CN112202803A - 音频处理的方法、装置、终端及存储介质 - Google Patents
音频处理的方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN112202803A CN112202803A CN202011079341.4A CN202011079341A CN112202803A CN 112202803 A CN112202803 A CN 112202803A CN 202011079341 A CN202011079341 A CN 202011079341A CN 112202803 A CN112202803 A CN 112202803A
- Authority
- CN
- China
- Prior art keywords
- audio data
- state
- terminals
- text data
- sending
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims description 10
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/60—Network streaming of media packets
- H04L65/75—Media network packet handling
- H04L65/762—Media network packet handling at the source
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/14—Systems for two-way working
- H04N7/15—Conference systems
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Telephonic Communication Services (AREA)
- Telephone Function (AREA)
Abstract
本公开的实施例提供了音频处理的方法、装置、终端及存储介质。其中，方法包括：与服务器建立连接；检测连接状态；当所述连接状态为第一状态时，获取第一音频数据，将所述第一音频数据发送至所述服务器；当所述连接状态为第二状态时，获取第一音频数据，将所述第一音频数据转换为第一文本数据，并将所述第一文本数据发送至所述服务器。本公开提供的音频处理方法能够在弱网环境下保证通话继续进行。
Description
技术领域
本公开涉及计算机技术领域，更具体地，涉及一种音频处理的方法、装置、终端及存储介质。
背景技术
网络会议经常会遇到因网络环境不稳定或网络环境变差而导致的语音传输出现断续的情况，而这会导致会议体验变差甚至无法进行。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
为了解决上述问题，本公开提供了音频处理的方法、装置、终端及存储介质。
根据本公开的一实施例，提供了一种音频处理的方法，在终端执行，包括：
与服务器建立连接；
检测连接状态；
当所述连接状态为第一状态时，获取第一音频数据，将所述第一音频数据发送至所述服务器；
当所述连接状态为第二状态时，获取第一音频数据，将所述第一音频数据转换为第一文本数据，并将所述第一文本数据发送至所述服务器。
根据本公开的一实施例，提供了一种音频处理的方法，在服务器执行，包括：
与多个终端建立连接；
检测连接状态；
当所述连接状态为第一状态时，接收分别从所述多个终端发送的音频数据，根据所述音频数据生成对应的音色模型，并将所述音频数据和所述对应的音色模型分别发送至所述多个终端中除所述音频数据的发送端以外的其它终端；
当所述连接状态为第二状态时，接收分别从所述多个终端发送的文本数据，并分别将所述文本数据发送至所述多个终端中除所述文本数据的发送端以外的其它终端。
根据本公开的一实施例，提供了一种音频处理的装置，包括：
第一连接模块，用于与服务器建立连接；
第一检测模块，用于检测连接状态；及
第一处理模块，用于当所述连接状态为第一状态时，获取第一音频数据，将所述第一音频数据发送至所述服务器；当所述连接状态为第二状态时，获取第一音频数据，将所述第一音频数据转换为第一文本数据，并将所述第一文本数据发送至所述服务器。
根据本公开的一实施例，提供了一种音频处理的装置，包括：
第二连接模块，用于与多个终端建立连接；
第二检测模块，用于检测连接状态；及
第二处理模块，用于当所述连接状态为第一状态时，接收分别从所述多个终端发送的音频数据，根据所述音频数据生成对应的音色模型，并将所述音频数据和所述对应的音色模型分别发送至所述多个终端中除所述音频数据的发送端以外的其它终端；当所述连接状态为第二状态时，接收分别从所述多个终端发送的文本数据，并分别将所述文本数据发送至所述多个终端中除所述文本数据的发送端以外的其它终端。
根据本公开的一实施例，提供了一种终端，所述终端包括：至少一个存储器和至少一个处理器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行上述方法。
根据本公开的一实施例，提供了一种计算机存储介质，所述计算机存储介质存储有程序代码，所述程序代码用于执行上述方法。
