TWI570707B - 語音傳輸方法、裝置和語音服務系統 - Google Patents

Description

語音傳輸方法、裝置和語音服務系統

本發明涉及通信技術領域，特別涉及一種語音傳輸方法、裝置和語音服務系統。

隨著語音服務技術的成熟與進步，許多應用程式都提供了語音服務的功能。語音服務系統通常包括終端和伺服器。

以語音辨識為例，終端向伺服器發送攜帶有待識別的語音資料的語音請求；對應地，伺服器識別語音資料後向終端反饋攜帶有識別結果的語音回應。為了縮短伺服器對語音請求的回應時間，資料流模式是一種較為優選的語音傳輸方式。在資料流模式下，一個語音流的傳輸和識別並非由一次語音請求完成，而是按照一定規則將整個語音流分割成若干個語音資料片段，在使用者說話的同時終端就開始逐個將攜帶有語音資料片段的語音請求發送給伺服器進行語音辨識。這樣就將終端與伺服器之間進行語音傳輸的時間與使用者說話的時間進行了複用，也即在用戶說話時伺服器就已經開始進行語音辨識，因此顯著縮短了伺服器對語音請求的回應時間。

請參考第1圖，其示出了一種典型的資料流模式下終端和伺 服器之間進行語音傳輸的流程圖。在對一個語音流進行識別的過程中，將該語音流分割成3個語音資料片段，終端先後3次向伺服器發送了3個語音請求訊息，且第3個語音請求訊息中包含請求結束標識；對應地，伺服器先後3次向終端反饋了3個語音回應訊息，且第3個語音回應訊息中包含對整個語音流的識別結果。

在實現本發明的過程中，發明人發現習知技術至少存在以下問題：隨著移動終端的普及，由於移動終端所使用的是移動網路或者無線網路，而移動網路或者無線網路的網路環境相對較差，移動終端與伺服器之間採用資料流模式進行語音傳輸時會出現漏失封包、重複和亂序的問題，這就會導致對語音流的處理結果不準確甚至無法處理。

為了解決現有語音傳輸過程中因漏失封包、重複和亂序導致對語音流的處理結果不準確甚至無法處理的問題，本發明實施例提供了一種語音傳輸方法、裝置和語音服務系統。所述技術方案如下：

第一方面，提供了一種語音傳輸方法，用於伺服器中，所述方法包括：接收終端依次發送的至少一個語音請求訊息，每個語音請求訊息攜帶有所述語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度；對於至少一個語音請求訊息之中的一語音請求訊息，根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息，生成對應 於所述語音請求訊息的語音回應訊息，所述語音回應訊息攜帶有期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度；將所述語音回應訊息反饋給所述終端，以便所述終端根據所述語音回應訊息決策所述下一個語音請求訊息的發送。

第二方面，提供了一種語音傳輸方法，用於終端中，所述方法包括：向伺服器依次發送至少一個語音請求訊息，每個語音請求訊息包括語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度；接收所述伺服器反饋的對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息是所述伺服器根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息生成的，所述語音回應訊息包括期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度；根據所述語音回應訊息決策所述下一個語音請求訊息的發送。

第三方面，提供了一種語音傳輸裝置，用於伺服器中，所述裝置包括： 請求接收模組，用於接收終端依次發送的至少一個語音請求訊息，每個語音請求訊息攜帶有所述語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度；回應生成模組，用於對於每一個語音請求訊息，根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息，生成對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息攜帶有期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度；回應反饋模組，用於將所述語音回應訊息反饋給所述終端，以便所述終端根據所述語音回應訊息決策所述下一個語音請求訊息的發送。

第四方面，提供了一種語音傳輸裝置，用於終端中，所述裝置包括：請求發送模組，用於向伺服器依次發送至少一個語音請求訊息，每個語音請求訊息包括語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度；回應接收模組，用於接收所述伺服器反饋的對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息是所述伺服器根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息生成的，所述語音回應訊息包括期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中 的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度；請求決策模組，用於根據所述語音回應訊息決策所述下一個語音請求訊息的發送。

第五方面，提供了一種語音服務系統，所述系統包括伺服器和終端；所述伺服器包括如第三方面所述的語音傳輸裝置；所述終端包括如第四方面所述的語音傳輸裝置。

本發明實施例提供的技術方案帶來的有益效果是：對於從終端接收到的每一個語音請求訊息，伺服器根據該語音請求訊息和已經接收到的對應於語音流的其它語音請求訊息，生成對應於語音請求訊息的語音回應訊息，且該語音回應訊息攜帶有期望偏移位置和期望資料長度；伺服器將語音回應訊息反饋給終端，以便終端根據語音回應訊息決策下一個語音請求訊息的發送；解決了現有語音傳輸過程中因漏失封包、重複和亂序導致對語音流的處理結果不準確，甚至無法處理的問題；避免了因漏失封包、重複或者亂序導致處理結果不準確甚至無法處理這類情況的發生。

為讓本發明之上述內容能更明顯易懂，下文特舉較佳實施例，並配合所附圖式，作詳細說明如下：

110‧‧‧RF電路

120‧‧‧記憶體

130‧‧‧輸入單元

131‧‧‧圖像書入設備

132‧‧‧其它輸入設備

140‧‧‧顯示單元

141‧‧‧顯示面板

150‧‧‧感測器

160‧‧‧音訊電路

161‧‧‧揚聲器

162‧‧‧傳聲器

170‧‧‧WiFi模組

220‧‧‧終端

240‧‧‧伺服器

302~308‧‧‧步驟

501~503‧‧‧步驟

502a~502h‧‧‧步驟

601~605‧‧‧步驟

603a~603e‧‧‧步驟

700‧‧‧伺服器

710‧‧‧請求接收模組

720‧‧‧回應生成模組

720a‧‧‧語音檢測單元

720b‧‧‧去重處理單元

720c‧‧‧語音排序單元

720d‧‧‧空缺判斷單元

720e‧‧‧第一執行單元

720f‧‧‧第二執行單元

720g‧‧‧結果添加單元

722‧‧‧結果暫存模組

730‧‧‧回應反饋模組

1100‧‧‧終端

800‧‧‧終端

810‧‧‧請求發送模組

820‧‧‧回應接收模組

830‧‧‧請求決策模組

830a‧‧‧長度檢測單元

830b‧‧‧資料處理單元

830c‧‧‧資料判斷單元

830d‧‧‧第一判斷單元

830e‧‧‧第二判斷單元

840‧‧‧回應檢測模組

850‧‧‧請求重發模組

860‧‧‧標識添加模組

1000‧‧‧伺服器

1001‧‧‧中央處理單元

1002‧‧‧隨機存取記憶體

1003‧‧‧唯讀記憶體

1004‧‧‧系統記憶體

1005‧‧‧系統匯流排

1006‧‧‧基本輸入/輸出系統

1007‧‧‧大容量記憶設備

1008‧‧‧顯示器

1009‧‧‧輸入設備

1010‧‧‧輸入/輸出控制器

1011‧‧‧網路介面單元

1012‧‧‧網路

1013‧‧‧作業系統

1014‧‧‧應用程式

1015‧‧‧其他程式模組

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付 出進步性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

第1圖是一種典型的資料流模式下終端和伺服器之間進行語音傳輸的流程圖；第2圖是本發明實施例提供的語音傳輸方法所涉及的一種實施環境的結構示意圖；第3圖是本發明一個實施例提供的語音傳輸方法的方法流程圖；第4圖是在正常情況下語音傳輸的流程圖；第5A圖是本發明另一實施例提供的語音傳輸方法的方法流程圖；第5B圖是本發明另一實施例提供的語音傳輸方法中步驟502的子步驟流程圖；第5C圖是在語音請求訊息發生重複時語音傳輸的流程圖；第5D圖是在語音請求訊息發生漏失封包時語音傳輸的流程圖；第5E圖是在語音請求訊息發生亂序時語音傳輸的流程圖；第5F圖是在語音請求訊息和語音回應訊息均發生漏失封包時語音傳輸的流程圖；第6A圖是本發明再一實施例提供的語音傳輸方法的方法流程圖；第6B圖是本發明再一實施例提供的語音傳輸方法中步驟603的子步驟流程圖；第6C圖是本發明所涉及的一種語音傳輸的流程圖；第7圖是本發明一個實施例提供的語音傳輸裝置的結構方框圖；第8圖是本發明另一實施例提供的語音傳輸裝置的結構方框圖； 第9圖是本發明一個實施例提供的語音服務系統的結構方框圖；第10圖是本發明一個實施例提供的伺服器的結構示意圖；第11圖是本發明一個實施例提供的終端的結構示意圖。

