CN108809921B - 一种音频处理方法、视联网服务器和视联网终端 - Google Patents

Abstract

本发明实施例提供了一种音频处理方法、视联网服务器和视联网终端，属于视联网技术领域，该方法包括：视联网服务器根据视联网终端发送的数据请求指令，确定目标音频格式，接收第三方终端发送的第一音频数据，对第一音频数据进行解码，得到第一临时数据，根据目标音频格式，对第一临时数据进行编码，生成具有第二格式的第二音频数据，向视联网终端发送第二音频数据。通过视联网服务器根据目标音频格式，对第一音频数据进行转换，得到视联网终端可以识别的第二音频数据，避免了视联网终端无法识别视联网服务器按照固定方式转换得到的第二音频数据的问题，提高了处理音频数据的灵活性，提高了建立视频会议的灵活性。

Description

一种音频处理方法、视联网服务器和视联网终端

技术领域

本发明涉及视联网技术领域，特别是涉及一种音频处理方法、视联网服务器和视联网终端。

背景技术

随着网络科技的快速发展，视频会议、视频教学等双向通信在用户的生活、工作、学习等方面广泛普及。

在第一终端与第二终端通过服务器进行视频会议时，第一终端需要向服务器发送第一格式的音频数据，服务器根据预先设置的转换方式将第一格式的音频数据转换为第二终端能够识别的第二格式的音频数据，服务器再向第二终端发送转换后的音频数据，第二终端接收该音频数据，并进行解码播放，从而实现了第一终端与第二终端之间的视频会议。

但是，如果第一终端发送的音频数据的格式或者第二终端能够识别的音频数据的格式发生改变，则按照上述预先设置的转换方式对音频数据进行转换，则第二终端无法识别转换后的格式，导致无法进行视频会议的问题。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种音频处理方法、视联网服务器和视联网终端。

根据本发明的第一方面，提供了一种音频处理方法，所述方法应用于视联网中，所述视联网涉及相互通信的视联网终端、第三方终端和视联网服务器，所述方法包括：

所述视联网服务器根据所述视联网终端发送的数据请求指令，确定目标音频格式；

所述视联网服务器接收所述第三方终端发送的第一音频数据，所述第一音频数据具有第一格式；

所述视联网服务器对所述具有所述第一格式的第一音频数据进行解码，得到第一临时数据；

所述视联网服务器根据所述目标音频格式，对所述第一临时数据进行编码，生成具有第二格式的第二音频数据；

所述视联网服务器向所述视联网终端发送所述第二音频数据，所述视联网终端用于对所述第二音频数据进行解码播放。

可选的，所述视联网服务器根据所述视联网终端发送的数据请求指令，确定目标音频格式的步骤包括：

所述视联网服务器接收所述视联网终端发送的数据请求指令，所述数据请求指令包括所述第二格式，所述第二格式为所述视联网终端能够识别的音频数据的格式；

所述视联网服务器将所述第二格式作为目标音频格式进行存储。

可选的，在所述视联网服务器接收所述第三方终端发送的第一音频数据的步骤之前，所述方法还包括：

所述视联网服务器根据所述数据请求指令生成会议请求指令；

所述视联网服务器向所述第三方终端发送所述会议请求指令，所述第三方终端用于根据所述会议请求指令，向所述视联网服务器发送所述第一音频数据。

可选的，所述视联网服务器根据所述目标音频格式，对所述第一临时数据进行编码，生成具有第二格式的第二音频数据，包括：

所述视联网服务器根据所述目标音频格式，对所述第一临时数据进行转换，得到与所述第二格式对应的第二临时数据；

所述视联网服务器对所述第二临时数据进行编码，生成具有第二格式的第二音频数据。

根据本发明的第二方面，提供了一种音频处理方法，所述方法应用于视联网中，所述视联网涉及相互通信的视联网终端、第三方终端和视联网服务器，所述方法包括：

所述视联网终端向所述视联网服务器发送数据请求指令，所述数据请求指令包括第二格式，所述第二格式为所述视联网终端能够识别的音频数据的格式；

所述视联网终端接收所述视联网服务器发送的第二音频数据，所述第二音频数据是由所述视联网服务器对所述第三方终端发送的第一音频数据进行转换得到的；

所述视联网终端播放所述第二音频数据。

根据本发明的第三方面，提供了一种视联网服务器，所述视联网服务器应用于视联网中，所述视联网涉及相互通信的视联网终端、第三方终端和所述视联网服务器，所述视联网服务器包括：

