CN109286769A - 音频识别方法、装置及存储介质 - Google Patents

Abstract

本发明公开了一种音频识别方法、装置及存储介质，属于音频处理技术领域。所述方法包括：接收视频播放指令，所述视频播放指令中携带待播放的视频的视频标识；根据所述视频标识，获取所述视频的视频播放信息；当所述视频播放信息包括目标标签时，显示所述目标标签，所述目标标签用于指示所述视频的音频来自所述视频中用户的现场录制。显示该目标标签后，即可使得观看用户获知该视频的音频是视频中用户自己演唱的，实现了对视频中音频的识别。

Description

音频识别方法、装置及存储介质

技术领域

本发明实施例涉及多媒体技术领域，特别涉及一种音频识别方法、装置及存储介质。

背景技术

目前，在使用应用软件录制视频时，用户可以选择录入自己的声音作为视频的音频，也可以选择使用已有的音频文件作为视频的音频。譬如，在直播应用场景中，主播用户在录制歌曲视频时，可以选择自己现场真唱，也可以选择播放已有的歌曲文件，只做对口型表演。在播放所录制的视频时，对于观看用户来说，可能需要获知视频中的音频是该视频中主播用户自己的声音还是来自于已有的音频文件。

发明内容

本发明实施例提供了一种音频识别方法、装置及存储介质，可以识别音频的来源，以便于用户获知视频中的音频是来自视频中用户的声音还是来自音频文件的问题。所述技术方案如下：

第一方面，提供了一种音频识别方法，所述方法包括：

接收视频播放指令，所述视频播放指令中携带待播放的视频的视频标识；

根据所述视频标识，获取所述视频的视频播放信息；

当所述视频播放信息包括目标标签时，显示所述目标标签，所述目标标签用于指示所述视频的音频来自所述视频中用户的现场录制。

可选地，所述当所述视频播放信息中包括目标标签时，显示所述目标标签之前，还包括：

显示标签添加选项；

当基于所述标签添加选项接收到标签添加指令时，录制所述视频，在所述视频的视频播放信息中添加所述目标标签。

可选地，所述目标标签包括第一标签和第二标签，所述第二标签还用于指示所述视频中的用户为所述音频的原音者。

可选地，所述标签添加指令还携带用户账号，所述在所述视频的视频播放信息中添加所述目标标签之前，还包括：

获取所述视频中音频的原音者信息；

当所述用户账号与所述原音者信息不相同时，确定所述目标标签为所述第一标签；当所述用户账号与所述原音者信息相同时，确定所述目标标签为所述第二标签。

可选地，所述根据所述视频标识，获取所述视频的视频播放信息之后，还包括：

基于所述视频播放信息播放所述视频；

相应地，所述当所述视频播放信息包括目标标签时，显示所述目标标签，包括：

当所述视频播放信息包括所述目标标签时，在播放所述视频的界面的预设区域内显示所述目标标签。

第二方面，提供了一种音频识别装置，所述装置包括：

接收模块，用于接收视频播放指令，所述视频播放指令中携带待播放的视频的视频标识；

第一获取模块，用于根据所述视频标识，获取所述视频的视频播放信息；

第一显示模块，用于当所述视频播放信息包括目标标签时，显示所述目标标签，所述目标标签用于指示所述视频的音频来自所述视频中用户的现场录制。

可选地，所述装置还包括：

第二显示模块，用于显示标签添加选项；

添加模块，用于当基于所述标签添加选项接收到标签添加指令时，录制所述视频，在所述视频的视频播放信息中添加所述目标标签。

可选地，所述目标标签包括第一标签和第二标签，所述第二标签还用于指示所述视频中的用户为所述音频的原音者。

可选地，所述装置还包括：

第二获取模块，用于获取所述视频中音频的原音者信息；

确定模块，用于当所述用户账号与所述原音者信息不相同时，确定所述目标标签为所述第一标签；当所述用户账号与所述原音者信息相同时，确定所述目标标签为所述第二标签。

可选地，所述装置还包括：

播放模块，用于基于所述视频播放信息播放所述视频；

所述第一显示模块，用于当所述视频播放信息包括所述目标标签时，在播放所述视频的界面的预设区域内显示所述目标标签。

第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述第一方面所述的音频识别方法。

第四方面，提供了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第一方面所述的音频识别方法。

本发明实施例提供的技术方案带来的有益效果是：

接收携带视频标识的视频播放指令，获取该视频标识对应的视频的视频播放信息。当该视频播放信息包括目标标签时，由于该目标标签用于指示该视频的音频来自于视频中用户的现场录制，因此，显示该目标标签后，即可使得观看用户获知该视频的音频是视频中用户自己的声音，从而实现了对视频中音频的识别。

