CN112969000A - 网络会议的控制方法、装置、电子设备和存储介质 - Google Patents
网络会议的控制方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112969000A CN112969000A CN202110213809.2A CN202110213809A CN112969000A CN 112969000 A CN112969000 A CN 112969000A CN 202110213809 A CN202110213809 A CN 202110213809A CN 112969000 A CN112969000 A CN 112969000A
- Authority
- CN
- China
- Prior art keywords
- audio data
- environmental audio
- user
- network conference
- language
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000006870 function Effects 0.000 claims abstract description 69
- 230000007613 environmental effect Effects 0.000 claims abstract description 67
- 230000003595 spectral effect Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 230000005764 inhibitory process Effects 0.000 description 10
- 238000001228 spectrum Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002401 inhibitory effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/56—Arrangements for connecting several subscribers to a common circuit, i.e. affording conference facilities
-
- 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
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Telephonic Communication Services (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本公开公开了一种网络会议的控制方法,涉及计算机技术领域,尤其涉及人工智能和语音识别技术领域。具体实现方案为:在网络会议程序的禁言功能开启的情况下,获取环境音频数据;识别环境音频数据的来源;在环境音频数据的来源是人类语音的情况下,产生用于关闭禁言功能的提示信息。本公开还公开了一种网络会议的控制装置、电子设备和存储介质。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及人工智能和语音识别技术。更具体地,本公开提供了一种网络会议的控制方法、装置、电子设备和存储介质。
背景技术
网络会议在人们生活中越来越普遍。参与网络会议的多个用户所处的环境不同,背景音也不同,那么整体的会议背景音就会比较嘈杂。
目前可以通过开启禁言功能来避免用户所处环境的背景音输入,保证网络会议的语音效果。但是禁言功能的开启和关闭都需要根据用户的实际需求手动操作,如果用户在开始说话前忘记手动关闭禁言,需要用户先关闭禁言再重复说一次,影响网络会议的沟通效率。
发明内容
本公开提供了一种网络会议的控制方法、装置、设备以及存储介质。
根据第一方面,提供了一种网络会议的控制方法,该方法包括:在网络会议程序的禁言功能开启的情况下,获取环境音频数据;识别环境音频数据的来源;在环境音频数据的来源是人类语音的情况下,产生用于关闭禁言功能的提示信息。
根据第二方面,提供了一种网络会议的控制装置,该装置包括:获取模块,用于在网络会议程序的禁言功能开启的情况下,获取环境音频数据;第一识别模块,用于识别环境音频数据的来源;产生模块,用于在环境音频数据的来源是人类语音的情况下,产生用于关闭禁言功能的提示信息。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据本公开提供的方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行根据本公开提供的方法。
