CN108922537B - 音频识别方法、装置、终端、耳机及可读存储介质 - Google Patents

Abstract

本申请涉及一种音频识别方法、装置、终端、耳机及可读存储介质。该方法包括：接收音频识别请求，根据所述音频识别请求生成音频识别指令；执行所述音频识别指令，基于耳机上的电声换能器录制音频片段；向服务器发送携带所述音频片段的识别请求；所述识别请求用于指示所述服务器获取与所述音频片段相关的音频信息；接收所述服务器返回的识别结果，并根据所述识别结果进行信息播放。通过上述方法，可以通过耳机实现识别音频片段的过程，并且可以将识别结果直接通过耳机播放出来，给用户带来更便捷的听觉体验，方便用户随时收录想要收听的音乐。

Description

音频识别方法、装置、终端、耳机及可读存储介质

技术领域

本申请涉及通信技术领域，特别是涉及一种音频识别方法、装置、终端、耳机及可读存储介质。

背景技术

耳机在人们日常生活中的使用频率非常高，用户可以通过耳机进行听音乐、通话、语音、视频、影视播放等多种活动。在用户使用耳机的过程中，当想要识别正在播放的声音片段，例如音乐、视频等，往往需要通过音频播放设备(如手机、平板电脑等)才能实现“听歌识曲”的功能，无法通过耳机直接识别并在耳机上播放出识别的内容，用户体验不佳。

发明内容

本申请实施例提供一种音频识别方法、装置、终端、耳机及可读存储介质，可以通过耳机识别音频片段并播放识别结果，提升用户体验。

一种音频识别方法，包括：

接收音频识别请求，根据所述音频识别请求生成音频识别指令；

执行所述音频识别指令，基于耳机上的电声换能器录制音频片段；

向服务器发送携带所述音频片段的识别请求；所述识别请求用于指示所述服务器获取与所述音频片段相关的音频信息；

接收所述服务器返回的识别结果，并根据所述识别结果进行信息播放。

一种音频识别方法，包括：

接收耳机发送的携带音频片段的识别请求；

识别与所述音频片段匹配的音频信息，并在预设数据库中搜索与所述音频信息对应的音频信号；

向所述耳机发送与所述音频片段相关的识别结果。

一种音频识别装置，包括：

指令生成模块，用于接收音频识别请求，根据所述音频识别请求生成音频识别指令；

音频获取模块，用于执行所述音频识别指令，基于耳机上的电声换能器录制音频片段；

请求发送模块，用于向服务器发送携带所述音频片段的识别请求；所述识别请求用于指示所述服务器获取与所述音频片段相关的音频信息；

信息播放模块，用于接收所述服务器返回的识别结果，并根据所述识别结果进行信息播放。

一种音频识别装置，包括：

请求接收模块，用于接收耳机发送的携带音频片段的识别请求；

音频识别模块，用于识别与所述音频片段匹配的音频信息，并在预设数据库中搜索与所述音频信息对应的音频信号；

结果发送模块，用于向所述耳机发送与所述音频片段相关的识别结果。

一种终端，包括存储器及处理器，该存储器中储存有计算机可读指令，所述指令被该处理器执行时，使得该处理器执行上述方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。

一种耳机，该耳机包括电声换能器、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，处理器与电声换能器及存储器电连接，该处理器执行计算机程序时实现上述方法的步骤。

上述音频识别方法、装置、终端、耳机及计算机可读存储介质，接收音频识别请求，根据所述音频识别请求生成音频识别指令，执行所述音频识别指令，基于耳机上的电声换能器录制音频片段，向服务器发送携带所述音频片段的识别请求；所述识别请求用于指示所述服务器获取与所述音频片段相关的音频信息，接收所述服务器返回的识别结果，并根据所述识别结果进行信息播放。通过上述方法，可以通过耳机实现识别音频片段的过程，并且可以将识别结果直接通过耳机播放出来，给用户带来更便捷的听觉体验，方便用户随时收录想要收听的音乐。

附图说明

为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，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为一个实施例中音频识别方法的应用环境示意图；