确定模块，用于根据所述视联网终端发送的数据请求指令，确定目标音频格式；

接收模块，用于接收第三方终端发送的第一音频数据，所述第一音频数据具有第一格式；

解码模块，用于对所述具有所述第一格式的第一音频数据进行解码，得到第一临时数据；

编码模块，用于根据所述目标音频格式，对所述第一临时数据进行编码，生成具有第二格式的第二音频数据；

第一发送模块，用于向所述视联网终端发送所述第二音频数据，所述视联网终端用于对所述第二音频数据进行解码播放。

可选的，所述确定模块包括：

接收子模块，用于接收所述视联网终端发送的数据请求指令，所述数据请求指令包括所述第二格式，所述第二格式为所述视联网终端能够识别的音频数据的格式；

存储子模块，用于将所述第二格式作为目标音频格式进行存储。

可选的，所述视联网服务器还包括：

生成模块，用于根据所述数据请求指令生成会议请求指令；

第二发送模块，用于向所述第三方终端发送所述会议请求指令，所述第三方终端用于根据所述会议请求指令，向所述视联网服务器发送所述第一音频数据。

可选的，所述编码模块包括：

转换子模块，用于根据所述目标音频格式，对所述第一临时数据进行转换，得到与所述第二格式对应的第二临时数据；

编码子模块，用于对所述第二临时数据进行编码，生成具有第二格式的第二音频数据。

根据本发明的第四方面，提供了一种视联网终端，所述视联网终端应用于视联网中，所述视联网涉及相互通信的视联网终端、第三方终端和视联网服务器，所述视联网终端包括：

发送模块，用于向所述视联网服务器发送数据请求指令，所述数据请求指令包括第二格式，所述第二格式为所述视联网终端能够识别的音频数据的格式；

接收模块，用于接收所述视联网服务器发送的第二音频数据，所述第二音频数据是由所述视联网服务器对所述第三方终端发送的第一音频数据进行转换得到的；

播放模块，用于播放所述第二音频数据。

本发明实施例包括以下优点：

在本发明实施例中，通过视联网终端向视联网服务器发送数据请求指令，视联网服务器接收并根据该数据请求指令，确定目标音频格式、生成会议请求指令，再向第三方终端发送会议请求指令，再接收第三方终端发送的第一音频数据，并对该第一音频数据进行解码，得到第一临时数据，再根据目标音频格式对第一临时数据进行编码，得到第二音频数据，最后向视联网终端发送第二音频数据，视联网终端接收视联网服务器转发的第二音频数据，对第二音频数据进行播放。通过视联网服务器根据目标音频格式，对第一音频数据进行转换，得到视联网终端可以识别的第二音频数据，避免了视联网终端无法识别视联网服务器按照固定方式转换得到的第二音频数据的问题，提高了处理音频数据的灵活性，提高了建立视频会议的灵活性。

附图说明

图1是本发明的一种视联网的组网示意图；

图2是本发明的一种节点服务器的硬件结构示意图；

图3是本发明的一种接入交换机的硬件结构示意图；

图4是本发明的一种以太网协转网关的硬件结构示意图；

图5是本发明的一种音频处理方法实施例的步骤流程图；

图6是本发明的一种音频处理方法实施例的步骤流程图；

图7是本发明的一种音频处理方法实施例的步骤流程图；

图8是本发明的一种视联网服务器的结构框图；

图9是本发明的一种视联网终端的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

视联网是网络发展的重要里程碑，是一个实时网络，能够实现高清视频实时传输，将众多互联网应用推向高清视频化，高清面对面。

视联网采用实时高清视频交换技术，可以在一个网络平台上将所需的服务，如高清视频会议、视频监控、智能化监控分析、应急指挥、数字广播电视、延时电视、网络教学、现场直播、VOD点播、电视邮件、个性录制(PVR)、内网(自办)频道、智能化视频播控、信息发布等数十种视频、语音、图片、文字、通讯、数据等服务全部整合在一个系统平台，通过电视或电脑实现高清品质视频播放。

为使本领域技术人员更好地理解本发明实施例，以下对视联网进行介绍：

视联网所应用的部分技术如下所述：

网络技术(Network Technology)

视联网的网络技术创新改良了传统以太网(Ethernet)，以面对网络上潜在的巨大视频流量。不同于单纯的网络分组包交换(Packet Switching)或网络电路交换(CircuitSwitching)，视联网技术采用Packet Switching满足Streaming需求。视联网技术具备分组交换的灵活、简单和低价，同时具备电路交换的品质和安全保证，实现了全网交换式虚拟电路，以及数据格式的无缝连接。

交换技术(Switching Technology)

视联网采用以太网的异步和包交换两个优点，在全兼容的前提下消除了以太网缺陷，具备全网端到端无缝连接，直通用户终端，直接承载IP数据包。用户数据在全网范围内不需任何格式转换。视联网是以太网的更高级形态，是一个实时交换平台，能够实现目前互联网无法实现的全网大规模高清视频实时传输，将众多网络视频应用推向高清化、统一化。

服务器技术(Server Technology)

视联网和统一视频平台上的服务器技术不同于传统意义上的服务器，它的流媒体传输是建立在面向连接的基础上，其数据处理能力与流量、通讯时间无关，单个网络层就能够包含信令及数据传输。对于语音和视频业务来说，视联网和统一视频平台流媒体处理的复杂度比数据处理简单许多，效率比传统服务器大大提高了百倍以上。

储存器技术(Storage Technology)