根据第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本公开提供的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1A是根据本公开的一个实施例的可以应用网络会议的控制方法和装置的示例性系统架构示意图;
图1B是根据本公开一个实施例的可以应用网络会议的控制方法和装置的示例性场景示意图;
图2是根据本公开的一个实施例的网络会议的控制方法的流程图;
图3是根据本公开的另一个实施例的网络会议的控制方法的流程图;
图4是根据本公开的另一个实施例的网络会议的控制方法的流程图;
图5是根据本公开的一个实施例的识别环境音频数据的来源方法的流程图;
图6是根据本公开的一个实施例的网络会议的控制装置的框图;
图7是根据本公开的一个实施例的网络会议的控制方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
随着计算机和互联网技术的不断发展,网络为人们提供了更便利的沟通方式,即时通信、在线办公和在线学习等应用场景在人们生活中也越来越普遍。网络会议是实现在线办公和在线学习的一种常见形式。
在网络会议(可以是线上开会或线上教学)过程中,参与网络会议的有多个用户,用户所处环境不同,背景音不确定,那整体的会议或课堂的背景音就会比较吵。在相关技术中也提出了为网络会议设置禁言功能的解决方案。具体地,网络会议的运行界面上设置有用于控制禁言功能的开启和关闭的控件,用户点击该控件可以开启或关闭禁言功能。禁言功能开启时,本地用户所处环境的声音就不会被传输给远程用户,远程用户就听不到本地用户的声音。禁言功能关闭时,本地用户所处环境的声音会被传输给远程用户,远程用户能够听到本地用户的声音。网络会议的某一个用户或者某一部分用户的禁言功能的开启或关闭也可以由管理员设定,例如,在网络会议过程中由管理员设定部分用户群禁言。
在网络会议(可以是线上开会或线上教学)过程中,用户在不发言的时候可以选择禁言,用户在要发言的时候需要关闭禁言,但是用户发言的时候可能忘记关闭禁言,在发现没有关闭禁言之后,需要用户先关闭禁言再重复说一遍,操作繁琐。
在网络会议(可以是线上开会或线上教学)过程中,网络会议作为一个即时通信工具,用户可以与多个群组进行交流,例如,与群组A进行语音沟通,与群组B进行文件的发送和接收新消息等。
在网络会议(可以是线上开会或线上教学)过程中,用户还可以同时打开多个应用程序,网络会议程序可以运行在后台,不影响用户在前台使用其他的应用程序进行消息的接收和发送以及文本的传输等操作。
在上述多个应用场景中,用户存在多个任务的需求,禁言功能是否开启是根据用户的需求随时调整的,那就会导致以下问题:(1)用户在禁言功能开启阶段说话,会导致说的话没有被远程用户听到,需要重说第二次;(2)如果用户正在与多个群组会议交流,每次点击切换是否禁言时,需要先找到进行语音沟通的会话流,再进行禁言的操作,操作成本较高;(3)当用户在使用其它应用程序时,需要先切换到网络会议程序,再进行禁言操作;(4)在设备(手机或电脑)锁屏时,需要先解锁,再切到网络会议程序,再进行禁言的操作,操作成本较高。上述问题都会影响网络会议的沟通效率。
图1A是根据本公开一个实施例的可以应用网络会议的控制方法和装置的示例性系统架构示意图。需要注意的是,图1A所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1A所示,根据该实施例的系统架构100可以包括多个终端设备101、网络102和服务器103。网络102用以在终端设备101与服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101通过网络102与服务器103交互,以接收或发送消息等。终端设备101上可以安装有各种通讯客户端应用,例如网页浏览器应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器103可以是提供各种服务的服务器,例如对用户利用终端设备101所发起的网络会议请求提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的信息、或数据等)反馈给终端设备。
