CN111258777B - 传输语音数据的方法、装置、系统、设备、及存储介质 - Google Patents

Abstract

本公开实施例公开了一种传输语音数据的方法、装置、系统、设备、及存储介质，方法包括：控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区；控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。本公开实施例的技术方案能够直接减少音频数据在Java、C之间传输的延时和对系统性能的损耗，还间接地提高语音交互的实时性和流畅性。

Description

传输语音数据的方法、装置、系统、设备、及存储介质

技术领域

本公开实施例涉及计算机应用技术领域，具体涉及一种传输语音数据的方法、装置、系统、设备、及存储介质。

背景技术

在带有语音交互功能的应用程序App中，出于执行效率和系统性能等因素，语音信号处理算法大都是基于C/C++实现，以Native库的形式集成在App中,经过处理后的音频数据以Callback或UDS的方式传输到Java层进行供App处理。

底层Native以Callback调用的方式将语音数据传输至Java层，Java虚拟机会对每一个Native Callback在Java层创建一个Java线程，由于语音交互实效性的要求，语音信号处理的数据步长很短，输出数据的频率很高，导致Native Callback频繁调用，Java层的线程频繁创建，Java、C上下文间频繁切换，造成Android系统的垃圾回收机制被频繁触发，容易造成系统卡顿，从而影响运行效率，造成Native层的语音信号处理延时增加。

底层Native以UDS的方式将语音信号处理后的数据传输至Java层，需要在Native层和Java层分别使用C/C++和Java语言，分别开发一套UDS程序，开发完成后还需要进行跨平台测试，这是一个庞大的工程；并且各个厂商所实现的UDS有所不同，通用性不强。

发明内容

有鉴于此，本公开实施例提供一种传输语音数据的方法、装置、系统、设备、及存储介质，以实现减少传输的延时，以及降低对系统性能的损耗。

本公开实施例的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开实施例的实践而习得。

第一方面，本公开实施例提供了一种传输语音数据的方法，包括：

控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区；

控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。

于一实施例中，所述缓冲区为环形缓冲区，所述环形缓冲区具有状态信息，所述状态信息包括缓冲区已满状态和缓冲区未满状态。

于一实施例中，若所述环形缓冲区的状态信息为缓冲区已满状态，则在控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区时，用所述语音数据覆盖所述缓冲区的已有数据，并将所述状态信息设置为缓冲区未满状态。

于一实施例中，若所述环形缓冲区的状态信息为缓冲区已满状态，所述方法还包括：

在控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理时，控制所述中间件通知所述Java层App，所述中间件的缓冲区中已有数据已被覆盖。

于一实施例中，在控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区之前还包括：

控制Native层对语音采集设备实时采集的语音信号进行处理以获取所述语音数据。

于一实施例中，所述中间件提供的应用程序接口API采用安卓标准录音实现接口。

第二方面，本公开实施例还提供了一种传输语音数据的装置，包括：

第一控制单元，用于控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区；

第二控制单元，用于控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。

于一实施例中，所述缓冲区为环形缓冲区，所述环形缓冲区具有状态信息，所述状态信息包括缓冲区已满状态和缓冲区未满状态。

于一实施例中，若所述环形缓冲区的状态信息为缓冲区已满状态，则所述第一控制单元还用于，在控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区时，用所述语音数据覆盖所述缓冲区的已有数据，并将所述状态信息设置为缓冲区未满状态。

于一实施例中，若所述环形缓冲区的状态信息为缓冲区已满状态，则所述第二控制单元还用于，在控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理时，控制所述中间件通知所述Java层App，所述中间件的缓冲区中已有数据已被覆盖。

于一实施例中，所述装置还包括语音信号处理单元，用于在控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区之前，控制Native层对语音采集设备实时采集的语音信号进行处理以获取所述语音数据。

于一实施例中，所述中间件提供的应用程序接口API采用安卓标准录音实现接口。

第三方面，本公开实施例还提供了一种传输语音数据的系统，包括：Native层和JAVA层，其中所述Native层上部署有中间件，所述中间件内部有缓冲区；

所述Native层用于将实时获取的语音数据通过Callback的方式传输至内部的所述中间件的所述缓冲区；

所述Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。

第四方面，本公开实施例还提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中任一项所述方法的指令。

第五方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一项所述方法的步骤。

本公开实施例通过控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区；控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。能够直接减少音频数据在Java、C之间传输的延时和对系统性能的损耗，还间接地提高了语音交互的实时性和流畅性。

