别结果为与所播放的视频内容相关，则不产生视频控制信号。

进一步的，若所述语音含义的智能识别结果为与所播放的视频内容不相关，且所述语音的音量和所述语音持续时间满足预设条件，则生成视频控制信号。

进一步的，所述语音的音量大于第一阈值且所述语音持续时间大于第二阈值；或所述语音的音量小于第一阈值且所述语音持续时间大于第二阈值。

本发明实施例提供的一种视频播放控制系统，包括：

监听模块，用于监听外部环境的声音；

分析模块，用于分析所述声音是否为人类语音并对所述人类语音进行语音分析；所述语音分析包括语音含义的智能识别、语音的音量和/或语音持续时间；

视频控制模块，用于根据所述分析模块的分析结果，生成视频控制信号，所述视频控制信号用于控制视频播放。

进一步的，所述分析模块还包括，若所述语音含义的智能识别结果为与所播放的视频内容相关，则不产生视频控制信号。

进一步的，所述分析模块还包括，若所述语音含义的智能识别结果为与所播放的视频内容不相关，且所述语音的音量和所述语音持续时间满足预设条件，则生成视频控制信号。

进一步的，所述且所述语音的音量和所述语音持续时间满足预设条件，包括：所述语音的音量大于第一阈值且所述语音持续时间大于第二阈值；或所述语音的音量小于第一阈值且所述语音持续时间大于第二阈值。

本发明实施例提供的一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：监听外部环境的声音；

若所述声音为人类语音，则对所述人类语音进行语音分析；

所述语音分析包括语音含义的智能识别、语音的音量和/或语音持续时间；

若所述语音分析的结果满足预设条件，则生成视频控制信号，所述视频控制信号用于控制视频播放。

进一步的，若所述语音含义的智能识别结果为与所播放的视频内容相关，则不产生视频控制信号。

进一步的，若所述语音含义的智能识别结果为与所播放的视频内容不相关，且所述语音的音量和所述语音持续时间满足预设条件，则生成视频控制信号。

进一步的，所述且所述语音的音量和所述语音持续时间满足预设条件，包括：所述语音的音量大于第一阈值且所述语音持续时间大于第二阈值；或所述语音的音量小于第一阈值且所述语音持续时间大于第二阈值。

本发明实施例提供的一种非易失性计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：监听外部环境的声音；

若所述声音为人类语音，则对所述人类语音进行语音分析；

所述语音分析包括语音含义的智能识别、语音的音量和/或语音持续时间；

若所述语音分析的结果满足预设条件，则生成视频控制信号，所述视频控制信号用于控制视频播放。

本发明实施例提供的一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项所述的方法。

本发明实施例的上述方案与现有技术相比，至少具有以下有益效果：能够自动识别外部环境声音是人类语言还是外界噪音，一旦识别为人类语言，再进一步判断分析是否需要自动暂停视频播放，从而实现了人工智能控制视频节目的播放，避免了人工干预，获得了更好的用户体验。

本发明实施例所述的视频播放控制方法、系统及电子设备，对已有设备进行模块化处理，生成与已有设备对应的控制模块，用户输入需求信息提出请求添加的已有设备，根据用户输入的需求信息，添加用户需要的已有设备的控制模块至控制界面，根据实际环境情况或者用户输入的控制信号生成对于已有设备的控制信号，由控制模块发送相应的控制信号对已有设备进行调控。

采用本发明的上述方案，由于对已有设备进行了模块化处理，因此用户在实际操作时，可以根据自己的需求添加或者删减相应模块即可完成。对已有设备进行调控时，是根据实际的环境参数或者用户发送的调控信号进行的，更加灵活。

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要介绍，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，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例所述视频播放控制方法的流程图；

图2是本发明一个实施例所述视频播放控制系统的原理框图；

图3是本发明一个实施例所述视频播放控制设备的原理框图；

图4是本发明一个实施例所述视频播放控制方法的电子设备的硬件结构连接示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。下面结合附图详细说明本发明的优选实施例。

本发明所述的视频播放控制方法、系统及电子设备，其运行环境可以为设置有网络的任何环境，包括利用网络技术、移动通信技术等实现的各种视频播放设备，例如电视、手机、电脑、PAD、家庭影院、车载大屏等。下面通过具体实施例并结合说明书附图对本发明的方案进行详细说明。