图2为一个实施例中耳机的内部结构示意图；

图3为一个实施例中音频识别方法的流程示意图；

图4为另一个实施例中音频识别方法的流程示意图；

图5为另一个实施例中音频识别方法的流程示意图；

图6为另一个实施例中音频识别方法的流程示意图；

图7为一个实施例中音频识别装置的结构框图；

图8为与本申请实施例提供的终端相关的耳机的部分结构的框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请。

图1为一个实施例中音频识别方法的应用环境示意图。如图1所示，该应用环境包括为服务器110和与该服务器110进行通信的耳机120。

其中，服务器110可以是云端服务器，也可以是独立的物理服务器，还可以是物理服务器集群。服务器110上存储有音频信息，该音频信息包括但不限于歌曲、录音、广播等。耳机120的类型包括但不限于入耳式、耳塞式、头戴式，挂耳式，耳机120与服务器110可以通过无线的方式进行通信，实现数据的传输。

耳机120包括声电换能器121，声电换能器121位于耳机的尖端部分，将耳机的尖端部分定位在用户的耳道内时，声电换能器121将耳机120获取的音频信号输出至用户耳道中。声电换能器121包括扬声器和麦克风，扬声器用于播放音频信号，麦克风用于录制耳机120周围的音频信号，可选地，麦克风还可采集扬声器播放的音频信号经过耳朵内部结构的反射和振动后形成的回声信号。在一个实施例中，所述扬声器和所述麦克风为一体式结构。

可选地，音频识别方法的应用环境中还可以包括与耳机120进行连接的终端，其中耳机120可以与终端进行有线或无线连接，终端110上安装有应用程序(Application，APP)，应用程序指的是为完成某项或多项特定工作的计算机程序，它运行在用户模式，可以和用户进行交互，具有可视的用户界面，例如音乐播放器、视频播放器、广播电台等。耳机120可以将获取的音频片段发送至终端的应用程序接口，通过终端上的应用程序对该音频片段进行识别，并通过耳机120播放音频识别结果。

图2为一个实施例中耳机的内部结构示意图。该耳机包括通过系统总线连接的处理器、存储器和通信接口。其中，该处理器用于提供计算和控制能力，支撑整个耳机的运行。存储器用于存储数据、程序、和/或指令代码等，存储器上存储至少一个计算机程序，该计算机程序可被处理器执行，以实现本申请实施例中提供的适用于耳机的音频识别方法。存储器可包括磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random-Access-Memory，RAM)等。例如，在一个实施例中，存储器包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统、数据库和计算机程序。该数据库中存储有用于实现以上各个实施例所提供的一种音频识别方法相关的数据。该计算机程序可被处理器所执行，以用于实现本申请各个实施例所提供的一种音频识别方法。内存储器为非易失性存储介质中的操作系统、数据库和计算机程序提供高速缓存的运行环境。通信接口包括移动通信接口、wifi通信接口和蓝牙通信接口等，耳机通过通信接口与服务器进行通信连接，以完成数据传输。

本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的耳机的限定，具体的耳机可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

如图3所示，为一个实施例中音频识别方法的流程图，本实施例中的音频识别方法，以运行于图1中的耳机上为例进行描述。通过该音频识别方法，可以通过耳机识别音频片段并播放识别结果，提升用户体验。该音频识别方法，包括以下步骤302～步骤308：

步骤302：接收音频识别请求，根据所述音频识别请求生成音频识别指令。

当用户使用耳机进行听音乐、看视频或接听电话等功能时，当需要识别外界环境中或终端上正在播放的音频片段时，用户可以通过作用于耳机上的输入操作来发起音频识别请求，输入操作包括但不限于按压操作、敲击操作、手势操作和语音输入操作。可选地，用户还可以通过作用在与耳机连接的终端上的输入操作来发起音频识别请求，本实施例对此不进行限定。例如，接收用户通过按键操作、触控操作或手势操作等方式发起的“听歌识曲”的音频识别请求。