统一视频平台的超高速储存器技术为了适应超大容量和超大流量的媒体内容而采用了最先进的实时操作系统，将服务器指令中的节目信息映射到具体的硬盘空间，媒体内容不再经过服务器，瞬间直接送达到用户终端，用户等待一般时间小于0.2秒。最优化的扇区分布大大减少了硬盘磁头寻道的机械运动，资源消耗仅占同等级IP互联网的20％，但产生大于传统硬盘阵列3倍的并发流量，综合效率提升10倍以上。

网络安全技术(Network Security Technology)

视联网的结构性设计通过每次服务单独许可制、设备与用户数据完全隔离等方式从结构上彻底根除了困扰互联网的网络安全问题，一般不需要杀毒程序、防火墙，杜绝了黑客与病毒的攻击，为用户提供结构性的无忧安全网络。

服务创新技术(Service Innovation Technology)

统一视频平台将业务与传输融合在一起，不论是单个用户、私网用户还是一个网络的总合，都不过是一次自动连接。用户终端、机顶盒或PC直接连到统一视频平台，获得丰富多彩的各种形态的多媒体视频服务。统一视频平台采用“菜谱式”配表模式来替代传统的复杂应用编程，可以使用非常少的代码即可实现复杂的应用，实现“无限量”的新业务创新。

视联网的组网如下所述：

视联网是一种集中控制的网络结构，该网络可以是树型网、星型网、环状网等等类型，但在此基础上网络中需要有集中控制节点来控制整个网络。

如图1所示，视联网分为接入网和城域网两部分。

接入网部分的设备主要可以分为3类：节点服务器，接入交换机，终端(包括各种机顶盒、编码板、存储器等)。节点服务器与接入交换机相连，接入交换机可以与多个终端相连，并可以连接以太网。

其中，节点服务器是接入网中起集中控制功能的节点，可控制接入交换机和终端。节点服务器可直接与接入交换机相连，也可以直接与终端相连。

类似的，城域网部分的设备也可以分为3类：城域服务器，节点交换机，节点服务器。城域服务器与节点交换机相连，节点交换机可以与多个节点服务器相连。

其中，节点服务器即为接入网部分的节点服务器，即节点服务器既属于接入网部分，又属于城域网部分。

城域服务器是城域网中起集中控制功能的节点，可控制节点交换机和节点服务器。城域服务器可直接连接节点交换机，也可直接连接节点服务器。

由此可见，整个视联网络是一种分层集中控制的网络结构，而节点服务器和城域服务器下控制的网络可以是树型、星型、环状等各种结构。

形象地称，接入网部分可以组成统一视频平台(虚线圈中部分)，多个统一视频平台可以组成视联网；每个统一视频平台可以通过城域以及广域视联网互联互通。

视联网设备分类

1.1本发明实施例的视联网中的设备主要可以分为3类：服务器，交换机(包括以太网网关)，终端(包括各种机顶盒，编码板，存储器等)。视联网整体上可以分为城域网(或者国家网、全球网等)和接入网。

1.2其中接入网部分的设备主要可以分为3类：节点服务器，接入交换机(包括以太网网关)，终端(包括各种机顶盒，编码板，存储器等)。

各接入网设备的具体硬件结构为：

节点服务器：

如图2所示，主要包括网络接口模块201、交换引擎模块202、CPU模块203、磁盘阵列模块204；

其中，网络接口模块201，CPU模块203、磁盘阵列模块204进来的包均进入交换引擎模块202；交换引擎模块202对进来的包进行查地址表205的操作，从而获得包的导向信息；并根据包的导向信息把该包存入对应的包缓存器206的队列；如果包缓存器206的队列接近满，则丢弃；交换引擎模202轮询所有包缓存器队列，如果满足以下条件进行转发：1)该端口发送缓存未满；2)该队列包计数器大于零。磁盘阵列模块204主要实现对硬盘的控制，包括对硬盘的初始化、读写等操作；CPU模块203主要负责与接入交换机、终端(图中未示出)之间的协议处理，对地址表205(包括下行协议包地址表、上行协议包地址表、数据包地址表)的配置，以及，对磁盘阵列模块204的配置。

接入交换机：

如图3所示，主要包括网络接口模块(下行网络接口模块301、上行网络接口模块302)、交换引擎模块303和CPU模块304；

其中，下行网络接口模块301进来的包(上行数据)进入包检测模块305；包检测模块305检测包的目地地址(DA)、源地址(SA)、数据包类型及包长度是否符合要求，如果符合，则分配相应的流标识符(stream-id)，并进入交换引擎模块303，否则丢弃；上行网络接口模块302进来的包(下行数据)进入交换引擎模块303；CPU模块304进来的数据包进入交换引擎模块303；交换引擎模块303对进来的包进行查地址表306的操作，从而获得包的导向信息；如果进入交换引擎模块303的包是下行网络接口往上行网络接口去的，则结合流标识符(stream-id)把该包存入对应的包缓存器307的队列；如果该包缓存器307的队列接近满，则丢弃；如果进入交换引擎模块303的包不是下行网络接口往上行网络接口去的，则根据包的导向信息，把该数据包存入对应的包缓存器307的队列；如果该包缓存器307的队列接近满，则丢弃。

