CN110460719B - 一种语音通话方法及移动终端 - Google Patents

Abstract

本发明提供了一种语音通话方法及移动终端，属于移动终端技术领域。其中，第一终端可以获取与该第一终端建立有语音通话连接的每个第二终端对应的第一目标图像，其中，该第一目标图像中至少包括第二终端用户的人像，接着，可以在每个第二终端在第一终端屏幕中对应的通话显示区域中，分别显示每个第二终端对应的第一目标图像，其中，该通话显示区域位于第一终端的屏幕中，这样，通过在通话显示区域中显示第一目标图像，可以使得第一终端的用户在与第二终端用户进行通话的过程中，便捷的观看到对方用户，进而一定程度上丰富与第二终端用户的交流过程，进而提高交流效果。

Description

一种语音通话方法及移动终端

技术领域

本发明实施例涉及通信技术领域，尤其涉及一种语音通话方法及移动终端。

背景技术

目前，移动终端的应用越来越广泛，用户为了和其他用户进行交流，经常会使用移动终端与其他用户进行视频通话，但是受限于网络条件，可能会出现用户无法进行视频通话的情况。这种情况下，现有技术中用户只能通过与其他用户进行语音通话的方式，来实现交流。

因此，现有技术中用户使用移动终端进行语音交流时，整个交流过程较为单调，交流效果较差。

发明内容

本发明提供一种语音通话方法及移动终端，以便解决基于语音通话进行交流时，交流过程较为单调，交流效果较差的问题。

为了解决上述技术问题，本发明是这样实现的：

第一方面，本发明实施例提供了一种语音通话方法，应用于第一终端，该方法可以包括：

在所述第一终端与至少一个第二终端建立有语音通话连接的情况下，获取每个所述第二终端对应的第一目标图像；所述第一目标图像中至少包括第二终端用户的人像；

在每个所述第二终端对应的通话显示区域中，分别显示每个所述第二终端对应的第一目标图像；所述通话显示区域位于所述第一终端的屏幕中。

第二方面，本发明实施例提供了一种移动终端，该移动终端可以包括：

获取模块，用于在所述第一终端与至少一个第二终端建立有语音通话连接的情况下，获取每个所述第二终端对应的第一目标图像；所述第一目标图像中至少包括第二终端用户的人像；

第一显示模块，用于在每个所述第二终端对应的通话显示区域中，分别显示每个所述第二终端对应的第一目标图像；所述通话显示区域位于所述第一终端的屏幕中。

第一显示模块，用于在每个所述第二终端对应的通话显示区域中，分别显示每个所述第二终端对应的第一目标图像；所述通话显示区域位于所述第一终端的屏幕中。

可选的，所述移动终端还包括：

调整模块，用于对于每个所述第二终端，基于所述第二终端发送的语音信息的内容，对所述第二终端对应的第一目标图像进行图像内容调整，得到至少一张第二目标图像；

第二显示模块，用于在所述第二终端对应的通话显示区域中，显示所述至少一张第二目标图像。

可选的，所述调整模块，具体用于：

从所述语音信息中，提取第一关键词；

基于所述第一关键词，确定所述第二终端用户所喜欢的对象；

基于所述第二终端用户所喜欢的对象，对所述第一目标图像中的人像进行人像调整，将调整后的第一目标图像作为所述第二目标图像。

可选的，所述调整模块，具体用于：

从所述语音信息中，提取第二关键词；

基于所述第二关键词，确定所述第二终端用户的用户情绪；

基于与所述用户情绪匹配的至少一个表情模板，对所述第一目标图像中人像的表情依次进行表情调整，将调整后的第一目标图像作为所述第二目标图像。

可选的，所述调整模块，具体用于执行以下至少一项：

从所述语音信息中提取第三关键词，为所述第一目标图像增加所述第三关键词对应的动态图像，得到所述第二目标图像；

基于所述第三关键词指示的对象的表情及形态，对所述第一目标图像中的人像进行调整，将调整后的第一目标图像与所述第一目标图像进行拼接，得到所述第二目标图像。

可选的，所述第一终端的屏幕为包括至少两个子屏幕的折叠屏；所述移动终端还包括：

第一采集模块，用于采集第一个第一预设时长内所述第二终端对应的通话显示区域中显示的内容，得到第一视频，并通过所述通话显示区域所属的子屏幕中的摄像头，同步采集第二视频；

第一生成模块，用于基于所述第一视频以及所述第二视频，生成所述第二终端在所述第一个第一预设时长内对应的第一目标视频。

可选的，所述第一生成模块，具体用于：

在所述第二视频中包括第一终端用户的预设动作的情况下，从所述第一视频中截取第二预设时长的第一视频段，并从所述第二视频中截取包含所述预设动作的第二视频段，将所述第二视频段合成至所述第一视频段的预设位置，得到所述第二终端在所述第一预设时长内对应的第一目标视频；

在所述第二视频中不包括所述第一终端用户的预设动作的情况下，从所述第一视频中截取第二预设时长的第一视频段，并将所述第一视频段作为所述第二终端在所述第一预设时长内对应的第一目标视频。

可选的，所述移动终端还包括：

播放模块，用于在所述第二终端对应的通话显示区域中，播放所述第二终端对应的第一目标视频；

第二采集模块，用于在播放所述第一目标视频的过程中，通过所述第二终端对应的通话显示区域所属的子屏幕中的摄像头，采集第三视频；

第二生成模块，用于在第二个第一预设时长内，基于所述第三视频和所述第二个第一预设时长内采集到的第一视频及第二视频，生成所述第二终端在所述第二个第一预设时长内对应的第二目标视频。

可选的，所述第一目标图像中仅包括所述第二终端用户的人像；

所述移动终端还包括：

第一替换模块，用于对于每个所述第一目标图像，在接收到用户的第一输入的情况下，将所述第一目标图像替换为包含所述第二终端用户的人像和所述第一终端的用户的人像的第三目标图像；所述第一输入为单击输入、双击输入或长按输入

第二替换模块，用于在接收到用户的第二输入的情况下，将所述第三目标图像替换为所述第一目标图像；所述第二输入为单击输入、双击输入或长按输入。

可选的，所述第一显示模块，具体用于：

确定每个所述第二终端的显示优先级；

对于每个第二终端，将与所述第二终端的显示优先级对应的子屏幕作为所述第二终端对应的通话显示区域，并在所述通话显示区域中显示所述第二终端对应的第一目标图像。

可选的，所述第一显示模块，还具体用于：

确定每个所述第二终端与所述第一终端建立语音通话连接的连接时间；基于每个所述第二终端的连接时间确定每个所述第二终端的显示优先级；其中，所述第二终端的连接时间越早，所述第二终端的显示优先级越高；

或者，基于每个所述第二终端与所述第一终端的历史通话参数、亲密度和本次语音通话在预设时长内对应的说话字数，确定每个所述第二终端重要度；基于每个所述第二终端的重要度，确定每个所述第二终端的显示优先级；其中，所述第二终端的重要度越高，所述第二终端的显示优先级越高。

第三方面，本发明实施例提供了一种移动终端，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的语音通话方法的步骤。

第四方面，本发明实施例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计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的语音通话方法的步骤。

在本发明实施例中，第一终端可以获取与该第一终端建立有语音通话连接的每个第二终端对应的第一目标图像，其中，该第一目标图像中至少包括第二终端用户的人像，接着，可以在每个第二终端对应的通话显示区域中，分别显示每个第二终端对应的第一目标图像，其中，该通话显示区域位于第一终端的屏幕中，这样，通过在通话显示区域中显示第一目标图像，可以使得第一终端的用户在与第二终端用户进行通话的过程中，便捷的观看到对方用户，进而一定程度上丰富与第二终端用户的交流过程，进而提高交流效果。