进一步地，当接收到用户发起的音频识别请求后，根据该音频识别请求生成音频识别指令，以执行识别音频的操作。

步骤304：执行所述音频识别指令，基于耳机上的电声换能器录制音频片段。

耳机上的电声换能器包括第一电声换能器和第二电声换能器，第一电声换能器、第二电声换能器分别可作为原有耳机的左喇叭(扬声器)、右喇叭(扬声器)，将音频信号对应的电信号转换成用户可以听到的声波信号。同时，电声换能器对声波非常敏感，能够引起扬声器纸盆的振动，带动与纸盆相连的线圈在永久磁体的磁场中作切割磁力线的运动，从而产生随着声波的变化而变化的电流(产生电流的现象在物理学上称为电磁感应现象)，同时，在线圈两端将输出音频的电动势，因此，电声转换器还可以采集和录制外界环境音。也即，可以将耳机原有的第一电声换能器(左喇叭)、第二电声换能器(右喇叭)当做麦克风使用。

电声换能器，尽管其类型、功能或工作状态不同，它们都包括两个基本组成部分，即电系统和机械振动系统，在电声换能器内部，电系统和机械振动系统之间通过某种物理效应相互联系，以完成能量的转换。

基于耳机上播放音频信号的至少一个电声换能器录制音频片段。也即，耳机的第一电声换能器(左喇叭)和/或第二电声换能器(右喇叭)会周期性的录制音频片段。需要说明的是，该音频片段可以是喇叭、某个音响设备或者发生器产生的，也可以是人说话的声音，本申请中，不对音频片段进行限定。

步骤306：向服务器发送携带所述音频片段的识别请求。

具体地，耳机可以通过无线网络(wireless network)与服务器建立通信连接。其中，无线网络是采用无线通信技术实现的网络，无线网络可以包括通过公众移动通信网实现的无线网络(如GPRS、4G、5G等)和无线局域网(Wireless Local Area Networks，WLAN)等。耳机上包含无线通信接口，可以通过无线通信接口连接至无线网络，例如，当耳机处于无线局域网络的覆盖范围内时，可以通过耳机内置的wifi通信模块连接至无线局域网络。

当所述耳机连接至无线网络时，基于所述耳机的标识与服务器建立通信连接。其中耳机的标识指的是耳机的身份标识，耳机通过无线网络将身份标识发送至服务器，当服务器验证耳机的身份标识通过后，耳机与服务器建立连接。

进一步地，耳机与服务器的建立通信连接后，向服务器发送携带所述音频片段的识别请求，识别请求用于指示服务器获取与所述音频片段相关的音频信息。音频片段可以是一首音乐的节选部分，也可以是具有一定旋律的声音信号，耳机根据录制的音频片段生成数据包作为识别请求，并将识别请求发送至服务器。

服务器在接收到识别请求后，从识别请求中提取音频片段，并在预设数据库中获取与该音频片段相似度最高的音频数据。当服务器搜索到与该音频片段相似的音频数据时，生成与该音频数据相关的音频信息，并向耳机发送该音频信息，音频信息中可以包括音乐数据包、音乐名称、音乐大小、歌词信息等。当服务器未搜索到与该音频片段相似的音频数据时，向耳机发送未找到相关音频的信息。

例如，当耳机获取的音频片段是一首音乐歌曲的一部分时，耳机将该音乐片段发送至服务器，服务器在预设数据库中搜索与该音乐片段相关的歌曲，并在搜索结果中选取相关度最高的歌曲发送至耳机，以使得耳机能够根据服务器识别的内容进行音乐播放。

步骤308：接收所述服务器返回的识别结果，并根据所述识别结果进行信息播放。

当接收到服务器返回的音频信息时，根据该音频信息进行音乐播放。其中，音频信息可以理解为数字化的声音数据，耳机通过将数字化的声音数据进行数模转换(DAC)变成模拟音频信号输出，从而实现声音的播放。服务器返回的音频信息可以是歌曲、录音、广播、电台等。

当接收到服务器返回的识别结果为未找到相关音频时，根据该识别结果进行信息提示。具体地，可以基于耳机播放特定语音，以提示用户未能识别相关音频音信，或提示用户再次触发音频识别请求进行音频识别。可选地，还可以通过耳机发出振动提示、亮灯提示等，本实施例对此不进行限定。