本發明實施例目的的實現、功能特點及優點將結合實施例，參照附圖做進一步說明。

請參考第2圖，其示出了本發明實施例提供的語音傳輸方法所涉及的一種實施環境的結構示意圖。該實施環境包括終端220和伺服器240。

終端220可以是手機、平板電腦、電子書閱讀器、MP3播放機(Moving Picture Experts Group Audio Layer III，動態影像專家壓縮標準音頻層面3)、MP4(Moving Picture Experts Group Audio Layer IV，動態影像專家壓縮標準音頻層面3)播放機、膝上型可攜式電腦和臺式電腦等等。

終端220與伺服器240之間可以通過無線網路或者有線網路相連。

伺服器240可以是一台伺服器，或者由若干台伺服器組成的伺服器集群，或者是一個雲計算服務中心。

當然，通常情況下伺服器240還可以包括語音接入設備(圖中未示出)，終端220和伺服器240之間通過語音接入設備建立連接，實現終端和伺服器之間的通信。

請參考第3圖，其示出了本發明一個實施例提供的語音傳輸 方法的方法流程圖，該語音傳輸方法應用於第2圖所示的實施環境中。該語音傳輸方法包括如下步驟：

步驟302，終端向伺服器依次發送至少一個語音請求訊息，每個語音請求訊息包括語音流中的一個語音資料片段、語音資料片段在語音流中的偏移位置和語音資料片段的資料長度。

對應地，伺服器接收終端依次發送的至少一個語音請求訊息，每個語音請求訊息攜帶有語音流中的一個語音資料片段、語音資料片段在語音流中的偏移位置和語音資料片段的資料長度。

步驟304，對於每一個語音請求訊息，伺服器根據該語音請求訊息和已經接收到的對應於語音流的其它語音請求訊息，生成對應於該語音請求訊息的語音回應訊息，語音回應訊息攜帶有期望偏移位置和期望資料長度，期望偏移位置是伺服器期望在下一個語音請求訊息中接收到的語音資料片段在語音流中的偏移位置，期望資料長度是伺服器期望在下一個語音請求訊息中接收到的語音資料片段的資料長度。

步驟306，伺服器將語音回應訊息反饋給終端，以便終端根據語音回應訊息決策下一個語音請求訊息的發送。

對應地，終端接收伺服器反饋的對應於語音請求訊息的語音回應訊息，語音回應訊息是伺服器根據語音請求訊息和已經接收到的對應於語音流的其它語音請求訊息生成的，語音回應訊息包括期望偏移位置和期望資料長度，期望偏移位置是伺服器期望在下一個語音請求訊息中接收到的語音資料片段在語音流中的偏移位置，期望資料長度是伺服器期望在下一個語音請求訊息中接收到的語音資料片段的資料長度。

步驟308，終端根據語音回應訊息決策下一個語音請求訊息的發送。

其中，上述步驟302和步驟308可以單獨實現成為終端側的語音傳輸方法，上述步驟304和步驟306可以單獨實現成為伺服器側的語音傳輸方法。

綜上所述，本實施例提供的語音傳輸方法，對於從終端接收到的每一個語音請求訊息，伺服器根據該語音請求訊息和已經接收到的對應於語音流的其它語音請求訊息，生成對應於語音請求訊息的語音回應訊息，且該語音回應訊息攜帶有期望偏移位置和期望資料長度；伺服器將語音回應訊息反饋給終端，以便終端根據語音回應訊息決策下一個語音請求訊息的發送；解決了現有語音傳輸過程中因漏失封包、重複和亂序導致對語音流的處理結果不準確，甚至無法處理的問題；避免了因漏失封包、重複或者亂序導致處理結果不準確甚至無法處理這類情況的發生。

在本發明實施例中，終端與伺服器之間進行語音傳輸時，終端發送的語音請求訊息中涉及的參數以及伺服器反饋的語音回應訊息中涉及的參數說明如下：語音請求訊息中涉及的參數如下表-1所示：

其中，Speech stream data是指語音資料片段；Offset是指偏 移位置，用於表示語音資料片段在整個語音流中的偏移位置；Len是指數據長度，用於表示語音資料片段的資料長度；Is_end是指請求結束標識，用於表示語音請求訊息中攜帶的語音資料片段是否為語音流中的最後一個片段，比如Is_end=1表示是，Is_end=0表示否。

語音回應訊息中涉及的參數如下表-2所示：

其中，Ret是指處理情況標識，用於表示語音請求訊息是否處理成功，比如成功返回0，否則返回錯誤碼；Act_offset是指期望偏移位置，用於表示伺服器期望在下一個語音請求訊息中接收到的語音資料片段在整個語音流中的偏移位置；Ack_len是指期望資料長度，用於表示伺服器期望在下一個語音請求訊息中接收到的語音資料片段的資料長度；Recognition results是指語音流的處理結果，比如Results=XXX。

在對本發明實施例提供的語音傳輸方法在對語音傳輸時出現的漏失封包、重複或者亂序的情況進行處理的詳細介紹和說明之前，首先介紹在正常情況下，也即不出現漏失封包、重複或者亂序的情況下語音傳輸的處理流程。請結合參考第4圖，其示出了在正常情況下語音傳輸的流程圖。假設終端將整個語音流分為三個語音資料片段，也即終端分別在Step1、Step3和Step5按序向伺服器發送了三個語音請求訊息；對應地，伺服器分別在Step2、Step4和Step6反饋了與該三個語音請求訊息分別一一對 應的3個語音回應訊息。

其中，終端在Step1發送的第1個語音請求訊息攜帶有第一個語音資料片段Speech stream data1(圖中未示出)、偏移位置Offset=0、資料長度Len=100以及請求結束標識Is_end=0。由於第1個語音請求訊息攜帶的語音資料片段位於整個語音流中的起始位置，所以Offset=0；Len=100是說明該第1個語音請求訊息攜帶的語音資料片段的資料長度為100；而Is_end=0表示第1個語音請求訊息中攜帶的語音資料片段不是語音流中的最後一個片段。如第4圖右側所示，伺服器從第1個語音請求訊息中接收到的第一個語音資料片段為從偏移位置0至99的語音資料片段。

終端在Step3發送的第2個語音請求訊息攜帶有第二個語音資料片段Speech stream data2(圖中未示出)、偏移位置Offset=100、資料長度Len=100以及請求結束標識Is_end=0。由於第2個語音請求訊息攜帶的語音資料片段在語音序列中是緊接著第1個語音請求訊息攜帶的語音資料片段排列的，第1個語音請求訊息攜帶的語音資料片段從偏移位置0排列至99，所以第2個語音請求訊息的Offset=100；Len=100是說明該第2個語音請求訊息攜帶的語音資料片段的資料長度仍為100；而Is_end=0表示第2個語音請求訊息中攜帶的語音資料片段不是語音流中的最後一個片段。如第4圖右側所示，伺服器從第2個語音請求訊息中接收到的第二個語音資料片段為從偏移位置100至199的語音資料片段，結合第一個語音資料片段，總共為從偏移位置0至199的語音資料片段。

以此類推，終端在Step5發送的第3個語音請求訊息中Offset=200；而Len=100是說明該第3個語音請求訊息攜帶的語音資料片段 的資料長度仍為100。與之前兩個語音請求訊息所不同的是，第3個語音請求訊息中的請求結束標識Is_end=1，說明該第3個語音請求訊息中攜帶的語音資料片段是語音流中的最後一個片段。如第4圖右側所示，伺服器從第3個語音請求訊息中接收到的第三個語音資料片段為從偏移位置200至299的語音資料片段，結合前兩個語音資料片段，總共為從偏移位置0至299的語音資料片段。

伺服器在Step2反饋的第1個語音回應訊息是對應於第1個語音請求訊息做出的回應。第1個語音回應訊息包含處理情況標識Ret=0、期望偏移位置Act_offset=100以及期望資料長度Ack_len=0。由於第1個語音請求訊息中的語音資料片段位於整個語音流中的起始位置，且Offset=0，Len=100，也即第一個語音資料片段從偏移位置0向後排列至99。所以，第1個語音回應訊息的期望偏移位置Act_offset=100，表明伺服器期望下一個語音請求訊息中接收到的語音資料片段在語音流中的偏移位置為100。另外，在正常情況下，期望資料長度Ack_len設置為預定值0。