附图说明

图1是本发明实施例提供的一种语音通话方法的步骤流程图；

图2-1是本发明实施例提供的另一种语音通话方法的步骤流程图；

图2-2是本发明实施例提供的一种界面示意图；

图2-3是本发明实施例提供的另一种界面示意图；

图2-4是本发明实施例提供的又一种界面示意图；

图2-5是本发明实施例提供的再一种界面示意图；

图2-6是本发明实施例提供的再一种界面示意图；

图2-7是本发明实施例提供的再一种界面示意图；

图3是本发明实施例提供的一种移动终端的框图；

图4是本发明实施例提供的另一种移动终端的框图；

图5为实现本发明各个实施例的一种移动终端的硬件结构示意图。

具体实施方式

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作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是本发明实施例提供的一种语音通话方法的步骤流程图，该方法可以应用于第一终端，如图1所示，该方法可以包括：

步骤101、在所述第一终端与至少一个第二终端建立有语音通话连接的情况下，获取每个所述第二终端对应的第一目标图像；所述第一目标图像中至少包括第二终端用户的人像。

本发明实施例中，与第一终端建立有语音通话连接的第二终端，可以是一个或多个，进一步地，第二终端与第一终端之间建立的语音通话连接，可以是基于第二终端发送的语音连接请求建立的，也可以是基于第一终端发送的语音连接请求建立的，该语音连接请求可以是依赖于终端上安装的电话应用实现的，也可以是依赖于终端上安装的其他具备语音通话功能的应用实现的，本发明实施例对此不作限定。相应地，第一终端与第二终端可以通过建立的语音通话连接进行语音通话，以实现交流。

进一步地，由于语音通话中，第一终端仅能感受到第二终端用户在语音通话中所说的话语，整个交流过程相对比较单调，因此，本步骤中，第一终端可以在与第一终端建立语音通话连接之后，获取每个第二终端对应的包括该第二终端用户的人像的第一目标图像，以便于后续步骤中进行显示。

步骤102、在每个所述第二终端对应的通话显示区域中，分别显示每个所述第二终端对应的第一目标图像；所述通话显示区域位于所述第一终端的屏幕中。

本发明实施例中，该第二终端对应的通话显示区域，可以是在与该第二终端建立连接之后，为该第二终端分配的。该通话显示区域可以位于该第一终端的屏幕中，该通话显示区域可以是整个屏幕，也可以是屏幕的一部分，本发明实施例对此不作限定。进一步地，对于每个第二终端，第一终端可以将该第二终端对应的第一目标图像，显示在该第二终端对应的通话显示区域中，以使第一终端的用户通过第一终端与第二终端用户进行语音交流的同时，还能看到第一目标图像，进而一定程度上丰富交流过程，同时，由于该第一目标图像中包含第二终端用户的人像，这样，可以在丰富交流过程的同时，确保所显示的第一目标图像与第二终端具有一定的关联性，进而实现更加有针对性的丰富交流过程。

综上所述，本发明实施例提供的语音通话方法，第一终端可以获取与该第一终端建立有语音通话连接的每个第二终端对应的第一目标图像，其中，该第一目标图像中至少包括第二终端用户的人像，接着，可以在每个第二终端对应的通话显示区域中，分别显示每个第二终端对应的第一目标图像，其中，该通话显示区域位于第一终端的屏幕中，这样，通过在通话显示区域中显示第一目标图像，可以使得第一终端的用户在与第二终端用户进行通话的过程中，便捷的观看到对方用户，进而一定程度上丰富与第二终端用户的交流过程，进而提高交流效果。

图2-1是本发明实施例提供的另一种语音通话方法的步骤流程图，该方法可以应用于第一终端，如图2-1所示，该方法可以包括：

步骤201、在所述第一终端与至少一个第二终端建立有语音通话连接的情况下，获取每个所述第二终端对应的第一目标图像；所述第一目标图像中至少包括第二终端用户的人像。

本步骤中，对于每个第二终端，第一终端可以先基于预设的声纹识别算法确定第二终端发送的语音信息对应的用户的标识。具体的，第一终端可以先采集第二终端发送的语音信息，然后利用预设的声纹识别算法，提取该语音信息对应的声纹，其中，声纹指的该语音信息对应的声波频谱，接着，第一终端可以基于该第二终端用户对应的声纹，从预设的声纹与用户的标识对应关系中，查找对应的用户的标识，由于每个人说话时使用的发声器官的尺寸和形态不同，这样，基于每个人发送的语音信息提取的声纹不同，因此，本发明实施例中，可以通过提取语音信息的声纹来查找用户的标识，以确保确定的唯一性。进一步地，该预设的声纹与用户的标识对应关系，可以是第一终端基于该第二终端用户之前发送的标识信息以及语音信息建立的，其中，该用户的标识可以为用户的名称。

进一步地，第一终端在确定第二终端发送的语音信息对应的用户的标识之后，可以基于预设的用户的标识与图像对应关系，从第一终端存储的图像中，获取用户的标识对应的图像，进而得到第一目标图像，其中，该预设的用户的标识与图像对应关系可以是第一终端的用户预先建立的，示例的，第一终端的用户可以先控制第一终端将第一终端内存储的图像中，包括同一人像的图像划分为一个类别，接着，第一终端的用户可以为每个类别设定对应的用户的标识，以此建立用户的标识与该类别中每个图像的对应关系，进而得到该用户的标识与图像对应关系。进一步地，第一终端可以从与该第二终端对应的用户的标识对应的图像中，获取至少一张图像，得到第一目标图像。示例的，假设第二终端对应的用户的标识为“张三”，那么第一终端可以从存储的图像中，获取张三对应的图像，进而得到第一目标图像。这样，第一终端无需与其他终端进行交互，即可获取到第一目标图像，进而一定程度上可以简化获取第一目标图像的过程，进而提高获取效率。

当然，第一终端也可以通过其他方式获取第一目标图像，具体的，第一终端可以向每个第二终端发送图像获取请求，该图像获取请求用于指示第二终端向第一终端发送包含第二终端用户的人像的图像，相应地，第二终端可以在接收到该图像获取请求之后，向第一终端发送包含第二终端用户的人像的图像，即，发送第一目标图像，相应地，第一终端可以接收每个第二终端发送的图像，进而得到第一目标图像。这样，将第二终端发送的图像作为第一目标图像的方式，可以确保第一目标图像均为包含第二终端用户的人像的图像，保证获取第一目标图像的准确率。

步骤202、在每个所述第二终端对应的通话显示区域中，分别显示每个所述第二终端对应的第一目标图像；所述通话显示区域位于所述第一终端的屏幕中。

本步骤中，第一终端可以通过下述步骤2011～步骤2012实现显示第一目标图像：

步骤2021、确定每个所述第二终端的显示优先级。

本步骤中，第一终端可以基于第二终端与第一终端的连接时间确定显示优先级，具体的，第一终端可以从后台数据中提取每个第二终端与该第一终端建立语音通话连接的时间点，然后，基于每个第二终端的连接时间确定每个第二终端的显示优先级，其中，第二终端的显示优先级可以与第二终端的连接时间呈正相关，具体的，可以为连接的时间点越早的第二终端设置越高的显示优先级。