实施例1

本实施例提供一种视频播放控制方法，如图1所示，包括如下步骤：

S1：监听外部环境的声音。该监听可以设置控制开关，可供用户选择是否开启，若开启则执行监听任务。该控制开关可以设置于播放终端的设置界面，也可以设置于播放软件开始播放视频内容的时候弹出，或者嵌套在视频播放软件中，具体位置不限。

S2：若所述声音为人类语音，则对所述人类语音进行语音分析；所述语音分析包括语音含义的智能识别、语音的音量和/或语音持续时间。针对步骤S1中监听到的声音以可选择的时间间隔进行分析，例如设置5、6、7、8、9、10分钟为间隔，但是也可以以任何时间间隔设置。根据监测到的声音与预设于系统内的对照表进行比对分析，判断是否为人类语言，还是随机的外界噪音，若经过分析，确定为人类语言，则进行深层次分析，即对其语义进行分析，该分析可以是通过对照监测到的声音内容和播放内容进行，例如与播放内容的文字库进行比对，可以通过控制适当的时间段内、比对一定的字数，覆盖率达到50％的方式实现，或者任意提前设定的方式进行比对，确认环境语音是否与播放内容有关。通过外设探测器探测声音音量大小，以及通过计数器计算声音的持续时间并记录。

S3：若所述语音分析的结果满足预设条件，则生成视频控制信号，所述视频控制信号用于控制视频播放。具体为，通过步骤S2的分析，若所述语音含义的智能识别结果为与所播放的视频内容相关，例如，此时，用户可能在讨论视频播放内容，则不产生视频控制信号，此时进行下一个时间段的监测分析，播放内容继续。通过步骤S2的分析，若所述语音含义的智能识别结果为与所播放的视频内容不相关，此时，用户可能没有在看播放内容，且所述语音的音量和所述语音持续时间满足预设条件，则生成视频控制信号，例如生成暂停播放或者结束播放控制信号，所述视频控制信号用于控制视频播放。

此外，步骤S3中，通过步骤S2的分析，若所述语音含义的智能识别结果为与所播放的视频内容不相关，仍然可以判断所述语音的音量大于第一阈值且所述语音持续时间大于第二阈值时，则生成视频控制信号，此时，用户或许在大声的讨论或者谈论与视频播放不相关的内容，且持续时间足够长，此时，很有必要进行暂停或结束播放，使得用户在讨论完后继续观看，其中，第一阈值和第二阈值可以自定义设定，也可以根据常规知识预设于系统内，避免操作的繁琐；

此外，步骤S3中，通过步骤S2的分析，若所述语音含义的智能识别结果为与所播放的视频内容不相关，仍然可以判断所述语音的音量小于第一阈值且所述语音持续时间大于第二阈值时，则生成视频控制信号，此时，很有必要进行暂停或结束播放，使得用户在讨论完后继续观看，其中，第一阈值和第二阈值可以自定义设定，也可以根据常规知识预设于系统内，避免操作的繁琐。

另外，可选的，所述暂停信号用户可以通过语音或者遥控器解除。

本实施例提供的上述方案，能够自动识别外部环境声音是人类语言还是外界噪音，一旦识别为人类语言，再进一步判断分析是否需要自动暂停视频播放，从而实现了人工智能控制视频节目的播放，避免了人工干预，获得了更好的用户体验。

根据用户输入的需求信息，添加用户需要的已有设备的控制模块至控制界面，根据实际环境情况或者用户输入的控制信号生成对于已有设备的控制信号，由控制模块发送相应的控制信号对已有设备进行调控。采用本发明的上述方案，由于对已有设备进行了模块化处理，因此用户在实际操作时，可以根据自己的需求添加或者删减相应模块即可完成。对已有设备进行调控时，是根据实际的环境参数或者用户发送的调控信号进行的，更加灵活。

实施例2

本实施例提供一种一种视频播放控制系统，如图2所示，包括：

监听模块，用于监听外部环境的声音。该监听可以设置控制开关模块，可供用户选择是否开启，若开启则执行监听任务。该控制开关模块可以设置于播放终端的设置界面，也可以设置于播放软件开始播放视频内容的时候弹出，或者嵌套在视频播放软件中，具体位置不限。该监听模块监听的内容输入分析模块。