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是根据一示例性实施例示出的一种音频识别方法的流程图；

图2是根据另一示例性实施例示出的一种音频识别方法的流程图；

图3是根据一示例性实施例示出的一种视频录制界面的显示示意图；

图4是根据一示例性实施例示出的一种视频播放界面的显示示意图；

图5是根据一示例性实施例示出的一种视频播放界面的显示示意图；

图6是根据一示例性实施例示出的一种音频识别装置的结构示意图；

图7是根据另一示例性实施例示出的一种音频识别装置的结构示意图；

图8是根据另一示例性实施例示出的一种音频识别装置的结构示意图；

图9是根据另一示例性实施例示出的一种音频识别装置的结构示意图；

图10是根据另一示例性实施例示出的一种终端1000的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

在对本发明实施例进行详细介绍之前，先对本发明实施例涉及的应用场景和实施环境进行简单介绍。

首先，对本发明实施例涉及的应用场景进行简单介绍。

目前，视频中的音频可能是来自于视频中用户的声音，譬如，是用户自己现场演唱的，也可能来自原本配带的音频文件。终端在播放视频时，无法识别视频中的音频真正的来源，从而使得观看视频的用户难以区分视频的音频是视频中用户自己录制的还是来来自已有的音频文件。为此，本发明实施例提供了一种音频识别方法，该方法可以识别视频中的音频，从而便于观看用户获知其来源，具体实现过程请参见如下图1或图2所示的实施例。

接下来，对本发明实施例涉及的实时环境进行简单介绍。

本发明实施例提供的音频识别方法可以由终端来执行，该终端具有视频播放功能，进一步地，该终端还具有视频录制功能。在一些实施例中，该终端可以为手机、平板电脑、台式计算机、便携式计算机等等，本发明实施例对此不作限定。

图1是根据一示例性实施例示出的一种音频识别方法的流程图，该音频识别方法可以包括如下几个步骤：

步骤101：接收视频播放指令，所述视频播放指令中携带待播放的视频的视频标识。

步骤102：根据所述视频标识，获取所述视频的视频播放信息。

步骤103：当所述视频播放信息包括目标标签时，显示所述目标标签，所述目标标签用于指示所述视频的音频来自所述视频中用户的现场录制。

在本发明实施例中，接收携带视频标识的视频播放指令，获取该视频标识对应的视频的视频播放信息。当该视频播放信息包括目标标签时，由于该目标标签用于指示该视频的音频来自于视频中用户的现场录制，因此，显示该目标标签后，即可使得观看用户获知该视频的音频是视频中用户自己演唱的，实现了对视频中音频的识别。

可选地，所述当所述视频播放信息中包括目标标签时，显示所述目标标签之前，还包括：

显示标签添加选项；

当基于所述标签添加选项接收到标签添加指令时，录制所述视频，在所述视频的视频播放信息中添加所述目标标签。

可选地，所述目标标签包括第一标签和第二标签，所述第二标签还用于指示所述视频中的用户为所述音频的原音者。

可选地，所述标签添加指令还携带用户账号，所述在所述视频的视频播放信息中添加所述目标标签之前，还包括：

获取所述视频中音频的原音者信息；

当所述用户账号与所述原音者信息不相同时，确定所述目标标签为所述第一标签；当所述用户账号与所述原音者信息相同时，确定所述目标标签为所述第二标签。

可选地，所述根据所述视频标识，获取所述视频的视频播放信息之后，还包括：

基于所述视频播放信息播放所述视频；

相应地，所述当所述视频播放信息包括目标标签时，显示所述目标标签，包括：

当所述视频播放信息包括所述目标标签时，在播放所述视频的界面的预设区域内显示所述目标标签。

上述所有可选技术方案，均可按照任意结合形成本发明的可选实施例，本发明实施例对此不再一一赘述。

图2是根据另一示例性实施例示出的一种音频识别方法的流程图，本实施例以该音频识别方法应用于终端中进行举例说明，该音频识别方法可以包括如下几个步骤：

步骤201：显示标签添加选项。

在本发明实例中，为了便于观看用户在观看视频时可以获知该视频中的音频是来自视频中用户的现场录制，还是来自于原本配置的音频文件，可以在视频录制过程中，在视频录制界面显示标签添加选项。

