CN116055638A - 视频彩铃交互方法、服务器以及存储介质 - Google Patents

Abstract

本申请公开了一种视频彩铃交互方法、服务器以及存储介质，属于彩铃技术领域。视频彩铃方法包括：获取虚拟形象；将虚拟形象和虚拟场景，合成视频彩铃；将视频彩铃发送至展示终端，以使展示终端展示视频彩铃。本申请可以利用虚拟形象合成视频彩铃，从而提高视频彩铃内容在用户侧的趣味性和吸引力。

Description

视频彩铃交互方法、服务器以及存储介质

技术领域

本申请涉及彩铃技术领域，尤其涉及一种视频彩铃交互方法、服务器以及存储介质。

背景技术

相关技术中，视频彩铃的播放主要通过主叫终端拨打被叫终端，视频彩铃服务器和主叫用户完成视频协商，给主叫用户播放被叫订购的视频彩铃内容。

但是，上述视频彩铃内容均为提前定制得到，而不能实时生成。

申请内容

本申请的主要目的在于提供一种视频彩铃交互方法、服务器以及存储介质，旨在解决视频彩铃内容不能实时生成的技术问题。

为实现上述目的，本申请提供一种视频彩铃交互方法，方法包括：

获取虚拟形象；

将虚拟形象和虚拟场景，合成视频彩铃；

将视频彩铃发送至展示终端，以使展示终端展示视频彩铃。

在本申请可能的一实施例中，方法还包括：

监测针对虚拟形象的控制指令；

根据控制指令调整视频彩铃。

在本申请可能的一实施例中，根据控制指令调整视频彩铃，包括：

计算控制指令的相关度，相关度为属性相关度和/或终端相关度；

根据相关度计算可信度；

若可信度大于预设可信阈值，则根据控制指令调整视频彩铃。

在本申请可能的一实施例中，相关度包括属性相关度；

计算控制指令的相关度，包括：

确定虚拟形象的当前属性和基于控制指令调整后的属性；

根据当前属性和调整后的属性，计算控制指令的属性相关度。

在本申请可能的一实施例中，相关度包括终端相关度；

计算控制指令的相关度，包括：

获取展示终端和通话对端之间的历史交互数据，历史交互数据包括通信交互数据和个性定制数据；展示终端为主叫终端，通话对端为被叫终端，或者，展示终端为被叫终端，通话对端为主叫终端；

根据历史交互数据获得展示终端和通话对端之间的关联指标，关联指标包括如下一种或多种：通话密度、空间相关度和情感度；通话密度基于通信交互数据获得，空间相关度基于通信交互数据获得，情感度基于个性定制数据获得；

基于关联指标，计算控制指令的终端相关度。

在本申请可能的一实施例中，根据控制指令调整视频彩铃，包括：

根据控制指令调整视频彩铃中的虚拟形象；

和/或，

根据控制指令确定非形象元素调整规则，基于非形象元素调整规则调整视频彩铃中的非形象元素。

在本申请可能的一实施例中，将虚拟形象和虚拟场景，合成视频彩铃之前，方法还包括：

获取环境图像；

基于环境图像，生成虚拟场景。

在本申请可能的一实施例中，将视频彩铃发送至展示终端之后，方法还包括：

根据视频彩铃，生成互动视频数据；

将互动视频数据发送至通话终端。

第二方面，本申请还提供了一种服务器，包括：处理器，存储器以及存储在存储器中的计算机程序，计算机程序被处理器运行时实现如上视频彩铃交互方法的步骤。

第三方面，本申请还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上视频彩铃交互方法。

本申请实施例提出的一种视频彩铃交互方法，方法包括：获取虚拟形象；将虚拟形象和虚拟场景，合成视频彩铃；将视频彩铃发送至展示终端，以使展示终端展示视频彩铃。

由此可见，本申请可以利用虚拟形象合成视频彩铃，相较于现有的视频彩铃内容均为提前定制，本申请可以提高视频彩铃内容在用户侧的趣味性和吸引力。

附图说明

图1为本申请实施例方案涉及的硬件运行环境的服务器的结构示意图；

图2为本申请视频彩铃交互方法一实施例的流程示意图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

视频彩铃的播放主要通过主叫终端拨打被叫终端，视频彩铃服务器和主叫用户完成视频协商，给主叫用户播放被叫订购的视频彩铃内容。但是由于相关技术中，视频彩铃内容一般为提前录制或者截取的视频片段。

为此，本申请提供了一种解决方案，可以利用虚拟形象合成视频彩铃，相较于现有的视频彩铃内容均为提前定制，本申请可以提高视频彩铃内容在用户侧的趣味性和吸引力。

下面结合一些具体实施例进一步阐述本申请的发明构思。

以下对本申请涉及到的术语进行解释：

虚拟形象：可以是二维虚拟形象，还可以是采用三维显示技术创建出的三维虚拟形象，如Avatar(化身)等。且虚拟形象可以为人形形象、动物形象或者其他的自定义形象。其中，人形形象可以是通过3D重建得到与人相似度较高的写实3D虚拟形象。具体的，写实3D虚拟形象可以是根据虚拟形象提供者(如用户)的真人形象进行三维建模后得到的元宇宙虚拟形象。

