CN114448957A - 音频数据传输方法和装置 - Google Patents
音频数据传输方法和装置 Download PDFInfo
- Publication number
- CN114448957A CN114448957A CN202210104307.0A CN202210104307A CN114448957A CN 114448957 A CN114448957 A CN 114448957A CN 202210104307 A CN202210104307 A CN 202210104307A CN 114448957 A CN114448957 A CN 114448957A
- Authority
- CN
- China
- Prior art keywords
- packet
- count
- voice
- data
- audio data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000005540 biological transmission Effects 0.000 title claims abstract description 51
- 230000002776 aggregation Effects 0.000 claims abstract description 60
- 238000004220 aggregation Methods 0.000 claims abstract description 60
- 238000004590 computer program Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 238000003780 insertion Methods 0.000 claims description 7
- 230000037431 insertion Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000004931 aggregating effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000003491 array 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
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- 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
- H04N21/85—Assembly of content; Generation of multimedia applications
- H04N21/854—Content authoring
- H04N21/8547—Content authoring involving timestamps for synchronizing content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/14—Systems for two-way working
- H04N7/141—Systems for two-way working between two video terminals, e.g. videophone
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computer Security & Cryptography (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Telephonic Communication Services (AREA)
Abstract
本公开提供了音频数据传输方法和装置,涉及人工智能领域,尤其涉及语音技术领域。具体实现方案为:获取音频数据;在当前状态为非静音状态时,检测所述音频数据是否为语音数据;若不是语音数据,则将所述音频数据进行编码,得到静音帧;若第一计数达到预定值,则根据所述第一计数生成第一聚合包,并清空所述第一计数,将所述第一聚合包发送到接收端;否则,累加第一计数。该实施方式能够有效降低通话中的流量成本和服务器的CPU负载。
Description
技术领域
本公开涉及人工智能领域,尤其涉及语音技术领域,具体为一种音频数据传输方法和装置。
背景技术
在实时音视频通话场景下,人声部分不是持续的,会有一段一段的停顿期。这个停顿期若是也正常编码音频数据,对带宽有些浪费,所以有些编码器支持非连续传输功能。若是检测当前会议没有明显通话声音,编码出来的数据是1-2个字节的包头不包含任何音频数据的静音帧,可以减少这些静音帧的发送,从而节省带宽。另外在静音(mute)场景下,不需要编码音频数据,每帧数据都是静音帧,可以更加有效的节省音频带宽和降低客户端CPU资源消耗。
现有技术中非连续传输功能是对检查到静音帧,则不进行发送,这样在整个实时通话系统里面需要很多模块进行配合实现,实现复杂度很高,移植性不强,且会引起无法进行丢包统计、无法同步等问题。
发明内容
本公开提供了一种音频数据传输方法、装置、设备、存储介质以及计算机程序产品。