譬如，请参考图3，该图3是根据一示例性实施例示出的一种视频录制界面的显示示意图，该视频录制界面中提供有“唱高潮”选项，该“唱高潮”选项即为该标签添加选项。

在一种可能的实现方式中，终端可以在该视频录制界面的目标区域内显示该标签添加选项，其中，该目标区域可以由用户根据实际需求自定义设置，也可以由终端默认设置，本发明实施例对此不做限定。

步骤202：当基于该标签添加选项接收到标签添加指令时，录制该视频，在该视频的视频播放信息中添加目标标签，该目标标签用于指示该视频的音频来自该视频中用户的现场录制。

其中，该标签添加指令可以由用户触发，该用户可以通过预设操作触发，该预设操作可以包括点击操作、滑动操作、摇一摇操作等等，本发明实施例对此不做限定。

譬如，当录制视频的用户想要录入自己的声音作为视频的音频时，可以点击该标签添加选项以触发标签添加指令。终端接收到该标签添加指令后，开始录制视频，譬如，开启摄像头和麦克风，以进行视频录制以及音频录制。并且，为了便于用户在观看该视频时可以获知该视频中的音频是视频中用户自己的声音，终端在该视频的视频播放信息中添加目标标签，也就是说，给该视频打上目标标签，该目标标签用于表征该视频中的音频是来自用户自己的声音。

这里需要说明的是，该视频的视频播放信息除了可以包括目标标签外，还可以包括但不限于视频播放地址信息、播放封面信息。

进一步地，上述目标标签包括第一标签和第二标签，该第二标签还用于指示该视频中的用户为该音频的原音者。

譬如，在一些实施例中，该第一标签可以为真唱标签，该第二标签可以为原唱标签。此时，该第一标签和第二标签均用于说明视频中的音频是来自用户的现场录制，此外，该第二标签还用于说明该视频中的用户即为该音频的原唱者。

进一步地，上述标签添加指令还可以携带用户账号，此时，在该视频的视频播放信息中添加目标标签之前，终端可以获取该视频中音频的原音者信息，当该用户账号与该原音者信息不相同时，确定该目标标签为该第一标签，当该用户账号与该原音者信息相同时，确定该目标标签为该第二标签。

也即是，在视频录制过程中，用户可以登录自己的用户账号，之后，可以点击该标签添加选项进行视频录制，此时，该标签添加选项中携带该用户的用户账号。进一步地，为了确定该用户是否为该音频的原音者，终端获取该音频的原音者信息，并将该标签添加选项中携带的用户账号与该原音者信息进行比较，即判断该用户账号与该原音者信息是否相同。

如果该用户账号与该原音者信息相同，则说明该用户即为该音频的原音者，此时，将该目标标签确定为第二标签，譬如，将该目标标签确定为原唱标签。反之，如果该用户账号与该原音者信息不相同，说明该用户不是该音频的原音者，此时，将该目标标签确定为第一标签，譬如，将该目标标签确定为真唱标签。

需要说明的是，上述仅是以通过获取用户账号，自动将该用户账号与音频的原音者信息进行比较以确定目标标签为例进行说明。在另一实施例中，还可以由人工审核方式来视频中的用户是否为音频的原音者，以确定目标标签，本发明实施例对此不作限定。

还需要说明的是，上述是以在视频录制过程中为视频打上目标标签为例进行说明，在另一实施例中，还可以不为视频打上该目标标签。譬如，如果在录制视频过程中，用户使用视频原本配有的音频文件，即视频中的音频不是来自用户的声音，而是来自该音频文件，则不需要打上目标标签。