交换引擎模块303轮询所有包缓存器队列，在本发明实施例中分两种情形：

如果该队列是下行网络接口往上行网络接口去的，则满足以下条件进行转发：1)该端口发送缓存未满；2)该队列包计数器大于零；3)获得码率控制模块产生的令牌；

如果该队列不是下行网络接口往上行网络接口去的，则满足以下条件进行转发：1)该端口发送缓存未满；2)该队列包计数器大于零。

码率控制模块308是由CPU模块304来配置的，在可编程的间隔内对所有下行网络接口往上行网络接口去的包缓存器队列产生令牌，用以控制上行转发的码率。

CPU模块304主要负责与节点服务器之间的协议处理，对地址表306的配置，以及，对码率控制模块308的配置。

以太网协转网关：

如图4所示，主要包括网络接口模块(下行网络接口模块401、上行网络接口模块402)、交换引擎模块403、CPU模块404、包检测模块405、码率控制模块408、地址表406、包缓存器407和MAC添加模块409、MAC删除模块410。

其中，下行网络接口模块401进来的数据包进入包检测模块405；包检测模块405检测数据包的以太网MAC DA、以太网MAC SA、以太网length or frame type、视联网目地地址DA、视联网源地址SA、视联网数据包类型及包长度是否符合要求，如果符合则分配相应的流标识符(stream-id)；然后，由MAC删除模块410减去MAC DA、MAC SA、length or frame type(2byte)，并进入相应的接收缓存，否则丢弃；

下行网络接口模块401检测该端口的发送缓存，如果有包则根据包的视联网目地地址DA获知对应的终端的以太网MAC DA，添加终端的以太网MAC DA、以太网协转网关的MACSA、以太网length or frame type，并发送。

以太网协转网关中其他模块的功能与接入交换机类似。

终端：

主要包括网络接口模块、业务处理模块和CPU模块；例如，机顶盒主要包括网络接口模块、视音频编解码引擎模块、CPU模块；编码板主要包括网络接口模块、视音频编码引擎模块、CPU模块；存储器主要包括网络接口模块、CPU模块和磁盘阵列模块。

1.3城域网部分的设备主要可以分为2类：节点服务器，节点交换机，城域服务器。其中，节点交换机主要包括网络接口模块、交换引擎模块和CPU模块；城域服务器主要包括网络接口模块、交换引擎模块和CPU模块构成。

2、视联网数据包定义

2.1接入网数据包定义

接入网的数据包主要包括以下几部分：目的地址(DA)、源地址(SA)、保留字节、payload(PDU)、CRC。

如下表所示，接入网的数据包主要包括以下几部分：

DA

SA

Reserved

Payload

CRC

其中：

目的地址(DA)由8个字节(byte)组成，第一个字节表示数据包的类型(例如各种协议包、组播数据包、单播数据包等)，最多有256种可能，第二字节到第六字节为城域网地址，第七、第八字节为接入网地址；

源地址(SA)也是由8个字节(byte)组成，定义与目的地址(DA)相同；

保留字节由2个字节组成；

payload部分根据不同的数据报的类型有不同的长度，如果是各种协议包的话是64个字节，如果是单组播数据包话是32+1024＝1056个字节，当然并不仅仅限于以上2种；

CRC有4个字节组成，其计算方法遵循标准的以太网CRC算法。

2.2城域网数据包定义

城域网的拓扑是图型，两个设备之间可能有2种、甚至2种以上的连接，即节点交换机和节点服务器、节点交换机和节点交换机、节点交换机和节点服务器之间都可能超过2种连接。但是，城域网设备的城域网地址却是唯一的，为了精确描述城域网设备之间的连接关系，在本发明实施例中引入参数：标签，来唯一描述一个城域网设备。

本说明书中标签的定义和MPLS(Multi-Protocol Label Switch，多协议标签交换)的标签的定义类似，假设设备A和设备B之间有两个连接，那么数据包从设备A到设备B就有2个标签，数据包从设备B到设备A也有2个标签。标签分入标签、出标签，假设数据包进入设备A的标签(入标签)是0x0000，这个数据包离开设备A时的标签(出标签)可能就变成了0x0001。城域网的入网流程是集中控制下的入网过程，也就意味着城域网的地址分配、标签分配都是由城域服务器主导的，节点交换机、节点服务器都是被动的执行而已，这一点与MPLS的标签分配是不同的，MPLS的标签分配是交换机、服务器互相协商的结果。

如下表所示，城域网的数据包主要包括以下几部分：

DA

SA

Reserved

标签

Payload

CRC

即目的地址(DA)、源地址(SA)、保留字节(Reserved)、标签、payload(PDU)、CRC。其中，标签的格式可以参考如下定义：标签是32bit，其中高16bit保留，只用低16bit，它的位置是在数据包的保留字节和payload之间。

基于视联网的上述特性，提出了本发明实施例的核心构思之一，遵循视联网的协议，涉及相互通信的视联网终端、第三方终端和视联网服务器，由视联网服务器对第三方终端发送的音频数据进行转换，得到视联网终端可以识别的音频数据，并向视联网终端发送转换后的音频数据。

