CN112218137B - 一种多媒体数据采集方法、装置、设备及介质 - Google Patents

一种多媒体数据采集方法、装置、设备及介质 Download PDF

Info

Publication number
CN112218137B
CN112218137B CN202011080101.6A CN202011080101A CN112218137B CN 112218137 B CN112218137 B CN 112218137B CN 202011080101 A CN202011080101 A CN 202011080101A CN 112218137 B CN112218137 B CN 112218137B
Authority
CN
China
Prior art keywords
multimedia data
voice signal
control mode
acquisition
signal control
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.)
Active
Application number
CN202011080101.6A
Other languages
English (en)
Other versions
CN112218137A (zh
Inventor
郦橙
黄鸿森
刘旦
何超
叶秉威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Priority to CN202011080101.6A priority Critical patent/CN112218137B/zh
Publication of CN112218137A publication Critical patent/CN112218137A/zh
Application granted granted Critical
Publication of CN112218137B publication Critical patent/CN112218137B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/439—Processing of audio elementary streams
    • H04N21/4394—Processing of audio elementary streams involving operations for analysing the audio stream, e.g. detecting features or characteristics in audio streams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/422—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
    • H04N21/42203—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS] sound input device, e.g. microphone
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/433—Content storage operation, e.g. storage operation in response to a pause request, caching operations
    • H04N21/4334—Recording operations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/62—Control of parameters via user interfaces

Abstract

本公开实施例涉及一种多媒体数据采集方法、装置、设备及介质，其中该方法包括：接收语音信号控制模式的启动指令，启动语音信号控制模式，对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据，在检测到环境中的语音信号后，继续对多媒体数据进行采集，生成包括第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段。采用上述技术方案，避免因语音信号识别和采集之间的时间差造成的数据不完整的问题，在保证多媒体数据采集的便捷性的基础上，保证了多媒体数据的完整性，提高了多媒体数据采集的准确性。