上述音频识别方法，接收音频识别请求，根据所述音频识别请求生成音频识别指令，执行所述音频识别指令，基于耳机上的电声换能器录制音频片段，向服务器发送携带所述音频片段的识别请求；所述识别请求用于指示所述服务器获取与所述音频片段相关的音频信息，接收所述服务器返回的识别结果，并根据所述识别结果进行信息播放。通过上述方法，可以通过耳机实现识别音频片段的过程，并且可以将识别结果直接通过耳机播放出来，给用户带来更便捷的听觉体验，方便用户随时收录想要收听的音乐。

在一个实施例中，所述接收音频识别请求，根据所述音频识别请求生成音频识别指令，包括：当识别到作用于所述耳机上的输入操作与预设输入操作匹配时，生成与所述预设输入操作对应的音频识别指令。

具体地，耳机的外壳上可以开设用于平衡气压的泄露口，通过泄露口可对用户耳道进行排气，用户可以对耳机外壳上的泄露口进行覆盖、堵孔、按压等输入操作，例如覆盖预设位置、覆盖预设时长、覆盖预设频率等。

进一步地，当耳机接收到该输入操作时，可以根据耳机中当前播放的音频信号来获取与所述耳机的声学结构相关联的频率响应曲线。其中，频率响应是指将一个以恒电压输出的音频信号与系统相连接时，耳机产生的声压随频率的变化而发生增大或衰减、相位随频率而发生变化的现象，这种声压和相位与频率的相关联的变化关系称为频率响应。由于耳机上的泄露口可以对用户耳道进行排气，当该泄露口被用户覆盖时，会使耳机的声学结构发生变化，并且会改变用户耳道内的气压，导致用户耳道内的频率响应发生变化。也即，可以用频率响应曲线来表征耳机的声学结构变化。根据所述频率响应曲线识别所述输入操作，并生成与所述输入操作对应的音频识别指令。

可选地，还可以通过耳机上内置的压力传感器识别用户的输入操作，并获取用户作用于所述压力传感器上的响应参数，根据所述压力传感器检测的响应参数与预设输入操作的对应关系，生成音频识别指令。可选地，该响应参数包括但不限于响应时长、响应次数、响应频率等，响应时长可以理解为，在预设时间内用户的按压时长；响应次数可以理解为，在预设时间内用户的按压发生的总次数；响应频率可以理解为，在预设时间内用户的按压频率，例如5秒内连续按压3下等。

在一个实施例中，如图4所示，该音频识别方法还包括以下步骤：

步骤402：当所述耳机连接至无线网络时，获取表征耳机固有属性的耳机标识，并向服务器发送带有所述耳机标识的验证请求。

每个耳机对应设有特定的耳机标识，耳机标识作为耳机上的固有属性，可以作为耳机的身份识别标志，也即是通过识别耳机标识就能对耳机进行身份认证。该耳机标识可以是数字编码，例如001001，也可以是二维码，或是条形编码等，本实施例对此不进行限定。

在耳机连接至无线网络后，向服务器发送带有所述耳机标识的验证请求，以使得服务器对耳机的身份进行验证。由于服务器上存储有允许连接的耳机标识，该耳机标识可以是预先设置在服务器上，也可以是在耳机使用过程中通过在服务器上注册后存储至服务器的连接列表中，例如该耳机标识包含了耳机型号、耳机品牌、耳机类型等信息。

步骤404：当所述验证请求与预设验证信息匹配时，所述耳机与服务器建立通信连接。

当服务器识别出耳机发送的耳机标识处于连接白名单中时，该耳机与服务器连接通信连接，并可以通过无线网络相互传输数据。例如耳机可以向服务器发送请求或控制指令等，服务器可以根据耳机发送的请求返回相关数据或根据耳机发送的控制指令执行相关操作等。

本实施例提供的音频识别方法，在耳机连接至无线网络后，通过服务器验证耳机标识后，所述耳机与服务器建立通信连接，能够将耳机获取的音频片段发送至服务器进行音频识别，使耳机在不需要额外的音频电子设备的情况下也能获取音频信息，提升了用户通过耳机识别音频的便捷性。