进一步地，第一终端也可以基于每个第二终端与第一终端的历史通话参数、亲密度以及本次语音通话在预设时长内对应的说话字数，确定每个第二终端与所述第一终端的重要度，其中，该历史通话参数可以是预先设定的，与通话相关的参数，示例的，第二终端与第一终端的历史通话参数可以为历史通话次数和历史通话时长，相应地，第一终端可以在系统的数据中，调取第二终端与第一终端的历史通话次数和历史通话时长，进而得到历史通话参数，进一步地，该亲密度可以是基于能够体现第一终端用户与第二终端用户的亲密程度的数据确定的，示例的，可以利用图像识别技术确定第一终端内存储的第一终端用户与第二终端用户的合照数量，然后基于该合照数量确定亲密度，例如，可以基于预设的亲密度函数确定，其中，该预设的亲密度函数的自变量为合照数量，因变量为亲密度，自变量与因变量成正比例。进一步地，该预设时长可以是根据实际需要预先设定，示例的，该预设时长可以为1分钟，相应地，第一终端可以获取本次语音通话中第二终端在1分钟内发送的语音信息，然后通过语音识别技术，统计该1分钟内发送的语音信息对应的字数，进而得到说话字数。

进一步地，第一终端基于历史通话参数、亲密度和本次语音通话在预设时长内对应的说话字数，确定重要度时，可以按照历史通话参数、亲密度以及本次语音通话在预设时长内对应的说话字数越大，重要度越高的原则来确定，示例的，可以按照预设的计算公式来确定：

S＝0.35*C+0.25*P+0.2*G+0.2*Q

其中，S表示重要度，C表示本次语音通话在预设时长内对应的说话字数、P表示亲密度，G表示历史通话次数、Q表示历史通话时长。

接着，可以基于每个第二终端的重要度确定每个第二终端的显示优先级，其中，第二终端的显示优先级与第二终端的重要度呈正相关，具体的，可以为重要度越高的第二终端设置越高的显示优先级。

步骤2022、对于每个第二终端，将与所述第二终端的显示优先级对应的子屏幕作为所述第二终端对应的通话显示区域，并在所述通话显示区域中显示所述第二终端对应的第一目标图像。

本步骤中，与第二终端的显示优先级对应的子屏幕可以是排列顺序与该第二终端的显示优先级相匹配的子屏幕，具体的，第一终端可以先计算该第一终端连接的第二终端的数量m与子屏幕的个数n的差值，若差值不大于0，即，第二终端的数量不大于子屏幕的数量，第一终端可以按照子屏幕的指定排列顺序，从首个子屏幕开始，依次将该子屏幕确定为显示优先级与该子屏幕的排列顺序相匹配的第二终端对应的通话显示区域，其中，该子屏幕的指定排列顺序可以是按照每个子屏幕的观看体验预先确定的，具体的，可以按照观看体验由高至低的方式依次确定，即，为观看体验越高的子屏幕设置越靠前的顺序，由于用户观看第一终端时，不同子屏幕相对于用户的方位不同，这样，给用户带来的观看体验不同，例如，位于用户正前方的子屏幕的观看体验往往要高于偏离用户较大的子屏幕的观看体验。这样，通过按照指定排列顺序以及显示优先级，从首个子屏幕开始，依次将子屏幕确定为第二终端对应的通话显示区域，可以使得连接越早或重要度越高的第二终端的对应的通话显示区域，具有越高的观看体验，进而可以提高第一终端用户对连接较早或重要度较高的第二终端的第一目标图像的观看体验，同时可以确保每个第二终端对应的通话显示区域能够单独显示在一个子屏幕中，进而保证显示效果。示例的，假设第一终端的屏幕包括3块子屏幕，第二终端的数量为3，其中，第二终端a的显示优先级最高、第二终端b的显示优先级次之，第二终端c的显示优先级最低，子屏幕的指定顺序为02-01-03，图2-2是本发明实施例提供的一种界面示意图，如图2-2所示，可以看出，子屏幕01中显示有第二终端b的第一目标图像B，子屏幕02中显示有第二终端a的第一目标图像A，子屏幕03中显示有第二终端c的第一目标图像C。

进一步地，若差值大于0，即，第二终端的数量大于子屏幕的数量，那么，可以先按照显示优先级由高至低的方式，选取前n个第二终端，对于前n个第二终端，第一终端可以先按照子屏幕的指定排列顺序，从首个子屏幕开始，依次将该子屏幕确定为显示优先级与该子屏幕的排列顺序相匹配的第二终端对应的通话显示区域，对于剩余的m-n个第二终端，第一终端可以从最后一个子屏幕开始，依次将该子屏幕确定为显示优先级与该子屏幕的排列顺序相匹配的第二终端对应的通话显示区域。这样，通过按照指定排列顺序以及显示优先级，从首个子屏幕开始，依次将子屏幕确定为前m个第二终端对应的通话显示区域，从最后一个子屏幕开始，为剩余的m-n个第二终端，确定通话显示区域，这样，可以一定程度上避免后续步骤中，在观看体验较高的子屏幕中显示多个第一目标图像，进而尽可能避免由于第二终端数量较多，导致子屏幕中显示较多第一目标图像，而对用户观看体验带来的影响。

需要说明的是，实际应用中，从最后一个子屏幕开始，为剩余的m-n个第二终端确定通话显示区域时，可以设置子屏幕对应的第二终端最小值，在该子屏幕对应的第二终端的数量达到最小值时，再为下一子屏幕分配对应的第二终端，这样，可以控制第一终端尽可能在排列顺序靠后，观看体验较差的子屏幕中显示较多的第一目标图像，进一步降低在排列顺序靠前的子屏幕中显示多个第一目标图像的概率。示例的，可以基于剩余的第二终端的数量m-n与子屏幕的数量n之间的对应关系来设置，例如，可以在1<m-n≤n时，设置最小值为2，在n<m-n≤3n，设置最小值为4。进一步地，假设该最小值可以为4，那么，为剩余的m-n个第二终端确定通话显示区域时，从最后一个子屏幕开始，在该最后一个子屏幕对应的第二终端的数量达到4时，再为倒数第二个子屏幕分配对应的第二终端，示例的，假设第一终端的屏幕包括3块子屏幕，第二终端的数量为7，子屏幕的指定顺序为02-01-03，图2-3是本发明实施例提供的另一种界面示意图，如图2-3所示，可以看出，子屏幕02中显示有2个第一目标图像，子屏幕03中显示有4个第一目标图像，子屏幕01中显示有1个第一目标图像。

需要说明的是，由于第二终端用户的活跃程度不同，随着时间的推移，计算重要度所使用的参数可能会发生变化，例如，在预设时长内对应的说话字数可能会发生变化，因此，本发明实施例中，还可以在步骤2012之后，基于预设周期，重新确定重要度，并基于重新确定的重要度重新确定显示优先级，基于该重新确定的显示优先级进行显示，这样，可以实现基于活跃程度，定期调整第一目标图像的显示位置，进而一定程度上提高显示效果。

进一步地，本发明实施例中，还可以在将第二终端对应的第一目标图像显示在对应的通话显示区域之后，执行操作：若检测到显示区域更改操作，则在所述显示区域更改操作指示的子屏幕中，显示所述第二终端对应的第一目标图像。其中，该显示区域更改操作可以是根据实际需求预先设置的，示例的，该显示区域更改操作可以是对某个子屏幕中显示的第一目标图像的手动拖拽操作或者长按选择拖拽操作，该显示区域更改操作指示的子屏幕可以是用户拖拽后停留的子屏幕，示例的，假设用户将子屏幕01中显示的第二终端对应的第一目标图像拖拽至子屏幕02，那么第一终端可以在子屏幕02中显示原来在子屏幕01中显示的第二终端对应的第一目标图像。这样，可以使得用户能够基于自己的需求，灵活便捷的调整第一目标图像的显示位置，进而提高可操作性。