Description

一种多媒体数据采集方法、装置、设备及介质
技术领域
本公开涉及多媒体数据处理技术领域，尤其涉及一种多媒体数据采集方法、装置、设备及介质。
背景技术
随着智能终端的不断发展，智能终端可以实现的功能越来越多。在很多场景中，用户需要利用智能终端的多媒体数据采集功能进行多媒体数据的采集，尤其是视频。
用户通常需要在智能终端手动单击或者长按拍摄按键进行视频拍摄，较为不便且容易误触发。目前，智能终端可以通过声音信号触发视频拍摄，但是由于声音识别到触发视频拍摄存在时间差，导致录制得到的视频内容可能不完整。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种多媒体数据采集方法、装置、设备及介质。
本公开实施例提供了一种多媒体数据采集方法，所述方法包括：
接收语音信号控制模式的启动指令，启动所述语音信号控制模式；
对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据；
在检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段。
本公开实施例还提供了一种多媒体数据采集装置，所述装置包括：
模式启动模块，用于接收语音信号控制模式的启动指令，启动所述语音信号控制模式；
预采集模块，用于对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据；
数据采集模块，用于在检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段。
本公开实施例还提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现如本公开实施例提供的多媒体数据采集方法。
本公开实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行如本公开实施例提供的多媒体数据采集方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点：本公开实施例提供的多媒体数据采集方案，接收语音信号控制模式的启动指令，启动语音信号控制模式，对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据，在检测到环境中的语音信号后，继续对多媒体数据进行采集，生成包括第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段。采用上述技术方案，语音信号控制模式启动之后，通过增加多媒体数据的预采集并保留最新的固定时长的多媒体数据，与后续基于语音信号采集的多媒体数据结合得到最终的多媒体数据片段，避免因语音信号识别和采集之间的时间差造成的数据不完整的问题，在保证多媒体数据采集的便捷性的基础上，保证了多媒体数据的完整性，提高了多媒体数据采集的准确性。
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为本公开实施例提供的一种多媒体数据采集方法的流程示意图；
图2为本公开实施例提供的另一种多媒体数据采集方法的流程示意图；
图3为本公开实施例提供的一种多媒体数据采集页面的示意图；
图4为本公开实施例提供的另一种多媒体数据采集页面的示意图；
图5为本公开实施例提供的再一种多媒体数据采集页面的示意图；
图6为本公开实施例提供的又一种多媒体数据采集页面的示意图；
图7为本公开实施例提供的一种多媒体数据采集装置的结构示意图；
图8为本公开实施例提供的一种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。
图1为本公开实施例提供的一种多媒体数据采集方法的流程示意图，该方法可以由多媒体数据采集装置执行，其中该装置可以采用软件和/或硬件实现，一般可集成在电子设备中。如图1所示，该方法包括：
步骤101、接收语音信号控制模式的启动指令，启动语音信号控制模式。
其中，语音信号控制模式是一种基于语音信号可以对多媒体数据的采集进行控制的模式，在该模式下，用户可以仅通过语音信号控制多媒体数据采集的时机。
本公开实施例中，接收语音信号控制模式的启动指令，可以包括：基于用户对多媒体数据采集页面中语音采集控件的触发，接收语音信号控制模式的启动指令。其中，多媒体数据采集页面可以为终端设备中用于进行多媒体数据采集的应用程序中的一个页面，例如对于视频数据，多媒体数据采集页面可以为视频拍摄应用程序中的拍摄页面。该页面中可以设置语音采集控件，当检测到用户触发该语音采集控件时，可以确定接收到语音信号控制模式的启动指令，启动语音信号控制模式。
步骤102、对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据。
其中，多媒体数据可以包括视频数据和音频数据等，具体不限，本公开实施例中以视频数据为例进行说明。预采集是指在正式采集之前的提前采集操作，本公开实施例中通过预采集避免正式采集的多媒体数据不完整。
本公开实施例中，当语音信号控制模式启动之后，可以执行对多媒体数据的预采集，并保留采集到的多媒体数据，当预采集到的多媒体数据的时长大于第一预设时长时，可以删除超过第一预设时长的部分，仅保留最新采集的第一预设时长的数据。可选的，本公开实施例可以创建一个内存缓存区，用于保留预采集到的多媒体数据，该内存缓存区中大于第一预设时长且采集时间靠前的多媒体数据会被删除，保持内存缓存区中仅保留最新采集的第一预设时长的多媒体数据。其中，第一预设时长为预采集的保留时长，可以根据实际情况进行设定，例如第一预设时长可以为200毫秒。
步骤103、在检测到环境中的语音信号后，继续对多媒体数据进行采集，生成包括第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段。
本公开实施例中，检测到环境中的语音信号，可以包括：基于语音检测模型对环境中的声音信号进行检测，确定声音信号中的语音信号。可选的，语音信号可以满足采集条件，采集条件包括语音信号的音量大于或等于设定音量阈值。
其中，语音信号可以理解为人说话的声音信号。语音检测模型是指用于识别语音信号的深度学习模型，可以通过人说话的样本集对初始模型训练得到。该语音检测模型可以音频效率检测(Audio Effect Detection，AED)技术为基础，具体不限。采集条件可以为根据实际情况设置的数据采集的触发条件，采集条件可以为对语音信号的音量、音色或频率等特征进行限定。可选的，以语音信号的音量为例，通过语音检测模型检测到语音信号之后，还可以判断当前的语音信号的音量是否大于设定音量阈值，若是，则确定满足采集条件，可以继续对多媒体数据进行采集，否则，确定不满足采集条件。这样设置的好处在于，可以避免环境中非语音信号导致音量达到音量阈值时触发采集多媒体数据，提高了多媒体数据采集的准确性。