通过采用本公开的音频处理的方案，能够在弱网环境下保证通话继续进行。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1示出了本公开实施例的音频处理方法的流程图。
图2示出了本公开另一实施例的音频处理方法的流程图。
图3示出了本公开实施例的音频处理装置的结构示意图。
图4示出了本公开另一实施例的音频处理装置的结构示意图。
图5示出了适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开中的终端可以包括但不限于诸如移动电话、智能手机、笔记本电脑、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置、车载终端设备、车载显示终端、车载电子后视镜等等的移动终端设备以及诸如数字TV、台式计算机等等的固定终端设备。
如图1所示，本公开提供了一实施例的音频处理方法的流程图，在终端执行，包括：与服务器建立连接；检测连接状态；当所述连接状态为第一状态时，获取第一音频数据，将所述第一音频数据发送至所述服务器；当所述连接状态为第二状态时，获取第一音频数据，将所述第一音频数据转换为第一文本数据，并将所述第一文本数据发送至所述服务器。
在本公开实施例中，当所述连接状态为所述第一状态时，接收从所述服务器发送的第二音频数据和根据所述第二音频数据建立的音色模型；当所述连接状态为所述第二状态时，如所述终端具有音色模型，接收从所述服务器发送的第二文本数据，将所述第二文本数据转换为对应音频数据，并通过所述音色模型处理所述对应音频数据，获得合成音频数据，并播放所述合成音频数据。其中，所述第一文本数据和所述第二文本数据包括字符和与所述字符对应的时间戳。此外，本公开实施例还可将所述第二文本数据中的字符按照对应的时间戳的顺序转换为所述对应音频数据。
例如，终端可对应一参会人，其可在本地具有语音转文字模块、文字转语音模块，以及其他端参会人的音色模型。其中，语音转文字可以是实时转换并发送，接收文字信息并利用音色模型合成语音也可以是根据接收的信息实时完成；本公开实施例还可以在语音转文字后，将对应的时间轴或时间戳信息一同打包，这样通过音色模型还原出的语音可以和说话人说话时的语音具有相同或接近的语速。在建立例如音视频通话后，当网络条件好(第一状态)时，直接传输语音。当网络条件变差到无法发送音频文件(第二状态)时，可开启本地语音转文字模块，并将转换得到的文字传输到其他端。多人参会时，在接收到文字后，可通过解析判断该文字对应的用户ID，然后通过文字转语音模块配合对应的音色模型生成合成语音，并播放生成的合成语音。其中，第二状态的判断可以通过网络传输速率、网络质量、丢包率等方式对网络情况进行量化，如低于一定阈值则可认为网络异常或属于第二网络状态，可根据实际情况而定。例如，在一定情况下，可以传输音频数据，但是在丢包率高、延迟严重或者传输很慢的情况下，虽然音频数据可以传输，但无法实现正常的会议功能。
如图2所示，本公开提供了另一实施例的音频处理方法的流程图，在服务器执行，包括：与多个终端建立连接；检测连接状态；当所述连接状态为第一状态时，接收分别从所述多个终端发送的音频数据，根据所述音频数据生成对应的音色模型，并将所述音频数据和所述对应的音色模型分别发送至所述多个终端中除所述音频数据的发送端以外的其它终端；当所述连接状态为第二状态时，接收分别从所述多个终端发送的文本数据，并分别将所述文本数据发送至所述多个终端中除所述文本数据的发送端以外的其它终端。
本公开实施例还可将所述音频数据作为样本集对初始模型进行训练，获得所述音色模型；其中，所述初始模型包括神经网络模型。
例如，参会人的语音可上传到云端，云端可抽取多条音质好的语音作为素材，用这些素材作为训练数据，实时训练针对该参会人的音色模型，然后适时下发到其他参会人的终端设备上。
上述实施例提供了在弱网状况下选择传输语音相对应的文字来减少带宽需求，通过在接收端利用对应的语音模型结合文本来模拟还原出原音频数据，减少了带宽占用的同时还可获得与音频传输相同的效果。特别地，本公开实施例还可应用于网络良好时，可达到节省流量的作用。
如图3所示，图3示出了本公开实施例的音频处理装置的结构示意图。在图3中，装置10可包括第一连接模块11、第一检测模块13和第一处理模块15。其中，第一连接模块11可用于与服务器建立连接；第一检测模块13可用于检测连接状态；第一处理模块15可用于当所述连接状态为第一状态时，获取第一音频数据，将所述第一音频数据发送至所述服务器；当所述连接状态为第二状态时，获取第一音频数据，将所述第一音频数据转换为第一文本数据，并将所述第一文本数据发送至所述服务器。此外，本公开实施例的装置10还可包括操作模块(图未示)，可用于当所述连接状态为所述第一状态时，接收从所述服务器发送的第二音频数据和根据所述第二音频数据建立的音色模型；当所述连接状态为所述第二状态时，如所述终端具有音色模型，接收从所述服务器发送的第二文本数据，将所述第二文本数据转换为对应音频数据，并通过所述音色模型处理所述对应音频数据，获得合成音频数据，并播放所述合成音频数据。