伺服器在Step4反饋的第2個語音回應訊息是對應於第2個語音請求訊息做出的回應。第2個語音回應訊息包含處理情況標識Ret=0、期望偏移位置Act_offset=200以及期望資料長度Ack_len=0。由於第2個語音請求訊息中的Offset=100且Len=100，也即第二個語音資料片段從偏移位置100向後排列至199。所以，第2個語音回應訊息的期望偏移位置Act_offset=200，表明伺服器期望下一個語音請求訊息中接收到的語音資料片段在語音流中的偏移位置為200。

伺服器在Step6反饋的第3個語音回應訊息是對應於第3個 語音請求訊息做出的回應。第3個語音回應訊息包含處理情況標識Ret=0、期望偏移位置Act_offset=300、期望資料長度Ack_len=0以及語音流的處理結果Results=XXX。由於第3個語音請求訊息中的Offset=200且Len=100，也即第三個語音資料片段從偏移位置200向後排列至299。所以，第3個語音回應訊息的期望偏移位置Act_offset=300，表明伺服器期望下一個語音請求訊息中接收到的語音資料片段在語音流中的偏移位置為300。另外，由於第3個語音請求訊息攜帶的請求結束標識Is_end=1，說明該第3個語音請求訊息中攜帶的語音資料片段是語音流中的最後一個片段，所以第3個語音回應訊息需要攜帶有語音流的處理結果Results=XXX。

下面，分別從伺服器側和終端側對本發明實施例提供的語音傳輸方法進行詳細介紹和說明。

請參考第5A圖，其示出了本發明另一實施例提供的語音傳輸方法的方法流程圖，該語音傳輸方法應用於第2圖所示的實施環境的伺服器側。該語音傳輸方法包括如下步驟：

步驟501，接收終端依次發送的至少一個語音請求訊息。

對於一個語音流來講，終端會將該語音流切割為若干個語音資料片段，然後順序攜帶在不同的語音請求訊息中發送。對應地，伺服器接收終端依次發送的至少一個語音請求訊息。如第4圖所示，每個語音請求訊息攜帶有語音流中的一個語音資料片段、語音資料片段在語音流中的偏移位置和語音資料片段的資料長度。

可選地，每個語音請求訊息還可以攜帶有請求結束標識。比如，請求結束標識Is_end=1表示語音請求訊息中攜帶的語音資料片段為語 音流中的最後一個片段；Is_end=0表示語音請求訊息中攜帶的語音資料片段不是語音流中的最後一個片段。當然，語音請求訊息中也可以不攜帶請求結束標識，比如僅在攜帶的語音資料片段為語音流中的最後一個片段的語音請求訊息中添加一個預定標識用於標注即可。

由於各個語音請求訊息在傳輸過程中可能因為網路原因而發生亂序、漏失封包和重複問題。伺服器接收到每個語音請求訊息後，進行相應處理後生成相應的語音回應訊息來指導終端的下一個語音請求訊息的發送。具體如下步驟502及其各個子步驟所示。

步驟502，對於每一個語音請求訊息，根據語音請求訊息和已經接收到的對應於語音流的其它語音請求訊息，生成對應於語音請求訊息的語音回應訊息。

對於每一個語音請求訊息，伺服器根據語音請求訊息和已經接收到的對應於語音流的其它語音請求訊息，生成對應於語音請求訊息的語音回應訊息。如第4圖所示，語音回應訊息攜帶有期望偏移位置和期望資料長度，期望偏移位置是伺服器期望在下一個語音請求訊息中接收到的語音資料片段在語音流中的偏移位置，期望資料長度是伺服器期望在下一個語音請求訊息中接收到的語音資料片段的資料長度。

可選地，每個語音回應訊息還可以攜帶有處理情況標識，處理情況標識用於表示語音請求訊息是否處理成功。比如，處理情況標識Ret=0表示語音請求訊息處理成功；當Ret為錯誤碼時表示語音請求訊息處理失敗，諸如因網路或者邏輯出錯之類的問題導致的處理失敗。

具體來講，如第5B圖所示，本步驟包括如下幾個子步驟：

步驟502a，檢測語音請求訊息中所攜帶的語音資料片段是否已經在其它語音請求訊息中接收到。

為了處理重複的語音請求訊息，在每接收到一個語音請求訊息時，伺服器檢測該語音請求訊息中所攜帶的語音資料片段是否已經在其它語音請求訊息中接收到。伺服器可以根據語音資料片段的偏移位置和資料長度檢測語音請求訊息中所攜帶的語音資料片段是否已經在其它語音請求訊息中接收到。比如，在對一個語音流進行處理的過程中，當接收到兩個語音請求訊息攜帶的偏移位置和資料長度相同時，說明該兩個語音請求訊息攜帶的語音資料片段是相同的。

當然，由於不同的語音資料片段的資料長度不同，還有可能存在兩個語音請求訊息所攜帶的語音資料片段是部分重複的，或者一個語音請求訊息所攜帶的語音資料片段包含了另一語音請求訊息所攜帶的語音資料片段。不論語音資料片段發生重複的情況如何，伺服器都可以通過語音資料片段的偏移位置和資料長度檢測發現。

步驟502b，若檢測結果為已經在其它語音請求訊息中接收到，則將語音請求訊息中所攜帶的語音資料片段進行去重複處理。

若檢測結果為已經在其它語音請求訊息中接收到，則伺服器將語音請求訊息中所攜帶的語音資料片段進行去重複處理。伺服器選取重複的語音資料片段，只保留一份該重複的語音資料片段，對該重複的語音資料片段進行一次處理，而不會進行重複的處理。

不過考慮到語音回應訊息在傳輸過程中可能發生漏失封包，終端因為沒收到對應於某一語音請求訊息的語音回應訊息而重發該語 音請求訊息。因此，伺服器仍然發送對應於該攜帶有重複的語音資料片段的語音請求訊息的語音回應訊息。

請結合參考第5C圖，在第5C圖中伺服器在Step6反饋的語音回應訊息在傳輸過程中發生了漏失封包。終端在一段時間未接收到語音回應訊息之後，在Step7向伺服器重發了在Step5發送的語音請求訊息。伺服器接收到終端重發的語音請求訊息之後，在Step8再一次發送在Step6反饋的語音回應訊息。

步驟502c，對於每一個語音請求訊息，根據偏移位置對語音請求訊息和其它語音請求訊息各自攜帶的語音資料片段進行排序得到語音序列。

每個語音請求訊息中攜帶的偏移位置用於表示該語音請求訊息中的語音資料片段在整個語音流中的偏移位置。伺服器根據偏移位置對語音請求訊息和其它語音請求訊息各自攜帶的語音資料片段進行排序得到語音序列。

請結合參考第4圖，當伺服器在接收到Step3的第2個語音請求訊息之後，根據Offset=100以及之前第1個語音請求訊息Step1中的Offset=0確定兩個語音請求訊息攜帶的語音資料片段在語音流中的前後位置順序，進而得到一個從偏移位置0至199的語音序列。

或者，請結合參考第5D圖，在第5D圖中終端在Step3發送的語音請求訊息在傳輸過程中發生了漏失封包而接著又按序在Step4發送了下一個語音請求訊息。伺服器根據接收到的Step4的語音請求訊息中的Offset=200以及之前接收到的Step1的語音請求訊息中的Offset=0確定兩個 語音請求訊息攜帶的語音資料片段在語音流中的前後位置順序，進而得到一個從偏移位置0至99以及200至299的語音序列。

步驟502d，判斷語音序列中是否存在空缺語音資料片段。

伺服器判斷語音序列中是否存在空缺語音資料片段。語音序列存在空缺語音資料片段是指伺服器排序得到的語音序列為一不完整的語音序列。

比如，在第5D圖所示的流程圖中，伺服器在接收到Step4的語音請求訊息後排序得到的語音序列為一個從偏移位置0至99以及200至299的語音序列，空缺了從偏移位置100至199的語音資料片段。

