CN111796794B - 语音数据的处理方法、系统及虚拟机 - Google Patents

Abstract

本发明公开了一种语音数据的处理方法、系统及虚拟机。其中，该方法包括：虚拟机接收终端设备采集到的语音数据；虚拟机播放接收到的语音数据，并获取播放的语音数据；虚拟机将获取到的语音数据输入至应用程序。本发明解决了相关技术中无法实现通过终端设备对VM/PM进行语音输入的技术问题。

Description

语音数据的处理方法、系统及虚拟机

技术领域

本发明涉及面向虚拟机的语音数据处理领域，具体而言，涉及一种语音数据的处理方法、系统及虚拟机。

背景技术

云桌面系统包括云端服务器和终端设备，用户通过终端设备，对云端服务器上的VM/PM(Virtual Machine/Physical Machine，虚拟机器/项目管理)进行操作。VM/PM上运行有操作系统，能够实现与本地机相同的功能。VM/PM比较常见的操作系统为Windows系统。

在云桌面系统中，当用户在操作系统中输入语音，例如，语音控制，语音或视频聊天时，需要由终端设备上的MIC(Microphone，麦克风)模块采集用户的语音数据，并将采集到的语音数据注入到VM/PM的操作系统中。但是，如何在基于Windows操作系统的云桌面系统中，实现通过终端设备对VM/PM进行语音输入，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种语音数据的处理方法、系统及虚拟机，以至少解决相关技术中无法实现通过终端设备对VM/PM进行语音输入的技术问题。

根据本发明实施例的一个方面，提供了一种语音数据的处理方法，包括：虚拟机接收终端设备采集到的语音数据；虚拟机播放接收到的语音数据，并获取播放的语音数据；虚拟机将获取到的语音数据输入至应用程序。

可选地，播放接收到的语音数据，并获取播放的语音数据包括：通过虚拟输出模块播放接收到的语音数据；通过虚拟麦克风模块获取播放的语音数据。

可选地，通过虚拟输出模块播放接收到的语音数据包括：基于语音数据，设置虚拟输出模块的工作参数，其中，工作参数至少包括如下之一：码率、声道；将语音数据传输至虚拟输出模块。

可选地，虚拟输出模块设置为非默认输出模块，虚拟麦克风模块设置为默认输入模块。

可选地，语音数据由终端设备的物理麦克风模块采集。

可选地，在接收终端设备采集到的语音数据之前，该方法还包括：检测虚拟麦克风模块是否被应用程序打开；在检测到虚拟麦克风模块被打开之后，发送控制指令至终端设备，其中，控制指令用于控制终端设备打开物理麦克风模块。

根据本发明实施例的另一方面，还提供了一种语音数据的处理系统，包括：终端设备，用于采集语音数据；虚拟机，用于播放接收到的语音数据，并获取播放的语音数据，将获取到的语音数据输入至应用程序。

可选地，虚拟机包括：语音注入模块，与终端设备连接，用于接收语音数据；虚拟声卡驱动，与语音注入模块连接，用于播放接收到的语音数据，并获取播放的语音数据；应用程序，与虚拟声卡驱动连接，用于获取语音数据。

可选地，虚拟声卡驱动包括：虚拟输出模块，用于播放接收到的语音数据；虚拟麦克风模块，用于获取播放的语音数据。

可选地，虚拟输出模块设置为非默认输出模块，虚拟麦克风模块设置为默认输入模块。

可选地，终端设备包括：物理麦克风模块，用于采集语音数据。

根据本发明实施例的另一方面，还提供了一种虚拟机包括：语音注入模块，用于接收终端设备采集到的语音数据；虚拟声卡驱动，与语音注入模块连接，用于播放接收到的语音数据，并获取播放的语音数据；应用程序，与虚拟声卡驱动连接，用于获取语音数据。

可选地，虚拟声卡驱动包括：虚拟输出模块，用于播放接收到的语音数据；虚拟麦克风模块，用于获取播放的语音数据。

可选地，虚拟输出模块设置为非默认输出模块，虚拟麦克风模块设置为默认输入模块。

根据本发明实施例的另一方面，存储介质，包括：存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例中任意一项的语音数据的处理方法。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述方法类实施例中任意一项的语音数据的处理方法。