进一步地，本发明实施例中，该第一目标图像中可以仅包括第二终端用户的人像，相应地，第一终端还可以为每个第一目标图像显示一切换按钮，这样，当第一终端用户想要控制第一终端在显示该第一目标图像的通话显示区域显示两人的合照时，可以通过该切换按钮进行第一输入，该第一输入可以为单击输入、双击输入或长按输入，等等，进一步地，该第一输入可以是在通话显示区域中显示仅包括第二终端用户的人像的图像时，对该切换按钮的第一切换操作，其中，该第一切换操作可以是点击操作、长按操作等等。相应地，在接收到用户的第一输入的情况下，第一终端可以将第一目标图像，替换为包含第二终端用户的人像和第一终端的用户的人像的第三目标图像，即，显示两人的合照。示例的，图2-4是本发明实施例提供的又一种界面示意图，如图2-4所示，该界面中显示有仅包括第二终端用户的人像的第一目标图像A、B以及C，以及切换按钮04、05以及06，图2-5是本发明实施例提供的再一种界面示意图，图2-5可以是用户点击图2-4中的切换按钮06之后显示的界面图，如图2-5所示，该界面中显示的第一目标图像C被切换为包括第二终端用户的人像以及第二终端用户的人像的第三目标图像，需要说明的是，第一终端也可以显示一个总切换按钮，用户通过点击该总切换按钮，可以控制第一终端对所有的第一目标图像进行切换，进而提高控制效率。

当然，第一终端用户也可以控制第一终端将显示的合照切换为第二终端用户的单人图像，具体的，可以通过该切换按钮进行第二输入，该第一输入可以为单击输入、双击输入或长按输入，等等，进一步地，该第二输入可以是在通话显示区域中显示包含第二终端用户的人像及第一终端用户的人像的图像时，对该切换按钮的第二切换操作，其中，该第一切换操作可以是点击操作、长按操作等等，相应地，在接收到用户的第二输入的情况下，第一终端可以将第三目标图像，替换为之前的第一目标图像，即，替换为仅包括第二终端用户的人像。这样，用户可以根据实际需求，灵活的控制显示的图像包含的内容，进而第一程度上提高用户的互动性。

步骤203、对于每个所述第二终端，基于所述第二终端发送的语音信息的内容，对所述第二终端对应的第一目标图像进行图像内容调整，得到至少一张第二目标图像。

本步骤中，第一终端基于语音信息的内容，对第二终端对应的第一目标图像进行图像内容调整，可以一定程度上确保得到的第二目标图上能够体现语音通话的内容，进而提高第二目标图像与语音通话的适应程度。具体的，第一终端可以基于下述子步骤(1)～子步骤(3)示出的调整方式一实现调整：

子步骤(1)：从所述语音信息中，提取第一关键词。

本步骤中，第一终端可以先利用预设的语音转换算法，将语音信息转换为文本，并从中提取表示喜欢的词语所修饰的词语，得到第一关键词。

子步骤(2)：基于所述第一关键词，确定所述第二终端用户所喜欢的对象。

本步骤中，可以将提取到的第一关键词指示的对象，确定为第二终端用户所喜欢的对象。示例的，假设第二终端发送的语音信息对应的文本为“我喜欢明星张三”，那么第一终端可以确定“明星张三”为该第二终端用户所喜欢的对象，假设第二终端发送的语音信息对应的文本为“好喜欢猫咪啊。也好喜欢古风妆容啊”，那么第一终端可以确定“猫咪以及古风妆容”为该第二终端用户所喜欢的对象。

子步骤(3)：基于所述第二终端用户所喜欢的对象，对所述第一目标图像中的人像进行人像调整，将调整后的第一目标图像作为所述第二目标图像。

本步骤中，第一终端可以按照第二终端用户所喜欢的对象所具有的特征，对该第一目标图像中的人像进行相应的调整，示例的，在所喜欢的对象为“明星张三”的情况下，可以为第一目标图像中的人像换上张三的五官，进而实现调整，在所喜欢的对象为“猫咪”的情况下，可以为第一目标图像中的人像换上猫咪的眼睛，进而实现调整，在所喜欢的对象为“古风妆容”的情况下，可以为第一目标图像中的人像添加古风特效的妆容，进而实现调整，

需要说明的是，在基于第二终端用户所喜欢的对象进行调整之前，还可以先对第一目标图像进行图像矫正和优化操作，以提高后续步骤中，基于第二终端用户所喜欢的对象进行调整的调整效果，其中，该图像矫正和优化操作可以是利用预设的3D人脸贴图技术实现的，具体的，可以是对第一目标图像中人物的表情进行微笑调整，闭眼调整，等等。

具体的，第一终端可以基于下述子步骤(4)～子步骤(6)示出的调整方式二实现调整：

子步骤(4)：从所述语音信息中，提取第二关键词。

本步骤中，第一终端可以先利用预设的语音转换算法，将语音信息转换为文本，并从中提取描述情绪的词语，得到第二关键词。

子步骤(5)：基于所述第二关键词，确定所述第二终端用户的用户情绪。

本步骤中，可以将提取到的描述情绪的词语表示的情绪，确定为用户情绪。示例的，假设第一终端提取到的情绪词语为“开心”，那么可以确定用户情绪为开心。

子步骤(6)：基于与所述用户情绪匹配的至少一个表情模板，对所述第一目标图像中人像的表情依次进行表情调整，将调整后的第一目标图像作为所述第二目标图像。

本步骤中，与用户情绪匹配的至少一个表情模板可以是从预存储的各种情绪与其对应的表情模板中获取的，其中，该预存储的各种情绪与其对应的表情模板可以是存储在第一终端内部，也可以时存储在互联网中，具体的，可以预先为不同的情绪设置对应的至少一个表情模板，每个表情模板可以不同程度的体现该情绪，例如，针对开心的情绪，可以预先设置对应于特别开心的大笑表情模板，对应于一般开心的微笑表情模板。进一步地，第一终端可以从预存储的各种情绪与其对应的表情模板中查找该用户情绪对应的表情模板，进而得到匹配的至少一个表情模板。

接着，第一终端可以利用用户情绪匹配的每个表情模板分别对第一目标图像进行调整，示例的，可以利用对应于特别开心的大笑表情模板，将第一目标图像中人像的表情调整为大笑，得到一张第二目标图像，利用对应于一般开心的微笑表情模板，将第一目标图像中人像的表情调整为微笑，得到一张第二目标图像。

具体的，第一终端也可以基于下述两个子步骤示出的至少一项，实现调整，其中，子步骤(7)示出的可以是第一项，或者子步骤(8)示出可以是第二项：

子步骤(7)：从所述语音信息中提取第三关键词，为所述第一目标图像增加所述第三关键词对应的动态图像，得到所述第二目标图像。

本步骤中，第一终端可以先利用预设的语音转换算法，将语音信息转换为文本，接着从该文本中查找预设类别的词语，最后，将查找到的词语作为第三关键词。其中，该预设类别可以是根据实际需求预先设定，示例的，该预设类别可以为动漫、影视剧、动物、节日等。

进一步地，第三关键词指示对应的动态图像可以是预先设定的，示例的，可以预先设置不同第三关键词对应的动态图像，第三关键词对应的动态图像可以是包含与该第三关键词相关联的元素的图像，示例的，可以为第三关键词“万圣节”设置吸血鬼形象的动态图像，为第三关键词“哆啦A梦大冒险”设置哆啦A梦形象的动态图像，相应地，第一终端可以查找该第三关键词对应的动态图像，接着，可以将该对应的动态图像添加在第一目标图像上，具体的，添加的位置可以根据实际需求预先设置，本发明实施例对此不做限定。