本公开实施例中，通过语音检测模型实时对环境中的声音信号进行检测，识别声音信号中的语音信号的起始时间点，从该起始时间点开始继续对多媒体数据进行采集，生成第一多媒体数据片段，该第一多媒体数据片段包括检测到语音信号之前的第一预设时长的多媒体数据和检测到语音信号之后继续采集的多媒体数据。
常规的技术方案中，由于从语音识别到数据采集存在时间差，导致开始数据采集时可能会切掉最前面的部分数据。本公开实施例中，通过检测到语音信号之前的预采集可以实现连续的数据采集，并且不断抛弃预采集到的多余数据，当真正要开始录时，将前面已经录下来的几百毫秒内容也包括进来，从而避免最前面的部分数据没有采集到的问题，保证了多媒体数据采集的完整性。例如在拍摄视频数据时，可以避免前半个字被切的问题。
本公开实施例提供的多媒体数据采集方法，还可以包括：在检测到环境中的语音信号停止，对多媒体数据进行采集的时长满足第二预设时长，或者，接收到其他控制模式的启动指令，则停止采集多媒体数据，其中，其他控制模式包括按键控制模式。
当检测到环境中的语音信号停止，对多媒体数据进行采集的时长大于或等于第二预设时长时，或者，基于用户对其他控制模式的控件的触发，接收到其他控制模式的启动指令，则可以确定达到采集停止条件，停止对多媒体数据的采集。其中，第二预设时长可以为预先设置的多媒体数据的采集持续时长，该第二预设时长可以根据实际情况进行设定，例如对于视频数据的拍摄，可以预先设置拍摄时长为15秒。其他控制模式可以为除语音信号控制模式之外的模式，例如其他控制模式包括按键控制模式等，具体不限。
可选的，检测到环境中的语音信号停止，可以包括：在检测到环境中的语音信号停止，且停止时长满足第三预设时长。由于用户在说话中途可能会出现短暂停顿，但是在语音信号控制模式下不希望这个短暂停顿造成多媒体数据采集的停止。在检测到环境中的语音信号停止之后，可以增加停止时长是否等于第三预设时长的判断，当停止时长等于第三预设时长，则可以确定当前语音信号的停止不属于短暂停顿，达到采集停止条件；当停止时长小于第三预设时长，则可以确定当前语音信号的停止属于短暂停顿，没有达到采集停止条件。
这样设置的好处在于，在多媒体数据采集的过程中，可以忽略语音信号的短暂停顿，不停止数据采集，避免频繁的采集和停止操作，停止时长满足设定时长时再停止数据采集，提高了数据采集的准确性。
可以理解是，本公开实施例可以对语音检测模型的检测结果进行滤波，通过调整输入(In)和输出(Out)的卷积窗口的大小，可以调整对上述短暂停顿的检测灵敏程度，提高结果的稳定性和鲁棒性。
本公开实施例提供的多媒体数据采集方案，接收语音信号控制模式的启动指令，启动语音信号控制模式，对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据，在检测到环境中的语音信号后，继续对多媒体数据进行采集，生成包括第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段。采用上述技术方案，语音信号控制模式启动之后，通过增加多媒体数据的预采集并保留最新的固定时长的多媒体数据，与后续基于语音信号采集的多媒体数据结合得到最终的多媒体数据片段，避免因语音信号识别和采集之间的时间差造成的数据不完整的问题，在保证多媒体数据采集的便捷性的基础上，保证了多媒体数据的完整性，提高了多媒体数据采集的准确性。
在一些实施例中，停止采集多媒体数据之后，还可以包括：对多媒体数据进行二次预采集，并保留最新采集的第四预设时长的多媒体数据；再次检测到环境中的语音信号后，继续对多媒体数据进行采集，生成包括第四预设时长的多媒体数据和继续采集的多媒体数据的第二多媒体数据片段。其中，第四预设时长为二次预采集的保留时长，与第一次预采集的第一预设时长相同。在语音信号控制模式下，停止采集多媒体数据之后，当再次检测到环境中的语音信号之后，可以采用相同的方式对多媒体数据进行二次采集，该二次采集之前也包括了预采集的步骤，保证二次采集生成的第二多媒体数据片段的完整性。
可选的，本公开实施例提供的多媒体数据采集方法还可以包括：接收语音信号控制模式的关闭指令，或者，接收数据合成指令，对语音信号控制模式下生成的第一多媒体数据片段和第二多媒体数据片段进行合成。基于用户对语音采集控件的二次触发，接收语音信号控制模式的关闭指令，或者，基于用户对数据合成控件的触发，接收到用户的数据合成指令时，可以对语音信号控制模式下生成的第一多媒体数据片段和第二多媒体数据片段进行合成，得到同一个模式下的完整的多媒体数据片段。之后，可以存储上述合成后的完整的多媒体数据片段，以备用户使用。
目前，用户手动采集的多媒体数据，例如拍摄得到的视频，往往包括用户思考、停顿、忘词、整理东西等多余的内容，使得视频的时长较长且节奏慢，需要额外增加后续处理，增加了工作量。本公开实施例中在语音信号控制模式下，虽然第一次多媒体数据采集和第二次多媒体数据采集中间可能因各种原因停顿了很长时间，但是最后得到的多媒体数据片段中不会包括长时间的停顿等多余的内容，减少了多媒体数据的大小，例如减少了视频时长且保证了视频的节奏，并且节省了后续的剪辑等处理工作，降低了后期剪辑的难度。
本公开实施例中，接收语音信号控制模式的启动指令，启动语音信号控制模式之前，和/或，停止采集多媒体数据之后，还包括：接收按键控制模式的启动指令，启动按键控制模式；在按键控制模式下，检测到用户触发采集按键时，对多媒体数据进行采集，生成第三多媒体数据片段。其中，按键控制模式可以为一种基于设定按键对多媒体数据的采集进行控制的模式。在语音信号控制模式下的多媒体数据采集之前或之后，用户可以根据需要启动按键控制模式，在按键控制模式下，当检测到用户对采集按键的触发时，则对多媒体数据进行采集，生成第三多媒体数据片段。
本公开实施例中，可以分段采集多媒体数据，一段在语音信号控制模式下进行多媒体数据的采集，一段在按键控制模式下进行人工控制的多媒体数据的采集，具体的先后顺序不作限定，使得多媒体数据采集的控制更加灵活，可以根据用户的实际需求进行自由调整和切换。
可选的，多媒体数据采集方法还可以包括：在检测到用户再次触发采集按键时，或者，对多媒体数据进行采集的时长满足第五预设时长时，停止采集多媒体数据。在按键控制模式下，当检测到用户对采集按键的二次触发，或者，对多媒体数据采集的时长大于第五预设时长时，则可以确定达到采集停止条件，停止采集多媒体数据。其中，第五预设时长可以根据实际情况进行设定，可以与语音信号控制模式下的第二预设时长相同，也可以不同。
可选的，多媒体数据采集方法还可以包括：接收按键控制模式的关闭指令，或者，接收数据合成指令，对语音信号控制模式下生成的第一多媒体数据片段和按键控制模式下生成的第三多媒体数据片段进行合成。接收到按键控制模式的关闭指令或者数据合成指令时，可以对语音信号控制模式下生成的第一多媒体数据片段和按键控制模式下生成的第二多媒体数据片段进行合成，得到不同模式下分段采集的完整的多媒体数据片段。本公开实施例中可以实现分别在语音信号控制模式和按键控制模式下进行多媒体数据的分段采集，虽然两个模式下多媒体数据采集的过程是分开的，但是最后得到的多媒体数据片段是完整的，不需要用户后续进行额外的拼接，节省了多媒体数据处理的工作量。