参照图5，示出了本发明的一种音频处理方法实施例的步骤流程图，该方法可以应用于视联网中，该视联网涉及相互通信的视联网终端、第三方终端和视联网服务器，具体可以包括如下步骤：

步骤501，视联网终端向视联网服务器发送数据请求指令，该数据请求指令包括第二格式。

其中，该数据请求指令可以包括第二格式，该第二格式为视联网终端能够识别的音频数据的格式。例如，该第二格式可以包括G.711和G.729中的至少一种。

当用户需要与其他用户进行视频会议时，可以通过视联网终端向视联网服务器发送数据请求指令，用于请求视联网服务器建立视联网终端与第三方终端之间的视频会议的连接，并且还需要在该数据请求指令中携带视联网终端可以识别的第二格式，以便在后续步骤中，在第三方终端发送的音频数据的格式与视联网终端可以识别的音频数据的格式不同的情况下，视联网服务器可以对第三方终端发送的音频数据进行转换，得到视联网终端可以识别的格式。

步骤502，视联网服务器接收视联网终端发送的数据请求指令。

视联网服务器可以周期性的接收第三方终端和/或视联网终端发送的指令，也可以实时接收第三方终端和/或视联网终端发送的指令。因此，本发明实施例对视联网服务器接收视联网终端发送的数据请求指令的形式不做限定。

步骤503，视联网服务器将第二格式作为目标音频格式进行存储。

视联网服务器接收视联网终端发送的数据请求指令后，可以对该数据请求指令进行解析，得到该数据请求指令中携带的音频数据的格式，也即是对数据请求指令进行解析得到第二格式，在得到第二格式之后，可以将得到的第二格式作为目标音频格式存储在预先设置的存储空间中，从而根据视联网终端发送的数据请求指令，确定目标音频格式，以便在后续步骤中可以根据该目标音频格式对音频数据进行转换。

例如，该数据请求指令的指定字段中可以包括音频数据的格式，则视联网服务器可以对该数据请求指令进行解析，并按照预先设置的字段，获取指定字段中第二格式；也可以对该数据请求指令进行遍历，得到指定字段中第二格式。当然，还可以采用其他方式获取第二格式，本发明实施例对此不做限定。

步骤504，视联网服务器根据数据请求指令生成会议请求指令。

在步骤502中，视联网服务器接收数据请求指令后，不但可以执行步骤503存储目标音频格式，还可以执行步骤504，根据该数据请求指令生成会议请求指令。其中，该会议请求指令中不包括第二格式，用于请求建立视联网终端与第三方终端之间的视频会议连接。

由于步骤501中视联网终端是为了与第三方终端建立视频会议，因此，视联网服务器接收视联网终端发送的数据请求指令后，可以根据该数据请求指令生成会议请求指令，并向第三方终端发送该会议请求指令，使得第三方终端可以根据该会议请求指令，通过视联网服务器向视联网终端反馈音频数据，建立视频会议。

但是，由于第三方终端反馈的音频数据的格式是固定不变的，因此可以将该数据请求指令中第二格式所对应的信息进行删除，得到会议请求指令，向第三方终端发送重新生成的会议请求指令，从而减少视联网服务器转发的冗余数据，提高视联网服务器转发数据请求指令的效率。

需要说明的是，在步骤502之后，可以先执行步骤503，再执行步骤504；也可以先执行步骤504，再执行步骤503；还可以同时执行步骤503和步骤504，本发明实施例对此不做限定。

步骤505，视联网服务器向第三方终端发送会议请求指令。

在视联网服务器生成会议请求指令后，可以向第三方终端发送该会议请求指令，使得第三方终端可以根据该会议请求指令向视联网服务器反馈音频数据，以便在后续步骤中，视联网服务器可以对第三方终端反馈的音频数据进行转换，并向视联网终端发送转换后的音频数据。

步骤506，视联网服务器接收第三方终端发送的第一音频数据。

其中，该第一音频数据具有第一格式，该第一格式可以为ACC(Advanced AudioCoding，高级音频编码)格式，也可以为其他格式，本发明实施例对此不做限定。

在第三方终端接收到视联网服务器转发的会议请求指令后，可以根据该会议请求指令进行反馈，并采集当前的音频数据作为第一音频数据，向视联网服务器反馈采集的第一音频数据。相应的，视联网服务器可以接收第三方终端反馈的第一音频数据。

需要说明的是，在第三方终端向视联网服务器反馈第一音频数据之前，还可以向视联网服务器反馈响应信息，用于表示第三方终端可以与视联网终端建立视频会议。而视联网服务器可以接收该响应信息，并将该响应信息向视联网终端转发，用于通知视联网终端可以建立与第三方终端之间的视频会议。

而且，视联网服务器在向视联网终端转发该响应信息时，还可以在该响应信息中加入预先存储的目标音频格式，以便视联网终端还可以根据该目标音频格式进行判断，确定能否识别视联网服务器后续转换的音频数据的格式。