子步骤(8)：基于所述第三关键词指示的对象的表情及形态，对所述第一目标图像中的人像进行调整，将调整后的第一目标图像与所述第一目标图像进行拼接，得到所述第二目标图像。

进一步地，第三关键词指示的对象可以是预先设定，第三关键词指示的预设对象可以是与该第三关键词表述的内容相关联的具有表情及形态的对象，示例的，可以设置第三关键词“兵马俑”指示的对象为兵马俑人偶，设置第三关键词“美国”指示的对象为自由女神像。相应地，第一终端可以将第一目标图像中人像的表情及形态调整至与该第三关键词指示的对象的表情及形态匹配的状态，例如，将第一目标图像中人像的表情及形态调整为与第三关键词指示的对象的表情及形态相同的状态，或者调整为相似度达到预设阈值的状态，本发明实施例对此不作限定。接着，可以将调整后的第一目标图像与第一目标图像进行拼接，得到第二目标图像，以实现对比，进而突出调整效果，当然，也可以直接将调整后的第一目标图像作为第二目标图像。需要说明的是，实际应用场景中，可以仅采用调整方式一、调整方式二或调整方式三进行调整，也可以是同时采用其中的至少两种调整方式进行调整，本发明实施例对此不作限定。

步骤204、在所述第二终端对应的通话显示区域中，显示所述至少一张第二目标图像。

本步骤中，第一终端通过显示调整后得到的第二目标图像，可以进一步丰富与第二终端用户的交流过程，同时，由于显示的第二目标图像是基于第二终端发送的语音信息的内容进行调整得到的，因此，一定程度可以确保显示的第二目标图像上能够体现语音通话的内容，进而一定程度上提高语音通话过程中的互动性。

进一步地，第一终端在显示时，可以将每张第二目标图像依次显示在所述第二终端对应的通话显示区域中，其中，每张第二目标图像显示的时长为预设时长，即，在第二目标图像显示预设时长之后，再显示下一张第二目标图像，其中，该预设时长可以是根据实际需求预先设置，示例的，该预设时长可以为5秒，在依次显示时，可以按照每张第二目标图像生成顺序，依次显示。示例的，假设第一终端通过调整依次生成了第二目标图像a、第二目标图像b、第二目标图像c以及第二目标图像d，那么可以先显示第二目标图像a，间隔5秒之后显示第二目标图像b，接着，间隔5秒之后显示第二目标图像c，最后，间隔5秒之后显示第二目标图像d，需要说明的是，为了确保第二目标图像能够持续显示，因此，可以在显示完最后一个第二目标图像之后，即，完成一次显示之后，继续执行将每张第二目标图像依次显示在第二终端对应的通话显示区域中的操作。

进一步地，由于可能会同时存在多个第二终端，这样，就会出现多个通话显示区域中出现动态显示的内容的情况，因此，第一终端还可以在接收到暂停指令时，停止播放第二终端对应的通话显示区域中显示的动态内容，并在该第二终端对应的通话显示区域中，显示第一目标图像。这样，用户在需要观赏部分通话显示区域中显示的内容时，仅需发送暂停指令即可暂停播放不需要观看的通话显示区域中显示的动态内容，进而实现降低干扰。同时，在暂停播放之后，第一终端还会显示第一目标图像，这样，可以在避免干扰的同时，丰富与该第二终端的交流过程。其中，该暂停指令可以是用户通过触发该第一终端的暂停功能发送的，该暂停功能可以是通过实体按键组合触发，也可以是通过虚拟按钮触发，示例的，第一终端可以在每个第二终端对应的通话显示区域中显示暂停按钮，用户通过点击该暂停按钮可以实现向第一终端发送视频暂停指令。

当然，第一终端也可以采用其他显示方式，例如，将所有的第二目标图像同时显示在该第二终端对应的通话显示区域中，以使第一终端用户能够一次性观看到调整后得到的第二目标图像，进而提高用户的观看效率。

步骤205、采集第一个第一预设时长内所述第二终端对应的通话显示区域中显示的内容，得到第一视频，并通过所述通话显示区域所属的子屏幕中的摄像头，同步采集第二视频。

本步骤中，第一预设时长可以是根据实际需求设置的，示例的，该第一预设时长可以为5分钟，进一步地，第一终端可以通过预设的屏幕录制技术，采集通话显示区域中显示的内容，得到第一视频。由于前述步骤中，将调整后得到的第二目标图像显示在了通话显示区域中，因此，本步骤中，通过通话显示区域中显示的内容得到的第一视频，可以以动态视频的方式，更加生动的体现第二目标图像。进一步地，在显示第二目标图像的过程中，第一终端用户可能会基于显示的第二目标图像进行互动，示例的，第一终端用户基于观看到的第二目标图像，会做出相应的表情以及动作，例如，进行挥手、嘟嘴等等，因此，第一终端还可以在采集第一视频的同时，通过通话显示区域所属的子屏幕中的摄像头，同步采集第二视频。由于第一终端可能会显示多个第二终端的第二目标图像，因此，通过该第二终端对应的通话显示区域所属的子屏幕中的摄像头进行拍摄，可以一定程度上确保拍摄得到的第二视频记录的内容，是第一终端用户在观看到该通话显示区域中显示的第二目标图像时的反应，进而提高第二视频的代表性。

步骤206、基于所述第一视频以及所述第二视频，生成所述第二终端在所述第一个第一预设时长内对应的第一目标视频。

实际应用场景中，第一终端用户不一定会针对显示的第二目标图像进行互动，因此，第一终端在结合第一视频及第二视频生成第一目标视频时，可以先确定第二视频中是否包括第一终端用户的预设动作，其中，该第一终端用户的预设动作可以是预先定义的，示例的，由于用户在针对显示的第二目标图像进行互动时，视线往往会停留在该显示着该第二目标图像的通话显示区域，因此，该预设动作可以是第一终端用户的视线停留在该通话显示区域的情况下，进行的动作，例如，看着通话显示区域进行微笑，拍手，等等。

进一步地，如果第二视频中包括第一终端用户的预设动作，那么可以认为第二视频中包括互动内容，相应地，第一终端可以通过下述子步骤(9)～子步骤(10)实现生成第一目标视频：

子步骤(9)：从第一视频中截取第二预设时长的第一视频段，并从第二视频中截取包含所述预设动作的第二视频段。

其中，该第二预设时长不大于第一预设时长，该第二预设时长可以是基于实际需求预先设定的，示例的，该第二预设时长可以为30秒，相应地，第一终端可以从第一视频中截取时长为30秒的第一视频段，具体在截取时，可以是从单个位置开始连续截取30秒的视频段，也可以是从多个位置开始，截取多个视频段，最后组合为该30秒的视频段，进一步地，可以通过动作识别算法，确定出预设动作所在的片段，并从第二视频中截取，进而得到第二视频段，需要说明的是，在截取第二视频段时，也可以直接按照第二预设时长进行截取。

子步骤(10)：将第二视频段合成至第一视频段的预设位置，得到第二终端在第一预设时长内对应的第一目标视频.

