CN112218149B - 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
CN112218149B
CN112218149B CN202011080050.7A CN202011080050A CN112218149B CN 112218149 B CN112218149 B CN 112218149B CN 202011080050 A CN202011080050 A CN 202011080050A CN 112218149 B CN112218149 B CN 112218149B
Authority
CN
China
Prior art keywords
multimedia data
sound signal
control mode
starting
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
CN202011080050.7A
Other languages
English (en)
Other versions
CN112218149A (zh
Inventor
郦橙
何超
黄鸿森
刘旦
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 CN202011080050.7A priority Critical patent/CN112218149B/zh
Publication of CN112218149A publication Critical patent/CN112218149A/zh
Application granted granted Critical
Publication of CN112218149B publication Critical patent/CN112218149B/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
    • H04N21/433—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]
    • H04N21/40—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]
    • H04N21/80—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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • User Interface Of Digital Computer (AREA)

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：接收声音信号控制模式的启动指令，启动声音信号控制模式，对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集多媒体数据，并生成不包括设定声音信号的第一多媒体数据片段。采用上述技术方案，声音信号控制模式启动之后，通过对设定声音的检测控制停止采集多媒体数据，并生成没有该设定声音的多媒体数据片段，避免了因为时间差的问题造成的多余内容的采集，在保证多媒体数据采集的便捷性的基础上，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进行多媒体数据的采集，较为不便且容易误触发。目前，智能终端可以通过声音信号控制多媒体数据的采集，但是由于声音识别到控制操作之间存在时间差，针对部分控制结束的情况，例如控制停止拍摄视频，无法准确实现，导致录制得到的多媒体数据可能存在多余的内容。
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：
接收声音信号控制模式的启动指令，启动所述声音信号控制模式；
对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号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，用于接收声音信号控制模式的启动指令，启动所述声音信号控制模式；
数据采集模块，用于对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号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，接收声音信号控制模式的启动指令，启动声音信号控制模式，对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集多媒体数据，并生成不包括设定声音信号的第一多媒体数据片段。采用上述技术方案，声音信号控制模式启动之后，通过对设定声音的检测控制停止采集多媒体数据，并生成没有该设定声音的多媒体数据片段，避免了因为时间差的问题造成的多余内容的采集，在保证多媒体数据采集的便捷性的基础上，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一种多媒体数据采集装置的结构示意图；
图7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、接收声音信号控制模式的启动指令，启动声音信号控制模式。
其中，声音信号控制模式是一种基于特定声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，用户可以通过特定声音信号控制数据采集的时机。
本公开实施例中，接收声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声音采集控件的触发，接收声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。该页面中可以设置声音采集控件，当检测到用户触发该声音采集控件时，可以确定接收到声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、对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集多媒体数据，并生成不包括设定声音信号的第一多媒体数据片段。
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。上述设定声音信号可以为不同类型的特定声音信号，具体不限，可以根据实际情况进行设定。示例性的，设定声音信号可以包括人的模仿声音、动物的声音和音乐器材的声音等中的至少一种，人的模仿声音是指人模仿动物或车辆等发出的声音，可以包括人模仿猫叫、牛叫、羊叫或者汽车等发出的声音。
本公开实施例中，对多媒体数据进行采集，包括：在首次检测到环境中的设定声音信号结束时，触发采集多媒体数据。当声音信号控制模式启动之后，可以实时检测环境中是否存在设定声音信号，若首次检测到设定声音信号且该设定声音信号结束，则在结束时间点触发采集多媒体数据，避免采集到该设定声音信号。由于检测声音信号的结束可以视为实时的，本公开实施例中检测到设定声音信号结束即可无缝对接触发对多媒体数据的采集。