步骤507，视联网服务器对具有第一格式的第一音频数据进行解码，得到第一临时数据。

视联网服务器在接收第三方终端反馈的第一音频数据后，需要对第一音频数据进行分析，以便在后续步骤中可以向视联网终端发送视联网终端可以识别的音频数据。

具体地，视联网服务器可以对该第一音频数据进行解码，得到第一临时数据，该第一临时数据用于生成其他格式的音频数据，以便在后续步骤中可以生成视联网终端能够识别的第二格式的第二音频数据。例如，该第一临时数据的格式可以为PCM(Pulse CodeModulation，脉冲编码调制)格式，也可以为其他格式，本发明实施例对此不做限定。

步骤508，视联网服务器根据目标音频格式，对该第一临时数据进行编码，生成具有第二格式的第二音频数据。

其中，该第二音频数据的第二格式即为目标音频格式，与步骤501相应的视联网终端可以识别的第二格式可以包括G.711和G.729中的至少一种，则该第二格式也可以为G.711或G.729。

视联网服务器在解码得到第一临时数据后，可以结合目标音频格式，对第一临时数据进行再次编码，从而可以得到音频格式与目标音频格式相一致的第二音频数据。

可选的，视联网服务器可以根据目标音频格式，对第一临时数据进行转换，得到与第二格式对应的第二临时数据，视联网服务器还可以对该第二临时数据进行编码，生成具有第二格式的第二音频数据。

由于临时数据可以对应多种音频格式，因此可以先将第一音频数据对应的第一临时数据转换为第二音频数据对应的第二临时数据，以便根据第二临时数据编码生成第二音频数据。

例如，ACC格式对应的第一临时数据的格式可以为32KHz(千赫兹)、双声道，G.711格式对应的可以为8KHz、单声道，则可以将第一临时数据的格式转换为第二临时数据，第二临时数据的格式可以为8KHz、单声道。

进一步地，在视联网服务器根据目标音频格式，将该第一临时数据转换为第二临时数据的过程中，可以先获取目标音频格式，再根据该目标音频格式，将第一临时数据转换为该第二临时数据。

步骤509，视联网服务器向视联网终端发送第二音频数据。

在转换得到目标音频格式的第二音频数据后，视联网服务器即可向视联网终端发送该第二音频数据，使得该视联网终端可以在后续步骤中对该第二音频数据进行解码播放。

步骤510，视联网终端接收视联网服务器发送的第二音频数据。

视联网终端在步骤501向视联网服务器发送数据请求指令后，即可等待视联网服务器转发第三方终端反馈的第二音频数据。但是，如果视联网服务器在预设时间内并未转发第三方终端反馈的音频数据，则说明视联网服务器或第三方终端出现问题，因此可以继续发送数据请求指令，也可以提示用户建立视频会议可能出现问题，当然还可以采用其他方式，本发明实施例对此不做限定。

步骤511，视联网终端播放第二音频数据。

视联网终端在接收第二音频数据后，可以对该第二音频数据进行解码，得到解码后的音频数据，并对解码后的音频数据进行播放。

需要说明的是，在视联网终端播放第二音频数据之前，如果确定不能对第二音频数据进行解码，也即无法识别第二音频数据的格式，则可以通知用户无法播放第二音频数据，和/或，向视联网服务器反馈无法解码播放的错误信息，并在该错误信息中携带视联网终端可以识别的音频数据的格式，以便视联网服务器可以根据该错误信息中的音频数据的格式对第三方终端发送的音频数据重新进行转换。

在本发明实施例中，通过视联网终端向视联网服务器发送数据请求指令，视联网服务器接收并根据该数据请求指令，确定目标音频格式、生成会议请求指令，再向第三方终端发送会议请求指令，再接收第三方终端发送的第一音频数据，并对该第一音频数据进行解码，得到第一临时数据，再根据目标音频格式对第一临时数据进行编码，得到第二音频数据，最后向视联网终端发送第二音频数据，视联网终端接收视联网服务器转发的第二音频数据，对第二音频数据进行播放。通过视联网服务器根据目标音频格式，对第一音频数据进行转换，得到视联网终端可以识别的第二音频数据，避免了视联网终端无法识别视联网服务器按照固定方式转换得到的第二音频数据的问题，提高了处理音频数据的灵活性，提高了建立视频会议的灵活性。

参照图6，示出了本发明的一种音频处理方法实施例的步骤流程图，该方法可以应用于视联网的视联网服务器中，具体可以包括如下步骤：

步骤601，视联网服务器根据视联网终端发送的数据请求指令，确定目标音频格式。

步骤602，视联网服务器接收第三方终端发送的第一音频数据。

其中，该第一音频数据具有第一格式。

步骤603，视联网服务器对具有第一格式的第一音频数据进行解码，得到第一临时数据。

步骤604，视联网服务器根据目标音频格式，对第一临时数据进行编码，生成具有第二格式的第二音频数据。

步骤605，视联网服务器向视联网终端发送第二音频数据。

其中，该视联网终端用于对第二音频数据进行解码播放。

在本发明实施例中，通过视联网服务器根据视联网终端发送的数据请求指令，确定目标音频格式，并接收第三方终端发送的具有第一格式的第一音频数据，再对具有第一格式的第一音频数据进行解码，得到第一临时数据，根据目标音频格式对第一临时数据进行编码，生成具有第二格式的第二音频数据，最后向视联网终端发送第二音频数据，以便该视联网终端对第二音频数据进行解码播放。通过视联网服务器根据目标音频格式，对第一音频数据进行转换，得到视联网终端可以识别的第二音频数据，避免了视联网终端无法识别视联网服务器按照固定方式转换得到的第二音频数据的问题，提高了处理音频数据的灵活性，提高了建立视频会议的灵活性。