附图说明

为了更清楚地说明本公开实施例中的技术方案，下面将对本公开实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本公开实施例中的一部分实施例，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，还可以根据本公开实施例的内容和这些附图获得其他的附图。

图1是本公开实施例提供的一种传输语音数据的系统的结构示意图；

图2是本公开实施例提供的一种传输语音数据的方法的流程示意图；

图3是本公开实施例提供的另一种传输语音数据的方法的流程示意图；

图4是本公开实施例提供的一种传输语音数据的装置的结构示意图；

图5示出了适于用来实现本公开实施例的电子设备的结构示意图。

具体实施方式

为使本公开实施例解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本公开实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本公开实施例中的一部分实施例，而不是全部的实施例。基于本公开实施例中的实施例，本领域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，都属于本公开实施例保护的范围。

需要说明的是，本公开实施例中术语“系统”和“网络”在本文中常被可互换使用。本公开实施例中提到的“和/或”是指包括一个或更多个相关所列项目的任何和所有组合。本公开的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于限定特定顺序。

还需要说明是，本公开实施例中下述各个实施例可以单独执行，各个实施例之间也可以相互结合执行，本公开实施例对此不作具体限制。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面结合附图并通过具体实施方式来进一步说明本公开实施例的技术方案。

图1为本公开实施例提供的一种传输语音数据的系统的结构示意图，从图1可以看出，所述传输语音数据的系统包括：Native层和JAVA层，其中所述Native层上部署有中间件，所述中间件内部有缓冲区。

所述Native层用于将实时获取的语音数据通过Callback的方式传输至内部的所述中间件的所述缓冲区。

所述Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。

其中，所述缓冲区可设置为环形缓冲区，所述环形缓冲区具有状态信息，所述状态信息包括缓冲区已满状态和缓冲区未满状态。

本实施例通过在Native层的语音算法库和Java层的App之间搭建了一个中间件，该中间件位于Native层，可用C/C++实现，内部有一个带状态的环形缓冲区，接受Native层算法库输出的数据，Java层App主动从中间件读取数据，完美规避了Callback调用方式带来的上述缺陷；同时该中间件的API仿照Android标准录音实现，上层App工程改动较小，具备通用性。

本实施例所述的传输语音数据的系统不仅能够直接减少音频数据在Java、C之间传输的延时和对系统性能的损耗，还间接的提高了整个语音交互的实时性和流畅性。从更深层次的角度来说，中间件的形式更有利于快速的集成开发，能够加速产品落地的时间，降低成本，有利于快速占领市场。

图2示出了本公开实施例提供的一种传输语音数据的方法的流程示意图，本实施例可适用于将语音数据从Native层传输至JAVA层的APP的情况，该方法可以由配置于电子设备中的传输语音数据的装置来执行，如图2所示，本实施例所述的传输语音数据的方法包括：

在步骤S210中，控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区。

所述缓冲区用于缓存Native层的语音数据，本实施例并不限定所述缓冲区的具体数据结构。例如可为具有状态信息的环形缓冲区，其中所述状态信息包括缓冲区已满状态和缓冲区未满状态。

在本步骤之前还可控制Native层对语音采集设备实时采集的语音信号进行处理以获取所述语音数据。

在步骤S220中，控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。

若所述缓冲区采用具有状态信息的环形缓冲区，若所述环形缓冲区的状态信息为缓冲区已满状态，可在步骤S210控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区时，用所述语音数据覆盖所述缓冲区的已有数据，并将所述状态信息设置为缓冲区未满状态。

进一步地，可在步骤S220控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理时，控制所述中间件通知所述Java层App，所述中间件的缓冲区中已有数据已被覆盖。

所述中间件提供的应用程序接口API采用安卓标准录音实现接口，即使该中间件的API仿照Android标准录音实现，上层App工程改动较小，具备通用性。

本实施例通过控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区；控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。能够直接减少音频数据在Java、C之间传输的延时和对系统性能的损耗，还间接地提高了语音交互的实时性和流畅性。

图3示出了本公开实施例提供的另一种传输语音数据的方法的流程示意图，本实施例以前述实施例为基础，进行了改进优化。如图3所示，本实施例所述的传输语音数据的方法包括：

在步骤S310中，获取录音，执行步骤S320。

在步骤S320中，进行语音信号处理，执行步骤S330。

在步骤S330中，将语音数据输入至中间件的环形缓冲区，执行步骤S340。

Native层语音算法处理完数据后，通过Callback将数据传输至同在Native层的中间层，避免了Java、C之间上下文切换以及频繁Callback的造成的运行效率低下。