本公开实施例中，检测环境中的设定声音信号，可以包括：基于预先训练的声音检测模型对环境中的声音信号进行检测，确定声音信号中的设定声音信号。其中，声音检测模型是指用于识别上述设定声音信号的深度学习模型，可以通过设定声音信号的样本集对初始模型训练得到，本公开实施例中对样本集中的样本的数量不作限定，数量越多越好。
通过声音检测模型对环境中的声音信号进行实时检测，当再次检测到设定声音信号时，在该设定声音信号的起始时间点控制停止采集多媒体数据，并生成第一多媒体数据片段，该第一多媒体数据片段仅包括采集到的多媒体数据，不包括上述设定声音信号。具体的，生成不包括设定声音信号的第一多媒体数据片段，可以包括：通过声音识别模型对采集到的多媒体数据进行识别，确定设定声音信号在多媒体数据中的起止时间；基于起止时间删除设定声音信号对应的多媒体数据，得到第一多媒体数据片段。其中，起止时间包括设定声音信号的起始时间点和结束时间点之间的持续时间。
声音识别模型是指用于在多媒体数据中分析其中的特定声音信号的算法模型，本公开实施例中对声音识别模型的具体模型不作限定。本公开实施例中，停止采集多媒体数据之后，对于采集到的多媒体数据可以通过声音识别模型进行分析识别，确定设定声音信号在多媒体数据中的起止时间，将该起止时间对应的多媒体数据删除，即可删除该设定声音信号对应的多媒体数据，得到第一多媒体数据片段。例如，当设定声音信号为人学猫叫时，当检测到人学猫叫的声音，则停止采集多媒体数据，并通过识别分析将停止之前的人学猫叫的声音对应的数据裁掉，最终得到的多媒体数据片段中不包括人学猫叫对应的多余数据。
常规的技术方案中，检测到声音信号之后，由于需要一定的时间识别该声音信号，因此数据采集时会将特定控制声音信号包括进去，导致得到的数据包括多余的不必要的内容。本公开实施例中在停止采集多媒体数据之后，通过对多媒体数据的分析识别，可以将多余的控制声音删除，保证了多媒体数据采集的准确性，节省了后续剪辑的工作量。
本公开实施例提供的多媒体数据采集方案，接收声音信号控制模式的启动指令，启动声音信号控制模式，对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集多媒体数据，并生成不包括设定声音信号的第一多媒体数据片段。采用上述技术方案，声音信号控制模式启动之后，通过对设定声音的检测控制停止采集多媒体数据，并生成没有该设定声音的多媒体数据片段，避免了因为时间差的问题造成的多余内容的采集，在保证多媒体数据采集的便捷性的基础上，提高了多媒体数据采集的准确性。
在一些实施例中，在检测到环境中的设定声音信号时，控制停止采集多媒体数据，并生成不包括设定声音信号的第一多媒体数据片段之后，还包括：再次检测到设定声音信号，对多媒体数据进行再次采集；在又一次检测到设定声音信号时，控制停止采集多媒体数据，并生成不包括又一次检测到设定声音信号的第二多媒体数据片段。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：接收声音信号控制模式的关闭指令，或者，接收数据合成指令，对声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。
在声音信号控制模式下，控制停止采集多媒体数据之后，当再次检测到环境中的设定声音信号之后，可以采用相同的方式对多媒体数据进行二次采集，该二次采集得到的第二多媒体数据片段也不包括设定声音信号。之后，基于用户对多媒体数据采集页面中声音采集控件的二次触发，接收声音信号控制模式的关闭指令时，或者，基于用户对预设的数据合成控件的触发，接收到数据合成指令时，可以对声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，例如手动拍摄得到的视频，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。本公开实施例中在声音信号控制模式下，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和设定声音信号等多余的内容，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，接收声音信号控制模式的启动指令，启动声音信号控制模式之前，和/或，在检测到环境中的设定声音信号时，控制停止采集多媒体数据，并生成不包括设定声音信号的第一多媒体数据片段之后，还可以包括：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；在语音信号控制模式下，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三多媒体数据片段。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。在声音信号控制模式下的多媒体数据采集之前或之后，用户可以根据需要触发语音采集控件以启动语音信号控制模式，在语音信号控制模式下，对多媒体数据进行预采集，并在检测到语音信号之后继续对多媒体数据进行采集，生成包括预采集的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三多媒体数据片段。
可选的，多媒体数据采集方法还可以包括：在达到第一采集停止条件时，停止采集多媒体数据，其中，第一采集停止条件为检测到环境中的语音信号停止且停止时长满足第二预设时长，对多媒体数据进行采集的时长满足第三预设时长，或者，接收到非语音信号控制模式的启动指令。其中，第三预设时长可以为预先设置的多媒体数据的采集持续时长，该第三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。非语音信号控制模式可以为除语音信号控制模式之外的模式，例如非语音信号控制模式包括按键控制模式、声音信号控制模式等，具体不限。
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二预设时长的判断，当停止时长等于第二预设时长，则可以确定当前语音信号的停止不属于短暂停顿，达到第一采集停止条件。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。
可选的，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，对声音信号控制模式下生成的第一多媒体数据片段和语音信号控制模式下生成的第三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，可以对第一多媒体数据片段和第三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声音信号控制模式和语音信号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。
本公开实施例中，接收声音信号控制模式的启动指令，启动声音信号控制模式之前，和/或，在检测到环境中的设定声音信号时，控制停止采集多媒体数据，并生成不包括设定声音信号的第一多媒体数据片段之后，还可以包括：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，生成第四多媒体数据片段。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。在声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，生成第四多媒体数据片段。