图2为本公开实施例提供的另一种多媒体数据采集方法的流程示意图，本实施例在上述实施例的基础上，进一步优化了上述多媒体数据采集方法。如图2所示，该方法包括：
步骤201、接收语音信号控制模式的启动指令，启动语音信号控制模式。
具体的，接收语音信号控制模式的启动指令，可以包括：基于用户对多媒体数据采集页面中语音采集控件的触发，接收语音信号控制模式的启动指令。
步骤202、对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据。
示例性的，图3为本公开实施例提供的一种多媒体数据采集页面的示意图，图中以视频拍摄为例。该多媒体数据采集页面中可以设置多个功能控件，图中示例性的示出了翻转、速度、滤镜、美化、倒计时、说话就拍、选择音乐、上传、道具等控件，当用户对功能控件进行触发，则可以触发对对应的功能。其中说话就拍为语音采集控件，当检测到用户对该语音采集控件的触发时，可以接收到语音信号控制模式的启动指令，启动语音信号控制模式，图3中该语音采集控件没有被触发。
示例性的，图4为本公开实施例提供的另一种多媒体数据采集页面的示意图，图4与图3相对应，展示了用户触发说话就拍的语音采集控件之后的多媒体数据采集页面。如图4所示，说话就拍的图标被突出着重显示，而多媒体数据采集页面中心的普通按键切换成了代表语音信号控制模式的对话框按键，此时只要等着有人说话的声音就会自动开始拍摄视频，不需要用手触碰屏幕。
步骤203、在检测到环境中的语音信号后，继续对多媒体数据进行采集，生成包括第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段。
具体的，检测到环境中的语音信号，可以包括：基于语音检测模型对环境中的声音信号进行检测，确定声音信号中的语音信号。可选的，语音信号满足采集条件，采集条件包括语音信号的音量大于或等于设定音量阈值。
示例性的，图5为本公开实施例提供的再一种多媒体数据采集页面的示意图，图中以视频拍摄为例，图中展示了检测到环境中的语音信号之后，视频拍摄过程中的页面示意图，该页面中除翻转之前的功能控件均被隐藏，页面上方可以将当前拍摄的时长进度条展示给用户，以使用户更好的了解拍摄进度。
步骤204、在检测到环境中的语音信号停止，对多媒体数据进行采集的时长满足第二预设时长，或者，接收到其他控制模式的启动指令，则停止采集多媒体数据。
具体的，检测到环境中的语音信号停止，包括：在检测到环境中的语音信号停止，且停止时长满足第三预设时长。
示例性的，参见图5，第二预设时长可以为图中的15s，当视频拍摄的时长到达15s时，可以确定达到第一采集停止条件，自动停止视频拍摄。
本公开实施例中，在步骤204之后，可以执行步骤205-步骤207；步骤204之后和/或步骤201之前，可以执行步骤208-步骤211，图2中的执行步骤仅为示例。
步骤205、对多媒体数据进行二次预采集，并保留最新采集的第四预设时长的多媒体数据。
步骤206、再次检测到环境中的语音信号后，继续对多媒体数据进行采集，生成包括第四预设时长的多媒体数据和继续采集的多媒体数据的第二多媒体数据片段。
步骤206之后，停止采集多媒体数据之后可以执行步骤208-步骤211，不同的是，在执行步骤211中合成步骤时，需要增加对语音信号控制模式下生成的第二多媒体数据片段，也即对语音信号控制模式下生成的第一多媒体数据片段、第二多媒体数据片段和按键控制模式下生成的第三多媒体数据片段进行合成。
步骤207、接收语音信号控制模式的关闭指令，或者，接收数据合成指令，对语音信号控制模式下生成的第一多媒体数据片段和第二多媒体数据片段进行合成。
步骤208、接收按键控制模式的启动指令，启动按键控制模式。
示例性的，参见图3，图3中展示了按键控制模式下的多媒体数据采集页面，页面中心的普通按键即为采集按键，当检测到用户触发该采集按键时，可以对多媒体数据进行采集。
步骤209、在按键控制模式下，检测到用户触发采集按键时，对多媒体数据进行采集，生成第三多媒体数据片段。
步骤210、在检测到用户再次触发采集按键时，或者，对多媒体数据进行采集的时长满足第五预设时长时，停止采集多媒体数据。
步骤211、接收按键控制模式的关闭指令，或者，接收数据合成指令，对语音信号控制模式下生成的第一多媒体数据片段和按键控制模式下生成的第三多媒体数据片段进行合成。
步骤211中对多媒体数据片段的合成，图2中仅为两个多媒体数据片段的合成，具体可以根据实际情况进行调整，也可以对多个多媒体数据片段进行合成，本公开实施例中对此不作限定。
本公开实施例中，支持不同模式下对多媒体数据的分段采集，以视频拍摄为例，支持不同模式下的分段拍摄。示例性的，图6为本公开实施例提供的又一种多媒体数据采集页面的示意图，第一段通过触发说话就拍的语音采集控件，启动语音信号控制模式，基于语音信号进行视频拍摄，在第一段拍完页面处于图6所示的停止状态时，可以通过再次触发说话就拍的语音采集控件，关闭语音信号控制模式，切换为图3所示的按键控制模式；在按键控制模式下进行第二段视频的拍摄。可以理解的是，也可以先在按键控制模式下拍摄第一段视频，再切换为语音信号控制模式拍摄第二段视频，具体顺序不作限定，两种模式可以根据实际需要进行自由切换。
图6中在语音信号控制模式下当处于停止状态时，在多媒体数据采集页面右下方还增加了删除控件和数据合成控件，当用户触发删除控件时，可以删除之前采集的多媒体数据，当用户触发数据合成控件时，可以合成之前采集的多媒体数据，之后可以存储该多媒体数据，以备后用。可以理解的是，每种控制模式下停止采集多媒体数据之后，多媒体数据采集页面中均可以包括上述删除控件和数据合成控件，以备用户对采集的多媒体数据进行删除和合成。
本公开实施例中提供的多媒体数据采集方案，可以实现人说话就执行多媒体数据的采集，不说话就停止采集多媒体数据；采用预采集的方式，对检测到人说话之前的预采集数据进行保留，可以保证多媒体数据的完整性；人说话过程中短暂的停止不会影响多媒体数据的采集，避免频繁的采集和停止操作，提高了多媒体数据采集的准确性；并且，可以实现不同方式的多媒体数据的分段采集，可以将分段采集的多媒体数据自动合成一个完整的数据，节省了后期的工作量。
本公开实施例提供的多媒体数据采集方案，语音信号控制模式启动之后，通过增加多媒体数据的预采集并保留最新的固定时长的多媒体数据，与后续基于语音信号采集的多媒体数据结合得到最终的多媒体数据片段，避免因语音信号识别和采集之间的时间差造成的数据不完整的问题，在保证多媒体数据采集的便捷性的基础上，保证了多媒体数据的完整性，提高了多媒体数据采集的准确性；并且，可以实现分别在语音信号控制模式和按键控制模式下进行多媒体数据的分段采集，使得多媒体数据采集的控制更加灵活。