其中，该预设位置可以是预先设定，示例的，该预设位置可以为第一视频段对应的画面的右下角，在合成时，可以按照第二视频段中每帧图像的顺序，依次将该帧图像添加在该第一视频段中帧图像的右下角，进而得到合成后的第一目标视频。本发明实施例中，通过结合第一视频及第二视频来生成第一目标视频，可以使得第一目标视频的内容能够同时体现显示的第二目标图像以及第一终端用户的互动，进而提高目标视频的丰富性，以及提高交流的趣味性。

进一步地，如果第二视频中不包括第一终端用户的预设动作，那么可以认为第二视频中不包括互动内容，相应地，第一终端可以将从第一视频中截取第二预设时长的第一视频段，并将第一视频段作为第二终端在第一预设时长内对应的第一目标视频。这样，通过在第二视频中不包括互动内容的情况下，直接将第一视频段确定为第一目标视频，可以避免执行不必要的合成操作，进而节省所需的处理资源。

进一步地，第一终端还可以在生成第一目标视频之后，播放该第二终端对应的第一目标视频。这样，通过播放该第一目标视频，可以以更加生动的形式，丰富语音通话的过程，进而进一步提高交流效果，具体的，第一终端可以在生成第一目标视频之后，显示一播放按钮，用户通过点击该播放按钮，即可控制第一终端播放第一目标视频，在播放时，第一终端可以是在每个第二终端的通话显示区域中进行播放，当然，第一终端也可以在第一终端的屏幕的指定位置播放最新生成的第一目标视频，本发明实施例对此不作限定。进一步地，播放的过程中，第一终端还可以在接收到视频切换操作时，切换播放的第一目标视频，其中，该切换操作可以是在屏幕上的滑动操作，例如，上滑操作、下滑操作等等。

进一步地，由于第一终端用户可能会针对播放的第一目标视频进行互动，示例的，第一终端用户基于观看到的第一目标视频，可能会做出相应的表情以及动作，例如，大小、拍手等等，因此，在播放第一目标视频的过程中，第一终端可以通过第二终端对应的通话显示区域所属的子屏幕中的摄像头，采集第三视频，接着，在第二个第一预设时长内，基于第三视频和第二个第一预设时长内采集到的第一视频及第二视频，生成第二终端在第二个第一预设时长内对应的第二目标视频。具体的，在第二个第一预设时长内采集第一视频及第二视频的方式可以参照前述步骤，本发明实施例对此不作限定，具体的，第一终端可以从第三视频中截取包含预设动作的第三视频段，其中，接着，从第一视频中截取第一视频段，第二视频中截取第二视频段，最后对第一视频段、第二视频段以及第三视频段进行合成，具体的，截取操作以及合成操作的实现方式可以参照前述步骤，本发明实施例在此不做赘述。本发明实施例中，在下一次生成目标视频的时候，结合能够体现第一终端用户对上一次生成的目标视频的交互的第三视频，可以进一步丰富后续生成的目标视频的丰富性，进一步提高提高交流的趣味性。

进一步地，第一终端还可以在接收到视频发送指令时，将第二终端对应的目标视频发送给该第二终端，其中，该目标视频可以是第一目标视频或第二目标视频中的至少一个，这样，通过发送目标视频，可以提高与第二终端的互动性，提高第二终端用户的通话体验。其中，该视频发送指令可以是用户通过触发该第一终端的视频发送功能发送的，该视频发送功能可以是通过实体按键组合触发，也可以是通过虚拟按钮触发，示例的，第一终端可以在每个第二终端对应的通话显示区域中显示发送按钮，用户通过点击该发送按钮可以实现向第一终端发送视频发送指令、示例的，假设每个通话显示区中都播放有对应的目标视频，图2-6是本发明实施例提供的再一种界面示意图，如图2-6所示，该界面中包括正在播放的目标视频K、L以及M，每个第二终端对应的通话显示区域中显示有发送按钮。

进一步地，在接收到视频保存指令时，第一终端可以将第二终端对应的目标视频保存至第一终端内，这样，通过保存该目标视频，可以实现将本次语音通话的经历通过目标视频记录下来，方便第一终端用户在后续过程中再次观看该视频。其中，该视频保存指令可以是用户通过触发该第一终端的视频保存功能发送的，该视频保存功能可以是通过实体按键组合触发，也可以是通过虚拟按钮触发，示例的，第一终端可以在每个第二终端对应的通话显示区域中显示保存按钮，用户通过点击该保存按钮可以实现向第一终端发送视频保存指令、示例的，图2-7是本发明实施例提供的再一种界面示意图，如图2-7所示，每个第二终端对应的通话显示区域中显示有保存按钮。

综上所述，本发明实施例提供的语音通话方法，第一终端可以获取与该第一终端建立有语音通话连接的每个第二终端对应的第一目标图像，其中，该第一目标图像中至少包括第二终端用户的人像，接着，可以在每个第二终端对应的通话显示区域中，分别显示每个第二终端对应的第一目标图像，其中，该通话显示区域位于第一终端的屏幕中，这样，通过在通话显示区域中显示第一目标图像，可以使得第一终端的用户在与第二终端用户进行通话的过程中，便捷的观看到对方用户，进而一定程度上丰富与第二终端用户的交流过程，进而提高交流效果，接着，可以显示对第一目标图像进行调整得到的第二目标图像，最后会采集第一视频及第二视频，并基于第一视频及第二视频生成目标视频，这样，通过生成目标视频，以进一步丰富交流过程。

图3是本发明实施例提供的一种移动终端的框图，如图3所示，该移动终端30可以包括：

获取模块301，用于在所述第一终端与至少一个第二终端建立有语音通话连接的情况下，获取每个所述第二终端对应的第一目标图像；所述第一目标图像中至少包括第二终端用户的人像。

第一显示模块302，用于在每个所述第二终端对应的通话显示区域中，分别显示每个所述第二终端对应的第一目标图像；所述通话显示区域位于所述第一终端的屏幕中。

综上所述，本发明实施例提供的移动终端能够实现图1的方法实施例中各个过程，为避免重复，这里不再赘述。本发明实施例提供的移动终端，获取模块可以获取与该第一终端建立有语音通话连接的每个第二终端对应的第一目标图像，其中，该第一目标图像中至少包括第二终端用户的人像，接着，第一显示模块可以在每个第二终端在第一终端屏幕中对应的通话显示区域中，分别显示每个第二终端对应的第一目标图像，其中，该通话显示区域位于第一终端的屏幕中，这样，通过在通话显示区域中显示第一目标图像，可以使得第一终端的用户在与第二终端用户进行通话的过程中，便捷的观看到对方用户，进而一定程度上丰富与第二终端用户的交流过程，进而提高交流效果。

图4是本发明实施例提供的另一种移动终端的框图，如图4所示，该移动终端40可以包括：

获取模块401，用于在所述第一终端与至少一个第二终端建立有语音通话连接的情况下，获取每个所述第二终端对应的第一目标图像；所述第一目标图像中至少包括第二终端用户的人像。

第一显示模块402，用于在每个所述第二终端对应的通话显示区域中，分别显示每个所述第二终端对应的第一目标图像；所述通话显示区域位于所述第一终端的屏幕中。

可选的，所述移动终端40还包括：

调整模块403，用于对于每个所述第二终端，基于所述第二终端发送的语音信息的内容，对所述第二终端对应的第一目标图像进行图像内容调整，得到至少一张第二目标图像；

第二显示模块404，用于在所述第二终端对应的通话显示区域中，显示所述至少一张第二目标图像。

可选的，所述调整模块403，具体用于：

从所述语音信息中，提取第一关键词；

基于所述第一关键词，确定所述第二终端用户所喜欢的对象；

基于所述第二终端用户所喜欢的对象，对所述第一目标图像中的人像进行人像调整，将调整后的第一目标图像作为所述第二目标图像。

可选的，所述调整模块403，具体用于：

从所述语音信息中，提取第二关键词；

基于所述第二关键词，确定所述第二终端用户的用户情绪；

基于与所述用户情绪匹配的至少一个表情模板，对所述第一目标图像中人像的表情依次进行表情调整，将调整后的第一目标图像作为所述第二目标图像。

可选的，所述调整模块403，具体用于执行以下至少一项：

从所述语音信息中提取第三关键词，为所述第一目标图像增加所述第三关键词对应的动态图像，得到所述第二目标图像；

基于所述第三关键词指示的对象的表情及形态，对所述第一目标图像中的人像进行调整，将调整后的第一目标图像与所述第一目标图像进行拼接，得到所述第二目标图像。

可选的，所述第一终端的屏幕为包括至少两个子屏幕的折叠屏；所述移动终端40还包括：

第一采集模块，用于采集第一个第一预设时长内所述第二终端对应的通话显示区域中显示的内容，得到第一视频，并通过所述通话显示区域所属的子屏幕中的摄像头，同步采集第二视频；