根据本公开的第一方面,提供了一种音频数据传输方法,包括:获取音频数据;在当前状态为非静音状态时,检测所述音频数据是否为语音数据;若不是语音数据,则将所述音频数据进行编码,得到静音帧;若第一计数达到预定值,则根据所述第一计数生成第一聚合包,并清空所述第一计数,将所述第一聚合包发送到接收端;否则,累加第一计数。
根据本公开的第二方面,提供了一种音频数据传输方法,包括:响应于接收到数据包,检测所述数据包的类型;根据所述数据包的类型对所述数据包进行预处理后插入到缓冲器中;从所述缓冲器中按时间顺序读取数据包;根据读取出的数据包的类型对读取出的数据包进行解码。
根据本公开的第三方面,提供了一种音频数据传输装置,包括:获取单元,被配置成获取音频数据;检测单元,被配置成在当前状态为非静音状态时,检测所述音频数据是否为语音数据;编码单元,被配置成若不是语音数据,则将所述音频数据进行编码,得到静音帧;生成单元,被配置成若第一计数达到预定值,则根据所述第一计数生成第一聚合包,并清空所述第一计数,将所述第一聚合包发送到接收端;计数单元,被配置成若第一计数未达到预定值,则累加第一计数。
根据本公开的第四方面,提供了一种音频数据传输装置,包括:检测单元,被配置成响应于接收到数据包,检测所述数据包的类型;预处理单元,被配置成根据所述数据包的类型对所述数据包进行预处理后插入到缓冲器中;读取单元,被配置成从所述缓冲器中按时间顺序读取数据包;解码单元,被配置成根据读取出的数据包的类型对读取出的数据包进行解码。
根据本公开的第五方面,提供了一种电子设备,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第一方面所述的方法。
根据本公开的第六方面,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,其中,所述计算机指令用于使所述计算机执行第一方面所述的方法。
根据本公开的第七方面,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第一方面所述的方法。
本公开的实施例提供的音频数据传输方法和装置,通过将静音帧聚合打包发送,既节省了带宽,还能保证语音同步,并且保证各种数据包统计的正确性。
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1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的音频数据传输方法应用于发送端的一个实施例的流程图;
图3是根据本公开的音频数据传输方法应用于发送端的一个应用场景的示意图;
图4是根据本公开的音频数据传输方法应用于接收端的一个实施例的流程图;
图5是根据本公开的音频数据传输方法应用于接收端的一个应用场景的示意图;
图6是根据本公开的音频数据传输装置的一个实施例的结构示意图;
图7是根据本公开的音频数据传输装置的又一个实施例的结构示意图;
图8是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
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。
图1示出了可以应用本公开的音频数据传输方法或音频数据传输装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如即时通信工具、网页浏览器应用、购物类应用、搜索类应用、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持语音通话功能的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio LayerIV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上的语音通话提供支持的后台即时通信服务器。后台即时通信服务器可以为终端设备之间语音通话提供中转功能。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。
需要说明的是,本公开的实施例所提供的音频数据传输方法一般由终端设备101、102、103执行,相应地,音频数据传输装置一般设置于终端设备101、102、103中。
应该理解,图1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。
继续参考图2,示出了根据本公开的音频数据传输方法应用于发送端的一个实施例的流程200。该音频数据传输方法,包括以下步骤:
步骤201,获取音频数据。
在本实施例中,音频数据传输方法的执行主体(例如图1所示的终端设备)可以通过麦克风采集音频数据,也可从终端设备的文件中读取音频数据。
步骤202,在当前状态为非静音状态时,检测音频数据是否为语音数据。
在本实施例中,如果用户没有打开静音功能,则可正常语音传输。发送端使用话音激活检测VAD(VoiceActivity Detector)算法判断音频数据是语音信号还是背景噪声信号。
步骤203,若不是语音数据,则将音频数据进行编码,得到静音帧。
在本实施例中,如果VAD输出是"1",说明当前信号是语音信号,采用正常的语音编码方法进行编码传输。如果VAD输出是"0",说明当前信号是背景噪声信号,则以相对较低的编码速率对该信号进行编码,用产生的静音帧代替语音帧进行传输。
步骤204,若第一计数达到预定值,则根据第一计数生成第一聚合包,并清空第一计数,将第一聚合包发送到接收端。