在步骤S340中，判断环形缓冲区是否已满，若是则执行步骤S350，否则执行步骤S360。

在步骤S350中，重置标志位，并刷新缓冲区，执行步骤S360。

若中间件的环形缓冲区已满，则会覆盖先入的数据，并将置标志位，待Java层App下次读取时通知其已有数据被覆盖。若中间件的环形缓冲区未满，则向中间件的环形缓冲区写入数据。

在步骤S360中，APP读取环形缓冲区的数据，执行步骤S370。

Java层App可保持固定频率从中间件读取数据，该频率可调整。若缓冲区有数据，则可一次性读取；若无数据，则等待下次读取。

在步骤S370中，结束。

本实施例的技术方案不仅能够直接减少音频数据在Java、C之间传输的延时和对系统性能的损耗，还间接的提高了整个语音交互的实时性和流畅性。从更深层次的角度来说，中间件的形式更有利于快速的集成开发，能够加速产品落地的时间，降低成本，有利于快速占领市场。

作为上述各图所示方法的实现，本申请提供了一种传输语音数据的装置的一个实施例,图4示出了本实施例提供的一种传输语音数据的装置的结构示意图，该装置实施例与图2和图3所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。如图4所示，本实施例所述的传输语音数据的装置包括第一控制单元410和第二控制单元420。

所述第一控制单元410被配置为，用于控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区；

所述第二控制单元420被配置为，用于控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。

于一实施例中，所述缓冲区为环形缓冲区，所述环形缓冲区具有状态信息，所述状态信息包括缓冲区已满状态和缓冲区未满状态。

进一步地，在上述实施例的基础之上，若所述环形缓冲区的状态信息为缓冲区已满状态，则所述第一控制单元还用于，在控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区时，用所述语音数据覆盖所述缓冲区的已有数据，并将所述状态信息设置为缓冲区未满状态。

进一步地，在上述实施例的基础之上，若所述环形缓冲区的状态信息为缓冲区已满状态，则所述第二控制单元还用于，在控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理时，控制所述中间件通知所述Java层App，所述中间件的缓冲区中已有数据已被覆盖。

于一实施例中，所述装置还包括语音信号处理单元(图4中未示出)，所述语音信号处理单元被配置为，用于在控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区之前，控制Native层对语音采集设备实时采集的语音信号进行处理以获取所述语音数据。

于一实施例中，所述中间件提供的应用程序接口API采用安卓标准录音实现接口。

本实施例提供的传输语音数据的装置可执行本公开方法实施例所提供的传输语音数据的方法，具备执行方法相应的功能模块和有益效果。

下面参考图5，其示出了适于用来实现本公开实施例的电子设备500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开实施例的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开实施例的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：

控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区；

控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开实施例各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

以上描述仅为本公开实施例的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开实施例中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种传输语音数据的方法，其特征在于，包括：

控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区；

控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。

2.根据权利要求1所述的方法，其特征在于，所述缓冲区为环形缓冲区，所述环形缓冲区具有状态信息，所述状态信息包括缓冲区已满状态和缓冲区未满状态。

3.根据权利要求2所述的方法，其特征在于，若所述环形缓冲区的状态信息为缓冲区已满状态，则在控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区时，用所述语音数据覆盖所述缓冲区的已有数据，并将所述状态信息设置为缓冲区未满状态。

4.根据权利要求3所述的方法，其特征在于，若所述环形缓冲区的状态信息为缓冲区已满状态，所述方法还包括：

在控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理时，控制所述中间件通知所述Java层App，所述中间件的缓冲区中已有数据已被覆盖。

5.根据权利要求1所述的方法，其特征在于，在控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区之前还包括：

控制Native层对语音采集设备实时采集的语音信号进行处理以获取所述语音数据。

6.根据权利要求1所述的方法，所述中间件提供的应用程序接口API采用安卓标准录音实现接口。

7.一种传输语音数据的装置，其特征在于，包括：

第一控制单元，用于控制Native层将实时获取的语音数据通过Callback的方式传输至内部的中间件的缓冲区；

第二控制单元，用于控制Java层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。

8.一种传输语音数据的系统，其特征在于，包括：Native层和JAVA层，其中所述Native层上部署有中间件，所述中间件内部有缓冲区；

所述Native层用于将实时获取的语音数据通过Callback的方式传输至内部的所述中间件的所述缓冲区；

所述JAVA层App按照预定频率从所述中间件的缓冲区中读取所述语音数据进行处理。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述方法的指令。

10.一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，该计算机程序被处理器执行时实现如权利要求1-6任一项所述方法的步骤。

Images