在一个实施例中，如图5所示，所述执行所述音频识别指令，基于耳机上的电声换能器录制音频片段，包括：

步骤502：获取预设时长内基于耳机上的电声换能器录制的外部环境的音频片段。

其中耳机外部环境的音频片段可以理解为耳机周围存在的声音信号，可以通过耳机上麦克风接收耳机外部的声音信号，以实现对外部的声音信号进行识别的过程。例如，当用户在佩戴耳机时发现周围播放有比较动听的音乐，想要对周围环境正在播放的音乐进行“听歌识曲”，则通过耳机发出“听歌识曲”的请求，并通过耳机上的麦克风录音功能录制周围的音频片段，以实现对该音频片段的音频识别过程。

可选地，还可以包括步骤504：在预设时长内录制与所述耳机连接的终端上播放的音频片段。

若与耳机连接的终端正在播放声音片段，则在执行所述音频识别指令时，基于耳机上的至少一个电声换能器录制终端上正在播放的音频片段。例如，当终端上正在播放视频，并且视频中正在播放歌曲，当用户想要对视频中播放的歌曲进行“听歌识曲”时，则通过耳机发出“听歌识曲”的请求，并通过耳机上的电声换能器录音功能录制终端上正在播放的音频片段，以实现对该音频片段的音频识别过程。

在一个实施例中，如图6所示，该音频识别方法还包括：

步骤602：将获取的音频片段发送至与所述耳机连接的终端，通过所述终端上的应用程序对所述音频片段进行识别。

耳机可以与终端进行有线或无线连接，终端上安装有应用程序，应用程序指的是为完成某项或多项特定工作的计算机程序，它运行在用户模式，可以和用户进行交互，具有可视的用户界面，例如音乐播放器、视频播放器、广播电台等。耳机可以将获取的音频片段发送至终端的应用程序接口，通过终端上的应用程序对该音频片段进行识别，并向耳机发送该音频片段的识别结果。

步骤604：当接收到所述终端返回的成功识别的结果时，基于所述终端上的应用程序播放识别出的音频信息。

当接收到终端返回的音频信息时，根据该音频信息进行音乐播放。其中，音频信息可以理解为数字化的声音数据，耳机通过将数字化的声音数据进行数模转换(DAC)变成模拟音频信号输出，从而实现声音的播放。终端返回的音频信息可以是歌曲、录音、广播、电台等。

当接收到终端返回的识别结果为未找到相关音频时，根据该识别结果进行信息提示。具体地，可以基于耳机播放特定语音，以提示用户未能识别相关音频音信，或提示用户再次触发音频识别请求进行音频识别。可选地，还可以通过耳机发出振动提示、亮灯提示等，本实施例对此不进行限定。

本实施例提供的音频识别方法，可以通过与耳机连接的终端对耳机上获取的音频片段进行音频识别，并将识别结果通过耳机播放给用户收听，给用户带来更便捷的听觉体验，方便用户随时收录想要收听的音乐。

在一个实施例中，提供了一种音频识别方法，本实施例中的音频识别方法，以运行于图1中的服务器上为例进行描述。该音频识别方法，包括以下步骤：接收耳机发送的携带音频片段的识别请求；识别与所述音频片段匹配的音频信息，并在预设数据库中搜索与所述音频信息对应的音频信号；向所述耳机发送与所述音频片段相关的识别结果。

本实施例提供的方法，能够通过与服务器进行连接后，通过服务器对耳机上获取的音频片段进行识别，并获取由服务器返回的音频信息而实现音频播放，不需要额外的音频电子设备，增加了用户通过耳机识别音频片段的便捷性，提升用户体验。

应该理解的是，虽然上述实施例对应的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图3-6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

如图7所示，在一个实施例中，提供一种音频识别装置，该装置包括：指令生成模块710、音频获取模块720、请求发送模块730和信息播放模块740。

指令生成模块710，用于接收音频识别请求，根据所述音频识别请求生成音频识别指令。

音频获取模块720，用于执行所述音频识别指令，基于耳机上的电声换能器录制音频片段。

请求发送模块730，用于向服务器发送携带所述音频片段的识别请求；所述识别请求用于指示所述服务器获取与所述音频片段相关的音频信息。

信息播放模块740，用于接收所述服务器返回的识别结果，并根据所述识别结果进行信息播放。

上述音频识别装置，接收音频识别请求，根据所述音频识别请求生成音频识别指令，执行所述音频识别指令，基于耳机上的电声换能器录制音频片段，向服务器发送携带所述音频片段的识别请求；所述识别请求用于指示所述服务器获取与所述音频片段相关的音频信息，接收所述服务器返回的识别结果，并根据所述识别结果进行信息播放。通过上述装置，可以通过耳机实现识别音频片段的过程，并且可以将识别结果直接通过耳机播放出来，给用户带来更便捷的听觉体验，方便用户随时收录想要收听的音乐。