在本发明实施例中，采用虚拟机接收终端设备采集到的语音数据，通过虚拟机播放接收到的语音数据，并获取播放的语音数据；虚拟机将获取到的语音数据输入至应用程序的方式，从而实现了通过终端设备对VM/PM进行语音输入的技术效果，进而解决了相关技术中无法实现通过终端设备对VM/PM进行语音输入的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种语音数据的处理方法的流程图；

图2是根据本发明实施例的一种可选的语音数据的处理系统的示意图；

图3是根据本发明实施例的一种语音数据的处理系统的示意图；

图4是根据本发明实施例的一种虚拟机的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种语音数据的处理方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种语音数据的处理方法的流程图；图2是根据本发明实施例的一种可选的语音数据的处理系统的示意图，结合图1和图2，该方法包括如下步骤：

步骤S102，虚拟机接收终端设备采集到的语音数据；

具体的，上述虚拟机可以是云端服务器上的VM/PM，VM/PM上运行有操作系统，能够实现与本地机相同的语音功能。VM/PM上比较常见的操作系统为Windows系统。上述终端设备可以是一种通过物理MIC模块能够采集语音数据的物理设备，例如，手机、平板、掌上电脑等移动终端，或者笔记本电脑、台式机等计算机终端，或者智能手表、虚拟现实头盔等可穿戴设备，但不仅限于此。上述语音数据是用户在需要进行语音控制，语音或视频聊天时发出的一段声音信号。

可选地，上述语音数据通过终端设备中的物理麦克风模块采集得到。通常情况下，终端设备上的MIC模块的功能是语音数据输入，在一种可选的实施例中，如图2所示，当用户在VM/PM的Windows操作系统中进行语音控制，语音或视频聊天时，物理MIC模块能够将外部采集的语音数据经过语音数据的音色、音调、音频等特征分析，转换成电信号，并将转换后的电信号输入给VM/PM上语音注入模块，实现虚拟机接收终端设备采集的语音数据的目的。

步骤S104，虚拟机播放接收到的语音数据，并获取播放的语音数据；

具体的，上述接收到的语音数据为语音注入模块接收到电信号。需要说明的是，一般播放语音数据的模块为声卡模块，而声卡模块是将应用程序中的语音数据输出到外部设备，例如，音响。为了实现虚拟机上具有与物理机处理语音信号相同的功能，虚拟机还设有虚拟声卡模块，包括虚拟Speaker模块以及虚拟MIC模块，两者构成了虚拟声卡模块的基本功能模块。

在一种可选的实施例中，如图2所示，虚拟机模拟用户发出的声音信号在空气中传播过程，利用Windows系统的虚拟声卡Loopback(回环)技术，将语音数据从虚拟Speaker模块回环到虚拟MIC模块，也即，由虚拟Speaker模块播放接收到的语音数据，再通过虚拟MIC模块获取虚拟Speaker模块播放的语音数据。

步骤S106，虚拟机将获取到的语音数据输入至应用程序。

具体的，上述应用程序是安装在虚拟机上一种可以处理语音数据的应用程序，例如，聊天程序、语音控制程序，但不仅限于此。

在一种可选的实施例中，结合图2，应用程序从虚拟MIC模块中获取语音数据。虚拟机上的虚拟MIC模块与应用程序连接，虚拟MIC模块将采集到的语音数据输入至应用程序。

通过上述步骤，可以实现采用虚拟机接收终端设备采集到的语音数据，通过虚拟机播放接收到的语音数据，并获取播放的语音数据；虚拟机将获取到的语音数据输入至应用程序的方式，从而实现了相关技术中无法实现通过终端设备对VM/PM进行语音输入的技术效果，进而解决了相关技术中无法实现通过终端设备对VM/PM进行语音输入的技术问题。