参照图1，图1为本申请实施例方案涉及的硬件运行环境的服务器的结构示意图。

如图1所示，该服务器可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及计算机程序。

在图1所示的服务器中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本申请服务器中的处理器1001、存储器1005可以设置在服务器中，服务器通过处理器1001调用存储器1005中存储的计算机程序，并执行本申请实施例提供的视频彩铃交互方法。

基于上述硬件结构但不限于上述硬件结构，本申请提供一种视频彩铃交互方法实施例。参照图2，图2示出了申请视频彩铃交互方法实施例的流程示意图。

需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例中，视频彩铃交互方法包括：

步骤S100、获取虚拟形象。

步骤S200、将虚拟形象和虚拟场景，合成视频彩铃。

步骤S300、将视频彩铃发送至展示终端，以使展示终端展示视频彩铃。

本实施例中，视频彩铃交互方法的执行主体可以为服务器。该服务器可以通过多种类型的通信网络和展示终端连接。服务器可以为业务服务器、视频彩铃服务器或者其他具有视频彩铃合成功能的服务器，下文以服务器为视频彩铃服务器为例进行说明。

需要说明的是，在本实施例中，视频彩铃交互方法的应用场景包括但不限于视频彩铃定制场景或者呼叫场景。

在一示例中，以视频彩铃定制场景为例进行具体说明。

本示例中，虚拟形象可以由虚拟形象提供者(如用户)提前在相关服务器(如视频彩铃服务器，或者，元宇宙、虚拟空间等提供虚拟形象业务的服务器)上设置。虚拟形象还可以由虚拟形象提供者(如用户)通过终端上传至相关服务器(如视频彩铃服务器，或者，元宇宙、虚拟空间等提供虚拟形象业务的服务器)。如，提供虚拟形象业务的服务器可提供虚拟形象建模服务(如提供一“捏脸”系统，或者提供一写实3D建模系统)，从而用户可通过虚拟形象建模服务生成一虚拟形象，并将虚拟形象保存在相关服务器。

当用户想要进行定制视频彩铃时，可通过服务热线、通信服务商的公众号、小程序、用户端应用程序APP或者网上营业厅等渠道提供的视频彩铃定制服务进行视频彩铃定制，以使得视频彩铃服务器执行步骤S100获取到虚拟形象。值得一提的是，视频彩铃服务器获取到的虚拟形象不仅可以是用户自身提供的虚拟形象，而且可以是通过购买等手段合法获取的其他用户提供的虚拟形象。

其中，视频彩铃服务器执行步骤S100获取虚拟形象时，可以是从自身数据库中，或者从展示终端中，或者从第三方获取到虚拟形象。

对于从自身数据库中获取虚拟形象，虚拟形象可以由虚拟形象提供者(如用户)提前上传至视频彩铃服务器，从而视频彩铃服务器执行步骤S100时，可直接从自身数据库中读取虚拟形象。

对于从展示终端中获取虚拟形象，用户可以将虚拟形象保存在展示终端中，从而用户通过展示终端使用服务热线、通信服务商的公众号、小程序、用户端应用程序APP或者网上营业厅等渠道提供的视频彩铃定制服务时，可授权视频彩铃定制服务器读取展示终端的数据库，以获取到虚拟形象。或者，用户在进行定制视频彩铃时，还可以调用展示终端的拍摄组件，从而拍摄得到用户的真人头像或者目标对象的图像等素材，然后基于前述的素材实时生成一虚拟形象，视频彩铃服务器在执行步骤S100时获取展示终端中实时生成的虚拟形象。可以理解的，虚拟形象可以是在本地实时生成，还可以展示终端通过网络等将前述的素材发送至云端实时生成虚拟形象后，云端再将虚拟形象发送至展示终端。

对于从第三方中获取虚拟形象，可以是视频彩铃服务器在执行步骤S100时，与第三方建立通信连接，获取其存储的虚拟形象。其中，第三方包括但不限于元宇宙、虚拟空间等提供虚拟形象业务的提供方。如第三方可以是元宇宙，从而视频彩铃服务器在执行步骤S100时，会获取用户在元宇宙中的元宇宙虚拟形象。具体而言，对于通信服务商的任一用户而言，其可以在通信服务商提供的元宇宙中创建属于自己的元宇宙虚拟形象。如用户A可通过智能终端录制自身前后左右的形象图像或自拍视频，并将形象图像或自拍视频上传到元宇宙，元宇宙根据多视图立体法或神经辐射场NeRF技术重建出用户A的三维虚拟形象，元宇宙将该元宇宙虚拟形象保存。视频彩铃服务器执行步骤S100时，可以生成元宇宙虚拟形象获取请求，并将元宇宙虚拟形象获取请求发送至元宇宙(如元宇宙服务器)，以使元宇宙将存储的元宇宙虚拟形象返回至视频彩铃服务器。或者，视频彩铃服务器在执行步骤S100时，直接调用视频彩铃服务器和元宇宙之间预置的元宇宙虚拟形象获取预设接口，从而从元宇宙中获取元宇宙虚拟形象。