如图4所示，图4示出了本公开另一实施例的音频处理装置的结构示意图。在图4中，装置30可包括第二连接模块31、第二检测模块33及第二处理模块35。其中，第二连接模块31可用于与多个终端建立连接；第二检测模块33可用于检测连接状态；第二处理模块35可用于当所述连接状态为第一状态时，接收分别从所述多个终端发送的音频数据，根据所述音频数据生成对应的音色模型，并将所述音频数据和所述对应的音色模型分别发送至所述多个终端中除所述音频数据的发送端以外的其它终端；当所述连接状态为第二状态时，接收分别从所述多个终端发送的文本数据，并分别将所述文本数据发送至所述多个终端中除所述文本数据的发送端以外的其它终端。
对于装置的实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离模块说明的模块可以是或者也可以不是分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
此外，本公开还提供一种终端，包括：至少一个存储器和至少一个处理器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行上述方法。
此外，本公开还提供一种计算机存储介质，该计算机存储介质存储有程序代码，程序代码用于执行上述方法。
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800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800可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中，还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常，以下装置可以连接至I/O接口805：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806；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许电子设备800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800，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809从网络上被下载和安装，或者从存储装置808被安装，或者从ROM 802被安装。在该计算机程序被处理装置801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。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
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：显示至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所显示的网际协议地址指示内容分发网络中的边缘节点。
或者，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：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。
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的操作的计算机程序代码，上述程序设计语言包括但不限于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，第一显示单元还可以被描述为“显示至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，提供了一种音频处理的方法，在终端执行，包括：
与服务器建立连接；
检测连接状态；
当所述连接状态为第一状态时，获取第一音频数据，将所述第一音频数据发送至所述服务器；
当所述连接状态为第二状态时，获取第一音频数据，将所述第一音频数据转换为第一文本数据，并将所述第一文本数据发送至所述服务器。
根据本公开的一个或多个实施例，所述方法还包括：
当所述连接状态为所述第一状态时，接收从所述服务器发送的第二音频数据和根据所述第二音频数据建立的音色模型；
当所述连接状态为所述第二状态时，如所述终端具有音色模型，接收从所述服务器发送的第二文本数据，将所述第二文本数据转换为对应音频数据，并通过所述音色模型处理所述对应音频数据，获得合成音频数据，并播放所述合成音频数据。
根据本公开的一个或多个实施例，所述第一文本数据和所述第二文本数据包括字符和与所述字符对应的时间戳。
根据本公开的一个或多个实施例，所述将所述第二文本数据转换为对应音频数据包括：
将所述第二文本数据中的字符按照对应的时间戳的顺序转换为所述对应音频数据。
根据本公开的一个或多个实施例，提供了一种音频处理的方法，在服务器执行，包括：
与多个终端建立连接；
检测连接状态；
当所述连接状态为第一状态时，接收分别从所述多个终端发送的音频数据，根据所述音频数据生成对应的音色模型，并将所述音频数据和所述对应的音色模型分别发送至所述多个终端中除所述音频数据的发送端以外的其它终端；
当所述连接状态为第二状态时，接收分别从所述多个终端发送的文本数据，并分别将所述文本数据发送至所述多个终端中除所述文本数据的发送端以外的其它终端。