分析模块，用于分析所述声音是否为人类语音并对所述人类语音进行语音分析；所述语音分析包括语音含义的智能识别、语音的音量和/或语音持续时间。针对监听模块中监听到的声音以可选择的时间间隔进行分析，例如设置5、6、7、8、9、10分钟为间隔，但是也可以以任何时间间隔设置。根据监测到的声音与预设于系统内的对照表进行比对分析，判断是否为人类语言，还是随机的外界噪音，若经过分析，确定为人类语言，则进行深层次分析，即对其语义进行分析，该分析可以是通过对照监测到的声音内容和播放内容进行，例如与播放内容的文字库进行比对，可以通过控制适当的时间段内、比对一定的字数，覆盖率达到50％的方式实现，或者任意提前设定的方式进行比对，确认环境语音是否与播放内容有关。通过外设探测器探测声音音量大小，以及通过计数器计算声音的持续时间并记录。

视频控制模块，用于根据所述分析模块的分析结果，生成视频控制信号，所述视频控制信号用于控制视频播放。具体为，通过分析模块的分析，若所述语音含义的智能识别结果为与所播放的视频内容相关，例如，此时，用户可能在讨论视频播放内容，则不产生视频控制信号，此时进行下一个时间段的监测分析，播放内容继续。通过分析模块的分析，若所述语音含义的智能识别结果为与所播放的视频内容不相关，此时，用户可能没有在看播放内容，且所述语音的音量和所述语音持续时间满足预设条件，则生成视频控制信号，例如生成暂停播放或者结束播放控制信号，所述视频控制信号用于控制视频播放。

此外，视频控制模块中，通过分析模块的分析，若所述语音含义的智能识别结果为与所播放的视频内容不相关，仍然可以判断所述语音的音量大于第一阈值且所述语音持续时间大于第二阈值时，则生成视频控制信号，此时，用户或许在大声的讨论或者谈论与视频播放不相关的内容，且持续时间足够长，此时，很有必要进行暂停或结束播放，使得用户在讨论完后继续观看，其中，第一阈值和第二阈值可以自定义设定，也可以根据常规知识预设于系统内，避免操作的繁琐；

此外，视频控制模块中，通过分析模块的分析，若所述语音含义的智能识别结果为与所播放的视频内容不相关，仍然可以判断所述语音的音量小于第一阈值且所述语音持续时间大于第二阈值时，则生成视频控制信号，此时，很有必要进行暂停或结束播放，使得用户在讨论完后继续观看，其中，第一阈值和第二阈值可以自定义设定，也可以根据常规知识预设于系统内，避免操作的繁琐。

另外，可选的，所述暂停信号用户可以通过语音或者遥控器解除。

本实施例提供的上述方案，能够自动识别外部环境声音是人类语言还是外界噪音，一旦识别为人类语言，再进一步判断分析是否需要自动暂停视频播放，从而实现了人工智能控制视频节目的播放，避免了人工干预，获得了更好的用户体验。

根据用户输入的需求信息，添加用户需要的已有设备的控制模块至控制界面，根据实际环境情况或者用户输入的控制信号生成对于已有设备的控制信号，由控制模块发送相应的控制信号对已有设备进行调控。采用本发明的上述方案，由于对已有设备进行了模块化处理，因此用户在实际操作时，可以根据自己的需求添加或者删减相应模块即可完成。对已有设备进行调控时，是根据实际的环境参数或者用户发送的调控信号进行的，更加灵活。

实施例3

如图3所示，本实施例提供一种视频播放设备，包括常规的视频终端以及与视频终端连接的外围传感器，同时可以包括时间计数器，音量大小判断单元，分析判断电路等，所述传感器可以采用常规的外置或内置的一个或多个传感器，例如声音传感器；所述电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：监听外部环境的声音；