此外，元宇宙、虚拟空间等提供虚拟形象业务的提供方还可将虚拟形象保存在区块链中，如此，视频彩铃服务器在执行步骤S100时，通过与元宇宙、虚拟空间等提供虚拟形象业务的提供方建立通信连接，获取链上地址，再通过链上地址与区块链进行通信将虚拟形象同步至视频彩铃服务器，保证其形象唯一性。

视频彩铃服务器在获取到用户的虚拟形象后，执行步骤S200将获取到的虚拟形象添加至一虚拟场景中，合成视频彩铃，该合成的视频彩铃即该用户定制的视频彩铃。然后执行步骤S300将用户定制的视频彩铃发送至展示终端，以使展示终端展示该视频彩铃。

展示终端展示该视频彩铃给用户，若用户对视频彩铃不满意，则用户可重新执行上述步骤，如更换新的虚拟形象等。若用户对视频彩铃满意，则可以点击视频彩铃平台提供的确认控件，从而得到用户定制的视频彩铃。可以理解的，在得到用户定制的视频彩铃后，在用户后续的呼叫(如该用户作为主叫呼叫被叫，或者该用户作为被叫被主叫呼叫)过程中，可以使用该具有虚拟形象的视频彩铃。

由此，相较于现有的视频彩铃内容均为提前录制或者截取的视频片段，本示例利用虚拟形象合成视频彩铃，可以提高视频彩铃内容在用户侧的趣味性和吸引力。

在另一示例中，以呼叫场景为例进行具体说明。

在呼叫场景中，若检测到主叫终端对被叫终端的呼叫请求，则执行步骤S100获取虚拟形象。此处的虚拟形象可以为主叫终端的第一虚拟形象和/或被叫终端的第二虚拟形象。随后，执行步骤S200将虚拟形象和虚拟场景，合成视频彩铃，也即将第一虚拟形象和/或第二虚拟形象添加至虚拟场景中，合成得到视频彩铃。最后，执行步骤S300将视频彩铃发送至展示终端，其中，展示终端为呼叫双方的至少一方的终端，即主叫终端和/或被叫终端，因此，在执行步骤S300时，会将视频彩铃发送至主叫终端和/或被叫终端，以使展示终端(即接收到该视频彩铃的终端，如主叫终端和/或被叫终端)展示视频彩铃。

值得一提的是，主叫终端的虚拟形象(如第一虚拟形象)为主叫用户在视频彩铃服务器中提前配置的虚拟形象，不仅可以是自身提供的虚拟形象，而且可以是通过购买等手段合法获取的其他用户提供的虚拟形象。也即在该场景中，主叫终端的用户，即主叫用户作为虚拟形象提供者向视频彩铃服务器提供了一新的虚拟形象，并使用该新的虚拟形象，以得到主叫终端的虚拟形象(如第一虚拟形象)。也即是主叫用户同时作为虚拟形象提供者和虚拟形象使用者。

或者，还可以是其他用户作为虚拟形象提供者在视频彩铃服务器中生成一虚拟形象，并将该虚拟形象通过出售或者许可等方式授予主叫用户使用。然后主叫用户将该其他人提供的虚拟形象设置为本人在视频彩铃中的虚拟形象，从而也得到主叫终端的虚拟形象(如第一虚拟形象)。此时，主叫用户并非是虚拟形象提供者，而仅仅是虚拟形象使用者。

同理，被叫终端的虚拟形象(如第二虚拟形象)也可以是自身提供的虚拟形象，或者还可以是通过购买等手段合法获取的其他用户提供的虚拟形象，在此不再赘述。

在该使用场景中，视频彩铃服务器接收到主叫终端对被叫终端的呼叫请求时，视频彩铃服务器获取到主叫终端的第一虚拟形象和被叫终端的第二虚拟形象中的至少一者。可以理解的，视频彩铃服务器可以仅仅获取到主叫终端的第一虚拟形象，还可以仅仅获取被叫终端的第二虚拟形象，或者还可以同时获取第一虚拟形象和第二虚拟形象。

在获得第一虚拟形象和第二虚拟形象中的至少一者后，即将获取到的虚拟形象添加至虚拟场景中，合成视频彩铃。然后，视频彩铃服务器将视频彩铃分别发送至主叫终端和被叫终端中的至少一者，以使得主叫终端和被叫终端中的至少一者展示该具有虚拟形象的视频彩铃。

需要说明的是，在执行步骤S200将虚拟形象和虚拟场景，合成视频彩铃时，由于获取的虚拟形象可以有一个或者多个，如第一虚拟形象和第二虚拟形象终端的至少一者，因此合成得到视频彩铃也可以包括多种情况，进而执行步骤S300时发送视频彩铃至展示终端也可以包括多种情况。

如当执行步骤S100获取到的虚拟形象为第一虚拟形象，执行步骤S200时，会根据第一虚拟形象和虚拟场景生成一个视频彩铃，然后在执行步骤S300时，将视频彩铃发送至主叫终端和/或被叫终端。