可选的，多媒体数据采集方法还可以包括：在达到第二采集停止条件时，停止采集多媒体数据，其中，第二采集停止条件为检测到用户再次触发采集按键，对多媒体数据进行采集的时长满足第四预设时长，或者，接收到非按键控制模式的启动指令。在按键控制模式下，当检测到用户对采集按键的二次触发，对多媒体数据采集的时长大于第四预设时长，或者，接收到非按键控制模式的启动指令时，则可以确定达到第二采集停止条件，停止采集多媒体数据。其中，第四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三预设时长相同，也可以不同。非按键控制模式可以为除按键控制模式之外的模式，例如非按键控制模式包括语音信号控制模式、声音信号控制模式等，具体不限。
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，对声音信号控制模式下生成的第一多媒体数据片段以及按键控制模式下生成的第四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，可以对声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四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，可以在不同模式下实现分段采集多媒体数据，具体的模式可以包括上述声音信号控制模式、语音信号控制模式和按键控制模式，在每一段均可以选择上述任意一个控制模式，分段的数量也可以根据实际情况进行设定，可以是上述任意两个模式下的分段采集，也可以是上述三个模式下的分段采集，具体的先后顺序不作限定，可以自由排列组合，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。并且，虽然不同模式下多媒体数据的采集过程是分开的，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、接收声音信号控制模式的启动指令，启动声音信号控制模式。
本公开实施例中，接收声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声音采集控件的触发，接收声音信号控制模式的启动指令。
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，设定声音信号以人学猫叫为例。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。其中猫叫就拍为声音采集控件，当检测到用户对该声音采集控件的触发时，可以接收到声音信号控制模式的启动指令，启动声音信号控制模式，图3中该声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，展示了用户触发猫叫就拍的声音采集控件之后的多媒体数据采集页面。如图4所示，猫叫就拍的图标作被突出着重显示，而多媒体数据采集页面中心的普通按键切换成了代表设定声音信号控制模式的猫叫按键。
步骤202、对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集多媒体数据，并生成不包括设定声音信号的第一多媒体数据片段。
本公开实施例中，对多媒体数据进行采集，包括：在首次检测到环境中的设定声音信号结束时，触发采集多媒体数据。具体的，检测环境中的声音信号，可以包括：基于预先训练的声音检测模型对环境中的声音信号进行检测，确定声音信号中的设定声音信号。生成不包括设定声音信号的第一多媒体数据片段，可以包括：通过声音识别模型对采集到的多媒体数据进行识别，确定设定声音信号在多媒体数据中的起止时间；基于起止时间删除设定声音信号对应的多媒体数据，得到第一多媒体数据片段。
如图4所示，只要用户模仿猫叫一声则会自动开始拍摄视频，用户再次模仿猫叫一声则拍摄停止，生成不包括用户模仿猫叫声音的视频数据，用户全程不需要手动触碰屏幕。
本公开实施例中，步骤202之后，可以执行步骤203-步骤204；步骤202之后和/或步骤201之前，可以执行步骤205-步骤208和/或步骤209-步骤211。图2中的执行步骤仅为示例。
步骤203、再次检测到设定声音信号，对多媒体数据进行再次采集；在又一次检测到设定声音信号时，控制停止采集多媒体数据，并生成不包括又一次检测到设定声音信号的第二多媒体数据片段。
步骤203之后，可以执行步骤205-步骤208和/或步骤209-步骤211，不同的是，在执行步骤208中合成步骤时，需要增加对声音信号控制模式下生成的第二多媒体数据片段，也即对声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语音信号控制模式下生成的第三多媒体数据片段进行合成；在执行步骤211中合成步骤时，需要增加对声音信号控制模式下生成的第二多媒体数据片段，也即对声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以及按键控制模式下生成的第四多媒体数据片段进行合成。
步骤204、接收声音信号控制模式的关闭指令，或者，接收数据合成指令，对声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205、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。
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，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5中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5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206、在语音信号控制模式下，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。
步骤207、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三多媒体数据片段。
可选的，多媒体数据采集方法还可以包括：在达到第一采集停止条件时，停止采集多媒体数据，其中，第一采集停止条件为检测到环境中的语音信号停止且停止时长满足第二预设时长，对多媒体数据进行采集的时长满足第三预设时长，或者，接收到非语音信号控制模式的启动指令。
步骤207之后，可以执行步骤209-步骤211，不同的是，在执行步骤211中的合成步骤时，需要增加对语音信号控制模式下生成的第三多媒体数据片段的合成，也即对声音信号控制模式下生成的第一多媒体数据片段、语音信号控制模式下生成的第三多媒体数据片段以及按键控制模式下生成的第四多媒体数据片段进行合成。
步骤208、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，对声音信号控制模式下生成的第一多媒体数据片段和语音信号控制模式下生成的第三多媒体数据片段进行合成。
步骤209、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210、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，生成第四多媒体数据片段。