可选地，在本发明上述实施例中，播放接收到的语音数据，并获取播放的语音数据包括：通过虚拟输出模块播放接收到的语音数据；通过虚拟麦克风模块获取播放的语音数据。

具体的，上述虚拟输出模块即为上述虚拟Speaker模块，上述虚拟麦克风模块即为上述虚拟MIC模块。

在一种可选的实施例中，结合图2，VM/PM中的语音注入模块在接收到语音数据后，将语音数据发送给虚拟声卡驱动。虚拟声卡驱动在接收到语音数据之后，将语音数据发送给虚拟声卡驱动中的虚拟Speaker模块，即虚拟输出模块，虚拟Speaker模块播放接收到的语音数据；虚拟MIC模块，即虚拟麦克风模块，获取虚拟Speaker模块播放的语音数据。

可选地，虚拟输出模块设置为非默认输出模块，虚拟麦克风模块设置为默认输入模块。

需要说明的是，若将虚拟Speaker模块，即，虚拟输出模块设置成非默认输出模块，那么，播放出的语音数据不会被采集并发送回终端设备，终端设备也不会播放给用户；若将虚拟Speaker模块设置为默认输出模块，那么，虚拟Speaker模块播放的语音数据可能被采集模块采集并发送给终端设备进行播放，但是会导致用户在终端设备能够听到自己的声音，并且无法将语音数据传输到虚拟机上的应用程序上进行播放。因此，本实施例将虚拟Speaker模块设置为非默认输出模块。将虚拟MIC模块，即，虚拟麦克风模块设置为默认输入模块，是为了使应用程序能够从该虚拟MIC模块中获取语音数据。虚拟Speaker模块将接收到的语音数据播放出来，利用Windows系统的虚拟声卡Loopback(回环)技术，虚拟MIC模块便可以直接获取播放的语音数据。相当于由虚拟MIC模块直接采集用户的语音数据。

可选地，在本发明上述实施例中，通过虚拟输出模块播放接收到的语音数据包括：基于语音数据，设置虚拟输出模块的工作参数，其中，工作参数至少包括如下之一：码率、声道；将语音数据传输至虚拟输出模块。

由于接收到的语音数据为语音注入模块接收到终端设备传输的电信号，即，将用户发出的声音信号通过编码等过程处理后的信号。虚拟机的虚拟输出模块再播放接收到的语音数据之前，需要根据编码后的语音数据，设置虚拟输出模块的工作参数将上述电信号转换成声音信号经过虚拟输出模块输出。

在一种可选的实施例中，虚拟声卡驱动在接收到语音注入模块传输的语音数据之后，先根据语音数据，设置虚拟Speaker模块中的码率、声道等参数，再将语音数据发送给虚拟Speaker模块。相当于将终端设备获取的语音数据，通过虚拟Speaker模块播放出来。

可选地，在本发明上述实施例中，在接收终端设备采集到的语音数据之前，该方法还包括：检测虚拟麦克风模块是否被应用程序打开；在检测到虚拟麦克风模块被打开之后，发送控制指令至终端设备，其中，控制指令用于控制终端设备打开物理麦克风模块。

在一种可选的实施例中，应用程序在需要获取语音数据时，打开虚拟MIC模块，此时，语音注入模块检测到虚拟MIC模块被应用程序打开之后，向终端设备发送打开物理MIC模块的指令(即上述的控制指令)，以使终端设备通过物理MIC模块，获取用户的语音数据。

结合图2，上述实施例的一种可行实施流程如下：

步骤1，VM/PM中的语音注入模块在监测到虚拟MIC模块被应用程序打开之后，向终端设备发送打开物理MIC模块的指令。

其中，虚拟MIC模块设置为默认输入模块。

在本步骤中，首先，在云端服务器的VM/PM上预设虚拟声卡驱动，虚拟声卡驱动中包括虚拟Speaker模块和虚拟MIC模块，其中，虚拟MIC模块设置为默认输入模块，虚拟声卡模块设置为非默认输出设备；然后，应用程序在需要获取语音数据时，打开虚拟MIC模块，此时，语音注入模块监测到虚拟MIC模块被应用程序打开之后，向终端设备发送打开物理MIC模块的指令，以使终端设备通过物理MIC模块，获取用户的语音数据。