例如,多个终端设备101中的任意一个发起网络会议,向服务器103发送网络会议请求,并发送邀请其余的终端设备101加入网络会议的请求。服务器103创建会议,并向其余的终端设备101转发邀请加入网络会议的请求。其余的终端设备101加入到网络会议之后,每个终端设备101可以通过服务器103向其余的终端设备101(远程终端)发送本地的文本、语音或视频消息,并通过服务器103接收来自远程终端的文本、语音或视频消息。
需要说明的是,本公开实施例所提供的网络会议的控制方法一般可以由终端设备101执行。相应地,本公开实施例所提供的网络会议的控制装置一般可以设置于终端设备101中。
应该理解,图1A中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图1B是根据本公开一个实施例的可以应用网络会议的控制方法和装置的示例性场景示意图。
如图1B所示,根据该实施例的示例性场景可以包括终端设备110,终端设备110可以运行有网络会议程序,网络会议程序运行时可以展示网络会议界面111。在网络会议界面111的左半部分可以显示正在发言的用户或者正在被讲解的文档等。在网络会议界面111的右半部分可以显示当前进行网络会议的群组,群组中例如可以包括用户A、用户B和用户C等等。在网络会议界面111的右半部分还显示有可以控制网络会议的一些控件,如用于控制视频功能的开启和关闭的控件,用于控制禁言功能的开启和关闭的控件,以及用于上传文件的控件、用于发送消息的控件等等。
示例性地,终端设备110是用户A持有的设备,用户A在参与网络会议的过程中,可以通过点击用于控制禁言功能的控件来决定是否让远程用户(用户B和用户C)听到自身的声音。例如,用户A在不发言的时候,点击用于控制禁言功能的控件以开启禁言功能,则用户B和用户C不会听到用户A这边的声音。用户A在要发言的时候,再次点击用于控制禁言功能的控件以关闭禁言功能,则用户B和用户C能够听到用户A这边的声音。
图2是根据本公开的一个实施例的网络会议的控制方法的流程图。
如图2所示,该网络会议的控制方法200可以包括操作S210~操作S230。
根据本公开的实施例,操作S210~操作S230可以是在网络会议的过程中由本地电子设备执行的,参与网络会议的用户可以包括本地电子设备的用户(简称为本地用户)和远程电子设备的用户(简称为远程用户)。
在操作S210,在网络会议程序的禁言功能开启的情况下,获取环境音频数据。
根据本公开的实施例,环境音频数据可以是本地电子设备所处环境中的音频数据。在本地电子设备的用户不发言的时候,本地电子设备的用户所处环境的音频数据可以包括系统噪音、大自然声音等背景音,在本地电子设备的用户不发言的时候,本地电子设备的用户所处环境的音频数据可以包括背景音和用户的语音。可以使用本地电子设备的麦克风等音频传感器获取环境音频数据。
根据本公开的实施例,网络会议在本地电子设备上运行,展示运行界面,界面上显示有用于控制禁言功能的开启和关闭的控件(简称禁言控件)。本地电子设备的用户在不发言的时候,可以点击禁言控件,使得网络会议程序的禁言功能开启,从而本地电子设备所处环境的背景音不会传输给远程电子设备,远程电子设备的用户听不到本地电子设备所处环境的背景音,能够提高网络会议的语音效果。
根据本公开的实施例,在网络会议程序的禁言功能开启的情况下,本地电子设备的麦克风等语音传感器可以继续工作,实时采集环境音频数据。
在操作S220,识别环境音频数据的来源。
根据本公开的实施例,本地电子设备的麦克风等语音传感器采集的环境音频数据可能只包含背景音(在用户没有发言的情况下),也可能包括背景音和人类语音(在用户发言的情况下)。可以实时对所采集的环境音频数据进行识别,判断所采集的音频数据的来源是否为人类语音,从而能够快速判断出用户是否发言了。
根据本公开的实施例,可以根据环境音频数据的频谱来识别环境音频数据的来源是否是人类语音。具体地,人类语音的频谱与动物声音或大自然声音的频谱是不同的,如果环境音频数据的频谱满足人类语音的频谱特征,则可以确定环境音频数据的来源是人类语音。
在操作S230,在环境音频数据的来源是人类语音的情况下,产生用于关闭禁言功能的提示信息。
根据本公开的实施例,如果识别出环境音频数据的来源是人类语音,则说明用户开始发言了,而此时网络会议程序的禁言功能开启,用户的发言并不能传输给远程电子设备。因此,本公开实施例在判断出用户开始发言之后,立即产生用于关闭禁言功能的提示信息,以提示用户关闭禁言功能。
根据本公开的实施例,在网络会议程序的禁言功能开启的情况下,获取环境音频数据,识别环境音频数据的来源,在环境音频数据的来源是人类语音的情况下,产生用于关闭禁言功能的提示信息,能够在用户发言的时候,提示用户关闭禁言,实现禁言功能的快速切换,提高网络会议的沟通效率。