可选的，多媒体数据采集方法还可以包括：在达到第二采集停止条件时，停止采集多媒体数据，其中，第二采集停止条件为检测到用户再次触发采集按键，对多媒体数据进行采集的时长满足第四预设时长，或者，接收到非按键控制模式的启动指令。
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，对声音信号控制模式下生成的第一多媒体数据片段以及按键控制模式下生成的第四多媒体数据片段进行合成。
步骤208和步骤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，具体的模式可以包括上述声音信号控制模式、语音信号控制模式和按键控制模式。以视频拍摄为例，支持不同模式下的分段拍摄。示例性的，参见4和图5，设定声音信号为人模仿猫叫，第一段，可以通过触发猫叫就拍的声音采集控件，启动声音信号控制模式，基于设定声音信号进行第一段视频的拍摄，再次检测到设定声音信号时，停止拍摄，通过再次触发猫叫就拍的声音采集控件，关闭声音信号控制模式；第二段，触发说话就拍的语音采集控件，启动语音信号控制模式，基于语音信号进行第二段视频的拍摄，在第二段视频拍完页面处于图5所示停止状态时，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，切换图3所示的按键控制模式；第三段，在按键控制模式下进行第三段视频的拍摄。
图5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。
本公开实施例可以实现基于设定声音信号控制多媒体数据的采集和停止，并且采集得到的多媒体数据片段中可以将设定声音信号删除。在分段采集多媒体数据时，针对每一段可以根据实际需要选择上述任意一个控制模式，分段的数量也可以根据实际情况进行设定，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。并且，虽然不同模式下多媒体数据的采集过程是分开的，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。
本公开实施例提供的多媒体数据采集方案，声音信号控制模式启动之后，通过对设定声音的检测控制停止采集多媒体数据，并生成没有该设定声音的多媒体数据片段，避免了因为时间差的问题造成的多余内容的采集，在保证多媒体数据采集的便捷性的基础上，提高了多媒体数据采集的准确性；并且，支持不同模式下的分段采集多媒体数据，使得多媒体数据采集的控制更加灵活；不同模式下多媒体数据的采集得到的多媒体数据片段是完整的，不需要进行额外的拼接，节省了多媒体数据处理的工作量。
图6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6所示，该装置包括：
模式启动模块301，用于接收声音信号控制模式的启动指令，启动所述声音信号控制模式；
数据采集模块302，用于对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号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，接收声音信号控制模式的启动指令，启动声音信号控制模式，对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集多媒体数据，并生成不包括设定声音信号的第一多媒体数据片段。采用上述技术方案，声音信号控制模式启动之后，通过对设定声音的检测控制停止采集多媒体数据，并生成没有该设定声音的多媒体数据片段，避免了因为时间差的问题造成的多余内容的采集，在保证多媒体数据采集的便捷性的基础上，提高了多媒体数据采集的准确性。
可选的，所述数据采集模块302具体用于：
在首次检测到环境中的设定声音信号结束时，触发采集多媒体数据。
可选的，所述数据采集模块302具体用于：
基于预先训练的声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设定声音信号。
可选的，所述数据采集模块302具体用于：
通过声音识别模型对采集到的多媒体数据进行识别，确定所述设定声音信号在所述多媒体数据中的起止时间；
基于所述起止时间删除所述设定声音信号对应的多媒体数据，得到所述第一多媒体数据片段。
可选的，所述装置还包括二次数据采集模块，具体用于：在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段之后，
再次检测到所述设定声音信号，对多媒体数据进行再次采集；
在又一次检测到所述设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述又一次检测到设定声音信号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：
接收所述声音信号控制模式的关闭指令，或者，接收数据合成指令，对所述声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，所述装置还包括语音信号采集模块，具体用于：接收声音信号控制模式的启动指令，启动所述声音信号控制模式之前，和/或，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段之后，
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；
在所述语音信号控制模式下，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三多媒体数据片段。
可选的，所述装置还包括第一停止模块，具体用于：
在达到第一采集停止条件时，停止采集所述多媒体数据，其中，所述第一采集停止条件为检测到环境中的语音信号停止且停止时长满足第二预设时长，对所述多媒体数据进行采集的时长满足第三预设时长，或者，接收到非语音信号控制模式的启动指令。
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，对所述声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语音信号控制模式下生成的所述第三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：接收声音信号控制模式的启动指令，启动所述声音信号控制模式之前，和/或，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段之后，
接收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，生成第四多媒体数据片段。
可选的，所述装置还包括第二停止模块，具体用于：
在达到第二采集停止条件时，停止采集所述多媒体数据，其中，所述第二采集停止条件为检测到用户再次触发所述采集按键，对所述多媒体数据进行采集的时长满足第四预设时长，或者，接收到非按键控制模式的启动指令。
可选的，所述装置还包括第三数据合成模块，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，对所述声音信号控制模式下生成的所述第一多媒体数据片段以及所述按键控制模式下生成的所述第四多媒体数据片段进行合成。