在本实施例中,当发送端检测到静音帧时,不对这静音帧进行马上打包发送而是记录下来,然后继续等待最大N个(预定值)静音帧后,聚合成一个RTP(Real-timeTransport Protocol,实时传输协议)包进行发送,从而节约音频带宽。为了区分不同类型的RTP,这里将静音帧生成的RTP包称为第一聚合包(也可称为CNG(comfort noisegenerates,舒适噪声生成)包)。使用第一计数来统计已生成的第一聚合包的数量,第一聚合包发送后清空第一计数。将静音态下生成的RTP包称为第二聚合包(也可称为mute包)。使用第二计数来统计已生成的第二聚合包的数量,第二聚合包发送后清空第二计数。RTP包中还可包括序号、时间戳等用来表示数据包先后顺序的字段。
每个聚合包数据部分为一个字节,可以定义为以下格式:
CNG包:|0 x x x v v v v|(比如0x02,表示为CNG包,聚合了2个包,x为预留位,vv v v表示第一计数)
mute包:|1 x x x v v v v|(比如0x83,表示为mute包,聚合了3个包,x为预留位,v v v v表示第二计数)
在生成第一聚合包时,RTP扩展头标识可设置为CNG聚合包,例如,第一位为0。
步骤205,若第一计数未达到预定值,则累加第一计数。
在本实施例中,如果记录的静音帧的数量未达到预定值,则不聚合生成第一聚合包也不发送静音帧,而是累加第一计数,等到第一计数达到预定值或者有语音帧出现才聚合生成第一聚合包。
本公开的上述实施例提供的方法,通过将静音帧聚合起来集中发送,既可节省带宽,还能保证静帧包的发送。如果不发送静音包,会引起丢包统计的问题,也会影响带宽预估模块的实现,需要针对非连续传输的情况做处理会影响发送端实际发送码率和目标码率不一致,也会影响探测包的逻辑会影响音视频同步的实现,需要特殊处理,因为有些系统里面需要依赖音频RTP包的时间戳来做同步,没有收到包无法做同步。
在本实施例的一些可选的实现方式中,该方法还包括:若是语音数据,则将所述音频数据进行编码,得到语音帧;根据所述语音帧生成语音包;将所述语音包发送到接收端。语音数据采用正常的语音编码方法进行编码传输。本申请的方法对语音数据不产生影响,由于聚合方式简单,不会造成语音延迟、失真。
在本实施例的一些可选的实现方式中,将所述语音包发送到接收端,包括:若所述第一计数不为0,则根据所述第一计数生成第一聚合包并清空所述第一计数;将所述第一聚合包发送到接收端;将所述语音包发送到接收端。如果在第一计数还未达到预定值时,有语音帧需要发送,则先把静音帧聚合打包发送后,再发送语音包。这样可以避免丢帧导致的语音失真。
在本实施例的一些可选的实现方式中,该方法还包括:在当前状态为静音状态时,若第二计数达到预定值,则根据所述第二计数生成第二聚合包,并清空所述第二计数,将所述第二聚合包发送到接收端;否则,累加第二计数。将静音态下生成的RTP包称为第二聚合包(也可称为mute包)。使用第二计数来统计已生成的第二聚合包的数量。数据格式如上表所示。在mute状态(可以理解为关闭麦克风),如果第二计数没有超过最大聚合包数量MAX_N(预定值)则聚合计数累加,否则清空第二计数并立刻发送第二聚合包。该实施方式可以区分静音(mute)和正常通话场景处理,静音场景是不需要进行背景噪声输出和语音编码的。
继续参见图3,图3是根据本实施例的音频数据传输方法应用于发送端的应用场景的一个示意图。在图3的应用场景中,发送端采集到的音频原始数据,先判断是不是在mute状态(可以理解为关闭麦克风),如果是mute状态下在没有超过最大聚合包数量MAX_N则聚合计数MERGE_N+1,否则清空计数并立刻发送聚合包。如果不在mute状态,则把数据送到音频编码器上进行编码,依赖编码器DTX的支持,输出静音帧或者语音帧,如果是语音帧,如果之前缓存有聚合包则清空并发送,然后再发送当前的语音帧,如果是静音帧且超过MAX_N则在RTP扩展头设置聚合包标识并清空计数器发送,否则聚合计数MERGE_N+1。聚合包在mute状态下为mute聚合包,否则为CNG聚合包,为后面接收端解码做区分,因为mute包是不需要解码的,CNG包则需要输出舒适噪声,每个聚合包数据部分为一个字节。
进一步参考图4,其示出了音频数据传输方法应用于接收端的一个实施例的流程400。该音频数据传输方法的流程400,包括以下步骤:
步骤401,响应于接收到数据包,检测数据包的类型。
在本实施例中,音频数据传输方法运行于其上的电子设备(作为接收端的终端设备)可以通过有线连接方式或者无线连接方式从发送端接收数据包。数据包根据RTP规定的格式组成,包头中有数据包类型标识。对数据包进行解析,可以确定出数据包的类型。类型可包括:第一聚合包、第二聚合包、语音包,分别对应于流程200生成的三种数据包。
步骤402,根据数据包的类型对数据包进行预处理后插入到缓冲器中。
在本实施例中,如果类型是第一聚合包,则将所述数据包拆解成第一计数个噪声包插入到缓冲器中;如果类型是第二聚合包,则将所述数据包拆解成第二计数个静音包插入到缓冲器中;如果类型是语音包则直接插入到缓冲器中。对于两种聚合包,数据包的包头中有计数的数量,则可恢复成同等数量的RTP包,即发送端只需要发送包的类型和数量,不需要重复发相同的包,接收端根据类型和数量可恢复出相应数量的包。拆解出的包是现有技术中本该发送的RTP包的格式。第一聚合包拆解出噪声包,第二聚合包拆解出静音包,而语音包不用拆解,是原样发送过来的。例如,发送端麦克风采集了200ms背景音频数据后用户说了4s的语音,每20ms为一帧,则产生10个静音帧和200个语音帧,打包后生成了1个第一聚合包和200个语音包。接收端接收到1个第一聚合包和200个语音包,根据1个第一聚合包可拆解出10个静音帧,200个语音包是正常包,不做拆解。