再比如，請結合參考第5E圖，在第5E圖中終端在Step3和Step5發送的兩個語音請求訊息在傳輸過程中發生了亂序，伺服器根據接收到的Step3的語音請求訊息中的Offset=200以及之前接收到的Step1的語音請求訊息中的Offset=0確定兩個語音請求訊息攜帶的語音資料片段在語音流中的前後位置順序，進而得到一個從偏移位置0至99以及200至299的語音序列。該語音序列也同樣空缺了從偏移位置100至199的語音資料片段。

步驟502e，若判斷結果為語音序列中存在空缺語音資料片段，則根據空缺語音資料片段在語音流中的偏移位置生成期望偏移位置，根據空缺語音資料片段的資料長度生成期望資料長度。

當判斷結果為語音序列中存在空缺語音資料片段時，伺服器根據空缺語音資料片段在語音流中的偏移位置生成期望偏移位置，根據空缺語音資料片段的資料長度生成期望資料長度。

在第一種可能的實施方式中，在空缺語音資料片段為一個時，比如上述第5D圖中伺服器在接收到Step4的語音請求訊息後排序得到的語音序列，空缺語音資料片段為從偏移位置100至199的一個語音資料片段，伺服器可以將期望偏移位置設置為空缺語音資料片段的偏移位置100，期望資料長度設置為空缺語音資料片段的資料長度100。之後，如第5D圖中Step5所示，伺服器反饋攜帶有Act_offset=100以及Ack_len=100的語音回應訊息。

在第二種可能的實施方式中，在空缺語音資料片段為兩個或者兩個以上時，伺服器根據排列在語音序列中最前面的空缺語音資料片段在語音流中的偏移位置生成期望偏移位置，根據排列在語音序列中最前面的空缺語音資料片段的資料長度生成期望資料長度。

請結合參考第5F圖，由於網路環境很差，終端按序在Step3以及Step6發送的語音請求訊息相繼發生了漏失封包，且伺服器在Step5反饋的語音回應訊息也發生了漏失封包。伺服器在接收到終端發送的Step6的語音請求訊息之後，排序得到的語音序列為一個從偏移位置0至99、200至299、400至499的語音序列。此時存在兩個空缺語音資料片段：從偏移位置100至199的語音資料片段以及從偏移位置300至399的語音資料片段。伺服器根據排列在語音序列中最前面的空缺語音資料片段在語音流中的偏移位置生成期望偏移位置，也即期望偏移位置為100。伺服器根據排列在語音序列中最前面的空缺語音資料片段的資料長度生成期望資料長度，也即期望資料長度為100。之後，如第5F圖中Step8所示，伺服器反饋攜帶有Act_offset=100以及Ack_len=100的語音回應訊息。

由於在語音傳輸過程中，尤其是手機之類的移動終端與伺服器之間進行語音傳輸時，一個語音流所包含的語音資料都較短。因此，將語音流分隔得到的語音資料片段的數量也不會很多，通常一個語音流的傳輸分為10個以內的語音請求訊息發送就已足夠。所以本發明實施例採用了一種較為簡潔的處理機制，也即在空缺語音資料片段為兩個或者兩個以上時，伺服器只計算最前面的空缺語音資料片段在語音流中的偏移位置和資料長度，並不考慮之後的空缺語音資料片段。這樣既可以加快伺服器的回應速度，還可以使得伺服器將計算和處理的重點放在對語音資料片段的處理方面，節約伺服器的系統開銷。

步驟502f，若判斷結果為語音序列中不存在空缺語音資料片段，則根據語音序列的末尾位置生成期望偏移位置，將預定值設置為期望資料長度。

當判斷結果為語音序列中不存在空缺語音資料片段時，伺服器根據語音序列的末尾位置生成期望偏移位置，將預定值設置為期望資料長度。

請結合參考第5D圖，伺服器在接收到終端發送的Step6的語音請求訊息之後，對語音資料片段進行排序得到的語音序列為一個從偏移位置0至299的完整的語音序列。此時，伺服器根據語音序列的末尾位置生成期望偏移位置，將預定值設置為期望資料長度。

伺服器在判斷結果為語音序列中不存在空缺語音資料片段時，可以由如下兩種可能的實施方式生成期望偏移位置：在第一種可能的實施方式中，在判斷結果為語音序列中不存 在空缺語音資料片段時，總是根據語音序列的末尾位置加一生成期望偏移位置。

伺服器根據語音序列的末尾位置加一生成期望偏移位置，也即伺服器期望按序接收到語音資料片段。如第5D圖中Step7所示，伺服器反饋攜帶有Act_offset=300以及Ack_len=0的語音回應訊息。

在第二種可能的實施方式中，在判斷結果為語音序列中不存在空缺語音資料片段，且在接收到的所有請求結束標識均為否時，根據語音序列的末尾位置加一生成期望偏移位置。

在上述步驟501中已經介紹，每個語音請求訊息中還可以攜帶有請求結束標識，該請求結束標識指示了語音請求訊息中攜帶的語音資料片段是否為語音流中的最後一個片段。當接收到的請求結束標識均為否時，也即所有Is_end=0，該語音流的最後一個語音資料片段還未收到時，伺服器將語音序列的末尾位置加一作為期望偏移位置；當接收到的請求結束標識為是時，也即Is_end=1時，伺服器可以用一個預設標識代替期望偏移位置，甚至可以不生成期望偏移位置，因為此時伺服器已經收到一個完整的語音流，其只需將語音流的處理結果反饋給終端即可。

步驟502g，在語音請求訊息攜帶的請求結束標識為是，且語音流中的各個語音資料片段都已經接收到時，將語音流的處理結果添加入語音回應訊息。

當語音請求訊息攜帶的請求結束標識為是，且語音流中的各個語音資料片段都已經接收到時，說明伺服器接收到了一個完整的語音流。此時，伺服器將該語音流的處理結果添加入語音回應訊息。如第5D圖 中Step7所示，伺服器反饋的語音回應訊息中還包含有語音流的處理結果Results=XXX。

步驟502h，將語音流的處理結果暫存預定時長。

優選地，伺服器生成語音流的處理結果之後，還可以將語音流的處理結果暫存預定時長。預定時長可以根據實際需求預先設定，比如20秒。這樣可以在伺服器向終端反饋的攜帶有語音流的處理結果的語音回應訊息在傳輸過程中發生漏失封包時，伺服器在再次接收到終端重發的攜帶有最後一個片段的語音請求訊息時，伺服器可以直接從暫存中獲取語音流的處理結果並重新向終端反饋。否則，伺服器還需重新獲取語音流，並對語音流進行再次處理，這會影響伺服器的回應效率且加大伺服器的計算壓力。

總結來講，在網路狀況異常的情況下，語音請求訊息會出現漏失封包、重複或者亂序的情況。伺服器產生的語音回應訊息主要有三種作用：第一，在發現因漏失封包或者亂序造成的語音序列中存在空缺語音資料片段時，在語音回應訊息中指示終端重新發送空缺語音資料片段；第二，在未發現因漏失封包或者亂序造成的語音序列中存在空缺語音資料片段時，在語音回應訊息中指示終端正常發送下一個語音資料片段；第三，在語音請求訊息攜帶的是語音流中最後一個片段時，在相應的語音回應訊息中反饋語音流的處理結果。

步驟503，將語音回應訊息反饋給終端，以便終端根據語音回應訊息決策下一個語音請求訊息的發送。

伺服器將語音回應訊息反饋給終端，以便終端根據語音回應 訊息決策下一個語音請求訊息的發送。不論是基於對重複的語音請求訊息的生成的語音回應訊息，還是在語音請求訊息發生漏失封包或者亂序的情況下生成的語音回應訊息，還是在未出現重複、漏失封包或者亂序的情況下生成的語音回應訊息，伺服器均將語音回應訊息反饋給終端。

終端接收到伺服器反饋的語音回應訊息之後，根據語音回應訊息決策下一個語音請求訊息的發送，包括：決策是否需要發送下一個語音請求訊息、發送的下一個語音請求訊息攜帶的語音資料片段是多少、偏移位置是多少、資料長度是多少等等。終端側的處理機制將在下述第6A圖所示實施例中進行詳細介紹和說明。

需要說明的是，為了提高伺服器的併發能力，使得伺服器同時處理語音請求訊息的個數盡可能增大，伺服器可以不用每接收到一個語音請求訊息就立即進行處理，可以在不影響回應時間的情況下適當地暫存語音請求訊息一段時間，待接收到一定數量的語音請求訊息之後再同時對多個語音請求訊息進行處理。