根据本公开的实施例,在操作S230产生用于关闭禁言功能的提示信息具体可以包括:在网络会议程序在前台运行的情况下,通过弹框展示提示信息;在网络会议程序在后台运行或者在锁屏状态下运行的情况下,通过推送消息展示提示信息。
根据本公开的实施例,如果网络会议程序运行在前台,则可以通过弹框展示提示信息,弹框中可以显示有是否关闭禁言的询问语句,并提供“是”和“否”的选项,用户可以快速选择“是”选项来关闭禁言,使得当前说的话能够被远程用户听到。如果用户当前说的话与会议无关,则可以选择“否”的选项。
根据本公开的实施例,如果本地电子设备运行了多个应用程序,而网络会议程序运行在后台,可以通过推送消息展示提示信息,用户点击推送消息,能够快速切换到网络会议程序,在网络会议运行界面上直接点击禁言控件,可以快速关闭禁言,避免了用户查找网络会议程序的操作。需要说明的是,推送消息也可以像弹框消息一样可以提供用于选择是否关闭禁言的选项,供用户直接选择关闭禁言功能。
根据本公开的实施例,如果本地电子设备处于锁屏状态,可以通过推送消息展示提示信息,用户点击推送消息,能够直接进入到网络会议程序运行界面,在网络会议运行界面上直接点击禁言功能控件,可以快速关闭禁言,避免了用户先解锁再查找网络会议程序的操作。
图3是根据本公开的另一个实施例的网络会议的控制方法的流程图。
如图3所示,该网络会议的控制方法可以包括操作S310~操作S350。
在操作S310,在网络会议程序的禁言功能开启的情况下,获取环境音频数据。
根据本公开的实施例,在网络会议程序的禁言功能开启的情况下,本地电子设备的麦克风等语音传感器可以继续工作,实时采集环境音频数据。
在操作S320,判断环境音频数据的来源是否是人类语音,如果是,则执行操作S330,否则返回S310。
根据本公开的实施例,实时对所采集的环境音频数据进行识别,判断所采集的音频数据的来源是否为人类语音,从而能够快速判断出用户是否发言了。具体地,如果是人类语音,则说明用户发言了,执行操作S330。如果不是人类语音,则说明用户没有发言,返回S310继续使用麦克风实时录制环境音频数据。
在操作S330,产生用于关闭禁言功能的提示信息。
根据本公开的实施例,根据本公开的实施例,如果识别出环境音频数据的来源是人类语音,则说明用户开始发言了,产生用于关闭禁言功能的提示信息,以提示用户关闭禁言功能。
在操作S340,判断在展示提示信息之后的预设时间段内网络会议的禁言功能是否关闭,如果是则流程结束,否则执行在操作S350。
根据本公开的实施例,判断用户是否关闭了禁言功能,如果用户关闭了禁言功能,则禁言功能的控制流程结束。否则继续进行操作S350的判断。
在操作S350,判断是否接收到远程音频数据并获取到新的环境音频数据,如果是,则针对新的环境音频数据返回操作S320,否则返回操作S310。
根据本公开的实施例,在用户没有关闭禁言功能的情况下,如果接收到了来自远程用户的远程音频数据,并且获取到了新的环境音频数据,说明会议中有人正在发言,并且用户可能对当前发言有反馈,但是用户还没有关闭禁言功能,此时,针对获取到的新的环境音频数据,返回操作S320识别来源是否是人类语音,如果是,说明用户对当前发言有反馈,则执行操作S330再次提示用户关闭禁言。如果没有接收到远程音频数据或者没有接收到新的音频数据,说明用户没有与当前会议交互,无需再次提醒用户关闭禁言,避免打扰用户,而是返回操作S310继续使用麦克风实时录制环境音频数据。
图4是根据本公开的另一个实施例的网络会议的控制方法的流程图。
如图4所示,该网络会议的控制方法包括操作S410~S450。
在操作S410,在网络会议程序的禁言功能开启的情况下,获取环境音频数据。
根据本公开的实施例,在网络会议程序的禁言功能开启的情况下,本地电子设备的麦克风等语音传感器可以继续工作,实时采集环境音频数据。
在操作S420,判断环境音频数据的来源是否是人类语音,如果是,则执行操作S430,否则返回S410。
根据本公开的实施例,实时对所采集的环境音频数据进行识别,判断所采集的音频数据的来源是否为人类语音,从而能够快速判断出用户是否发言了。具体地,如果是人类语音,则说明用户发言了,执行操作S430。如果不是人类语音,则说明用户没有发言,返回S410继续使用麦克风实时录制环境音频数据。
在操作S430,从环境音频数据中提取人类语音的声纹特征。
在操作S440,根据声纹特征判断产生人类语音的用户是否为预设用户,如果是则执行操作S450,否则返回S410。
根据本公开的实施例,声纹与指纹一样可以唯一标识一个人,因此利用声纹特征可以识别出产生语音的用户是否是预设用户本人,预设用户可以是参与网络会议的本地电子设备的持有者。如果是预设用户本人,则执行操作S450,如果不是预设用户本人,可以返回S410继续使用麦克风实时录制环境音频数据。