通过上述方式可以减少带宽占用。
步骤403,从缓冲器中按时间顺序读取数据包。
在本实施例中,数据包存入缓存的顺序不一定是发送端发送的顺序。数据包中带有序号和/或时间戳用来标识时间顺序。按由先到后的顺序从缓冲器中读取数据包。
步骤404,根据读取出的数据包的类型对读取出的数据包进行解码。
在本实施例中,每读取出一个数据包就根据包头判断出该数据包的类型,然后判断是否需要解码。若读取出的数据包为静音包,则生成全0数据包;若读取出的数据包为噪声包,则生成舒适噪声;若读取出的数据包为语音包,则进行音频解码。以自噪声作为线性预测滤波器的激励,经增益调整,产生舒适噪声。生成舒适噪声的方法为现有技术,因此不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的音频数据传输方法的流程400体现了接收端拆解数据包的步骤。由此,本实施例描述的方案可以利用数据包的类型和计数生成重复的数据包,从而可以减少带宽占用,也不会影响丢包统计和数据同步。
继续参见图5,图5是根据本实施例的音频数据传输方法应用于接收端的应用场景的一个示意图。在图5的应用场景中,接收端根据RTP扩展头判断是否为聚合包,如果是聚合包,会解析聚合包的数据,解码出聚合的数据和类型,根据这二个参数生成对应数量的RTP包插进去网络抖动缓存器中。上层应用通过网络缓冲器获取对应类型的音频数据进行播放。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了一种音频数据传输装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的音频数据传输装置600包括:获取单元601、检测单元602、编码单元603、生成单元604和计数单元605。其中,获取单元601,被配置成获取音频数据;检测单元602,被配置成在当前状态为非静音状态时,检测所述音频数据是否为语音数据;编码单元603,被配置成若不是语音数据,则将所述音频数据进行编码,得到静音帧;生成单元604,被配置成若第一计数达到预定值,则根据所述第一计数生成第一聚合包,并清空所述第一计数,将所述第一聚合包发送到接收端;计数单元605,被配置成若第一计数未达到预定值,则累加第一计数。
在本实施例中,音频数据传输装置600的获取单元601、检测单元602、编码单元603、生成单元604和计数单元605的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204、步骤205。
在本实施例的一些可选的实现方式中,编码单元603进一步被配置成:若是语音数据,则将所述音频数据进行编码,得到语音帧;生成单元604进一步被配置成:根据所述语音帧生成语音包,将所述语音包发送到接收端。
在本实施例的一些可选的实现方式中,生成单元604进一步被配置成:若所述第一计数不为0,则根据所述第一计数生成第一聚合包并清空所述第一计数;将所述第一聚合包发送到接收端;将所述语音包发送到接收端。
在本实施例的一些可选的实现方式中,生成单元604进一步被配置成:在当前状态为静音状态时,若第二计数达到预定值,则根据所述第二计数生成第二聚合包,并清空所述第二计数,将所述第二聚合包发送到接收端;计数单元605进一步被配置成:若第二计数未达到预定值,则累加第二计数。
进一步参考图7,作为对上述各图所示方法的实现,本公开提供了一种音频数据传输装置的一个实施例,该装置实施例与图4所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,本实施例的音频数据传输装置700包括:检测单元701、预处理单元702、读取单元703和解码单元704。其中,检测单元701,被配置成响应于接收到数据包,检测所述数据包的类型;预处理单元702,被配置成根据所述数据包的类型对所述数据包进行预处理后插入到缓冲器中;读取单元703,被配置成从所述缓冲器中按时间顺序读取数据包;解码单元704,被配置成根据读取出的数据包的类型对读取出的数据包进行解码。
在本实施例中,音频数据传输装置700的检测单元701、预处理单元702、读取单元703和解码单元704的具体处理可以参考图4对应实施例中的步骤401、步骤402、步骤403、步骤404。
在本实施例的一些可选的实现方式中,预处理单元702进一步被配置成:如果类型是第一聚合包,则将所述数据包拆解成第一计数个噪声包插入到缓冲器中;如果类型是第二聚合包,则将所述数据包拆解成第二计数个静音包插入到缓冲器中;如果类型是语音包则直接插入到缓冲器中。
在本实施例的一些可选的实现方式中,解码单元704进一步被配置成:若读取出的数据包为静音包,则生成全0数据包;若读取出的数据包为噪声包,则生成舒适噪声;若读取出的数据包为语音包,则进行音频解码。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
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。
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流程200或400所述的方法。
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流程200或400所述的方法。