若所述声音为人类语音，则对所述人类语音进行语音分析；

所述语音分析包括语音含义的智能识别、语音的音量和/或语音持续时间；

若所述语音分析的结果满足预设条件，则生成视频控制信号，所述视频控制信号用于控制视频播放。

其中，若所述语音含义的智能识别结果为与所播放的视频内容相关，则不产生视频控制信号。

其中，若所述语音含义的智能识别结果为与所播放的视频内容不相关，且所述语音的音量和所述语音持续时间满足预设条件，则生成视频控制信号。

所述且所述语音的音量和所述语音持续时间满足预设条件，包括：

所述语音的音量大于第一阈值且所述语音持续时间大于第二阈值；或所述语音的音量小于第一阈值且所述语音持续时间大于第二阈值。

实施例4

本申请实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的视频播放控制方法。

实施例5

图4是本实施例提供的执行视频播放控制方法的电子设备的硬件结构示意图，如图4所示，该设备包括：

一个或多个处理器610以及存储器620，图4中以一个处理器610为例。

执行视频播放控制方法的设备还可以包括：输入装置630和输出装置640。

处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接，图4中以通过总线连接为例。

存储器620作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的视频播放控制方法对应的程序指令/模块(例如，附图3所示的监听模块11、分析模块12、控制模块13)。处理器610通过运行存储在存储器620中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例视频播放控制方法。

存储器620可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据视频播放控制装置的使用所创建的数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。

输入装置630可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置640可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器620中，当被所述一个或者多个处理器610执行时，执行上述任意方法实施例中的视频播放控制方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本发明实施例的电子设备以多种形式存在，包括但不限于:

(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等，例如iPad。

(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置，例如电视机、车载大屏等。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。

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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种视频播放控制方法，其特征在于，

监听外部环境的声音；

若所述声音为人类语音，则对所述人类语音进行语音分析；

所述语音分析包括语音含义的智能识别、语音的音量和/或语音持续时间；

若所述语音分析的结果满足预设条件，则生成视频控制信号，所述视频控制信号用于控制视频播放。

2.根据权利要求1所述的方法，其特征在于，

若所述语音含义的智能识别结果为与所播放的视频内容相关，则不产生视频控制信号；和/或

若所述语音含义的智能识别结果为与所播放的视频内容不相关，且所述语音的音量和所述语音持续时间满足预设条件，则生成视频控制信号。

3.根据权利要求1或2所述的方法，其特征在于，

所述且所述语音的音量和所述语音持续时间满足预设条件，包括：

所述语音的音量大于第一阈值且所述语音持续时间大于第二阈值；或所述语音的音量小于第一阈值且所述语音持续时间大于第二阈值。

4.一种视频播放控制系统，其特征在于，包括

监听模块，用于监听外部环境的声音；

分析模块，用于分析所述声音是否为人类语音并对所述人类语音进行语音分析；所述语音分析包括语音含义的智能识别、语音的音量和/或语音持续时间；

视频控制模块，用于根据所述分析模块的分析结果，生成视频控制信号，所述视频控制信号用于控制视频播放。

5.根据权利要求4所述的系统，其特征在于，

所述分析模块还包括，若所述语音含义的智能识别结果为与所播放的视频内容相关，则不产生视频控制信号；和/或

所述分析模块还包括，若所述语音含义的智能识别结果为与所播放的视频内容不相关，且所述语音的音量和所述语音持续时间满足预设条件，则生成视频控制信号。

6.根据权利要求4或5所述的系统，其特征在于，

所述且所述语音的音量和所述语音持续时间满足预设条件，包括：

所述语音的音量大于第一阈值且所述语音持续时间大于第二阈值；或所述语音的音量小于第一阈值且所述语音持续时间大于第二阈值。

7.一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：监听外部环境的声音；

若所述声音为人类语音，则对所述人类语音进行语音分析；

所述语音分析包括语音含义的智能识别、语音的音量和/或语音持续时间；

若所述语音分析的结果满足预设条件，则生成视频控制信号，所述视频控制信号用于控制视频播放。

8.根据权利要求7所述的电子设备，其特征在于，

若所述语音含义的智能识别结果为与所播放的视频内容相关，则不产生视频控制信号。

9.根据权利要求8所述的电子设备，其特征在于，

若所述语音含义的智能识别结果为与所播放的视频内容不相关，且所述语音的音量和所述语音持续时间满足预设条件，则生成视频控制信号。

10.根据权利要求7-9任一所述的电子设备，其特征在于，

所述且所述语音的音量和所述语音持续时间满足预设条件，包括：

所述语音的音量大于第一阈值且所述语音持续时间大于第二阈值；或所述语音的音量小于第一阈值且所述语音持续时间大于第二阈值。