在操作S450,产生用于关闭禁言功能的提示信息。
根据本公开的实施例,在识别出产生语音的用户是预设用户本人的情况下,说明参与会议的用户开始发言了,则产生用于关闭禁言功能的提示信息,以提示用户关闭禁言功能。
图5是根据本公开的一个实施例的识别环境音频数据的来源的方法的流程图。
如图5所示,该方法包括操作S521~S522。
在操作S521,从环境音频数据的至少一部分中提取环境音频数据的频谱特征。
根据本公开的实施例,如果是用户产生的语音,则语音强度从无到能够检测到之后会持续地有音频数据,针对持续的音频数据可以提取出频谱特征,根据持续音频数据的频谱特征可以识别持续音频数据的来源是否是人类语音。
在操作S522,使用语音识别模型基于频谱特征识别环境音频数据的来源。
根据本公开的实施例,可以使用语音识别模型基于环境音频数据的频谱特征来识别环境音频数据的来源是否是人类语音,语音识别模型可以是基于神经网络模型进行训练得到的,训练数据可以包括人类语音的频谱特征,动物语音的频谱特征和大自然声音的频谱特征等,人类语音的频谱特征作为正样本,动物语音的频谱特征和大自然声音的频谱特征等作为负样本,使用正样本和负样本对神经网络模型进行训练,得到经训练的神经网络模型作为语音识别模型。语音识别模型对于输入的环境音频数据的频谱特征,可以识别出环境音频数据的来源是否是人类语音。
图6是根据本公开的一个实施例的网络会议的控制装置的框图。
如图6所示,该网络会议的控制600可以包括获取模块601、第一识别模块602和产生模块603。
获取模块601用于在网络会议程序的禁言功能开启的情况下,获取环境音频数据;
第一识别模块602用于识别环境音频数据的来源;
产生模块603用于在环境音频数据的来源是人类语音的情况下,产生用于关闭禁言功能的提示信息。
根据本公开的实施例,网络会议的控制600还包括展示模块。
展示模块用于在网络会议程序在前台运行的情况下,通过弹框展示提示信息;在网络会议程序在后台运行或者在锁屏状态下运行的情况下,通过推送消息展示提示信息。
根据本公开的实施例,网络会议的控制600还包括处理模块。
处理模块用于在展示模块展示提示信息之后的预设时间段内网络会议的禁言功能未关闭的情况下,响应于接收到远程音频数据并获取到新的环境音频数据,针对新的环境音频数据,返回第一识别模块。
根据本公开的实施例,网络会议的控制600还包括提取模块和第二识别模块。
提取模块用于在产生模块产生用于关闭禁言的提示信息之前,从环境音频数据中提取人类语音的声纹特征。
第二识别模块用于根据声纹特征识别产生人类语音的用户,其中,在产生人类语音的用户为预设用户的情况下,执行产生模块。
根据本公开的实施例,第一识别模块602包括提取单元和识别单元。
提取单元用于从环境音频数据的至少一部分中提取环境音频数据的频谱特征;
识别单元用于使用语音识别模型基于频谱特征识别环境音频数据的来源。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如网络会议的控制方法。例如,在一些实施例中,网络会议的控制方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的网络会议的控制方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行网络会议的控制方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (13)
1.一种网络会议的控制方法,包括:
在网络会议程序的禁言功能开启的情况下,获取环境音频数据;
识别所述环境音频数据的来源;
在所述环境音频数据的来源是人类语音的情况下,产生用于关闭所述禁言功能的提示信息。
2.根据权利要求1所述的方法,所述方法还包括展示所述提示信息,所述展示所述提示信息包括:
在所述网络会议程序在前台运行的情况下,通过弹框展示所述提示信息;
在所述网络会议程序在后台运行或者在锁屏状态下运行的情况下,通过推送消息展示所述提示信息。
3.根据权利要求2所述的方法,还包括:
在展示所述提示信息之后的预设时间段内所述网络会议的禁言功能未关闭的情况下,响应于接收到远程音频数据并获取到新的环境音频数据,针对所述新的环境音频数据,返回识别所述环境音频数据的来源的步骤。
4.根据权利要求1所述的方法,在产生用于关闭禁言的提示信息之前,还包括:
从所述环境音频数据中提取所述人类语音的声纹特征;以及
根据所述声纹特征识别产生所述人类语音的用户,
其中,在产生所述人类语音的用户为预设用户的情况下,执行所述产生用于关闭所述禁言功能的提示信息的操作。