根据本公开的一个或多个实施例，所述根据所述音频数据生成对应的音色模型包括：
将所述音频数据作为样本集对初始模型进行训练，获得所述音色模型；
其中，所述初始模型包括神经网络模型。
根据本公开的一个或多个实施例，提供了一种音频处理的装置，包括：
第一连接模块，用于与服务器建立连接；
第一检测模块，用于检测连接状态；及
第一处理模块，用于当所述连接状态为第一状态时，获取第一音频数据，将所述第一音频数据发送至所述服务器；当所述连接状态为第二状态时，获取第一音频数据，将所述第一音频数据转换为第一文本数据，并将所述第一文本数据发送至所述服务器。
根据本公开的一个或多个实施例，提供了一种音频处理的装置，包括：
第二连接模块，用于与多个终端建立连接；
第二检测模块，用于检测连接状态；及
第二处理模块，用于当所述连接状态为第一状态时，接收分别从所述多个终端发送的音频数据，根据所述音频数据生成对应的音色模型，并将所述音频数据和所述对应的音色模型分别发送至所述多个终端中除所述音频数据的发送端以外的其它终端；当所述连接状态为第二状态时，接收分别从所述多个终端发送的文本数据，并分别将所述文本数据发送至所述多个终端中除所述文本数据的发送端以外的其它终端。
根据本公开的一个或多个实施例，提供了一种终端，所述终端包括：至少一个存储器和至少一个处理器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行上述方法。
根据本公开的一个或多个实施例，提供了一种计算机存储介质，所述计算机存储介质存储有程序代码，所述程序代码用于执行上述方法。
以上描述仅为本公开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。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种音频处理的方法，在终端执行，包括：
与服务器建立连接；
检测连接状态；
当所述连接状态为第一状态时，获取第一音频数据，将所述第一音频数据发送至所述服务器；
当所述连接状态为第二状态时，获取第一音频数据，将所述第一音频数据转换为第一文本数据，并将所述第一文本数据发送至所述服务器。
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：
当所述连接状态为所述第一状态时，接收从所述服务器发送的第二音频数据和根据所述第二音频数据建立的音色模型；
当所述连接状态为所述第二状态时，如所述终端具有音色模型，接收从所述服务器发送的第二文本数据，将所述第二文本数据转换为对应音频数据，并通过所述音色模型处理所述对应音频数据，获得合成音频数据，并播放所述合成音频数据。
3.根据权利要求2所述的方法，其特征在于，所述第一文本数据和所述第二文本数据包括字符和与所述字符对应的时间戳。
4.根据权利要求3所述的方法，其特征在于，所述将所述第二文本数据转换为对应音频数据包括：
将所述第二文本数据中的字符按照对应的时间戳的顺序转换为所述对应音频数据。
5.一种音频处理的方法，在服务器执行，包括：
与多个终端建立连接；
检测连接状态；
当所述连接状态为第一状态时，接收分别从所述多个终端发送的音频数据，根据所述音频数据生成对应的音色模型，并将所述音频数据和所述对应的音色模型分别发送至所述多个终端中除所述音频数据的发送端以外的其它终端；
当所述连接状态为第二状态时，接收分别从所述多个终端发送的文本数据，并分别将所述文本数据发送至所述多个终端中除所述文本数据的发送端以外的其它终端。
6.根据权利要求5所述的方法，其特征在于，所述根据所述音频数据生成对应的音色模型包括：
将所述音频数据作为样本集对初始模型进行训练，获得所述音色模型；
其中，所述初始模型包括神经网络模型。
7.一种音频处理的装置，包括：
第一连接模块，用于与服务器建立连接；
第一检测模块，用于检测连接状态；及
第一处理模块，用于当所述连接状态为第一状态时，获取第一音频数据，将所述第一音频数据发送至所述服务器；当所述连接状态为第二状态时，获取第一音频数据，将所述第一音频数据转换为第一文本数据，并将所述第一文本数据发送至所述服务器。
8.一种音频处理的装置，包括：
第二连接模块，用于与多个终端建立连接；
第二检测模块，用于检测连接状态；及
第二处理模块，用于当所述连接状态为第一状态时，接收分别从所述多个终端发送的音频数据，根据所述音频数据生成对应的音色模型，并将所述音频数据和所述对应的音色模型分别发送至所述多个终端中除所述音频数据的发送端以外的其它终端；当所述连接状态为第二状态时，接收分别从所述多个终端发送的文本数据，并分别将所述文本数据发送至所述多个终端中除所述文本数据的发送端以外的其它终端。
9.一种终端，包括：
至少一个存储器和至少一个处理器；
其中，所述至少一个存储器用于存储程序代码，所述至少一个处理器用于调用所述至少一个存储器所存储的程序代码执行权利要求1至6中任一项所述的方法。