綜上所述，本實施例提供的語音傳輸方法，對於從終端接收到的每一個語音請求訊息，伺服器根據該語音請求訊息和已經接收到的對應於語音流的其它語音請求訊息，生成對應於語音請求訊息的語音回應訊息，且該語音回應訊息攜帶有期望偏移位置和期望資料長度；伺服器將語音回應訊息反饋給終端，以便終端根據語音回應訊息決策下一個語音請求訊息的發送；解決了現有語音傳輸過程中因漏失封包、重複和亂序導致對語音流的處理結果不準確，甚至無法處理的問題；避免了因漏失封包、重複或者亂序導致處理結果不準確甚至無法處理這類情況的發生。

另外，對於多個語音請求訊息發生漏失封包或者亂序的情況，伺服器在得到語音序列之後，不論語音序列中存在多少個空缺語音資料片段，只根據排列在語音序列中最前面的空缺語音資料片段生成期望偏移位置和期望資料長度，加快了伺服器的回應速度，而且使得伺服器將計算和處理的重點放在對語音資料片段的處理方面，節約伺服器的系統開銷。

請參考第6A圖，其示出了本發明再一實施例提供的語音傳輸方法的方法流程圖，該語音傳輸方法應用於第2圖所示的實施環境的終端側。該語音傳輸方法包括如下步驟：

步驟601，向伺服器依次發送至少一個語音請求訊息。

對於一個語音流來講，終端會將該語音流切割為若干個語音資料片段，然後順序攜帶在不同的語音請求訊息中發送。終端向伺服器依次發送的至少一個語音請求訊息。如第4圖所示，每個語音請求訊息攜帶有語音流中的一個語音資料片段、語音資料片段在語音流中的偏移位置和語音資料片段的資料長度。

可選地，每個語音請求訊息還可以攜帶有請求結束標識。比如，請求結束標識Is_end=1表示語音請求訊息中攜帶的語音資料片段為語音流中的最後一個片段；Is_end=0表示語音請求訊息中攜帶的語音資料片段不是語音流中的最後一個片段。當然，語音請求訊息中也可以不攜帶請求結束標識，比如僅在攜帶的語音資料片段為語音流中的最後一個片段的語音請求訊息中添加一個預定標識用於標注即可。

步驟602，接收伺服器反饋的對應於語音請求訊息的語音回應訊息。

終端接收伺服器反饋的對應於語音請求訊息的語音回應訊息。語音回應訊息是伺服器根據語音請求訊息和已經接收到的對應於語音流的其它語音請求訊息生成的。如第4圖所示，語音回應訊息攜帶有期望偏移位置和期望資料長度，期望偏移位置是伺服器期望在下一個語音請求訊息中接收到的語音資料片段在語音流中的偏移位置，期望資料長度是伺服器期望在下一個語音請求訊息中接收到的語音資料片段的資料長度。

可選地，每個語音回應訊息還可以攜帶有處理情況標識，處理情況標識用於表示語音請求訊息是否處理成功。比如，處理情況標識Ret=0表示語音請求訊息處理成功；當Ret為錯誤碼時表示語音請求訊息處理失敗，諸如因網路或者邏輯出錯之類的問題導致的處理失敗。

伺服器如何根據語音請求訊息生成語音回應訊息具體在第5A圖所示實施例中已經詳細介紹和說明，本實施例中不再贅述。

步驟603，根據語音回應訊息決策下一個語音請求訊息的發送。

終端根據語音回應訊息決策下一個語音請求訊息的發送，包括：決策是否需要發送下一個語音請求訊息、發送的下一個語音請求訊息攜帶的語音資料片段是多少、偏移位置是多少、資料長度是多少等等。

具體來講，請參考第6B圖，本步驟包括如下幾個子步驟：

步驟603a，檢測語音回應訊息攜帶的期望資料長度是否為預定值。

終端檢測語音回應訊息攜帶的期望資料長度是否為預定值。終端通過檢測語音回應訊息攜帶的期望資料長度是否為預定值，確定 自身發送的語音請求訊息在傳輸過程中是否發生了漏失封包或者亂序。

期望資料長度用於表示伺服器期望在下一個語音請求訊息中接收到的語音資料片段的資料長度。當期望資料長度為預定值時，也即當Ack_len=0時，表明伺服器得到的語音序列中不存在空缺語音資料片段，也即伺服器尚未發現漏失封包或者亂序的情況；當期望資料長度不為預定值時，也即當Ack_len≠0時，表明伺服器得到的語音序列中存在空缺語音資料片段，也即發生了漏失封包或者亂序的情況。

步驟603b，若檢測結果為期望資料長度不是預定值，則將與期望偏移位置和期望資料長度對應的語音資料片段的全部或者部分攜帶在下一個語音請求訊息中發送。

若檢測結果為期望資料長度不是預定值，則伺服器將與期望偏移位置和期望資料長度對應的語音資料片段的全部或者部分攜帶在下一個語音請求訊息中發送。期望偏移位置和期望資料長度反映了伺服器所需要的空缺語音資料片段，終端可以將該空缺語音資料片段在一個語音請求訊息中發送，也可以分多個語音請求訊息進行發送。

請結合參考第5D圖，由於終端在Step3發送的語音請求訊息發生漏失封包，之後伺服器在Step5反饋的語音回應訊息所攜帶的Ack_offset=100且Ack_len=100，表明伺服器缺少偏移位置從100至199的語音資料片段。終端接收到伺服器在Step5反饋的語音回應訊息之後，在Step6將偏移位置從100至199的語音資料片段攜帶在一個語音請求訊息中發送。

當然，終端也可以分多個語音請求訊息進行發送，比如一個 語音請求訊息中Offset=100，Len=50，而另一個語音請求訊息中Offset=150，Len=50。

步驟603c，若檢測結果為期望資料長度是預定值，則判斷與語音回應訊息攜帶的期望偏移位置所對應的語音資料片段是否已經發送過。

若檢測結果為期望資料長度是預定值，則終端判斷與語音回應訊息攜帶的期望偏移位置所對應的語音資料片段是否已經發送過。若判斷結果為已經發送過，則執行下述步驟603d；若判斷結果為還未發送過，則執行下述步驟603e。

步驟603d，若判斷結果為已經發送過，且語音流中存在未發送的其它語音資料片段時，將其它語音資料片段攜帶在下一個語音請求訊息中發送。

請結合參考第6C圖，終端在接收到伺服器在Step3反饋的對應於Step1的語音請求訊息的語音回應訊息時，終端已經在Step2將攜帶有語音資料片段的Offset=100的語音請求訊息發送給了伺服器。此時，終端檢測發現該語音流中還存在Offset=200且Len=100的語音資料片段未發送過，終端將該Offset=200且Len=100的語音資料片段攜帶在Step4發送的語音請求訊息中發送。

而當終端接收到伺服器在Step5反饋的對應於Step2的語音請求訊息的語音回應訊息時，終端讀取期望偏移位置Ack_offset=200發現該語音請求訊息已經發送，且檢測發現語音流中不存在未發送的其它語音資料片段，則終端不發送下一個語音請求訊息，等待伺服器反饋對語音流 的處理結果。

步驟603e，若判斷結果為還未發送過，且語音流中存在與期望偏移位置所對應的語音資料片段時，將與期望偏移位置所對應的語音資料片段攜帶在下一個語音請求訊息中發送。

請結合參考第4圖，終端在接收到伺服器在Step2反饋的對應於Step1的語音請求訊息的語音回應訊息時，終端讀取期望偏移位置Ack_offset=100發現該語音請求訊息還未發送，且語音流中存在與期望偏移位置100所對應的語音資料片段，此時終端將偏移位置為100的語音資料片段攜帶在Step3發送的語音請求訊息中發送。

另外，在步驟601之後還可以包括如下步驟：

步驟604，對於每個語音請求訊息，在發送語音請求訊息後的預定時間間隔內，檢測是否接收到與語音請求訊息所對應的語音回應訊息。

針對伺服器反饋的語音回應訊息在傳輸過程中也可能發生漏失封包和亂序的情況，終端在發送語音請求訊息後的預定時間間隔內，檢測是否接收到與語音請求訊息所對應的語音回應訊息。