在一个实施例中，该音频识别装置还包括通信连接模块，用于当所述耳机连接至无线网络时，获取表征耳机固有属性的耳机标识，并向服务器发送带有所述耳机标识的验证请求；当所述验证请求与预设验证信息匹配时，所述耳机与服务器建立通信连接。

在一个实施例中，指令生成模块710还用于当识别到作用于所述耳机上的输入操作与预设输入操作匹配时，生成与所述预设输入操作对应的音频识别指令。

在一个实施例中，音频获取模块720还用于获取预设时长内基于耳机上的电声换能器录制的外部环境的音频片段；或者，在预设时长内录制与所述耳机连接的终端上播放的音频片段。

在一个实施例中，信息播放模块740还用于当接收到服务器返回的基于所述音频片段识别得到的音频信号时，基于所述耳机上的电声换能器播放所述音频信号；当接收到服务器返回的未找到与所述音频片段匹配的识别结果时，通过所述耳机播放预设语音提示信息。

在一个实施例中，，该音频识别装置还包括数据发送模块，用于将获取的音频片段发送至与所述耳机连接的终端，通过所述终端上的应用程序对所述音频片段进行识别；当接收到所述终端返回的成功识别的结果时，基于所述终端上的应用程序播放识别出的音频信息。

在一个实施例中，还提供一种音频识别装置，所述装置包括：

请求接收模块，用于接收耳机发送的携带音频片段的识别请求；

音频识别模块，用于识别与所述音频片段匹配的音频信息，并在预设数据库中搜索与所述音频信息对应的音频信号；

结果发送模块，用于向所述耳机发送与所述音频片段相关的识别结果。

上述音频识别装置中各个模块的划分仅用于举例说明，在其他实施例中，可将音频识别装置按照需要划分为不同的模块，以完成上述音频识别装置的全部或部分功能。

关于音频识别装置的具体限定可以参见上文中对于音频识别方法的限定，在此不再赘述。上述音频识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

本申请实施例中提供的音频识别装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在终端或服务器的存储器上。该计算机程序被处理器执行时，实现本申请实施例中所描述的音频识别方法的步骤。

本申请实施例还提供了一种耳机，该耳机包括电声换能器、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，所述处理器与所述电声换能器及所述存储器电连接，所述处理器执行所述计算机程序时实现如上述各实施例中所描述的音频识别方法。

本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行如上述各实施例中所描述的音频识别方法。

本申请实施例还提供了一种计算机程序产品。一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各实施例中所描述的音频识别方法。

本申请实施例还提供了一种终端设备。如图8所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。以终端设备为耳机为例：

图8为与本申请实施例提供的计算机设备相关的耳机的部分结构的框图。参考图8，耳机包括：射频(Radio Frequency，RF)电路810、存储器820、输入单元830、显示单元840、传感器850、音频电路860、无线保真(wireless fidelity，WiFi)模块870、处理器880、以及电源890等部件。本领域技术人员可以理解，图8所示的耳机结构并不构成对耳机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

其中，RF电路810可用于收发信息或通话过程中，信号的接收和发送，可将基站的下行信息接收后，给处理器880处理；也可以将上行的数据发送给基站。通常，RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier，LNA)、双工器等。此外，RF电路810还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System ofMobile communication，GSM)、通用分组无线服务(General Packet Radio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband CodeDivision Multiple Access，WCDMA)、长期演进(Long Term Evolution，LTE))、电子邮件、短消息服务(Short Messaging Service，SMS)等。