10.一种存储介质，所述存储介质用于存储程序代码，所述程序代码用于执行权利要求1至6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011079341.4A CN112202803A (zh) | 2020-10-10 | 2020-10-10 | 音频处理的方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011079341.4A CN112202803A (zh) | 2020-10-10 | 2020-10-10 | 音频处理的方法、装置、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112202803A true CN112202803A (zh) | 2021-01-08 |
Family
ID=74013690
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011079341.4A Pending CN112202803A (zh) | 2020-10-10 | 2020-10-10 | 音频处理的方法、装置、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112202803A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112822297A (zh) * | 2021-04-01 | 2021-05-18 | 深圳市顺易通信息科技有限公司 | 一种停车场服务数据传输方法及相关设备 |
| CN113066497A (zh) * | 2021-03-18 | 2021-07-02 | Oppo广东移动通信有限公司 | 数据处理方法、装置、系统、电子设备和可读存储介质 |
| CN113286110A (zh) * | 2021-05-19 | 2021-08-20 | Oppo广东移动通信有限公司 | 视频通话方法、装置、电子设备以及存储介质 |
| CN114007130A (zh) * | 2021-10-29 | 2022-02-01 | 维沃移动通信有限公司 | 数据传输方法、装置、电子设备及存储介质 |
| CN114630144A (zh) * | 2022-03-03 | 2022-06-14 | 广州方硅信息技术有限公司 | 直播间内的音频替换方法、系统、装置及计算机设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101188110A (zh) * | 2006-11-17 | 2008-05-28 | 陈健全 | 提高文本和语音匹配效率的方法 |
| CN102710539A (zh) * | 2012-05-02 | 2012-10-03 | 中兴通讯股份有限公司 | 语音信息传送方法及装置 |
| CN104285428A (zh) * | 2012-05-08 | 2015-01-14 | 三星电子株式会社 | 用于运行通信服务的方法和系统 |
| US20150170651A1 (en) * | 2013-12-12 | 2015-06-18 | International Business Machines Corporation | Remedying distortions in speech audios received by participants in conference calls using voice over internet (voip) |
| US20180218727A1 (en) * | 2017-02-02 | 2018-08-02 | Microsoft Technology Licensing, Llc | Artificially generated speech for a communication session |
| CN110364170A (zh) * | 2019-05-29 | 2019-10-22 | 平安科技（深圳）有限公司 | 语音传输方法、装置、计算机装置及存储介质 |
| CN111105778A (zh) * | 2018-10-29 | 2020-05-05 | 阿里巴巴集团控股有限公司 | 语音合成方法、装置、计算设备和存储介质 |
-
2020
- 2020-10-10 CN CN202011079341.4A patent/CN112202803A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101188110A (zh) * | 2006-11-17 | 2008-05-28 | 陈健全 | 提高文本和语音匹配效率的方法 |
| CN102710539A (zh) * | 2012-05-02 | 2012-10-03 | 中兴通讯股份有限公司 | 语音信息传送方法及装置 |
| CN104285428A (zh) * | 2012-05-08 | 2015-01-14 | 三星电子株式会社 | 用于运行通信服务的方法和系统 |
| US20150170651A1 (en) * | 2013-12-12 | 2015-06-18 | International Business Machines Corporation | Remedying distortions in speech audios received by participants in conference calls using voice over internet (voip) |