如当执行步骤S100获取到的虚拟形象为第二虚拟形象，执行步骤S200时，会根据第二虚拟形象和虚拟场景生成一个视频彩铃，然后在执行步骤S300将视频彩铃发送至主叫终端和/或被叫终端。

如当执行步骤S100获取到的虚拟形象为第一虚拟形象和第二虚拟形象，执行步骤S200时，会根据第一虚拟形象、第二虚拟形象和虚拟场景生成一个视频彩铃，并将视频彩铃发送至主叫终端和/或被叫终端。

如当执行步骤S100获取到的虚拟形象为第一虚拟形象和第二虚拟形象，执行步骤S200时，会仅根据第一虚拟形象和虚拟场景生成第一视频彩铃，然后将第一视频彩铃发送至主叫终端和/或被叫终端。

如当执行步骤S100获取到的虚拟形象为第一虚拟形象和第二虚拟形象，执行步骤S200时，仅根据第二虚拟形象和虚拟场景生成第二视频彩铃，然后将第二视频彩铃发送至主叫终端和/或被叫终端。

如当执行步骤S100获取到的虚拟形象为第一虚拟形象和第二虚拟形象，执行步骤S200时，可根据第一虚拟形象和虚拟场景生成第一视频彩铃，并根据第二虚拟形象和虚拟场景生成第二视频彩铃，然后在执行步骤S300时，将第一视频彩铃发送至主叫终端和被叫终端中的任一者，并将第二视频彩铃发送至主叫终端和被叫终端中的另一者。值得一提的是，第一视频彩铃的虚拟场景和第二视频彩铃的虚拟场景可以相同，也可以不同，本实施例对此并不限制。

通过视频彩铃中的第一虚拟形象为主叫用户在元宇宙的元宇宙虚拟形象，和/或，视频彩铃中的被叫终端的第二虚拟形象为被叫用户在元宇宙的元宇宙虚拟形象，丰富元宇宙虚拟形象的使用场景。

由此，较于现有的视频彩铃内容均为提前定制，本示例利用虚拟形象合成视频彩铃，可以提高视频彩铃内容在用户侧的趣味性和吸引力。且视频彩铃可以在呼叫时根据主叫终端和/或被叫终端的虚拟形象实时生成，还可以提高视频彩铃内容的多样性，避免视频彩铃内容单一，进而也可以提高视频彩铃内容在用户侧的趣味性和吸引力。

另外，在将视频彩铃发送至展示终端之后，还可以监测针对虚拟形象的控制指令，根据控制指令调整视频彩铃。调整后的视频彩铃作为发送至展示终端的当前视频彩铃，进而对视频彩铃进行实时调整。

其中，调整视频彩铃包括但不限于调整视频彩铃中的虚拟形象，和/或调整视频彩铃中非形象元素。

在一示例中，以视频彩铃定制场景为例进行具体说明。

用户获取到视频彩铃之后，用户可以对视频彩铃进行DIY(Do It Yourself)。具体的，当用户通过展示终端观看定制得到的视频彩铃时，若用户想对虚拟形象的姿态或者外形装饰等属性进行调整，可通过展示终端输入相应的控制指令，从而使得视频彩铃服务器根据控制指令调整视频彩铃中的虚拟形象的属性。或者，当用户通过展示终端观看定制得到的视频彩铃时，若用户想对视频彩铃中虚拟场景的组成元素进行调整，也可通过展示终端输入相应的控制指令，从而使得视频彩铃服务器根据控制指令调整视频彩铃中的虚拟场景的属性。可以理解的，在调整完成后，展示终端将该调整后的视频彩铃上传至视频彩铃服务器，视频彩铃服务器保存该调整后的视频彩铃，并在用户后续的呼叫(如该用户作为主叫呼叫被叫，或者该用户作为被叫被主叫呼叫)过程中，将使用该具有虚拟形象的视频彩铃。

在另一示例中，以呼叫场景为例进行具体说明。

在主叫终端和/或被叫终端播放视频彩铃的过程中，用户可以对虚拟形象的具体展现姿态或者外形装饰等属性进行调整，使得视频彩铃中的两个虚拟形象可以产生更加生动的互动。

其中，本实施例中，当视频彩铃中同时包括主叫终端的第一虚拟形象和被叫终端的第二虚拟形象时，主叫终端和被叫终端具体是对第一虚拟形象和第二虚拟形象中的哪一个虚拟形象进行控制并不限制。当然，视频彩铃服务器可以提前配置虚拟形象控制规则，如虚拟形象控制规则可以是主叫终端对第一虚拟形象进行控制，而被叫终端对第二虚拟形象进行控制。如此，视频彩铃服务器可以基于主叫终端的控制指令对第一虚拟形象在虚拟场景中的姿态等属性进行实时调整，或者基于被叫终端的控制指令对第二虚拟形象在虚拟场景中的姿态等属性进行实时调整，以实时更新视频彩铃，从而将主被叫用户的交互操作实时展示给对方。