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声音采集控件的触发，接收所述声音信号控制模式的启动指令。
可选的，所述设定声音信号包括人的模仿声音、动物的声音和音乐器材的声音中的至少一种。
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7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7，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7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7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RAM403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7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：接收声音信号控制模式的启动指令，启动所述声音信号控制模式；对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号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：
接收声音信号控制模式的启动指令，启动所述声音信号控制模式；
对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号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，所述对多媒体数据进行采集，包括：
在首次检测到环境中的设定声音信号结束时，触发采集多媒体数据。
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，检测环境中的设定声音信号，包括：
基于预先训练的声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设定声音信号。
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，所述生成不包括所述设定声音信号的第一多媒体数据片段，包括：
通过声音识别模型对采集到的多媒体数据进行识别，确定所述设定声音信号在所述多媒体数据中的起止时间；
基于所述起止时间删除所述设定声音信号对应的多媒体数据，得到所述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，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段之后，还包括：
再次检测到所述设定声音信号，对多媒体数据进行再次采集；
在又一次检测到所述设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述又一次检测到设定声音信号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：
接收所述声音信号控制模式的关闭指令，或者，接收数据合成指令，对所述声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，接收声音信号控制模式的启动指令，启动所述声音信号控制模式之前，和/或，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段之后，还包括：
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；
在所述语音信号控制模式下，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：
在达到第一采集停止条件时，停止采集所述多媒体数据，其中，所述第一采集停止条件为检测到环境中的语音信号停止且停止时长满足第二预设时长，对所述多媒体数据进行采集的时长满足第三预设时长，或者，接收到非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，对所述声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语音信号控制模式下生成的所述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，接收声音信号控制模式的启动指令，启动所述声音信号控制模式之前，和/或，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段之后，还包括：
接收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，生成第四多媒体数据片段。
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：
在达到第二采集停止条件时，停止采集所述多媒体数据，其中，所述第二采集停止条件为检测到用户再次触发所述采集按键，对所述多媒体数据进行采集的时长满足第四预设时长，或者，接收到非按键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，对所述声音信号控制模式下生成的所述第一多媒体数据片段以及所述按键控制模式下生成的所述第四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，所述接收声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声音采集控件的触发，接收所述声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，本公开提供的多媒体数据采集方法中，所述设定声音信号包括人的模仿声音、动物的声音和音乐器材的声音中的至少一种。
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，用于接收声音信号控制模式的启动指令，启动所述声音信号控制模式；
数据采集模块，用于对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号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，所述数据采集模块具体用于：
在首次检测到环境中的设定声音信号结束时，触发采集多媒体数据。
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，所述数据采集模块具体用于：
基于预先训练的声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设定声音信号。
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，所述数据采集模块具体用于：
通过声音识别模型对采集到的多媒体数据进行识别，确定所述设定声音信号在所述多媒体数据中的起止时间；