需要说明的是，将虚拟MIC模块设置为默认输入模块，是为了使应用程序能够从该虚拟MIC模块中获取语音数据。

步骤2，终端设备在接收到打开物理MIC模块的指令之后，打开MIC模块；MIC模块在打开之后，采集用户发出的语音数据，并将采集到的语音数据发送给VM/PM中的语音注入模块。

步骤3，VM/PM中的语音注入模块在接收到语音数据后，将语音数据发送给虚拟声卡驱动。

步骤4，虚拟声卡驱动在接收到语音数据之后，将语音数据发送给虚拟声卡驱动中的虚拟Speaker模块；虚拟Speaker模块播放接收到的语音数据。

在本步骤中，虚拟声卡驱动在接收到语音数据之后，先根据语音数据，设置虚拟Speaker模块中的码率、声道等参数；再将语音数据发送给虚拟Speaker模块。相当于将终端设备获取的语音数据，通过虚拟Speaker模块播放出来。

由于虚拟Speaker模块是非默认输出模块，因此，播放出的语音数据不会被采集并发送回终端设备，终端设备也不会播放给用户。若将虚拟Speaker模块设置为默认输出模块，那么，虚拟Speaker模块播放的语音数据可能被采集模块采集并发送给终端设备进行播放，导致用户在终端设备能够听到自己的声音。因此，本发明将虚拟Speaker模块设置为非默认输出模块。

步骤5，虚拟MIC模块利用Windows系统的虚拟声卡Loopback(回环)技术，获取虚拟Speaker模块播放的语音数据。

在本步骤中，虚拟Speaker模块将接收到的语音数据播放出来，利用Windows系统的虚拟声卡Loopback(回环)技术，虚拟MIC模块获取播放的语音数据。相当于由虚拟MIC模块重新采集用户的语音数据。

步骤6，应用程序从虚拟MIC模块中获取语音数据。

在本步骤中，应用程序可以从虚拟MIC模块中获取语音数据，从而实现用户对云端应用程序的语音控制，语音聊天等依托于语音输入的应用功能。

实施例2

根据本发明实施例的另一方面，还提供了一种语音数据的处理系统，本实施例中具体实施方式与优选实施例与上述实施中相同或相似，在此不做赘述。图3是根据本发明实施例的一种语音数据的处理系统的示意图，结合图3，语音数据的处理系统包括：

终端设备30，用于采集语音数据；

虚拟机32，用于播放接收到的语音数据，并获取播放的语音数据，将获取到的语音数据输入至应用程序。

可选地，在本发明上述实施例中，虚拟机包括：语音注入模块，与终端设备连接，用于接收语音数据；虚拟声卡驱动，与语音注入模块连接，用于播放接收到的语音数据，并获取播放的语音数据；应用程序，与虚拟声卡驱动连接，用于获取语音数据。

可选地，在本发明上述实施例中，虚拟声卡驱动包括：虚拟输出模块，用于播放接收到的语音数据；虚拟麦克风模块，用于获取播放的语音数据。

可选地，在本发明上述实施例中，虚拟输出模块设置为非默认输出模块，虚拟麦克风模块设置为默认输入模块。

可选地，在本发明上述实施例中，终端设备包括：物理麦克风模块，用于采集语音数据。

结合图2，本实施例介绍该系统的一种可选的实施例，具体描述如下：

VM/PM中的操作系统为Windows系统，Windows系统中运行的应用程序需要获取用户的语音数据。终端设备中包括物理MIC模块。VM/PM中包括语音注入模块、虚拟声卡驱动和应用程序。其中，虚拟声卡驱动包括虚拟Speaker模块和虚拟MIC模块。

利用Windows系统的虚拟声卡Loopback(回环)技术，将终端设备采集到的语音数据，发送到预先设置的语音注入模块中；再由语音注入模块将语音数据发送到预设的虚拟声卡驱动中；由虚拟声卡驱动中的虚拟Speaker模块，将语音数据回环播放给预先设置的虚拟MIC模块，由虚拟MIC模块获取到输入的语音数据；应用程序从虚拟MIC模块中获取语音数据，完成语音输入。