可以理解的，主叫终端仅仅对自身的第一虚拟形象进行控制，从而可以将主叫用户自身想要对被叫用户表达的交互意图通过第一虚拟形象呈现给被叫用户。如用户A想要抱抱用户B，则可以通过控制自身的第一虚拟形象执行抱抱的动作，从而将其真情实感传达给用户。此时，用户B可以在看到视频彩铃中第一虚拟形象展示的抱抱动作后，也通过相应的控制指令控制第二虚拟形象作出同样的抱抱动作。可见，本实施例中，用户对自身的虚拟形象进行控制，可以更加准确的传递自身的交互意图，从而提高通话用户之间的互动体验和情感交流。

当然，虚拟形象控制规则还可以是被叫终端可以对第一虚拟形象进行控制，主叫终端对第二虚拟形象进行控制。此时，用户之间的交互更有趣味性，从而也可以提高用户之间的交互体验。

具体的，作为本实施例的一种选择，根据控制指令调整视频彩铃具体可以是：根据控制指令调整视频彩铃中的虚拟形象。

此时，具体可通过以下几种方式对相应的虚拟形象做不同动作操控：

方式一：在虚拟形象身上预埋一些动作指令触发点，用户通过触碰虚拟形象的触发点并拖动来对虚拟形象进行控制操作。

进一步以主叫终端为例进行阐述：

(1)在检测到用户针对第一虚拟形象中目标预埋触发控件的触发操作时，记录目标预埋触发控件的轨迹信息。

(2)基于目标预埋触发控件和轨迹信息，确定待调整的部位模型以及待调整的部位模型的姿态调整数据。

(3)基于待调整的部位模型以及姿态调整数据，生成控制指令。

方式二：通过用户的实时手势指令或音频指令来对虚拟形象进行控制操作。

例如，终端A通过摄像头采集用户A的实时手势，或通过拾音器采集音频数据，在本地利用训练好的手势识别算法或者语音识别技术对上述数据进行识别分析，转化为对虚拟形象的对应指令。

方式三：按键操作，通过预设值的按键值输入对应的控制指令。

例如，用户A预先进行动作指令序列的录制，并与指定按键进行绑定，并将绑定结果上传至视频彩铃服务器。从而用户A触发相应的按键，此时终端获取到相应的控制指令。

可以理解的，在视频彩铃定制场景或者呼叫场景中，当用户输入的控制指令为连续的多个指令时，其构成一指令序列，此时视频彩铃将各个控制指令对应的静态操作结合成连续的动态操作。

由此可见，本实施例中，在接收到用户针对虚拟形象的控制指令时，对视频彩铃内容进行调整，以得到用户更加满意的视频彩铃。且在通话呼叫场景中，根据真实用户的互动操作，将互动操作通过视频彩铃中的虚拟形象实时传递给另一用户，从而提高了两个用户之间的互动性，并提高了互动体验。

作为本实施例的另一种选择，根据控制指令调整视频彩铃可以是：根据控制指令确定非形象元素调整规则，基于非形象元素调整规则调整视频彩铃中的非形象元素。

具体的，非形象元素为视频彩铃中除虚拟形象之外的元素，如可以为视频彩铃中虚拟场景的场景元素，或者还可以是视频彩铃中的彩蛋元素。

以非形象元素为虚拟场景中的场景元素为例，非形象元素调整规则可以是根据用户的操作执行新增、转换或者去除场景元素等。

如可在虚拟场景的非虚拟形象区域内预埋一些指令触发点，用户通过触发触发点来对场景元素进行调整操作。调整操作可以是新增、转换或者去除场景元素等。或者，还可通过用户的实时手势指令或音频指令来对场景元素进行控制操作。例如，终端A通过摄像头采集用户A的实时手势，或通过拾音器采集音频数据，在本地利用训练好的手势识别算法或者语音识别技术对上述数据进行识别分析，转化为对场景元素的对应指令。

以非形象元素为视频彩铃中的彩蛋元素为例，此时非形象元素调整规则为预设彩蛋规则。相应的预设彩蛋规则可以是视频彩铃服务器提前配置的指令序列和彩蛋元素之间的映射关系。用户在输入一个控制指令，或者接收到多个控制指令后，根据接收到的时间戳形成一指令序列，视频彩铃服务器按照指令序列和彩蛋元素之间的映射关系对指令序列进行匹配，若指令序列和彩蛋元素之间的映射关系包括该指令序列，则触发对应的彩蛋元素，从而进行彩蛋元素的展示。

值得一提的是，基于预设彩蛋规则对视频彩铃进行更新可以是由视频彩铃服务器在视频彩铃播放界面上，为主叫用户和/或被叫用户嵌入新窗口，为用户展示新的视频彩铃。该新的视频彩铃可以是系统推荐的内容、用户感兴趣的信息或者主被叫通话相关数据等。或者，还可以是对虚拟形象的特殊动作或者场景的展示更新等等。