图7为本公开实施例提供的一种多媒体数据采集装置的结构示意图，该装置可由软件和/或硬件实现，一般可集成在电子设备中。如图7所示，该装置包括：
模式启动模块301，用于接收语音信号控制模式的启动指令，启动所述语音信号控制模式；
预采集模块302，用于对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据；
数据采集模块303，用于在检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段。
本公开实施例提供的多媒体数据采集方案，接收语音信号控制模式的启动指令，启动语音信号控制模式，对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据，在检测到环境中的语音信号后，继续对多媒体数据进行采集，生成包括第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段。采用上述技术方案，语音信号控制模式启动之后，通过增加多媒体数据的预采集并保留最新的固定时长的多媒体数据，与后续基于语音信号采集的多媒体数据结合得到最终的多媒体数据片段，避免因语音信号识别和采集之间的时间差造成的数据不完整的问题，在保证多媒体数据采集的便捷性的基础上，保证了多媒体数据的完整性，提高了多媒体数据采集的准确性。
可选的，所述装置还包括第一停止模块，具体用于：
在检测到环境中的语音信号停止，对所述多媒体数据进行采集的时长满足第二预设时长，或者，接收到其他控制模式的启动指令，则停止采集所述多媒体数据，其中，所述其他控制模式包括按键控制模式。
可选的，所述第一停止模块具体用于：
在检测到环境中的语音信号停止，且停止时长满足第三预设时长。
可选的，所述装置还包括二次数据采集模块，具体用于：所述停止采集所述多媒体数据之后，
对所述多媒体数据进行二次预采集，并保留最新采集的第四预设时长的多媒体数据；
再次检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第四预设时长的多媒体数据和继续采集的多媒体数据的第二多媒体数据片段。
可选的，所述装置还包括第一数据合成模块，具体用于：
接收所述语音信号控制模式的关闭指令，或者，接收数据合成指令，对所述语音信号控制模式下生成的所述第一多媒体数据片段和所述第二多媒体数据片段进行合成。
可选的，所述装置还包括按键数据采集模块，具体用于：所述接收语音信号控制模式的启动指令，启动所述语音信号控制模式之前，和/或，所述停止采集所述多媒体数据之后，
接收所述按键控制模式的启动指令，启动所述按键控制模式；
在所述按键控制模式下，检测到用户触发采集按键时，对所述多媒体数据进行采集，生成第三多媒体数据片段。
可选的，所述装置还包括第二停止模块，具体用于：
在检测到用户再次触发所述采集按键时，或者，对所述多媒体数据进行采集的时长满足第五预设时长时，停止采集所述多媒体数据。
可选的，所述装置还包括第二数据合成模块，具体用于：
接收所述按键控制模式的关闭指令，或者，接收数据合成指令，对所述语音信号控制模式下生成的所述第一多媒体数据片段和所述按键控制模式下生成的第三多媒体数据片段进行合成。
可选的，所述数据采集模块303具体用于：
基于语音检测模型对环境中的声音信号进行检测，确定所述声音信号中的语音信号。
可选的，所述语音信号满足采集条件，所述采集条件包括所述语音信号的音量大于或等于设定音量阈值。
可选的，所述模式启动模块301具体用于：
基于用户对多媒体数据采集页面中语音采集控件的触发，接收所述语音信号控制模式的启动指令。
本公开实施例所提供的多媒体数据采集装置可执行本发明任意实施例所提供的多媒体数据采集方法，具备执行方法相应的功能模块和有益效果。
图8为本公开实施例提供的一种电子设备的结构示意图。下面具体参考图8，其示出了适于用来实现本公开实施例中的电子设备400的结构示意图。本公开实施例中的电子设备400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8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8所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：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406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备400，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，其包括承载在非暂态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409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的多媒体数据采集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：接收语音信号控制模式的启动指令，启动所述语音信号控制模式；对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据；在检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段。
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。
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，本公开提供了一种多媒体数据采集方法，包括：
接收语音信号控制模式的启动指令，启动所述语音信号控制模式；
对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据；
在检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集方法中，还包括：
在检测到环境中的语音信号停止，对所述多媒体数据进行采集的时长满足第二预设时长，或者，接收到其他控制模式的启动指令，则停止采集所述多媒体数据，其中，所述其他控制模式包括按键控制模式。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集方法中，所述检测到环境中的语音信号停止，包括：
在检测到环境中的语音信号停止，且停止时长满足第三预设时长。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集方法中，所述停止采集所述多媒体数据之后，还包括：