5.根据权利要求1所述的方法,其中,所述识别所述环境音频数据的来源包括:
从所述环境音频数据的至少一部分中提取所述环境音频数据的频谱特征;
使用语音识别模型基于所述频谱特征识别所述环境音频数据的来源。
6.一种网络会议的控制装置,包括:
获取模块,用于在网络会议程序的禁言功能开启的情况下,获取环境音频数据;
第一识别模块,用于识别所述环境音频数据的来源;
产生模块,用于在所述环境音频数据的来源是人类语音的情况下,产生用于关闭所述禁言功能的提示信息。
7.根据权利要求6所述的装置,所述装置还包括:
展示模块,用于在所述网络会议程序在前台运行的情况下,通过弹框展示所述提示信息;在所述网络会议程序在后台运行或者在锁屏状态下运行的情况下,通过推送消息展示所述提示信息。
8.根据权利要求7所述的装置,所述装置还包括:
处理模块,用于在展示模块展示所述提示信息之后的预设时间段内所述网络会议的禁言功能未关闭的情况下,响应于接收到远程音频数据并获取到新的环境音频数据,针对所述新的环境音频数据,返回所述第一识别模块。
9.根据权利要求6所述的装置,所述装置还包括:
提取模块,用于在产生模块产生用于关闭禁言的提示信息之前,从所述环境音频数据中提取所述人类语音的声纹特征;
第二识别模块,用于根据所述声纹特征识别产生所述人类语音的用户,
其中,在产生所述人类语音的用户为预设用户的情况下,执行所述产生模块。
10.根据权利要求6所述的装置,所述第一识别模块包括:
提取单元,用于从所述环境音频数据的至少一部分中提取所述环境音频数据的频谱特征;
识别单元,用于使用语音识别模型基于所述频谱特征识别所述环境音频数据的来源。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110213809.2A CN112969000A (zh) | 2021-02-25 | 2021-02-25 | 网络会议的控制方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110213809.2A CN112969000A (zh) | 2021-02-25 | 2021-02-25 | 网络会议的控制方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112969000A true CN112969000A (zh) | 2021-06-15 |
Family
ID=76275746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110213809.2A Pending CN112969000A (zh) | 2021-02-25 | 2021-02-25 | 网络会议的控制方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112969000A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115002134A (zh) * | 2022-05-18 | 2022-09-02 | 北京百度网讯科技有限公司 | 会议数据同步方法、系统、装置、设备以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108111701A (zh) * | 2016-11-24 | 2018-06-01 | 北京中创视讯科技有限公司 | 静音处理方法和装置 |
CN111343410A (zh) * | 2020-02-14 | 2020-06-26 | 北京字节跳动网络技术有限公司 | 一种静音提示方法、装置、电子设备及存储介质 |
CN111833876A (zh) * | 2020-07-14 | 2020-10-27 | 科大讯飞股份有限公司 | 会议发言控制方法、系统、电子设备及存储介质 |
WO2020233068A1 (zh) * | 2019-05-21 | 2020-11-26 | 深圳壹账通智能科技有限公司 | 会议音频控制方法、系统、设备及计算机可读存储介质 |
-
2021
- 2021-02-25 CN CN202110213809.2A patent/CN112969000A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108111701A (zh) * | 2016-11-24 | 2018-06-01 | 北京中创视讯科技有限公司 | 静音处理方法和装置 |