基于所述起止时间删除所述设定声音信号对应的多媒体数据，得到所述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，所述装置还包括二次数据采集模块，具体用于：在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段之后，
再次检测到所述设定声音信号，对多媒体数据进行再次采集；
在又一次检测到所述设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述又一次检测到设定声音信号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：
接收所述声音信号控制模式的关闭指令，或者，接收数据合成指令，对所述声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，所述装置还包括语音信号采集模块，具体用于：接收声音信号控制模式的启动指令，启动所述声音信号控制模式之前，和/或，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段之后，
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；
在所述语音信号控制模式下，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，所述装置还包括第一停止模块，具体用于：
在达到第一采集停止条件时，停止采集所述多媒体数据，其中，所述第一采集停止条件为检测到环境中的语音信号停止且停止时长满足第二预设时长，对所述多媒体数据进行采集的时长满足第三预设时长，或者，接收到非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，对所述声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语音信号控制模式下生成的所述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，所述装置还包括按键数据采集模块，具体用于：接收声音信号控制模式的启动指令，启动所述声音信号控制模式之前，和/或，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段之后，
接收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，生成第四多媒体数据片段。
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：
在达到第二采集停止条件时，停止采集所述多媒体数据，其中，所述第二采集停止条件为检测到用户再次触发所述采集按键，对所述多媒体数据进行采集的时长满足第四预设时长，或者，接收到非按键控制模式的启动指令。
根据本公开的一个或多个实施例，本公开提供的多媒体数据采集装置中，所述装置还包括第三数据合成模块，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，对所述声音信号控制模式下生成的所述第一多媒体数据片段以及所述按键控制模式下生成的所述第四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声音采集控件的触发，接收所述声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，本公开提供的多媒体数据采集装置中，所述设定声音信号包括人的模仿声音、动物的声音和音乐器材的声音中的至少一种。
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 (16)

1.一种多媒体数据采集方法，其特征在于，包括：
接收声音信号控制模式的启动指令，启动所述声音信号控制模式；
对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段；
所述对多媒体数据进行采集，包括：
在首次检测到环境中的设定声音信号结束时，触发采集多媒体数据；
在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段，包括：
再次检测到设定声音信号时，在该设定声音信号的起始时间点控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段。
2.根据权利要求1所述的方法，其特征在于，检测环境中的设定声音信号，包括：
基于预先训练的声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设定声音信号。
3.根据权利要求1所述的方法，其特征在于，所述生成不包括所述设定声音信号的第一多媒体数据片段，包括：
通过声音识别模型对采集到的多媒体数据进行识别，确定所述设定声音信号在所述多媒体数据中的起止时间；
基于所述起止时间删除所述设定声音信号对应的多媒体数据，得到所述第一多媒体数据片段。
4.根据权利要求1所述的方法，其特征在于，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段之后，还包括：
再次检测到所述设定声音信号，对多媒体数据进行再次采集；
在又一次检测到所述设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述又一次检测到设定声音信号的第二多媒体数据片段。
5.根据权利要求4所述的方法，其特征在于，还包括：
接收所述声音信号控制模式的关闭指令，或者，接收数据合成指令，对所述声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。
6.根据权利要求1所述的方法，其特征在于，接收声音信号控制模式的启动指令，启动所述声音信号控制模式之前，和/或，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段之后，还包括：
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；
在所述语音信号控制模式下，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三多媒体数据片段。
7.根据权利要求6所述的方法，其特征在于，还包括：
在达到第一采集停止条件时，停止采集所述多媒体数据，其中，所述第一采集停止条件为检测到环境中的语音信号停止且停止时长满足第二预设时长，对所述多媒体数据进行采集的时长满足第三预设时长，或者，接收到非语音信号控制模式的启动指令。
8.根据权利要求6所述的方法，其特征在于，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，对所述声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语音信号控制模式下生成的所述第三多媒体数据片段进行合成。
9.根据权利要求1所述的方法，其特征在于，接收声音信号控制模式的启动指令，启动所述声音信号控制模式之前，和/或，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段之后，还包括：
接收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，生成第四多媒体数据片段。