参照图7，示出了本发明的一种音频处理方法实施例的步骤流程图，该方法可以应用于视联网的视联网终端中，具体可以包括如下步骤：

步骤701，视联网终端向视联网服务器发送数据请求指令。

其中，该数据请求指令包括第二格式，该第二格式为视联网终端能够识别的音频数据的格式。

步骤702，视联网终端接收视联网服务器发送的第二音频数据。

其中，该第二音频数据是由视联网服务器对第三方终端发送的第一音频数据进行转换得到的。

步骤703，视联网终端播放第二音频数据。

在本发明实施例中，通过视联网终端向视联网服务器发送数据请求指令，该数据请求指令包括第二格式，该第二格式为视联网终端能够识别的音频数据的格式，视联网终端再接收视联网服务器发送的第二音频数据，该第二音频数据是由视联网服务器对第三方终端发送的第一音频数据进行转换得到的，最后，视联网终端播放第二音频数据。通过视联网服务器根据目标音频格式，对第一音频数据进行转换，得到视联网终端可以识别的第二音频数据，避免了视联网终端无法识别服务器按照固定方式转换得到的第二音频数据的问题，提高了处理音频数据的灵活性，提高了建立视频会议的灵活性。

需要说明的是，对于方法实施例，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，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，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，所涉及的动作并不一定是本发明实施例所必须的。

本发明中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

参照图8，示出了本发明的一种视联网服务器的结构框图，该视联网服务器可以应用于视联网中，视联网涉及相互通信的视联网终端、第三方终端和视联网服务器，该视联网服务器可以包括：

确定模块801，用于根据该视联网终端发送的数据请求指令，确定目标音频格式；

接收模块802，用于接收第三方终端发送的第一音频数据，该第一音频数据具有第一格式；

解码模块803，用于对该具有该第一格式的第一音频数据进行解码，得到第一临时数据；

编码模块804，用于根据该目标音频格式，对该第一临时数据进行编码，生成具有第二格式的第二音频数据；

第一发送模块805，用于向该视联网终端发送该第二音频数据，该视联网终端用于对该第二音频数据进行解码播放。

可选的，该确定模块801包括：

接收子模块，用于接收该视联网终端发送的数据请求指令，该数据请求指令包括该第二格式，该第二格式为该视联网终端能够识别的音频数据的格式；

存储子模块，用于将该第二格式作为目标音频格式进行存储。

可选的，该视联网服务器还包括：

生成模块，用于根据该数据请求指令生成会议请求指令；

第二发送模块，用于向该第三方终端发送该会议请求指令，该第三方终端用于根据该会议请求指令，向该视联网服务器发送该第一音频数据。

可选的，该编码模块804包括：

转换子模块，用于根据该目标音频格式，对该第一临时数据进行转换，得到与该第二格式对应的第二临时数据；

编码子模块，用于对该第二临时数据进行编码，生成具有第二格式的第二音频数据。

参照图9，示出了本发明的一种视联网终端的结构框图，该视联网终端可以应用于视联网中，该视联网涉及相互通信的视联网终端、第三方终端和视联网服务器，该视联网终端可以包括：

发送模块901，用于向该视联网服务器发送数据请求指令，该数据请求指令包括第二格式，该第二格式为该视联网终端能够识别的音频数据的格式；

接收模块902，用于接收该视联网服务器发送的第二音频数据，该第二音频数据是由该视联网服务器对该第三方终端发送的第一音频数据进行转换得到的；

播放模块903，用于播放该第二音频数据。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种音频处理方法、视联网服务器和视联网终端，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，对于本领域的一般技术人员，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 (10)

1.一种音频处理方法，其特征在于，所述方法应用于视联网中，所述视联网涉及相互通信的视联网终端、第三方终端和视联网服务器，所述方法包括：

所述视联网服务器根据所述视联网终端发送的数据请求指令，确定目标音频格式，其中，所述数据请求指令中包含目标音频格式，所述目标音频格式为所述视联网终端能够识别的音频数据的格式；

所述视联网服务器接收所述第三方终端发送的第一音频数据，所述第一音频数据具有第一格式；

所述视联网服务器对所述具有所述第一格式的第一音频数据进行解码，得到第一临时数据；

所述视联网服务器根据所述目标音频格式，对所述第一临时数据进行编码，生成具有第二格式的第二音频数据；

所述视联网服务器向所述视联网终端发送所述第二音频数据，所述视联网终端用于对所述第二音频数据进行解码播放；

其中，所述视联网服务器在所述视联网终端无法对所述第二音频数据进行解码的情况下，依据所述视联网终端反馈的错误信息中携带的视联网终端可以识别的音频数据的格式重新进行转换。