在一種可能的實施方式中，終端根據接收到的語音回應訊息中攜帶的期望偏移位置檢測是否接收到與語音請求訊息所對應的語音回應訊息。在語音請求訊息不發生亂序或者漏失封包的情況下，對於每個語音請求訊息，伺服器反饋的對應於該語音請求訊息的期望偏移位置等於該語音請求訊息攜帶的語音資料片段的末尾位置加一。因此，終端可以根據接收到的語音回應訊息中的期望偏移位置檢測是否接收到與語音請求訊息所對應的語音回應訊息。

雖然本實施方式在語音請求訊息發生亂序或者漏失封包的情況下會存在一定誤差，因為當發生亂序或者漏失封包時，伺服器反饋的期望偏移位置等於空缺語音資料片段的偏移位置，此時伺服器反饋的期望偏移位置並不能準確地反映語音回應訊息與語音請求訊息之間的對應關係，可能導致終端重發一些不必要的語音請求訊息。但是，由於伺服器側也只需進行去重複處理，也不會給伺服器帶來很大的計算壓力。通過本實施方式可以使得語音傳輸更加簡單。

在另一種可能的實施方式中，終端在發送語音請求訊息時可以給不同的語音請求訊息添加不同的標記，比如給第1個語音請求訊息添加A標記，給第2個語音請求訊息添加B標記。伺服器處理完成第1個語音請求訊息之後，反饋的第1個語音回應訊息也攜帶有A標記；在處理完成第2個語音請求訊息之後，反饋的第2個語音回應訊息也攜帶有B標記。 這樣終端就可以根據接收到的語音回應訊息中的標記確定語音回應訊息與語音請求訊息之間的對應關係，以此檢測在預定時間間隔內是否接收到與語音請求訊息所對應的語音回應訊息。本實施方式雖然可以明確地確定語音請求訊息與語音回應訊息之間的對應關係，但會增加伺服器的計算量。

在實際應用中，可以權衡伺服器的計算處理能力之後選取上述兩種實施方式中的任意一種。

步驟605，若檢測結果為未接收到與語音請求訊息所對應的語音回應訊息，則重發語音請求訊息。

若在預定時間間隔內未接收到與語音請求訊息所對應的語音回應訊息，則說明該語音回應訊息在傳輸過程中發生了漏失封包，終端 重發語音請求訊息，告知伺服器語音回應訊息發生漏失封包，請求服務器重新處理語音請求訊息。

請結合參考第5C圖，由於伺服器在Step6反饋的語音回應訊息漏失封包，終端在預定時間間隔內未收到回應，終端在Step7重發Step5的語音請求訊息。對應地，伺服器接收到重發的語音請求訊息之後，從暫存中獲取語音流的處理結果Results=XXX，重發攜帶有Results=XXX的語音回應訊息。

可選地，終端還可以在每個語音請求訊息中添加請求結束標識，請求結束標識指示了語音請求訊息中攜帶的語音資料片段是否為語音流中的最後一個片段。比如，請求結束標識Is_end=1表示語音請求訊息中攜帶的語音資料片段為語音流中的最後一個片段；Is_end=0表示語音請求訊息中攜帶的語音資料片段不是語音流中的最後一個片段。當然，語音請求訊息中也可以不攜帶請求結束標識，比如僅在攜帶的語音資料片段為語音流中的最後一個片段的語音請求訊息中添加一個預定標識用於標注即可。

綜上所述，本實施例提供的語音傳輸方法，終端通過向伺服器發送攜帶有語音資料片段、語音資料片段在語音流中的偏移位置和語音資料片段的資料長度的語音請求訊息，然後在接收到伺服器反饋的攜帶有期望偏移位置和期望資料長度的語音回應訊息之後，終端根據語音回應訊息決策下一個語音請求訊息的發送；解決了現有語音傳輸過程中因漏失封包、重複和亂序導致對語音流的處理結果不準確，甚至無法處理的問題；避免了因漏失封包、重複或者亂序導致處理結果不準確甚至無法處理這類 情況的發生。

另外，本實施例提供了一種更為完善的語音傳輸機制，終端通過在發送語音請求訊息後的預定時間間隔內，檢測是否接收到與語音請求訊息所對應的語音回應訊息，並在檢測結果為未接收到與語音請求訊息所對應的語音回應訊息時重發語音請求訊息，以此避免了因語音回應訊息發生漏失封包所帶來的影響。

下述為本發明裝置實施例，可以用於執行本發明方法實施例。對於本發明裝置實施例中未披露的細節，請參照本發明方法實施例。

請參考第7圖，其示出了本發明一個實施例提供的語音傳輸裝置的結構方框圖，該語音傳輸裝置可以通過軟體、硬體或者兩者的結合實現成為伺服器的部分或者全部。該語音傳輸裝置包括：請求接收模組710、回應生成模組720和回應反饋模組730。

請求接收模組710，用於接收終端依次發送的至少一個語音請求訊息，每個語音請求訊息攜帶有所述語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度。

回應生成模組720，用於對於每一個語音請求訊息，根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息，生成對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息攜帶有期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到 的語音資料片段的資料長度。

回應反饋模組730，用於將所述語音回應訊息反饋給所述終端，以便所述終端根據所述語音回應訊息決策所述下一個語音請求訊息的發送。

綜上所述，本實施例提供的語音傳輸裝置，對於從終端接收到的每一個語音請求訊息，伺服器根據該語音請求訊息和已經接收到的對應於語音流的其它語音請求訊息，生成對應於語音請求訊息的語音回應訊息，且該語音回應訊息攜帶有期望偏移位置和期望資料長度；伺服器將語音回應訊息反饋給終端，以便終端根據語音回應訊息決策下一個語音請求訊息的發送；解決了現有語音傳輸過程中因漏失封包、重複和亂序導致對語音流的處理結果不準確，甚至無法處理的問題；避免了因漏失封包、重複或者亂序導致處理結果不準確甚至無法處理這類情況的發生。

請參考第8圖，其示出了本發明另一實施例提供的語音傳輸裝置的結構方框圖，該語音傳輸裝置可以通過軟體、硬體或者兩者的結合實現成為終端的部分或者全部。該語音傳輸裝置包括：請求發送模組810、回應接收模組820和請求決策模組830。

請求發送模組810，用於向伺服器依次發送至少一個語音請求訊息，每個語音請求訊息包括語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度。

回應接收模組820，用於接收所述伺服器反饋的對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息是所述伺服器根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息生成 的，所述語音回應訊息包括期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度。

請求決策模組830，用於根據所述語音回應訊息決策所述下一個語音請求訊息的發送。

綜上所述，本實施例提供的語音傳輸裝置，終端通過向伺服器發送攜帶有語音資料片段、語音資料片段在語音流中的偏移位置和語音資料片段的資料長度的語音請求訊息，然後在接收到伺服器反饋的攜帶有期望偏移位置和期望資料長度的語音回應訊息之後，終端根據語音回應訊息決策下一個語音請求訊息的發送；解決了現有語音傳輸過程中因漏失封包、重複和亂序導致對語音流的處理結果不準確，甚至無法處理的問題；避免了因漏失封包、重複或者亂序導致處理結果不準確甚至無法處理這類情況的發生。

請參考第9圖，其示出了本發明一個實施例提供的語音服務系統的結構方框圖，該語音服務系統包括伺服器700和終端800。

伺服器700可以包括語音傳輸裝置，該語音傳輸裝置可以通過軟體、硬體或者兩者的結合實現。該語音傳輸裝置包括：請求接收模組710、回應生成模組720、結果暫存模組722和回應反饋模組730。

請求接收模組710，用於接收終端依次發送的至少一個語音請求訊息，每個語音請求訊息攜帶有所述語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料 長度。

回應生成模組720，用於對於每一個語音請求訊息，根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息，生成對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息攜帶有期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度。

具體來講，所述回應生成模組720，可以包括：語音檢測單元720a和去重處理單元720b。

語音檢測單元720a，用於檢測所述語音請求訊息中所攜帶的語音資料片段是否已經在所述其它語音請求訊息中接收到。

去重處理單元720b，若檢測結果為已經在所述其它語音請求訊息中接收到，則將所述語音請求訊息中所攜帶的語音資料片段進行去重複處理。

所述回應生成模組720，還可以包括：語音排序單元720c、空缺判斷單元720d、第一執行單元720e和第二執行單元720f。

所述語音排序單元720c，用於對於每一個語音請求訊息，根據所述偏移位置對所述語音請求訊息和所述其它語音請求訊息各自攜帶的所述語音資料片段進行排序得到語音序列。

所述空缺判斷單元720d，用於判斷所述語音序列中是否存在空缺語音資料片段。

所述第一執行單元720e，用於若判斷結果為所述語音序列中存在所述空缺語音資料片段，則根據所述空缺語音資料片段在所述語音流中的偏移位置生成所述期望偏移位置，根據所述空缺語音資料片段的資料長度生成所述期望資料長度。