可见，本示例中提供的视频彩铃具有彩蛋等更多的展示交互功能，从而可以提供更加丰富的使用体验。

另外，在执行根据控制指令调整视频彩铃时，可以计算控制指令的相关度，根据相关度计算可信度。若可信度大于预设可信阈值，则根据控制指令调整视频彩铃。

可以理解的，在用户输入控制指令时，有可能由于误操作，导致虚拟形象传达了错误的交互意图。如在通话呼叫场景中，用户A和用户B为商业客户关系，但是由于错误的操作，导致用户A输入的控制指令为亲脸操作。此时，若视频彩铃中虚拟形象最终展示该亲脸操作，则必然会导致两者之间的交流产生不必要的障碍。为此，本申请提供了一种解决方案，以规避前述的误操作。

其中，相关度为属性相关度和/或终端相关度。

在一示例中，以相关度为终端相关度为例进行解释说明。终端相关度信息用于表示主叫用户和被叫用户之间的相关度，以判断两者之间的具体社交程度。

此时，在执行计算控制指令时，可以获取展示终端和通话对端之间的历史交互数据，根据历史交互数据获得展示终端和通话对端之间的关联指标。然后基于关联指标，从而计算得到控制指令的终端相关度。

关联指标包括如下一种或多种：通话密度、空间相关度和情感度；通话密度基于通信交互数据获得，空间相关度基于通信交互数据获得，情感度基于个性定制数据获得。

其中，历史交互数据包括但不限于通信交互数据和个性定制数据。通信交互数据可以是展示终端和通话对端之间的平均通话时长、通话频率等。可以理解的，展示终端为主叫终端时，通话对端为被叫终端，或者，展示终端为被叫终端时，通话对端为主叫终端。

终端相关度受到关联指标影响，而关联指标包括如下一种或多种：通话密度、空间相关度和情感度。

具体的，通话密度基于通信交互数据获得。如可以根据公式一计算得到通话密度。

公式一为：

其中，ρ_tele为通话密度，N为主叫用户和被叫用户之间预设时间内的总通话次数，t_i为主叫用户和被叫用户之间第i次通话的时长，M表示主叫用户该时间段内的总通话时长。

空间相关度也基于通信交互数据获得，如可根据主叫用户和被叫用户的属地或者实时通话位置和公式二计算用户的空间相关度：

公式二为：ρ_zone＝[log₁₀(1+|d₁-d₂|)]^-1；

其中，ρ_zone为空间相关度，d₁为主叫用户的地理坐标信息，d₂为被叫用户的地理坐标信息。

情感度基于个性定制数据获得，其中个性化定制数据可以是基于视频彩铃等数据：如用户A为用户B特别配置了视频彩铃等诸如此类用户的大数据，以得到主叫用户和被叫用户之间的情感度ρ_tone。当然，情感度还可以由用户自己提前配置。

为了使得获得的终端相关度更加真实地反应通话用户之间的关系，可从更多的维度来考虑，如可综合考虑上述3种关联指令，如终端相关度信息ρ_user可通过公式三计算得到：

公式三为：ρ_user＝α₁ρ_tele+α₂ρ_zone+α₃ρ_tone；

其中，α₁、α₂和α₃为相应的系数，均可提前配置。

在另一示例中，以相关度为属性相关度为例进行解释说明。

可以理解的，在视频彩铃定制场景或者呼叫场景中，当用户的输入的控制指令为连续的多个指令时，多个指令均由用户在一段时间内输入，从而多个指令指向的虚拟形象属性具有内在的逻辑联系。如此可以根据该内在的逻辑联系，得到控制指令的属性相关度。

此时，在执行计算控制指令时，可以确定虚拟形象的当前属性和基于控制指令调整后的属性。根据当前属性和调整后的属性，从而计算得到控制指令的属性相关度。

其中，虚拟形象的属性可以是虚拟形象的瞬间姿态或者装饰等。由此，当前属性可以是虚拟形象的初始属性(如初始姿态，或者固有姿态，或者初始装饰，或者固有装饰)，也可以是虚拟形象根据上一控制指令进行调整得到的属性(如根据上一控制指令进行调整得到的姿态，或者根据上一控制指令进行调整得到的装饰)。如在控制指令的调整下，虚拟形象的瞬间姿态不断发生变化，或者虚拟形象的装饰发生改变。

下文以属性为虚拟形象的瞬间姿态发生变化，且当前属性为根据上一控制指令进行调整得到的属性为例进行具体阐述。其中，虚拟现象在一预设时长内连续呈现的多个姿态可视为一个动作。该预设时长可由通行服务商提前配置得到，如可以是2S或者3S等。

将虚拟形象的当前动作视为U，而基于控制指令调整后的动作视为V。则主被叫之间的亲密程度为L_U，那么，亲密程度越接近，关联程度越高；动作历史的联系次数越多，关联程度越高。因此，可以基于公式四计算得到属性相关度：

公式四：

其中，ρ_action为属性相关度，F_U,V为在一段时间内动作U之后是衔接动作V的次数，F_U为这段时间内发送动作U的次数。其中，β₁和β₂为权重系数，均可提前配置。

由于终端相关度信息和属性相关度成正比关系：γ_U＝L_U∝ρ_user；

简单来说，当终端相关度信息ρ_user越紧密，且动作U的亲密度L_U越高时，γ_U越大；或者当用户关系ρ_user越疏远，且动作U的亲密度L_U越低时，γ_U越大；反之，其他情况，γ_U较小。因此在已知L_U并且通过计算得到终端相关度信息ρ_user之后，即可通过公式五计算下一个关联动作为V的概率：