2.根据权利要求1所述的方法，其特征在于，所述视联网服务器根据所述视联网终端发送的数据请求指令，确定目标音频格式的步骤包括：

所述视联网服务器接收所述视联网终端发送的数据请求指令，所述数据请求指令包括所述第二格式，所述第二格式为所述视联网终端能够识别的音频数据的格式；

所述视联网服务器将所述第二格式作为目标音频格式进行存储。

3.根据权利要求2所述的方法，其特征在于，在所述视联网服务器接收所述第三方终端发送的第一音频数据的步骤之前，所述方法还包括：

所述视联网服务器根据所述数据请求指令生成会议请求指令；

所述视联网服务器向所述第三方终端发送所述会议请求指令，所述第三方终端用于根据所述会议请求指令，向所述视联网服务器发送所述第一音频数据。

4.根据权利要求2所述的方法，其特征在于，所述视联网服务器根据所述目标音频格式，对所述第一临时数据进行编码，生成具有第二格式的第二音频数据，包括：

所述视联网服务器根据所述目标音频格式，对所述第一临时数据进行转换，得到与所述第二格式对应的第二临时数据；

所述视联网服务器对所述第二临时数据进行编码，生成具有第二格式的第二音频数据。

5.一种音频处理方法，其特征在于，所述方法应用于视联网中，所述视联网涉及相互通信的视联网终端、第三方终端和视联网服务器，所述方法包括：

所述视联网终端向所述视联网服务器发送数据请求指令，所述数据请求指令包括第二格式，所述第二格式为所述视联网终端能够识别的音频数据的格式；

所述视联网终端接收所述视联网服务器发送的第二音频数据，所述第二音频数据是由所述视联网服务器对所述第三方终端发送的第一音频数据进行转换得到的；

所述视联网终端播放所述第二音频数据；

其中，所述视联网服务器在所述视联网终端无法对所述第二音频数据进行解码的情况下，依据所述视联网终端反馈的错误信息中携带的视联网终端可以识别的音频数据的格式重新进行转换。

6.一种视联网服务器，其特征在于，所述视联网服务器应用于视联网中，所述视联网涉及相互通信的视联网终端、第三方终端和所述视联网服务器，所述视联网服务器包括：

确定模块，用于根据所述视联网终端发送的数据请求指令，确定目标音频格式，其中，所述数据请求指令中包含目标音频格式，所述目标音频格式为所述视联网终端能够识别的音频数据的格式；

接收模块，用于接收第三方终端发送的第一音频数据，所述第一音频数据具有第一格式；

解码模块，用于对所述具有所述第一格式的第一音频数据进行解码，得到第一临时数据；

编码模块，用于根据所述目标音频格式，对所述第一临时数据进行编码，生成具有第二格式的第二音频数据；

第一发送模块，用于向所述视联网终端发送所述第二音频数据，所述视联网终端用于对所述第二音频数据进行解码播放；

其中，所述视联网服务器在所述视联网终端无法对所述第二音频数据进行解码的情况下，依据所述视联网终端反馈的错误信息中携带的视联网终端可以识别的音频数据的格式重新进行转换。

7.根据权利要求6所述的视联网服务器，其特征在于，所述确定模块包括：

接收子模块，用于接收所述视联网终端发送的数据请求指令，所述数据请求指令包括所述第二格式，所述第二格式为所述视联网终端能够识别的音频数据的格式；

存储子模块，用于将所述第二格式作为目标音频格式进行存储。

8.根据权利要求7所述的视联网服务器，其特征在于，所述视联网服务器还包括：

生成模块，用于根据所述数据请求指令生成会议请求指令；

第二发送模块，用于向所述第三方终端发送所述会议请求指令，所述第三方终端用于根据所述会议请求指令，向所述视联网服务器发送所述第一音频数据。

9.根据权利要求7所述的视联网服务器，其特征在于，所述编码模块包括：

转换子模块，用于根据所述目标音频格式，对所述第一临时数据进行转换，得到与所述第二格式对应的第二临时数据；

编码子模块，用于对所述第二临时数据进行编码，生成具有第二格式的第二音频数据。

10.一种视联网终端，其特征在于，所述视联网终端应用于视联网中，所述视联网涉及相互通信的视联网终端、第三方终端和视联网服务器，所述视联网终端包括：

发送模块，用于向所述视联网服务器发送数据请求指令，所述数据请求指令包括第二格式，所述第二格式为所述视联网终端能够识别的音频数据的格式；

接收模块，用于接收所述视联网服务器发送的第二音频数据，所述第二音频数据是由所述视联网服务器对所述第三方终端发送的第一音频数据进行转换得到的；

播放模块，用于播放所述第二音频数据；

其中，所述视联网服务器在所述视联网终端无法对所述第二音频数据进行解码的情况下，依据所述视联网终端反馈的错误信息中携带的视联网终端可以识别的音频数据的格式重新进行转换。

Images