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流程200或400所述的方法。
图8示出了可以用来实施本公开的实施例的示例电子设备800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8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元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。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理,例如音频数据传输方法。例如,在一些实施例中,音频数据传输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808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的音频数据传输方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行音频数据传输方法。
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。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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 (17)
1.一种音频数据传输方法,包括:
获取音频数据;
在当前状态为非静音状态时,检测所述音频数据是否为语音数据;
若不是语音数据,则将所述音频数据进行编码,得到静音帧;
若第一计数达到预定值,则根据所述第一计数生成第一聚合包,并清空所述第一计数,将所述第一聚合包发送到接收端;
否则,累加第一计数。
2.根据权利要求1所述的方法,其中,所述方法还包括:
若是语音数据,则将所述音频数据进行编码,得到语音帧;
根据所述语音帧生成语音包;
将所述语音包发送到接收端。
3.根据权利要求2所述的方法,其中,所述将所述语音包发送到接收端,包括:
若所述第一计数不为0,则根据所述第一计数生成第一聚合包并清空所述第一计数;
将所述第一聚合包发送到接收端;
将所述语音包发送到接收端。
4.根据权利要求1所述的方法,其中,所述方法还包括:
在当前状态为静音状态时,若第二计数达到预定值,则根据所述第二计数生成第二聚合包,并清空所述第二计数,将所述第二聚合包发送到接收端;
否则,累加第二计数。
5.一种音频数据传输方法,包括:
响应于接收到数据包,检测所述数据包的类型;
根据所述数据包的类型对所述数据包进行预处理后插入到缓冲器中;
从所述缓冲器中按时间顺序读取数据包;
根据读取出的数据包的类型对读取出的数据包进行解码。
6.根据权利要求5所述的方法,其中,所述根据所述数据包的类型对所述数据包进行预处理后插入到缓冲器中,包括:
如果类型是第一聚合包,则将所述数据包拆解成第一计数个噪声包插入到缓冲器中;
如果类型是第二聚合包,则将所述数据包拆解成第二计数个静音包插入到缓冲器中;
如果类型是语音包则直接插入到缓冲器中。
7.根据权利要求5所述的方法,其中,所述根据读取出的数据包的类型对读取出的数据包进行解码,包括:
若读取出的数据包为静音包,则生成全0数据包;
若读取出的数据包为噪声包,则生成舒适噪声;
若读取出的数据包为语音包,则进行音频解码。
8.一种音频数据传输装置,包括:
获取单元,被配置成获取音频数据;
检测单元,被配置成在当前状态为非静音状态时,检测所述音频数据是否为语音数据;
编码单元,被配置成若不是语音数据,则将所述音频数据进行编码,得到静音帧;
生成单元,被配置成若第一计数达到预定值,则根据所述第一计数生成第一聚合包,并清空所述第一计数,将所述第一聚合包发送到接收端;
计数单元,被配置成若第一计数未达到预定值,则累加第一计数。
9.根据权利要求8所述的装置,其中,
所述编码单元进一步被配置成:若是语音数据,则将所述音频数据进行编码,得到语音帧;
所述生成单元进一步被配置成:根据所述语音帧生成语音包,将所述语音包发送到接收端。
10.根据权利要求9所述的装置,其中,所述生成单元进一步被配置成:
若所述第一计数不为0,则根据所述第一计数生成第一聚合包并清空所述第一计数;
将所述第一聚合包发送到接收端;
将所述语音包发送到接收端。
11.根据权利要求8所述的装置,其中,
所述生成单元进一步被配置成:在当前状态为静音状态时,若第二计数达到预定值,则根据所述第二计数生成第二聚合包,并清空所述第二计数,将所述第二聚合包发送到接收端;
所述计数单元进一步被配置成:若第二计数未达到预定值,则累加第二计数。
12.一种音频数据传输装置,包括:
检测单元,被配置成响应于接收到数据包,检测所述数据包的类型;
预处理单元,被配置成根据所述数据包的类型对所述数据包进行预处理后插入到缓冲器中;
读取单元,被配置成从所述缓冲器中按时间顺序读取数据包;
解码单元,被配置成根据读取出的数据包的类型对读取出的数据包进行解码。
13.根据权利要求12所述的装置,其中,所述预处理单元进一步被配置成:
如果类型是第一聚合包,则将所述数据包拆解成第一计数个噪声包插入到缓冲器中;
如果类型是第二聚合包,则将所述数据包拆解成第二计数个静音包插入到缓冲器中;
如果类型是语音包则直接插入到缓冲器中。
14.根据权利要求12所述的装置,其中,所述解码单元进一步被配置成:
若读取出的数据包为静音包,则生成全0数据包;
若读取出的数据包为噪声包,则生成舒适噪声;
若读取出的数据包为语音包,则进行音频解码。
15.一种电子设备,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1-7中任一项所述的方法。
16.一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1-7中任一项所述的方法。
17.一种计算机程序产品,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1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210104307.0A CN114448957B (zh) | 2022-01-28 | 2022-01-28 | 音频数据传输方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210104307.0A CN114448957B (zh) | 2022-01-28 | 2022-01-28 | 音频数据传输方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114448957A true CN114448957A (zh) | 2022-05-06 |
CN114448957B CN114448957B (zh) | 2024-03-29 |
Family
ID=81369152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210104307.0A Active CN114448957B (zh) | 2022-01-28 | 2022-01-28 | 音频数据传输方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114448957B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040077345A1 (en) * | 2002-08-02 | 2004-04-22 | Turner R. Brough | Methods and apparatus for network signal aggregation and bandwidth reduction |
JP2004356898A (ja) * | 2003-05-28 | 2004-12-16 | Nippon Telegr & Teleph Corp <Ntt> | 音声パケット送信装置とその方法並びに音声パケット受信装置及び音声パケット通信システム |
WO2008148321A1 (fr) * | 2007-06-05 | 2008-12-11 | Huawei Technologies Co., Ltd. | Appareil de codage et de décodage et procédé de traitement du bruit de fond et dispositif de communication utilisant cet appareil |
WO2009036704A1 (fr) * | 2007-09-17 | 2009-03-26 | Huawei Technologies Co., Ltd. | Procédé pour reprendre le drapeau d'alignement temporel, et procédé, dispositif et système de codage de source d'informations |
CN103617797A (zh) * | 2013-12-09 | 2014-03-05 | 腾讯科技(深圳)有限公司 | 一种语音处理方法,及装置 |
US20160035359A1 (en) * | 2014-07-31 | 2016-02-04 | Nuance Communications, Inc. | System and method to reduce transmission bandwidth via improved discontinuous transmission |
CN105721656A (zh) * | 2016-03-17 | 2016-06-29 | 北京小米移动软件有限公司 | 背景噪声生成方法及装置 |
CN113364508A (zh) * | 2021-04-30 | 2021-09-07 | 深圳震有科技股份有限公司 | 一种语音数据的传输控制方法、系统及设备 |
-
2022
- 2022-01-28 CN CN202210104307.0A patent/CN114448957B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040077345A1 (en) * | 2002-08-02 | 2004-04-22 | Turner R. Brough | Methods and apparatus for network signal aggregation and bandwidth reduction |
JP2004356898A (ja) * | 2003-05-28 | 2004-12-16 | Nippon Telegr & Teleph Corp <Ntt> | 音声パケット送信装置とその方法並びに音声パケット受信装置及び音声パケット通信システム |