公式五为：Pr(V|L_U,ρ_user)＝ρ_actionγ_U；

其中Pr(V|L_U,ρ_user)为概率，也即是控制指令的可信度。

本实施例中，可以给定一个阈值，即预设可信阈值，可信度超过这个阈值即认为该控制指令是可信的，反之则认为用户误操作，不执行该控制指令。

由此可见，本实施例提供了一种对控制指令中相邻指令的可信度算法，以识别出用户的误操作，从而更加准确地识别用户的真实交互意图，提高用户的使用体验。

可以理解的，虚拟场景可以是预设场景，如舞台场景、公园场景或者草坪场景等。或者，在将虚拟形象和虚拟场景，合成视频彩铃之前，还可以获取环境图像。基于环境图像，从而生成虚拟场景。

具体而言，虚拟场景还可以是根据用户上传的图像或者视频等生成得到。如在主叫用户终端发起呼叫请求时，主叫终端可展示一环境素材上传控件。用户触发该环境素材上传空间时，即可打开主叫终端的本地相册或者云端相册，从而基于用户的选择，上传环境图像。视频彩铃服务器接收到环境图像后，即可生成相应的虚拟场景。如在一示例中，用户A和自己的妻子打电话时，此时可以上传自己家庭的至少一张客厅图片，从而使得视频彩铃服务器可以基于客厅图片生成客厅场景。

或者，在另一示例中，环境图像还可以是展示终端或者通话终端的当前环境图像。

具体的，在展示终端发起或者接收到呼叫请求时，展示终端可展示一环境拍摄控件。用户触发该环境拍摄控件，即可触发展示终端打开摄像头，从而用户可通过摄像头拍摄当前环境图像。其中，当前环境图像包括至少一张。或者，当前环境图像还可以是多张图像帧构成的视频文件。

展示终端将该当前环境图像上传至视频彩铃服务器，从而使得视频彩铃服务器基于当前环境图像，生成虚拟场景。并执行步骤S200，将之前获取的虚拟形象添加至虚拟场景中，合成得到视频彩铃。

如在一示例中，用户A此时位于一风景名胜区，其想将此时的环境分享给用户B，则可以通过手机等终端的摄像头采集用户周围环境上传至视频彩铃服务器，视频彩铃服务器对用户上传的周围环境数据进行识别，生成对应的风景名胜虚拟场景，并将用户A的元宇宙元宇宙虚拟形象和用户B的元宇宙元宇宙虚拟形象均添加至该风景名胜虚拟场景中，从而合成得到视频彩铃。

值得一提的是，在虚拟场景中，第一虚拟形象和第二虚拟形象在虚拟场景之间的距离可以根据预设交互距离确定。如人与人之间的最佳社交距离为1m左右，则第一虚拟形象和第二虚拟形象在虚拟场景之间的距离可根据虚拟现象的实际尺寸缩放比例适应性的缩放得到。

由此，本实施例中，视频彩铃中的是虚拟场景根据用户提供的环境图像生成，可以在视频彩铃提供的虚拟空间中提供更多的个性展示功能，并为主被叫用户之间提供更丰富的虚拟场景选择，从而增加在虚拟空间中交互的趣味性。

另外，在将视频彩铃发送至展示终端之后，还可以根据视频彩铃，生成互动视频数据。将互动视频数据发送至通话终端。

如在一示例中，视频彩铃服务器可以保存主叫终端和被叫终端的全部控制指令，从而在通话开始后，按照各个控制指令的时间顺序生成形象互动回放视频，即互动视频数据。在通话开始后，视频彩铃服务器可发送至主叫终端或者被叫终端，或者同时发送至主叫终端和被叫终端。接收到视频数据的主叫用户和/或被叫用户可选择进行播放或保存删除。

或者，视频彩铃服务器可以在展示视频彩铃的过程中实时保存视频彩铃，从而在视频彩铃播放结束后，得到互动视频数据，然后将互动视频数据发送至主叫终端或者被叫终端，或者同时发送至主叫终端和被叫终端。