第一生成模块，用于基于所述第一视频以及所述第二视频，生成所述第二终端在所述第一个第一预设时长内对应的第一目标视频。

可选的，所述第一生成模块，具体用于：

在所述第二视频中包括第一终端用户的预设动作的情况下，从所述第一视频中截取第二预设时长的第一视频段，并从所述第二视频中截取包含所述预设动作的第二视频段，将所述第二视频段合成至所述第一视频段的预设位置，得到所述第二终端在所述第一预设时长内对应的第一目标视频；

在所述第二视频中不包括所述第一终端用户的预设动作的情况下，从所述第一视频中截取第二预设时长的第一视频段，并将所述第一视频段作为所述第二终端在所述第一预设时长内对应的第一目标视频。

可选的，所述移动终端40还包括：

播放模块，用于在所述第二终端对应的通话显示区域中，播放所述第二终端对应的第一目标视频；

第二采集模块，用于在播放所述第一目标视频的过程中，通过所述第二终端对应的通话显示区域所属的子屏幕中的摄像头，采集第三视频；

第二生成模块，用于在第二个第一预设时长内，基于所述第三视频和所述第二个第一预设时长内采集到的第一视频及第二视频，生成所述第二终端在所述第二个第一预设时长内对应的第二目标视频。

可选的，所述第一目标图像中仅包括所述第二终端用户的人像；所述移动终端40还包括：

第一替换模块，用于对于每个所述第一目标图像，在接收到用户的第一输入的情况下，将所述第一目标图像替换为包含所述第二终端用户的人像和所述第一终端的用户的人像的第三目标图像；所述第一输入为单击输入、双击输入或长按输入；

第二替换模块，用于在接收到用户的第二输入的情况下，将所述第三目标图像替换为所述第一目标图像；所述第二输入为单击输入、双击输入或长按输入。

可选的，所述第一显示模块，具体用于：

确定每个所述第二终端的显示优先级；

对于每个第二终端，将与所述第二终端的显示优先级对应的子屏幕作为所述第二终端对应的通话显示区域，并在所述通话显示区域中显示所述第二终端对应的第一目标图像。

可选的，所述第一显示模块，还具体用于：

确定每个所述第二终端与所述第一终端建立语音通话连接的连接时间；基于每个所述第二终端的连接时间确定每个所述第二终端的显示优先级；其中，所述第二终端的连接时间越早，所述第二终端的显示优先级越高；

或者，基于每个所述第二终端与所述第一终端的历史通话参数、亲密度和本次语音通话在预设时长内对应的说话字数，确定每个所述第二终端重要度；基于每个所述第二终端的重要度，确定每个所述第二终端的显示优先级；其中，所述第二终端的重要度越高，所述第二终端的显示优先级越高。

综上所述，本发明实施例提供的移动终端，获取模块可以获取与该第一终端建立有语音通话连接的每个第二终端对应的第一目标图像，其中，该第一目标图像中至少包括第二终端用户的人像，接着，第一显示模块可以在每个第二终端对应的通话显示区域中，分别显示每个第二终端对应的第一目标图像，其中，该通话显示区域位于第一终端的屏幕中，这样，通过在通话显示区域中显示第一目标图像，可以使得第一终端的用户在与第二终端用户进行通话的过程中，便捷的观看到对方用户，进而一定程度上丰富与第二终端用户的交流过程，进而提高交流效果，接着，第二显示模块可以显示对第一目标图像进行调整得到的第二目标图像，采集模块可以采集第一视频及第二视频，第一生成模块会基于第一视频及第二视频生成目标视频，这样，通过生成目标视频，可以进一步丰富交流过程。

图5为实现本发明各个实施例的一种移动终端的硬件结构示意图，

该移动终端500包括但不限于：射频单元501、网络模块502、音频输出单元503、输入单元504、传感器505、显示单元506、用户输入单元507、接口单元508、存储器509、处理器510、以及电源511等部件。本领域技术人员可以理解，图5中示出的移动终端结构并不构成对移动终端的限定，移动终端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。在本发明实施例中，移动终端包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载移动终端、可穿戴设备、以及计步器等。

其中，处理器510，用于在所述第一终端与至少一个第二终端建立有语音通话连接的情况下，获取每个所述第二终端对应的第一目标图像；所述第一目标图像中至少包括第二终端用户的人像。

处理器510，用于在每个所述第二终端对应的通话显示区域中，分别显示每个所述第二终端对应的第一目标图像；所述通话显示区域位于所述第一终端的屏幕中。

本发明实施例中，移动终端可以获取与该第一终端建立有语音通话连接的每个第二终端对应的第一目标图像，其中，该第一目标图像中至少包括第二终端用户的人像，接着，可以在每个第二终端对应的通话显示区域中，分别显示每个第二终端对应的第一目标图像，其中，该通话显示区域位于第一终端的屏幕中，这样，通过在通话显示区域中显示第一目标图像，可以使得第一终端的用户在与第二终端用户进行通话的过程中，便捷的观看到对方用户，进而一定程度上丰富与第二终端用户的交流过程，进而提高交流效果。

应理解的是，本发明实施例中，射频单元501可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器510处理；另外，将上行的数据发送给基站。通常，射频单元501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、双工器等。此外，射频单元501还可以通过无线通信系统与网络和其他设备通信。

移动终端通过网络模块502为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。

音频输出单元503可以将射频单元501或网络模块502接收的或者在存储器509中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元503还可以提供与移动终端500执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元503包括扬声器、蜂鸣器以及受话器等。

输入单元504用于接收音频或视频信号。输入单元504可以包括图形处理器(Graphics Processing Unit，GPU)5041和麦克风5042，图形处理器5041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器5041处理后的图像帧可以存储在存储器509(或其它存储介质)中或者经由射频单元501或网络模块502进行发送。麦克风5042可以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元501发送到移动通信基站的格式输出。

移动终端500还包括至少一种传感器505，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5061的亮度，接近传感器可在移动终端500移动到耳边时，关闭显示面板5061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器505还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。

显示单元506用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板5061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板5061。

用户输入单元507可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元507包括触控面板5071以及其他输入设备5072。触控面板5071，也称为触摸屏，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5071上或在触控面板5071附近的操作)。触控面板5071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510，接收处理器510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5071。除了触控面板5071，用户输入单元507还可以包括其他输入设备5072。具体地，其他输入设备5072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)、轨迹球、鼠标、操作杆，在此不再赘述。

进一步的，触控面板5071可覆盖在显示面板5061上，当触控面板5071检测到在其上或附近的触摸操作后，传送给处理器510以确定触摸事件的类型，随后处理器510根据触摸事件的类型在显示面板5061上提供相应的视觉输出。虽然在图5中，触控面板5071与显示面板5061是作为两个独立的部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控面板5071与显示面板5061集成而实现移动终端的输入和输出功能，具体此处不做限定。

接口单元508为外部装置与移动终端500连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元508可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端500内的一个或多个元件或者可以用于在移动终端500和外部装置之间传输数据。

存储器509可用于存储软件程序以及各种数据。存储器509可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器509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。