| US20180218727A1 (en) * | 2017-02-02 | 2018-08-02 | Microsoft Technology Licensing, Llc | Artificially generated speech for a communication session |
| CN111105778A (zh) * | 2018-10-29 | 2020-05-05 | 阿里巴巴集团控股有限公司 | 语音合成方法、装置、计算设备和存储介质 |
| CN110364170A (zh) * | 2019-05-29 | 2019-10-22 | 平安科技（深圳）有限公司 | 语音传输方法、装置、计算机装置及存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113066497A (zh) * | 2021-03-18 | 2021-07-02 | Oppo广东移动通信有限公司 | 数据处理方法、装置、系统、电子设备和可读存储介质 |
| WO2022193910A1 (zh) * | 2021-03-18 | 2022-09-22 | Oppo广东移动通信有限公司 | 数据处理方法、装置、系统、电子设备和可读存储介质 |
| CN112822297A (zh) * | 2021-04-01 | 2021-05-18 | 深圳市顺易通信息科技有限公司 | 一种停车场服务数据传输方法及相关设备 |
| CN113286110A (zh) * | 2021-05-19 | 2021-08-20 | Oppo广东移动通信有限公司 | 视频通话方法、装置、电子设备以及存储介质 |
| CN114007130A (zh) * | 2021-10-29 | 2022-02-01 | 维沃移动通信有限公司 | 数据传输方法、装置、电子设备及存储介质 |
| CN114630144A (zh) * | 2022-03-03 | 2022-06-14 | 广州方硅信息技术有限公司 | 直播间内的音频替换方法、系统、装置及计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112202803A (zh) | 音频处理的方法、装置、终端及存储介质 | |
| CN112311656B (zh) | 消息聚合、展示方法、装置、电子设备和计算机可读介质 | |
| CN114205665B (zh) | 一种信息处理方法、装置、电子设备及存储介质 | |
| CN111343410A (zh) | 一种静音提示方法、装置、电子设备及存储介质 | |
| CN112364144B (zh) | 交互方法、装置、设备和计算机可读介质 | |
| CN111897976A (zh) | 一种虚拟形象合成方法、装置、电子设备及存储介质 | |
| WO2023125350A1 (zh) | 音频数据推送方法、装置、系统、电子设备及存储介质 | |
| CN113257218A (zh) | 语音合成方法、装置、电子设备和存储介质 | |
| CN110837334B (zh) | 用于交互控制的方法、装置、终端及存储介质 | |
| CN112752118A (zh) | 视频生成方法、装置、设备及存储介质 | |
| CN114038465B (zh) | 语音处理方法、装置和电子设备 | |
| CN114495901A (zh) | 语音合成方法、装置、存储介质及电子设备 | |
| CN112261349B (zh) | 图像处理方法、装置和电子设备 | |
| CN111596823B (zh) | 页面显示方法、装置和电子设备 | |
| US20160182599A1 (en) | Remedying distortions in speech audios received by participants in conference calls using voice over internet protocol (voip) | |
| CN115967695A (zh) | 消息处理方法、装置和电子设备 | |
| CN112735212B (zh) | 一种基于在线课堂信息交互讨论的方法、装置 | |
| CN114979344A (zh) | 回声消除方法、装置、设备及存储介质 | |
| CN111652002B (zh) | 文本划分方法、装置、设备和计算机可读介质 | |
| CN113435528A (zh) | 对象分类的方法、装置、可读介质和电子设备 | |
| CN112203039A (zh) | 在线会议的处理方法、装置、电子设备及计算机存储介质 | |
| CN116418711A (zh) | 服务网关的测试方法、设备、存储介质及产品 | |
| CN111859902A (zh) | 一种文本处理方法、装置、设备及介质 | |
| CN112330996A (zh) | 一种直播教学的控制方法、装置、介质和电子设备 | |
| CN111832279A (zh) | 文本划分方法、装置、设备和计算机可读介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210108 |