可见，本实施例中还为视频彩铃提供了一视频制作功能，可以为视频彩铃提供更加丰富的使用体验。

基于同一发明构思，本申请还提供了一种视频彩铃交互装置实施例，配置于服务器，视频彩铃交互装置包括：

形象获取模块，用于获取虚拟形象；

彩铃合成模块，用于将虚拟形象和虚拟场景，合成视频彩铃；

彩铃发送模块，用于将视频彩铃发送至展示终端，以使展示终端展示视频彩铃。

在本申请可能的一实施例中，视频彩铃交互装置还包括：

指令监测模块，用于监测针对虚拟形象的控制指令；

彩铃调整模块，用于根据控制指令调整视频彩铃。

在本申请可能的一实施例中，彩铃调整模块，包括：

相关度计算单元，用于计算控制指令的相关度，相关度为属性相关度和/或终端相关度；

可信度计算单元，用于根据相关度计算可信度；

彩铃调整单元，用于若可信度大于预设可信阈值，则根据控制指令调整视频彩铃。

在本申请可能的一实施例中，相关度包括属性相关度；

相关度计算单元，具体包括：

属性确定子单元，用于确定虚拟形象的当前属性和基于控制指令调整后的属性；

相关度计算子单元，用于根据当前属性和调整后的属性，计算控制指令的属性相关度。

在本申请可能的一实施例中，相关度包括终端相关度；

相关度计算单元，具体包括：

数据获取子单元，用于获取展示终端和通话对端之间的历史交互数据，历史交互数据包括通信交互数据和个性定制数据；展示终端为主叫终端，通话对端为被叫终端，或者，展示终端为被叫终端，通话对端为主叫终端；

指标确定单元，用于根据历史交互数据获得展示终端和通话对端之间的关联指标，关联指标包括如下一种或多种：通话密度、空间相关度和情感度；通话密度基于通信交互数据获得，空间相关度基于通信交互数据获得，情感度基于个性定制数据获得；

计算子单元，用于基于关联指标，计算控制指令的终端相关度。

在本申请可能的一实施例中，彩铃调整模块，具体包括：

虚拟相向调整模块，用于根据控制指令调整视频彩铃中的虚拟形象；和/或，

非虚拟形象调整模块，用于根据控制指令确定非形象元素调整规则，基于非形象元素调整规则调整视频彩铃中的非形象元素。

在本申请可能的一实施例中，装置还包括：

环境图像获取模块，用于获取环境图像；

场景生成模块，用于基于环境图像，生成虚拟场景。

在本申请可能的一实施例中，装置还包括：

视频生成模块，用于根据视频彩铃，生成互动视频数据；

视频发送模块，用于将互动视频数据发送至通话终端。

需要说明的是，上述各个装置实施例中关于视频彩铃交互装置的实施方式以及其达到的技术效果可参照前述实施例中视频彩铃交互方法的各种实施方式，这里不再赘述。

此外，本申请实施例还提出一种计算机存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上文的视频彩铃交互方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。确定为示例，程序指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本申请提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种视频彩铃交互方法，其特征在于，所述方法包括：

获取虚拟形象；

将所述虚拟形象和虚拟场景，合成视频彩铃；

将所述视频彩铃发送至展示终端，以使所述展示终端展示所述视频彩铃。

2.根据权利要求1所述的视频彩铃交互方法，其特征在于，所述方法还包括：

监测针对所述虚拟形象的控制指令；

根据所述控制指令调整所述视频彩铃。

3.根据权利要求2所述的视频彩铃交互方法，其特征在于，所述根据所述控制指令调整所述视频彩铃，包括：

计算所述控制指令的相关度，所述相关度为属性相关度和/或终端相关度；

根据所述相关度计算可信度；

若所述可信度大于预设可信阈值，则根据所述控制指令调整所述视频彩铃。

4.根据权利要求3所述的视频彩铃交互方法，其特征在于，所述相关度包括属性相关度；

所述计算所述控制指令的相关度，包括：

确定所述虚拟形象的当前属性和基于所述控制指令调整后的属性；

根据当前属性和调整后的属性，计算所述控制指令的属性相关度。

5.根据权利要求3所述的视频彩铃交互方法，其特征在于，所述相关度包括终端相关度；

所述计算所述控制指令的相关度，包括：

获取所述展示终端和通话对端之间的历史交互数据，所述历史交互数据包括通信交互数据和个性定制数据；所述展示终端为主叫终端，所述通话对端为被叫终端，或者，所述展示终端为被叫终端，所述通话对端为主叫终端；

根据所述历史交互数据获得所述展示终端和通话对端之间的关联指标，所述关联指标包括如下一种或多种：通话密度、空间相关度和情感度；所述通话密度基于所述通信交互数据获得，所述空间相关度基于所述通信交互数据获得，所述情感度基于所述个性定制数据获得；

基于所述关联指标，计算所述控制指令的终端相关度。

6.根据权利要求2所述的视频彩铃交互方法，其特征在于，所述根据所述控制指令调整所述视频彩铃，包括：

根据所述控制指令调整所述视频彩铃中的所述虚拟形象；

和/或，

根据所述控制指令确定非形象元素调整规则，基于所述非形象元素调整规则调整所述视频彩铃中的非形象元素。

7.根据权利要求1所述的视频彩铃交互方法，其特征在于，所述将所述虚拟形象和虚拟场景，合成视频彩铃之前，所述方法还包括：

获取环境图像；

基于所述环境图像，生成虚拟场景。

8.根据权利要求1至7任一项所述的视频彩铃交互方法，其特征在于，所述将所述视频彩铃发送至展示终端之后，所述方法还包括：

根据所述视频彩铃，生成互动视频数据；

将所述互动视频数据发送至通话终端。

9.一种服务器，其特征在于，包括：处理器，存储器以及存储在所述存储器中的计算机程序，所述计算机程序被所述处理器运行时实现如权利要求1-8中任一项所述视频彩铃交互方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的视频彩铃交互方法。

Images