在一种可能的实现方式中，上述视频录制界面还可以显示有音频文件添加选项和视频录制选项，当在录制视频过程中不需要为视频打上该目标标签时，如果用户需要录制视频，则可以点击该音频文件添加选项，以添加需要使用的音频文件，之后，用户可以点击该视频录制选项以触发视频录制指令。终端接收到该视频录制指令后，播放音频文件，并开启摄像头进行视频录制，此时，终端则不会在所录制的视频的视频播放信息中添加上述目标标签，也即是，当该视频中的音频来自已有的音频文件时，该视频播放信息中不会包括该目标标签。

在介绍完了视频录制过程之后，接下来对视频播放实现过程进行介绍，具体请参见如下步骤203至步骤205。

步骤203：接收视频播放指令，该视频播放指令中携带待播放的视频的视频标识。

其中，视频播放指令可以由用户通过上述预设操作触发。譬如，该终端的视频播放显示界面可以提供有视频播放选项，用户可以选择将要播放的视频并点击该视频播放选项以触发该视频播放指令，该视频播放指令中携带待播放的视频的视频标识。

其中，该视频标识可以用于唯一标识一个视频，譬如，该视频标识可以为视频ID、视频名称等。

步骤204：根据该视频标识，获取该视频的视频播放信息。

在一种可能的实现方式中，终端根据该视频标识从预设接口获取该视频播放信息，譬如，该预设接口可以为服务器的接口，其中，该服务器用于提供视频。在该种情况下，该服务器可以预先存储有视频标识与视频播放信息之间的对应关系，终端通过该预设接口向服务器发送信息获取请求，该信息获取请求中携带视频标识，服务器接收到该信息获取请求后，提取该视频标识，并从上述对应关系中获取对应的视频播放信息，将获取的视频播放信息返回给该终端，如此，该终端即可获取到该视频的视频播放信息。

步骤205：当该视频播放信息包括目标标签时，显示该目标标签。

终端获取该视频播放信息后，查询该视频播放信息中是否包括目标标签，当该视频播放信息中包括该目标标签时，显示该目标标签，以便于观看用户根据显示的目标标签，可以获知该视频中的音频是来自视频中用户的声音。

进一步地，该终端获取到该视频播放信息后，基于该视频播放信息播放该视频，此时，当该视频播放信息包括该目标标签时，在播放该视频的界面的预设区域内显示该目标标签。

其中，该预设区域可以由用户根据实际需求进行设置，也可以由该终端默认设置，本发明实施例对此不作限定。

进一步地，如前文所述，由于该目标标签包括第一标签和第二标签，因此，在实际显示时，可能存在两种情况，一种情况是，终端显示第一标签，如图4所示，该第一标签为“真唱”，此时，说明该视频中的音频仅仅是来自该视频中用户的声音，但该用户并不是该音频的原音者。另一种情况是，终端显示第二标签，如图5所示，该第二标签为“原唱”，此时，说明该视频中的音频不仅是来自于该视频中的用户的声音，且该用户还是该音频的原音者。

进一步地，当该视频播放信息不包括目标标签时，终端只播放视频，即该视频播放界面中不会显示有目标标签，此时，用户可以获知该视频中的音频是来自于音频文件，而不是来自视频中用户的声音。

在本发明实施例中，接收携带视频标识的视频播放指令，获取该视频标识对应的视频的视频播放信息。当该视频播放信息包括目标标签时，由于该目标标签用于指示该视频的音频来自于视频中用户的现场录制，因此，显示该目标标签后，即可使得观看用户获知该视频的音频是视频中用户自己的声音，从而实现了对视频中音频的识别。

图6是根据一示例性实施例示出的一种音频识别装置的结构示意图，该音频识别装置可以由软件、硬件或者两者的结合实现。该音频识别装置可以包括：

接收模块610，用于接收视频播放指令，所述视频播放指令中携带待播放的视频的视频标识；

第一获取模块612，用于根据所述视频标识，获取所述视频的视频播放信息；

第一显示模块614，用于当所述视频播放信息包括目标标签时，显示所述目标标签，所述目标标签用于指示所述视频的音频来自所述视频中用户的现场录制。

可选地，请参考图7，所述装置还包括：

第二显示模块616，用于显示标签添加选项；

添加模块618，用于当基于所述标签添加选项接收到标签添加指令时，录制所述视频，在所述视频的视频播放信息中添加所述目标标签。

可选地，所述目标标签包括第一标签和第二标签，所述第二标签还用于指示所述视频中的用户为所述音频的原音者。

可选地，请参考图8，所述装置还包括：

第二获取模块620，用于获取所述视频中音频的原音者信息；

确定模块622，用于当所述用户账号与所述原音者信息不相同时，确定所述目标标签为所述第一标签；当所述用户账号与所述原音者信息相同时，确定所述目标标签为所述第二标签。