存储器820可用于存储软件程序以及模块，处理器880通过运行存储在存储器820的软件程序以及模块，从而执行耳机的各种功能应用以及数据处理。存储器820可主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能的应用程序、图像播放功能的应用程序等)等；数据存储区可存储根据耳机的使用所创建的数据(比如音频数据、通讯录等)等。此外，存储器820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、或其他易失性固态存储器件。

输入单元830可用于接收输入的数字或字符信息，以及产生与耳机800的用户设置以及功能控制有关的键信号输入。具体地，输入单元830可包括触控面板831以及其他输入设备832。触控面板831，也可称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板831上或在触控面板831附近的操作)，并根据预先设定的程式驱动相应的连接装置。在一个实施例中，触控面板831可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器880，并能接收处理器880发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板831。除了触控面板831，输入单元830还可以包括其他输入设备832。具体地，其他输入设备832可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)等中的一种或多种。

显示单元840可用于显示由用户输入的信息或提供给用户的信息以及耳机的各种菜单。显示单元840可包括显示面板841。在一个实施例中，可以采用液晶显示器(LiquidCrystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板841。在一个实施例中，触控面板831可覆盖显示面板841，当触控面板831检测到在其上或附近的触摸操作后，传送给处理器880以确定触摸事件的类型，随后处理器880根据触摸事件的类型在显示面板841上提供相应的视觉输出。虽然在图8中，触控面板831与显示面板841是作为两个独立的部件来实现耳机的输入和输入功能，但是在某些实施例中，可以将触控面板831与显示面板841集成而实现耳机的输入和输出功能。

耳机800还可包括至少一种传感器850，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板841的亮度，接近传感器可在耳机移动到耳边时，关闭显示面板841和/或背光。运动传感器可包括加速度传感器，通过加速度传感器可检测各个方向上加速度的大小，静止时可检测出重力的大小及方向，可用于识别耳机姿态的应用(比如横竖屏切换)、振动识别相关功能(比如计步器、敲击)等；此外，耳机还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器等。

音频电路860、扬声器861和传声器862可提供用户与耳机之间的音频接口。音频电路860可将接收到的音频数据转换后的电信号，传输到扬声器861，由扬声器861转换为声音信号输出；另一方面，传声器862将收集的声音信号转换为电信号，由音频电路860接收后转换为音频数据，再将音频数据输出处理器880处理后，经RF电路810可以发送给另一耳机，或者将音频数据输出至存储器820以便后续处理。

WiFi属于短距离无线传输技术，耳机通过WiFi模块870可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图8示出了WiFi模块870，但是可以理解的是，其并不属于耳机800的必须构成，可以根据需要而省略。

处理器880是耳机的控制中心，利用各种接口和线路连接整个耳机的各个部分，通过运行或执行存储在存储器820内的软件程序和/或模块，以及调用存储在存储器820内的数据，执行耳机的各种功能和处理数据，从而对耳机进行整体监控。在一个实施例中，处理器880可包括一个或多个处理单元。在一个实施例中，处理器880可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等；调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器880中。

耳机800还包括给各个部件供电的电源890(比如电池)，优选的，电源可以通过电源管理系统与处理器880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。

在本申请实施例中，该移动终端所包括的处理器880执行存储在存储器上的计算机程序时实现实现上述各实施例中所描述的音频识别方法。

在处理器上运行的计算机程序的执行时，可以通过耳机实现识别音频片段的过程，并且可以将识别结果直接通过耳机播放出来，给用户带来更便捷的听觉体验，方便用户随时收录想要收听的音乐。

本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。

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

Claims (15)

1.一种音频识别方法，其特征在于，运行于耳机上，包括：

当识别到作用于所述耳机上的输入操作与预设输入操作匹配时，生成与所述预设输入操作对应的音频识别指令；

执行所述音频识别指令，基于耳机上的电声换能器录制音频片段；

向服务器发送携带所述音频片段的识别请求；所述识别请求用于指示所述服务器获取与所述音频片段相关的音频信息；

当接收到服务器返回的基于所述音频片段识别得到的音频信号时，基于所述耳机上的电声换能器播放所述音频信号；当接收到服务器返回的未找到与所述音频片段匹配的识别结果时，通过所述耳机播放预设语音提示信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述耳机连接至无线网络时，获取表征耳机固有属性的耳机标识，并向服务器发送带有所述耳机标识的验证请求；