所述第一執行單元720e，還用於在所述空缺語音資料片段為兩個或者兩個以上時，根據排列在所述語音序列中最前面的所述空缺語音資料片段在所述語音流中的偏移位置生成所述期望偏移位置，根據排列在所述語音序列中最前面的所述空缺語音資料片段的資料長度生成所述期望資料長度。

所述第二執行單元720f，用於若判斷結果為所述語音序列中不存在所述空缺語音資料片段，則根據所述語音序列的末尾位置生成所述期望偏移位置，將預定值設置為所述期望資料長度。

在一種可能的實現方式中，每個語音請求訊息中還攜帶有請求結束標識，所述請求結束標識指示了所述語音請求訊息中攜帶的語音資料片段是否為所述語音流中的最後一個片段。

所述第二執行單元720f，還用於在接收到的所述請求結束標識均為否時，根據所述語音序列的末尾位置加一生成所述期望偏移位置。

所述回應生成模組720，還可以包括：結果添加單元720g。

所述結果添加單元720g，用於在所述語音請求訊息攜帶的所述請求結束標識為是，且所述語音流中的各個語音資料片段都已經接收到時，將所述語音流的處理結果添加入所述語音回應訊息。

結果暫存模組722，用於將所述語音流的處理結果暫存預定 時長。

回應反饋模組730，用於將所述語音回應訊息反饋給所述終端，以便所述終端根據所述語音回應訊息決策所述下一個語音請求訊息的發送。

終端800可以包括語音傳輸裝置，該語音傳輸裝置可以通過軟體、硬體或者兩者的結合實現。該語音傳輸裝置包括：請求發送模組810、回應接收模組820、請求決策模組830、回應檢測模組840、請求重發模組850和標識添加模組860。

請求發送模組810，用於向伺服器依次發送至少一個語音請求訊息，每個語音請求訊息包括語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度。

回應接收模組820，用於接收所述伺服器反饋的對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息是所述伺服器根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息生成的，所述語音回應訊息包括期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度。

請求決策模組830，用於根據所述語音回應訊息決策所述下一個語音請求訊息的發送。

具體來講，所述請求決策模組830，包括：長度檢測單元830a和資料處理單元830b。

所述長度檢測單元830a，用於檢測所述語音回應訊息攜帶的所述期望資料長度是否為預定值。

所述資料處理單元830b，用於若檢測結果為所述期望資料長度不是所述預定值，則將與所述期望偏移位置和所述期望資料長度對應的語音資料片段的全部或者部分攜帶在所述下一個語音請求訊息中發送。

所述請求決策模組830，還包括：資料判斷單元830c、第一判斷單元830d和第二判斷單元830e。

所述資料判斷單元830c，用於若檢測結果為所述期望資料長度是所述預定值，則判斷與所述語音回應訊息攜帶的所述期望偏移位置所對應的語音資料片段是否已經發送過。

所述第一判斷單元830d，用於若判斷結果為已經發送過，且所述語音流中存在未發送的其它語音資料片段時，將所述其它語音資料片段攜帶在所述下一個語音請求訊息中發送。

所述第二判斷單元830e，用於若判斷結果為還未發送過，且所述語音流中存在與所述期望偏移位置所對應的語音資料片段時，將與所述期望偏移位置所對應的語音資料片段攜帶在所述下一個語音請求訊息中發送。

回應檢測模組840，用於對於每個語音請求訊息，在發送所述語音請求訊息後的預定時間間隔內，檢測是否接收到與所述語音請求訊息所對應的語音回應訊息。

請求重發模組850，用於若檢測結果為未接收到與所述語音請求訊息所對應的語音回應訊息，則重發所述語音請求訊息。

標識添加模組860，用於在每個語音請求訊息中添加請求結束標識，所述請求結束標識指示了所述語音請求訊息中攜帶的語音資料片段是否為所述語音流中的最後一個片段。

綜上所述，本實施例提供的語音服務系統，對於從終端接收到的每一個語音請求訊息，伺服器根據該語音請求訊息和已經接收到的對應於語音流的其它語音請求訊息，生成對應於語音請求訊息的語音回應訊息，且該語音回應訊息攜帶有期望偏移位置和期望資料長度；伺服器將語音回應訊息反饋給終端，以便終端根據語音回應訊息決策下一個語音請求訊息的發送；解決了現有語音傳輸過程中因漏失封包、重複和亂序導致對語音流的處理結果不準確，甚至無法處理的問題；避免了因漏失封包、重複或者亂序導致處理結果不準確甚至無法處理這類情況的發生。

另外，對於多個語音請求訊息發生漏失封包或者亂序的情況，伺服器在得到語音序列之後，不論語音序列中存在多少個空缺語音資料片段，只根據排列在語音序列中最前面的空缺語音資料片段生成期望偏移位置和期望資料長度，加快了伺服器的回應速度，而且使得伺服器將計算和處理的重點放在對語音資料片段的處理方面，節約伺服器的系統開銷。本實施例提供了一種更為完善的語音傳輸機制，終端通過在發送語音請求訊息後的預定時間間隔內，檢測是否接收到與語音請求訊息所對應的語音回應訊息，並在檢測結果為未接收到與語音請求訊息所對應的語音回應訊息時重發語音請求訊息，以此避免了因語音回應訊息發生漏失封包所帶來的影響。

需要說明的是：上述實施例提供的語音傳輸裝置和語音服務 系統在提供語音服務時，僅以上述各功能模組的劃分進行舉例說明，實際應用中，可以根據需要而將上述功能分配由不同的功能模組完成，即將設備的內部結構劃分成不同的功能模組，以完成以上描述的全部或者部分功能。另外，上述實施例提供的語音傳輸裝置和語音服務系統與語音傳輸方法的方法實施例屬於同一構思，其具體實現過程詳見方法實施例，這裡不再贅述。

請參考第10圖，其示出了本發明一個實施例提供的伺服器的結構示意圖，該伺服器可以用於實施上述實施例中提供的伺服器側的語音傳輸方法。所述伺服器1000包括中央處理單元(CPU)1001、包括隨機存取記憶體(RAM)1002和唯讀記憶體(ROM)1003的系統記憶體1004，以及連接系統記憶體1004和中央處理單元1001的系統匯流排1005。所述伺服器1000還包括說明電腦內的各個器件之間傳輸資訊的基本輸入/輸出系統(I/O系統)1006，和用於儲存作業系統1013、應用程式1014和其他程式模組1015的大容量記憶設備1007。

所述基本輸入/輸出系統1006包括有用於顯示資訊的顯示器1008和用於使用者輸入資訊的諸如滑鼠、鍵盤之類的輸入裝置1009。其中所述顯示器1008和輸入裝置1009都通過連接到系統匯流排1005的輸入/輸出控制器1010連接到中央處理單元1001。所述基本輸入/輸出系統1006還可以包括輸入/輸出控制器1010以用於接收和處理來自鍵盤、滑鼠、或電子觸控筆等多個其他設備的輸入。類似地，輸入/輸出控制器1010還提供輸出到顯示幕、印表機或其他類型的輸出設備。

所述大容量記憶設備1007通過連接到系統匯流排1005的大型存放區控制器(未示出)連接到中央處理單元1001。所述大容量記憶設備1007及其相關聯的電腦可讀介質為伺服器1000提供非揮發性儲存。也就是說，所述大容量記憶設備1007可以包括諸如硬碟或者CD-ROM驅動 器之類的電腦可讀介質(未示出)。

不失一般性，所述電腦可讀介質可以包括電腦儲存介質和通信介質。電腦儲存介質包括以用於儲存諸如電腦可讀指令、資料結構、程式模組或其他資料等資訊的任何方法或技術實現的揮發性和非揮發性、可移動和不可移動介質。電腦儲存介質包括RAM、ROM、EPROM、EEPROM、快閃記憶體或其他固態儲存其技術，CD-ROM、DVD或其他光學儲存、磁帶盒、磁帶、磁片儲存或其他磁性存放裝置。當然，本領域技術人員可知所述電腦儲存介質不局限於上述幾種。上述的系統記憶體1004和大容量記憶設備1007可以統稱為記憶體。