可选地，请参考图9，所述装置还包括：

播放模块624，用于基于所述视频播放信息播放所述视频；

所述第一显示模块614，用于当所述视频播放信息包括所述目标标签时，在播放所述视频的界面的预设区域内显示所述目标标签。

在本发明实施例中，接收携带视频标识的视频播放指令，获取该视频标识对应的视频的视频播放信息。当该视频播放信息包括目标标签时，由于该目标标签用于指示该视频的音频来自于视频中用户的现场录制，因此，显示该目标标签后，即可使得观看用户获知该视频的音频是视频中用户自己的声音，从而实现了对视频中音频的识别。

需要说明的是：上述实施例提供的音频识别装置在实现音频识别方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的音频识别装置与音频识别方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图10示出了本发明一个示例性实施例提供的终端1000的结构框图。该终端1000可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端1000还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，终端1000包括有：处理器1001和存储器1002。

处理器1001可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1001可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1001也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1001可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1001还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器1002可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1002还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1002中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1001所执行以实现本申请中方法实施例提供的音频识别方法。

在一些实施例中，终端1000还可选包括有：外围设备接口1003和至少一个外围设备。处理器1001、存储器1002和外围设备接口1003之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1003相连。具体地，外围设备包括：射频电路1004、触摸显示屏1005、摄像头1006、音频电路1007、定位组件1008和电源1009中的至少一种。

外围设备接口1003可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器1001和存储器1002。在一些实施例中，处理器1001、存储器1002和外围设备接口1003被集成在同一芯片或电路板上；在一些其他实施例中，处理器1001、存储器1002和外围设备接口1003中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路1004用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路1004通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1004将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1004包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1004可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路1004还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏1005用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1005是触摸显示屏时，显示屏1005还具有采集在显示屏1005的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1001进行处理。此时，显示屏1005还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1005可以为一个，设置终端1000的前面板；在另一些实施例中，显示屏1005可以为至少两个，分别设置在终端1000的不同表面或呈折叠设计；在再一些实施例中，显示屏1005可以是柔性显示屏，设置在终端1000的弯曲表面上或折叠面上。甚至，显示屏1005还可以设置成非矩形的不规则图形，也即异形屏。显示屏1005可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

摄像头组件1006用于采集图像或视频。可选地，摄像头组件1006包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1006还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路1007可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1001进行处理，或者输入至射频电路1004以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端1000的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1001或射频电路1004的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1007还可以包括耳机插孔。

定位组件1008用于定位终端1000的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件1008可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。

电源1009用于为终端1000中的各个组件进行供电。电源1009可以是交流电、直流电、一次性电池或可充电电池。当电源1009包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。

在一些实施例中，终端1000还包括有一个或多个传感器1010。该一个或多个传感器1010包括但不限于：加速度传感器1011、陀螺仪传感器1012、压力传感器1013、指纹传感器1014、光学传感器1015以及接近传感器1016。

加速度传感器1011可以检测以终端1000建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1011可以用于检测重力加速度在三个坐标轴上的分量。处理器1001可以根据加速度传感器1011采集的重力加速度信号，控制触摸显示屏1005以横向视图或纵向视图进行用户界面的显示。加速度传感器1011还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器1012可以检测终端1000的机体方向及转动角度，陀螺仪传感器1012可以与加速度传感器1011协同采集用户对终端1000的3D动作。处理器1001根据陀螺仪传感器1012采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器1013可以设置在终端1000的侧边框和/或触摸显示屏1005的下层。当压力传感器1013设置在终端1000的侧边框时，可以检测用户对终端1000的握持信号，由处理器1001根据压力传感器1013采集的握持信号进行左右手识别或快捷操作。当压力传感器1013设置在触摸显示屏1005的下层时，由处理器1001根据用户对触摸显示屏1005的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器1014用于采集用户的指纹，由处理器1001根据指纹传感器1014采集到的指纹识别用户的身份，或者，由指纹传感器1014根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器1001授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1014可以被设置终端1000的正面、背面或侧面。当终端1000上设置有物理按键或厂商Logo时，指纹传感器1014可以与物理按键或厂商Logo集成在一起。