WO2020233068A1 (zh) * | 2019-05-21 | 2020-11-26 | 深圳壹账通智能科技有限公司 | 会议音频控制方法、系统、设备及计算机可读存储介质 |
CN111343410A (zh) * | 2020-02-14 | 2020-06-26 | 北京字节跳动网络技术有限公司 | 一种静音提示方法、装置、电子设备及存储介质 |
CN111833876A (zh) * | 2020-07-14 | 2020-10-27 | 科大讯飞股份有限公司 | 会议发言控制方法、系统、电子设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115002134A (zh) * | 2022-05-18 | 2022-09-02 | 北京百度网讯科技有限公司 | 会议数据同步方法、系统、装置、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9621698B2 (en) | Identifying a contact based on a voice communication session | |
US10057419B2 (en) | Intelligent call screening | |
WO2022005661A1 (en) | Detecting user identity in shared audio source contexts | |
US11849256B2 (en) | Systems and methods for dynamically concealing sensitive information | |
WO2019245770A1 (en) | Use of voice recognition to generate a transcript of conversation(s) | |
CN109547332B (zh) | 通讯会话交互方法、装置、计算机设备 | |
US11699360B2 (en) | Automated real time interpreter service | |
US20230033595A1 (en) | Automated actions in a conferencing service | |
US20170286755A1 (en) | Facebot | |
CN113678153A (zh) | 上下文感知式实时会议音频转录 | |
CN112929253A (zh) | 一种虚拟形象交互方法和装置 | |
CN110120909A (zh) | 消息的传输方法和装置、存储介质、电子装置 | |
CN113111658B (zh) | 校验信息的方法、装置、设备和存储介质 | |
CN112969000A (zh) | 网络会议的控制方法、装置、电子设备和存储介质 | |
US11025568B2 (en) | Customized response messages | |
CN110740212B (zh) | 基于智能语音技术的通话接听方法、装置及电子设备 | |
US20230419270A1 (en) | Meeting attendance prompt | |
US10950235B2 (en) | Information processing device, information processing method and program recording medium | |
CN115623133A (zh) | 线上会议方法、装置、电子设备及可读存储介质 | |
CN115118820A (zh) | 一种通话处理方法、装置、计算机设备及存储介质 | |
US20120215843A1 (en) | Virtual Communication Techniques | |
CN112885350A (zh) | 网络会议的控制方法、装置、电子设备和存储介质 | |
US20230403174A1 (en) | Intelligent virtual event assistant | |
US11853975B1 (en) | Contextual parsing of meeting information | |
CN116939091A (zh) | 语音通话内容显示方法和装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210615 |
|
WD01 | Invention patent application deemed withdrawn after publication |