对所述多媒体数据进行二次预采集，并保留最新采集的第四预设时长的多媒体数据；
再次检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第四预设时长的多媒体数据和继续采集的多媒体数据的第二多媒体数据片段。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集方法中，还包括：
接收所述语音信号控制模式的关闭指令，或者，接收数据合成指令，对所述语音信号控制模式下生成的所述第一多媒体数据片段和所述第二多媒体数据片段进行合成。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集方法中，所述接收语音信号控制模式的启动指令，启动所述语音信号控制模式之前，和/或，所述停止采集所述多媒体数据之后，还包括：
接收所述按键控制模式的启动指令，启动所述按键控制模式；
在所述按键控制模式下，检测到用户触发采集按键时，对所述多媒体数据进行采集，生成第三多媒体数据片段。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集方法中，还包括：
在检测到用户再次触发所述采集按键时，或者，对所述多媒体数据进行采集的时长满足第五预设时长时，停止采集所述多媒体数据。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集方法中，还包括：
接收所述按键控制模式的关闭指令，或者，接收数据合成指令，对所述语音信号控制模式下生成的所述第一多媒体数据片段和所述按键控制模式下生成的第三多媒体数据片段进行合成。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集方法中，所述检测到环境中的语音信号，包括：
基于语音检测模型对环境中的声音信号进行检测，确定所述声音信号中的语音信号。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集方法中，所述语音信号满足采集条件，所述采集条件包括所述语音信号的音量大于或等于设定音量阈值。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集方法中，所述接收语音信号控制模式的启动指令，包括：
基于用户对多媒体数据采集页面中语音采集控件的触发，接收所述语音信号控制模式的启动指令。
根据本公开的一个或多个实施例，本公开提供了一种多媒体数据采集装置，包括：
模式启动模块，用于接收语音信号控制模式的启动指令，启动所述语音信号控制模式；
预采集模块，用于对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据；
数据采集模块，用于在检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集装置中，所述装置还包括第一停止模块，具体用于：
在检测到环境中的语音信号停止，对所述多媒体数据进行采集的时长满足第二预设时长，或者，接收到其他控制模式的启动指令，则停止采集所述多媒体数据，其中，所述其他控制模式包括按键控制模式。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集装置中，所述第一停止模块具体用于：
在检测到环境中的语音信号停止，且停止时长满足第三预设时长。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集装置中，所述装置还包括二次数据采集模块，具体用于：所述停止采集所述多媒体数据之后，
对所述多媒体数据进行二次预采集，并保留最新采集的第四预设时长的多媒体数据；
再次检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第四预设时长的多媒体数据和继续采集的多媒体数据的第二多媒体数据片段。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集装置中，所述装置还包括第一数据合成模块，具体用于：
接收所述语音信号控制模式的关闭指令，或者，接收数据合成指令，对所述语音信号控制模式下生成的所述第一多媒体数据片段和所述第二多媒体数据片段进行合成。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集装置中，所述装置还包括按键数据采集模块，具体用于：所述接收语音信号控制模式的启动指令，启动所述语音信号控制模式之前，和/或，所述停止采集所述多媒体数据之后，
接收所述按键控制模式的启动指令，启动所述按键控制模式；
在所述按键控制模式下，检测到用户触发采集按键时，对所述多媒体数据进行采集，生成第三多媒体数据片段。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集装置中，所述装置还包括第二停止模块，具体用于：
在检测到用户再次触发所述采集按键时，或者，对所述多媒体数据进行采集的时长满足第五预设时长时，停止采集所述多媒体数据。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集装置中，所述装置还包括第二数据合成模块，具体用于：
接收所述按键控制模式的关闭指令，或者，接收数据合成指令，对所述语音信号控制模式下生成的所述第一多媒体数据片段和所述按键控制模式下生成的第三多媒体数据片段进行合成。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集装置中，所述数据采集模块具体用于：
基于语音检测模型对环境中的声音信号进行检测，确定所述声音信号中的语音信号。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集装置中，所述语音信号满足采集条件，所述采集条件包括所述语音信号的音量大于或等于设定音量阈值。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集装置中，所述模式启动模块具体用于：
基于用户对多媒体数据采集页面中语音采集控件的触发，接收所述语音信号控制模式的启动指令。
根据本公开的一个或多个实施例，本公开提供了一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现如本公开提供的任一所述的多媒体数据采集方法。
根据本公开的一个或多个实施例，本公开提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行如本公开提供的任一所述的多媒体数据采集方法。
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 (12)