光学传感器1015用于采集环境光强度。在一个实施例中，处理器1001可以根据光学传感器1015采集的环境光强度，控制触摸显示屏1005的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏1005的显示亮度；当环境光强度较低时，调低触摸显示屏1005的显示亮度。在另一个实施例中，处理器1001还可以根据光学传感器1015采集的环境光强度，动态调整摄像头组件1006的拍摄参数。

接近传感器1016，也称距离传感器，通常设置在终端1000的前面板。接近传感器1016用于采集用户与终端1000的正面之间的距离。在一个实施例中，当接近传感器1016检测到用户与终端1000的正面之间的距离逐渐变小时，由处理器1001控制触摸显示屏1005从亮屏状态切换为息屏状态；当接近传感器1016检测到用户与终端1000的正面之间的距离逐渐变大时，由处理器1001控制触摸显示屏1005从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图10中示出的结构并不构成对终端1000的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

本申请实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行上述图1或图2所示实施例提供的音频识别方法。

本申请实施例还提供了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图1或图2所示实施例提供的音频识别方法。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种音频识别方法，其特征在于，所述方法包括：

接收视频播放指令，所述视频播放指令中携带待播放的视频的视频标识；

根据所述视频标识，获取所述视频的视频播放信息；

当所述视频播放信息包括目标标签时，显示所述目标标签，所述目标标签用于指示所述视频的音频来自所述视频中用户的现场录制。

2.如权利要求1所述的方法，其特征在于，所述当所述视频播放信息中包括目标标签时，显示所述目标标签之前，还包括：

显示标签添加选项；

当基于所述标签添加选项接收到标签添加指令时，录制所述视频，在所述视频的视频播放信息中添加所述目标标签。

3.如权利要求2所述的方法，其特征在于，所述目标标签包括第一标签和第二标签，所述第二标签还用于指示所述视频中的用户为所述音频的原音者。

4.如权利要求3所述的方法，其特征在于，所述标签添加指令还携带用户账号，所述在所述视频的视频播放信息中添加所述目标标签之前，还包括：

获取所述视频中音频的原音者信息；

当所述用户账号与所述原音者信息不相同时，确定所述目标标签为所述第一标签；当所述用户账号与所述原音者信息相同时，确定所述目标标签为所述第二标签。

5.如权利要求1所述的方法，其特征在于，所述根据所述视频标识，获取所述视频的视频播放信息之后，还包括：

基于所述视频播放信息播放所述视频；

相应地，所述当所述视频播放信息包括目标标签时，显示所述目标标签，包括：

当所述视频播放信息包括所述目标标签时，在播放所述视频的界面的预设区域内显示所述目标标签。

6.一种音频识别装置，其特征在于，所述装置包括：

接收模块，用于接收视频播放指令，所述视频播放指令中携带待播放的视频的视频标识；

第一获取模块，用于根据所述视频标识，获取所述视频的视频播放信息；

第一显示模块，用于当所述视频播放信息包括目标标签时，显示所述目标标签，所述目标标签用于指示所述视频的音频来自所述视频中用户的现场录制。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：

第二显示模块，用于显示标签添加选项；

添加模块，用于当基于所述标签添加选项接收到标签添加指令时，录制所述视频，在所述视频的视频播放信息中添加所述目标标签。

8.如权利要求7所述的装置，其特征在于，所述目标标签包括第一标签和第二标签，所述第二标签还用于指示所述视频中的用户为所述音频的原音者。

9.如权利要求8所述的装置，其特征在于，所述装置还包括：

第二获取模块，用于获取所述视频中音频的原音者信息；

确定模块，用于当所述用户账号与所述原音者信息不相同时，确定所述目标标签为所述第一标签；当所述用户账号与所述原音者信息相同时，确定所述目标标签为所述第二标签。

10.如权利要求6所述的装置，其特征在于，所述装置还包括：

播放模块，用于基于所述视频播放信息播放所述视频；

所述第一显示模块，用于当所述视频播放信息包括所述目标标签时，在播放所述视频的界面的预设区域内显示所述目标标签。

11.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现权利要求1-5所述的任一项方法的步骤。