处理器510是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器509内的软件程序和/或模块，以及调用存储在存储器509内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器510可包括一个或多个处理单元；优选的，处理器510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510中。

移动终端500还可以包括给各个部件供电的电源511(比如电池)，优选的，电源511可以通过电源管理系统与处理器510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。

另外，移动终端500包括一些未示出的功能模块，在此不再赘述。

优选的，本发明实施例还提供一种移动终端，包括处理器510，存储器509，存储在存储器509上并可在所述处理器510上运行的计算机程序，该计算机程序被处理器510执行时实现上述语音通话方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述语音通话方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

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上述实施例方法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，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台移动终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (11)

1.一种语音通话方法，应用于第一终端，其特征在于，所述方法包括：

在所述第一终端与至少一个第二终端建立有语音通话连接的情况下，获取每个所述第二终端对应的第一目标图像；所述第一目标图像中至少包括第二终端用户的人像；

在每个所述第二终端对应的通话显示区域中，分别显示每个所述第二终端对应的第一目标图像；所述通话显示区域位于所述第一终端的屏幕中；

所述在每个第二终端对应的通话显示区域中，分别显示每个第二终端对应的第一目标图像之后，所述方法还包括：

对于每个所述第二终端，基于所述第二终端发送的语音信息的内容，对所述第二终端对应的第一目标图像进行图像内容调整，得到至少一张第二目标图像；

在所述第二终端对应的通话显示区域中，显示所述至少一张第二目标图像；

采集第一个第一预设时长内所述第二终端对应的通话显示区域中显示的内容，得到第一视频，并通过所述通话显示区域所属的子屏幕上的摄像头，同步采集第二视频；

基于所述第一视频以及所述第二视频，生成所述第二终端在所述第一个第一预设时长内对应的第一目标视频；

所述基于所述第一视频以及所述第二视频，生成所述第二终端在所述第一个第一预设时长内对应的第一目标视频，包括：

在所述第二视频中包括第一终端用户的预设动作的情况下，从所述第一视频中截取第二预设时长的第一视频段，并从所述第二视频中截取包含所述预设动作的第二视频段，将所述第二视频段合成至所述第一视频段的预设位置，得到所述第二终端在所述第一预设时长内对应的第一目标视频。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第二终端发送的语音信息的内容，对所述第二终端对应的第一目标图像进行图像内容调整，得到至少一张第二目标图像，包括：

从所述语音信息中，提取第一关键词；

基于所述第一关键词，确定所述第二终端用户所喜欢的对象；

基于所述第二终端用户所喜欢的对象，对所述第一目标图像中的人像进行人像调整，将调整后的第一目标图像作为所述第二目标图像。

3.根据权利要求1所述的方法，其特征在于，所述基于所述第二终端发送的语音信息的内容，对所述第二终端对应的第一目标图像进行图像内容调整，得到至少一张第二目标图像，包括：

从所述语音信息中，提取第二关键词；

基于所述第二关键词，确定所述第二终端用户的用户情绪；

基于与所述用户情绪匹配的至少一个表情模板，对所述第一目标图像中人像的表情依次进行表情调整，将调整后的第一目标图像作为所述第二目标图像。

4.根据权利要求1所述的方法，其特征在于，所述基于所述第二终端发送的语音信息的内容，对所述第二终端对应的第一目标图像进行图像内容调整，得到至少一张第二目标图像，包括以下至少一项：

从所述语音信息中提取第三关键词，为所述第一目标图像增加所述第三关键词对应的动态图像，得到所述第二目标图像；

基于所述第三关键词指示的对象的表情及形态，对所述第一目标图像中的人像进行调整，将调整后的第一目标图像与所述第一目标图像进行拼接，得到所述第二目标图像。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第一视频以及所述第二视频，生成所述第二终端在所述第一个第一预设时长内对应的第一目标视频，包括：

在所述第二视频中不包括所述第一终端用户的预设动作的情况下，从所述第一视频中截取第二预设时长的第一视频段，并将所述第一视频段作为所述第二终端在所述第一预设时长内对应的第一目标视频。

6.根据权利要求1或5所述的方法，其特征在于，所述生成所述第二终端在所述第一预设时长内对应的第一目标视频之后，所述方法还包括：

播放所述第二终端对应的第一目标视频；

在播放所述第一目标视频的过程中，通过所述第二终端对应的通话显示区域所属的子屏幕上的摄像头，采集第三视频；

在第二个第一预设时长内，基于所述第三视频和所述第二个第一预设时长内采集到的第一视频及第二视频，生成所述第二终端在所述第二个第一预设时长内对应的第二目标视频。

7.根据权利要求1所述的方法，其特征在于，所述第一目标图像中仅包括所述第二终端用户的人像；

所述在每个所述第二终端对应的通话显示区域中，分别显示每个所述第二终端对应的第一目标图像之后，所述方法还包括：

对于每个所述第一目标图像，在接收到用户的第一输入的情况下，将所述第一目标图像替换为包含所述第二终端用户的人像和所述第一终端的用户的人像的第三目标图像；所述第一输入为单击输入、双击输入或长按输入；

在接收到用户的第二输入的情况下，将所述第三目标图像替换为所述第一目标图像；所述第二输入为单击输入、双击输入或长按输入。

8.根据权利要求1所述的方法，其特征在于，所述在每个所述第二终端对应的通话显示区域中，分别显示每个所述第二终端对应的第一目标图像，包括：

确定每个所述第二终端的显示优先级；

对于每个第二终端，将与所述第二终端的显示优先级对应的子屏幕作为所述第二终端对应的通话显示区域，并在所述通话显示区域中显示所述第二终端对应的第一目标图像。

9.根据权利要求8所述的方法，其特征在于，所述确定每个所述第二终端的显示优先级，包括：

确定每个所述第二终端与所述第一终端建立语音通话连接的连接时间；基于每个所述第二终端的连接时间确定每个所述第二终端的显示优先级；其中，所述第二终端的连接时间越早，所述第二终端的显示优先级越高；

或者，基于每个所述第二终端与所述第一终端的历史通话参数、亲密度和本次语音通话在预设时长内对应的说话字数，确定每个所述第二终端重要度；基于每个所述第二终端的重要度，确定每个所述第二终端的显示优先级；其中，所述第二终端的重要度越高，所述第二终端的显示优先级越高。

10.一种第一终端，其特征在于，包括：

获取模块，用于在所述第一终端与至少一个第二终端建立有语音通话连接的情况下，获取每个所述第二终端对应的第一目标图像；所述第一目标图像中至少包括第二终端用户的人像；

第一显示模块，用于在每个所述第二终端对应的通话显示区域中，分别显示每个所述第二终端对应的第一目标图像；所述通话显示区域位于所述第一终端的屏幕中；

调整模块，用于对于每个所述第二终端，基于所述第二终端发送的语音信息的内容，对所述第二终端对应的第一目标图像进行图像内容调整，得到至少一张第二目标图像；

第二显示模块，用于在所述第二终端对应的通话显示区域中，显示所述至少一张第二目标图像；

第一采集模块，用于采集第一个第一预设时长内所述第二终端对应的通话显示区域中显示的内容，得到第一视频，并通过所述通话显示区域所属的子屏幕中的摄像头，同步采集第二视频；

第一生成模块，用于在所述第二视频中包括第一终端用户的预设动作的情况下，从所述第一视频中截取第二预设时长的第一视频段，并从所述第二视频中截取包含所述预设动作的第二视频段，将所述第二视频段合成至所述第一视频段的预设位置，得到所述第二终端在所述第一预设时长内对应的第一目标视频。

11.一种移动终端，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至9中任一项所述的语音通话方法的步骤。

Images