当所述验证请求与预设验证信息匹配时，所述耳机与服务器建立通信连接。

3.根据权利要求1所述的方法，其特征在于，所述执行所述音频识别指令，基于耳机上的电声换能器录制音频片段，包括：

获取预设时长内基于耳机上的电声换能器录制的外部环境的音频片段；或

在预设时长内录制与所述耳机连接的终端上播放的音频片段。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将获取的音频片段发送至与所述耳机连接的终端，通过所述终端上的应用程序对所述音频片段进行识别；

当接收到所述终端返回的成功识别的结果时，基于所述终端上的应用程序播放识别出的音频信息。

5.一种音频识别方法，其特征在于，包括：

接收耳机发送的携带音频片段的识别请求；所述音频片段是耳机识别到作用于所述耳机上的预设输入操作，执行与所述预设输入操作对应的音频识别指令，基于耳机上的电声换能器录制的；

识别与所述音频片段匹配的音频信息，并在预设数据库中搜索与所述音频信息对应的音频信号；

向所述耳机发送与所述音频片段相关的识别结果，以使耳机上的电声换能器播放所述音频信号，或耳机播放预设语音提示信息。

6.一种音频识别装置，其特征在于，运行于耳机上，包括：

指令生成模块，用于当识别到作用于所述耳机上的输入操作与预设输入操作匹配时，生成与所述预设输入操作对应的音频识别指令；

音频获取模块，用于执行所述音频识别指令，基于耳机上的电声换能器录制音频片段；

请求发送模块，用于向服务器发送携带所述音频片段的识别请求；所述识别请求用于指示所述服务器获取与所述音频片段相关的音频信息；

信息播放模块，用于当接收到服务器返回的基于所述音频片段识别得到的音频信号时，基于所述耳机上的电声换能器播放所述音频信号；当接收到服务器返回的未找到与所述音频片段匹配的识别结果时，通过所述耳机播放预设语音提示信息。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括通信连接模块，用于当所述耳机连接至无线网络时，获取表征耳机固有属性的耳机标识，并向服务器发送带有所述耳机标识的验证请求；当所述验证请求与预设验证信息匹配时，所述耳机与服务器建立通信连接。

8.根据权利要求6所述的装置，其特征在于，所述音频获取模块还用于获取预设时长内基于耳机上的电声换能器录制的外部环境的音频片段；或在预设时长内录制与所述耳机连接的终端上播放的音频片段。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括数据发送模块，用于将获取的音频片段发送至与所述耳机连接的终端，通过所述终端上的应用程序对所述音频片段进行识别；当接收到所述终端返回的成功识别的结果时，基于所述终端上的应用程序播放识别出的音频信息。

10.一种音频识别装置，其特征在于，包括：

请求接收模块，用于接收耳机发送的携带音频片段的识别请求；所述音频片段是耳机识别到作用于所述耳机上的预设输入操作，执行与所述预设输入操作对应的音频识别指令，基于耳机上的电声换能器录制的；

音频识别模块，用于识别与所述音频片段匹配的音频信息，并在预设数据库中搜索与所述音频信息对应的音频信号；

结果发送模块，用于向所述耳机发送与所述音频片段相关的识别结果，以使耳机上的电声换能器播放所述音频信号，或耳机播放预设语音提示信息。

11.一种终端，包括存储器及处理器，所述存储器中储存有计算机可读指令，所述指令被所述处理器执行时，使得所述处理器执行如权利要求1至4中任一项所述的方法的步骤。

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如权利要求1至4中任一项所述的方法的步骤。

13.一种耳机，其特征在于，所述耳机包括电声换能器、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，所述处理器与所述电声换能器及所述存储器电连接，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。

14.根据权利要求13所述的耳机，其特征在于，所述电声换能器包括扬声器和麦克风，所述扬声器用于播放所述音频信号，所述麦克风用于录制外部环境的音频片段。

15.根据权利要求14所述的耳机，其特征在于，所述扬声器和所述麦克风为一体式结构。

Images