10.根据权利要求9所述的方法，其特征在于，还包括：
在达到第二采集停止条件时，停止采集所述多媒体数据，其中，所述第二采集停止条件为检测到用户再次触发所述采集按键，对所述多媒体数据进行采集的时长满足第四预设时长，或者，接收到非按键控制模式的启动指令。
11.根据权利要求9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，对所述声音信号控制模式下生成的所述第一多媒体数据片段以及所述按键控制模式下生成的所述第四多媒体数据片段进行合成。
12.根据权利要求1所述的方法，其特征在于，所述接收声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声音采集控件的触发，接收所述声音信号控制模式的启动指令。
13.根据权利要求1-12中任一所述的方法，其特征在于，所述设定声音信号包括人的模仿声音、动物的声音和音乐器材的声音中的至少一种。
14.一种多媒体数据采集装置，其特征在于，包括：
模式启动模块，用于接收声音信号控制模式的启动指令，启动所述声音信号控制模式；
数据采集模块，用于对多媒体数据进行采集，在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段；
所述对多媒体数据进行采集，包括：
在首次检测到环境中的设定声音信号结束时，触发采集多媒体数据；
在检测到环境中的设定声音信号时，控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段，包括：
再次检测到设定声音信号时，在该设定声音信号的起始时间点控制停止采集所述多媒体数据，并生成不包括所述设定声音信号的第一多媒体数据片段。
15.一种电子设备，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1-13中任一所述的多媒体数据采集方法。
16.一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，所述计算机程序用于执行上述权利要求1-13中任一所述的多媒体数据采集方法。
CN202011080050.7A 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 CN112218149B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011080050.7A CN112218149B (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
CN202011080050.7A CN112218149B (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
CN112218149A CN112218149A (zh) 2021-01-12
CN112218149B true CN112218149B (zh) 2022-09-23

Family

ID=74053150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011080050.7A Active CN112218149B (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) CN112218149B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550961A (zh) * 2015-10-31 2016-05-04 东莞酷派软件技术有限公司 一种监护方法及装置
CN107895575A (zh) * 2017-11-10 2018-04-10 广东欧珀移动通信有限公司 屏幕录制方法、屏幕录制装置及电子终端
US10938725B2 (en) * 2018-09-27 2021-03-02 Farm & Home Cooperative Load balancing multimedia conferencing system, device, and methods

Also Published As

Publication number Publication date
CN112218149A (zh) 2021-01-12

Similar Documents

Publication Publication Date Title
CN107644646B (zh) 语音处理方法、装置以及用于语音处理的装置
WO2023011142A1 (zh) 视频的处理方法、装置、电子设备和存储介质
CN110267113B (zh) 视频文件加工方法、系统、介质和电子设备
CN111798821B (zh) 声音转换方法、装置、可读存储介质及电子设备
CN113257218B (zh) 语音合成方法、装置、电子设备和存储介质
CN111696553B (zh) 一种语音处理方法、装置及可读介质
KR20160106075A (ko) 오디오 스트림에서 음악 작품을 식별하기 위한 방법 및 디바이스
EP4192021A1 (en) Audio data processing method and apparatus, and device and storage medium
CN113362812A (zh) 一种语音识别方法、装置和电子设备
KR20190068133A (ko) 오디오 데이터에 포함된 음소 정보를 이용하여 어플리케이션을 실행하기 위한 전자 장치 및 그의 동작 방법
CN111629156A (zh) 图像特效的触发方法、装置和硬件装置
CN112651235A (zh) 一种诗歌生成的方法及相关装置
EP4170589A1 (en) Music playing method and apparatus based on user interaction, and device and storage medium
CN111739535A (zh) 一种语音识别方法、装置和电子设备
CN110659387A (zh) 用于提供视频的方法和设备
CN112218137B (zh) 一种多媒体数据采集方法、装置、设备及介质
CN112218149B (zh) 一种多媒体数据采集方法、装置、设备及介质
CN112382266A (zh) 一种语音合成方法、装置、电子设备及存储介质
CN111669625A (zh) 一种拍摄文件的处理方法、装置、设备及存储介质
CN112242143A (zh) 一种语音交互方法、装置、终端设备及存储介质
CN111506767A (zh) 一种歌曲填词的处理方法及装置、电子设备和存储介质
CN113674739B (zh) 一种时间确定方法、装置、设备及存储介质
CN111312280B (zh) 用于控制语音的方法和装置
CN110289010B (zh) 一种声音采集的方法、装置、设备和计算机存储介质
CN115472163A (zh) 语音交互方法、装置、电子设备及介质

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
GR01 Patent grant
GR01 Patent grant