WO2008148321A1 (fr) * | 2007-06-05 | 2008-12-11 | Huawei Technologies Co., Ltd. | Appareil de codage et de décodage et procédé de traitement du bruit de fond et dispositif de communication utilisant cet appareil |
WO2009036704A1 (fr) * | 2007-09-17 | 2009-03-26 | Huawei Technologies Co., Ltd. | Procédé pour reprendre le drapeau d'alignement temporel, et procédé, dispositif et système de codage de source d'informations |
CN103617797A (zh) * | 2013-12-09 | 2014-03-05 | 腾讯科技(深圳)有限公司 | 一种语音处理方法,及装置 |
US20160035359A1 (en) * | 2014-07-31 | 2016-02-04 | Nuance Communications, Inc. | System and method to reduce transmission bandwidth via improved discontinuous transmission |
CN105721656A (zh) * | 2016-03-17 | 2016-06-29 | 北京小米移动软件有限公司 | 背景噪声生成方法及装置 |
CN113364508A (zh) * | 2021-04-30 | 2021-09-07 | 深圳震有科技股份有限公司 | 一种语音数据的传输控制方法、系统及设备 |
Non-Patent Citations (1)
Title |
---|
孙孺石: "《GSM数字移动通信工程》", 人民邮电出版社, pages: 81 * |
Also Published As
Publication number | Publication date |
---|---|
CN114448957B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11227612B2 (en) | Audio frame loss and recovery with redundant frames | |
US10990812B2 (en) | Video tagging for video communications | |
WO2021159782A1 (zh) | 数据传输方法、装置、终端、存储介质和系统 | |
CN113490055B (zh) | 数据处理方法和装置 | |
CN111768790B (zh) | 用于传输语音数据的方法和装置 | |
CN112199174A (zh) | 消息发送的控制方法、装置、电子设备及计算机可读存储介质 | |
US9912617B2 (en) | Method and apparatus for voice communication based on voice activity detection | |
CN113766146B (zh) | 音视频处理方法、装置、电子设备及存储介质 | |
CN105897666A (zh) | 实时语音通话中的实时语音接收设备及降低延迟的方法 | |
CN114422799A (zh) | 视频文件的解码方法、装置、电子设备、程序产品 | |
CN113961289A (zh) | 一种数据处理方法、装置、设备以及存储介质 | |
CN114448957B (zh) | 音频数据传输方法和装置 | |
CN116033235B (zh) | 数据传输方法、数字人生产设备以及数字人显示设备 | |
CN104780387B (zh) | 一种视频传输方法及系统 | |
KR20140108119A (ko) | 음성 복호 장치 | |
CN110855645A (zh) | 流媒体数据播放方法、装置 | |
CN111432384A (zh) | 用于具有录音功能设备的大数据量音频蓝牙实时传输方法 | |
CN114221940B (zh) | 音频数据处理方法、系统、装置、设备以及存储介质 | |
CN104780258A (zh) | 基于加速度传感器的除噪方法、主机处理器及调度终端 | |
CN110798700B (zh) | 视频处理方法、视频处理装置、存储介质与电子设备 | |
CN114242067A (zh) | 语音识别方法、装置、设备和存储介质 | |
CN108924465B (zh) | 视频会议发言人终端的确定方法、装置、设备和存储介质 | |
CN114666776A (zh) | 数据发送方法、装置、设备和可读存储介质 | |
CN115312042A (zh) | 用于处理音频的方法、装置、设备以及存储介质 | |
CN108259393B (zh) | 一种流数据处理中乱序纠正方法及系统 |
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 |