1.一种多媒体数据采集方法，其特征在于，包括：
接收语音信号控制模式的启动指令，启动所述语音信号控制模式；
对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据；
在检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段；
停止采集所述多媒体数据之后，对所述多媒体数据进行二次预采集，并保留最新采集的第四预设时长的多媒体数据；
再次检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第四预设时长的多媒体数据和继续采集的多媒体数据的第二多媒体数据片段；
接收所述语音信号控制模式的关闭指令，或者，接收数据合成指令，对所述语音信号控制模式下生成的所述第一多媒体数据片段和所述第二多媒体数据片段进行合成。
2.根据权利要求1所述的方法，其特征在于，还包括：
在检测到环境中的语音信号停止，对所述多媒体数据进行采集的时长满足第二预设时长，或者，接收到其他控制模式的启动指令，则停止采集所述多媒体数据，其中，所述其他控制模式包括按键控制模式。
3.根据权利要求2所述的方法，其特征在于，所述检测到环境中的语音信号停止，包括：
在检测到环境中的语音信号停止，且停止时长满足第三预设时长。
4.根据权利要求2所述的方法，其特征在于，所述接收语音信号控制模式的启动指令，启动所述语音信号控制模式之前，和/或，所述停止采集所述多媒体数据之后，还包括：
接收所述按键控制模式的启动指令，启动所述按键控制模式；
在所述按键控制模式下，检测到用户触发采集按键时，对所述多媒体数据进行采集，生成第三多媒体数据片段。
5.根据权利要求4所述的方法，其特征在于，还包括：
在检测到用户再次触发所述采集按键时，或者，对所述多媒体数据进行采集的时长满足第五预设时长时，停止采集所述多媒体数据。
6.根据权利要求4所述的方法，其特征在于，还包括：
接收所述按键控制模式的关闭指令，或者，接收数据合成指令，对所述语音信号控制模式下生成的所述第一多媒体数据片段和所述按键控制模式下生成的第三多媒体数据片段进行合成。
7.根据权利要求1所述的方法，其特征在于，所述检测到环境中的语音信号，包括：
基于语音检测模型对环境中的声音信号进行检测，确定所述声音信号中的语音信号。
8.根据权利要求7所述的方法，其特征在于，所述语音信号满足采集条件，所述采集条件包括所述语音信号的音量大于或等于设定音量阈值。
9.根据权利要求1所述的方法，其特征在于，所述接收语音信号控制模式的启动指令，包括：
基于用户对多媒体数据采集页面中语音采集控件的触发，接收所述语音信号控制模式的启动指令。
10.一种多媒体数据采集装置，其特征在于，包括：
模式启动模块，用于接收语音信号控制模式的启动指令，启动所述语音信号控制模式；
预采集模块，用于对多媒体数据进行预采集，并保留最新采集的第一预设时长的多媒体数据；
数据采集模块，用于在检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第一预设时长的多媒体数据和继续采集的多媒体数据的第一多媒体数据片段；
所述装置还包括二次数据采集模块，具体用于：停止采集所述多媒体数据之后，对所述多媒体数据进行二次预采集，并保留最新采集的第四预设时长的多媒体数据；再次检测到环境中的语音信号后，继续对所述多媒体数据进行采集，生成包括所述第四预设时长的多媒体数据和继续采集的多媒体数据的第二多媒体数据片段；
所述装置还包括第一数据合成模块，具体用于：接收所述语音信号控制模式的关闭指令，或者，接收数据合成指令，对所述语音信号控制模式下生成的所述第一多媒体数据片段和所述第二多媒体数据片段进行合成。
11.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-9中任一所述的多媒体数据采集方法。
12.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时用于实现上述权利要求1-9中任一所述的多媒体数据采集方法。
CN202011080101.6A 2020-10-10 2020-10-10 一种多媒体数据采集方法、装置、设备及介质 Active CN112218137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011080101.6A CN112218137B (zh) 2020-10-10 2020-10-10 一种多媒体数据采集方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011080101.6A CN112218137B (zh) 2020-10-10 2020-10-10 一种多媒体数据采集方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN112218137A CN112218137A (zh) 2021-01-12
CN112218137B true CN112218137B (zh) 2022-07-15