实施例3

根据本发明实施例的另一方面，还提供了一种虚拟机，本实施例中具体实施方式与优选实施例与上述实施中相同或相似，在此不做赘述。图4是根据本发明实施例的一种虚拟机的示意图，该虚拟机包括：

语音注入模块40，用于接收终端设备采集到的语音数据；

虚拟声卡驱动42，与语音注入模块连接，用于播放接收到的语音数据，并获取播放的语音数据；

应用程序44，与虚拟声卡驱动连接，用于获取语音数据。

可选地，在本发明上述实施例中，虚拟声卡驱动包括：虚拟输出模块，用于播放接收到的语音数据；虚拟麦克风模块，用于获取播放的语音数据。

可选地，在本发明上述实施例中，虚拟输出模块设置为非默认输出模块，虚拟麦克风模块设置为默认输入模块。

实施例4

根据本发明实施例的另一方面，存储介质，包括：存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例中任意一项的语音数据的处理方法。

实施例5

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述方法类实施例中任意一项的语音数据的处理方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种语音数据的处理方法，其特征在于，包括：

接收终端设备采集到的语音数据；

播放接收到的语音数据，并获取播放的语音数据；

将获取到的语音数据输入至应用程序；

其中，播放接收到的语音数据，并获取播放的语音数据包括：通过虚拟输出模块播放所述接收到的语音数据；通过虚拟麦克风模块获取所述播放的语音数据，所述虚拟输出模块设置为非默认输出模块，使得播放出的所述语音数据不被采集并发送回所述终端设备，所述虚拟麦克风模块设置为默认输入模块，使得所述应用程序从所述虚拟麦克风模块获取所述语音数据。

2.根据权利要求1所述的方法，其特征在于，通过虚拟输出模块播放所述接收到的语音数据包括：

基于所述语音数据，设置所述虚拟输出模块的工作参数，其中，所述工作参数至少包括如下之一：码率、声道；

将所述语音数据传输至所述虚拟输出模块。

3.根据权利要求1所述的方法，其特征在于，所述语音数据由所述终端设备的物理麦克风模块采集。

4.根据权利要求3所述的方法，其特征在于，在接收终端设备采集到的语音数据之前，所述方法还包括：

检测虚拟麦克风模块是否被所述应用程序打开；

在检测到所述虚拟麦克风模块被打开之后，发送控制指令至所述终端设备，其中，所述控制指令用于控制所述终端设备打开所述物理麦克风模块。

5.一种语音数据的处理系统，其特征在于，包括：

终端设备，用于采集语音数据；

虚拟机，用于播放接收到的语音数据，并获取播放的语音数据，将获取到的语音数据输入至应用程序，其中，虚拟机包括虚拟声卡驱动；

虚拟声卡驱动包括：虚拟输出模块，用于播放接收到的语音数据；虚拟麦克风模块，用于获取播放的语音数据，其中，虚拟输出模块设置为非默认输出模块，使得播放出的所述语音数据不被采集并发送回所述终端设备；虚拟麦克风模块设置为默认输入模块，使得所述应用程序从所述虚拟麦克风模块获取所述语音数据。

6.根据权利要求5所述的系统，其特征在于，所述虚拟机包括：

语音注入模块，与所述终端设备连接，用于接收所述语音数据；

虚拟声卡驱动，与所述语音注入模块连接，用于播放所述接收到的语音数据，并获取所述播放的语音数据；

应用程序，与所述虚拟声卡驱动连接，用于获取所述语音数据。

7.一种虚拟机，其特征在于，包括：

语音注入模块，用于接收终端设备采集到的语音数据；

虚拟声卡驱动，与所述语音注入模块连接，用于播放接收到的语音数据，并获取播放的语音数据，其中，虚拟声卡驱动包括：虚拟输出模块，用于播放所述接收到的语音数据；虚拟麦克风模块，用于获取所述播放的语音数据，所述虚拟输出模块设置为非默认输出模块，使得播放出的所述语音数据不被采集并发送回所述终端设备，所述虚拟麦克风模块设置为默认输入模块，使得应用程序从所述虚拟麦克风模块获取所述语音数据；

应用程序，与所述虚拟声卡驱动连接，用于获取所述语音数据。