Family

ID=74053152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011080101.6A Active CN112218137B (zh) 2020-10-10 2020-10-10 一种多媒体数据采集方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN112218137B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115297338A (zh) * 2022-08-05 2022-11-04 深圳市野草声学有限公司 视频拍摄时的音频传输方法、视频设备、音频设备及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5374080B2 (ja) * 2008-06-25 2013-12-25 キヤノン株式会社 撮影装置、その制御方法及びコンピュータプログラム
CN105120191A (zh) * 2015-07-31 2015-12-02 小米科技有限责任公司 视频录制方法和装置
CN107222699A (zh) * 2017-04-06 2017-09-29 青岛海信移动通信技术股份有限公司 一种视频预拍摄的方法和拍摄设备

Also Published As

Publication number Publication date
CN112218137A (zh) 2021-01-12

Similar Documents

Publication Publication Date Title
CN110047481B (zh) 用于语音识别的方法和装置
CN110267113B (zh) 视频文件加工方法、系统、介质和电子设备
CN107886944B (zh) 一种语音识别方法、装置、设备及存储介质
WO2023011142A1 (zh) 视频的处理方法、装置、电子设备和存储介质
CN111050201B (zh) 数据处理方法、装置、电子设备及存储介质
CN109473104B (zh) 语音识别网络延时优化方法及装置
CN111696553B (zh) 一种语音处理方法、装置及可读介质
CN108073572B (zh) 信息处理方法及其装置、同声翻译系统
WO2022042634A1 (zh) 音频数据的处理方法、装置、设备及存储介质
CN110688518A (zh) 节奏点的确定方法、装置、设备及存储介质
CN113257218B (zh) 语音合成方法、装置、电子设备和存储介质
US8868419B2 (en) Generalizing text content summary from speech content
CN110992942A (zh) 一种语音识别方法、装置和用于语音识别的装置
CN111629156A (zh) 图像特效的触发方法、装置和硬件装置
CN113362812A (zh) 一种语音识别方法、装置和电子设备
CN112218137B (zh) 一种多媒体数据采集方法、装置、设备及介质
WO2021212985A1 (zh) 声学网络模型训练方法、装置及电子设备
CN111739535A (zh) 一种语音识别方法、装置和电子设备
JP2021156907A (ja) 情報処理装置および情報処理方法
CN112242143B (zh) 一种语音交互方法、装置、终端设备及存储介质
CN109637541B (zh) 语音转换文字的方法和电子设备
CN112259076A (zh) 语音交互方法、装置、电子设备及计算机可读存储介质
CN112218149B (zh) 一种多媒体数据采集方法、装置、设备及介质
CN113113040B (zh) 音频处理方法及装置、终端及存储介质
CN109495786B (zh) 视频处理参数信息的预配置方法、装置及电子设备

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
GR01 Patent grant
GR01 Patent grant