根據本發明的各種實施例，所述伺服器1000還可以通過諸如網際網路等網路連接到網路上的遠端電腦運行。也即伺服器1000可以通過連接在所述系統匯流排1005上的網路介面單元1011連接到網路1012，或者說，也可以使用網路介面單元1011來連接到其他類型的網路或遠端電腦系統(未示出)。

所述記憶體還包括一個或者一個以上的程式，所述一個或者一個以上程式儲存於記憶體中，且經配置以由一個或者一個以上中央處理單元1001執行。上述一個或者一個以上套裝程式含用於進行以下操作的指令： 接收終端依次發送的至少一個語音請求訊息，每個語音請求訊息攜帶有所述語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度； 對於每一個語音請求訊息，根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息，生成對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息攜帶有期望偏移位置和期望資料長度，所 述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度；將所述語音回應訊息反饋給所述終端，以便所述終端根據所述語音回應訊息決策所述下一個語音請求訊息的發送。

假設上述為第一種可能的實施方式，則在第一種可能的實施方式作為基礎而提供的第二種可能的實施方式中，所述伺服器的記憶體中，還包含用於執行以下操作的指令：對於每一個語音請求訊息，根據所述偏移位置對所述語音請求訊息和所述其它語音請求訊息各自攜帶的所述語音資料片段進行排序得到語音序列；判斷所述語音序列中是否存在空缺語音資料片段；若判斷結果為所述語音序列中存在所述空缺語音資料片段，則根據所述空缺語音資料片段在所述語音流中的偏移位置生成所述期望偏移位置，根據所述空缺語音資料片段的資料長度生成所述期望資料長度；若判斷結果為所述語音序列中不存在所述空缺語音資料片段，則根據所述語音序列的末尾位置生成所述期望偏移位置，將預定值設置為所述期望資料長度。

在第二種可能的實施方式作為基礎而提供的第三種可能的實施方式中，所述伺服器的記憶體中，還包含用於執行以下操作的指令：在所述空缺語音資料片段為兩個或者兩個以上時，根據排列在所述語音序列中最前面的所述空缺語音資料片段在所述語音流中的偏移位置生成 所述期望偏移位置，根據排列在所述語音序列中最前面的所述空缺語音資料片段的資料長度生成所述期望資料長度。

在第二種可能的實施方式作為基礎而提供的第四種可能的實施方式中，所述伺服器的記憶體中，還包含用於執行以下操作的指令：所述根據所述語音序列的末尾位置生成所述期望偏移位置，包括：在接收到的所述請求結束標識均為否時，根據所述語音序列的末尾位置加一生成所述期望偏移位置。

在第一種可能的實施方式作為基礎而提供的第五種可能的實施方式中，所述伺服器的記憶體中，還包含用於執行以下操作的指令：檢測所述語音請求訊息中所攜帶的語音資料片段是否已經在所述其它語音請求訊息中接收到；若檢測結果為已經在所述其它語音請求訊息中接收到，則將所述語音請求訊息中所攜帶的語音資料片段進行去重複處理。

在第一至第五種可能的實施方式中的任意一種可能的實施方式作為基礎而提供的第六種可能的實施方式中，所述伺服器的記憶體中，還包含用於執行以下操作的指令：所述對於每一個語音請求訊息，根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息，生成對應於所述語音請求訊息的語音回應訊息，還包括：在所述語音請求訊息攜帶的所述請求結束標識為是，且所述語音流中的各個語音資料片段都已經接收到時，將所述語音流的處理結果添加入所述語音回應訊息。

在第六種可能的實施方式作為基礎而提供的第七種可能的實施方式中，所述伺服器的記憶體中，還包含用於執行以下操作的指令：將所述語音流的處理結果暫存預定時長。

綜上所述，本實施例提供的伺服器，對於從終端接收到的每一個語音請求訊息，伺服器根據該語音請求訊息和已經接收到的對應於語音流的其它語音請求訊息，生成對應於語音請求訊息的語音回應訊息，且該語音回應訊息攜帶有期望偏移位置和期望資料長度；伺服器將語音回應訊息反饋給終端，以便終端根據語音回應訊息決策下一個語音請求訊息的發送；解決了現有語音傳輸過程中因漏失封包、重複和亂序導致對語音流的處理結果不準確，甚至無法處理的問題；避免了因漏失封包、重複或者亂序導致處理結果不準確甚至無法處理這類情況的發生。

另外，對於多個語音請求訊息發生漏失封包或者亂序的情況，伺服器在得到語音序列之後，不論語音序列中存在多少個空缺語音資料片段，只根據排列在語音序列中最前面的空缺語音資料片段生成期望偏移位置和期望資料長度，加快了伺服器的回應速度，而且使得伺服器將計算和處理的重點放在對語音資料片段的處理方面，節約伺服器的系統開銷。

請參考第11圖，其示出了本發明一個實施例提供的終端的結構示意圖，該終端可以用於實施上述實施例中提供的終端側的語音傳輸方法。具體來講：終端1100可以包括射頻(Radio Frequency，RF)電路110、包括有一個或一個以上電腦可讀儲存介質的記憶體120、輸入單元130、顯示單元140、感測器150、音訊電路160、無線保真(wireless fidelity，WiFi) 模組170、包括有一個或者一個以上處理核心的處理器180、以及電源190等部件。本領域技術人員可以理解，第11圖中示出的終端結構並不構成對終端的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件佈置。其中：

RF電路110可用於收發資訊或通話過程中，訊號的接收和發送，特別地，將基地台的下行資訊接收後，交由一個或者一個以上處理器180處理；另外，將涉及上行的資料發送給基地台。通常，RF電路110包括但不限於天線、至少一個放大器、調諧器、一個或多個振盪器、使用者身份模組(SIM)卡、收發信機、耦合器、LNA(Low Noise Amplifier，低雜訊放大器)、雙工器等。此外，RF電路110還可以通過無線通訊與網路和其他設備通信。所述無線通訊可以使用任一通信標準或協定，包括但不限於GSM(Global System of Mobile communication，全球移動通訊系統)、GPRS(General Packet Radio Service，通用分組無線服務)、CDMA(Code Division Multiple Access，碼分多址)、WCDMA(Wideband Code Division Multiple Access，寬頻碼分多址)、長期演進(Long Term Evolution，LTE)、電子郵件、SMS(Short Messaging Service，短訊息服務)等。

記憶體120可用於儲存軟體程式以及模組，處理器180通過運行儲存在記憶體120的軟體程式以及模組，從而執行各種功能應用以及資料處理。記憶體120可主要包括儲存程式區和儲存資料區，其中，儲存程式區可儲存作業系統、至少一個功能所需的應用程式(比如聲音播放功能、圖像播放功能等)等；儲存資料區可儲存根據終端1100的使用所創建的資料(比如音訊資料、電話本等)等。此外，記憶體120可以包括高速 隨機存取記憶體，還可以包括非揮發性記憶體，例如至少一個磁碟記憶體、快閃記憶體、或其他揮發性固態記憶體。相應地，記憶體120還可以包括記憶體控制器，以提供處理器180和輸入單元130對記憶體120的訪問。

輸入單元130可用於接收輸入的數位或字元資訊，以及產生與使用者設置以及功能控制有關的鍵盤、滑鼠、搖桿、光學或者軌跡球訊號輸入。具體地，輸入單元130可包括圖像輸入裝置131以及其他輸入裝置132。圖像輸入裝置131可以是攝像頭，也可以是光電掃描設備。除了圖像輸入裝置131，輸入單元130還可以包括其他輸入裝置132。具體地，其他輸入裝置132可以包括但不限於物理鍵盤、功能鍵(比如音量控制按鍵、開關按鍵等)、軌跡球、滑鼠、搖桿等中的一種或多種。

顯示單元140可用於顯示由使用者輸入的資訊或提供給使用者的資訊以及終端1100的各種圖形使用者介面，這些圖形使用者介面可以由圖形、文本、圖示、視頻和其任意組合來構成。顯示單元140可包括顯示面板141，可選地，可以採用液晶顯示器(Liquid Crystal Display，LCD)、有機發光二極體(Organic Light-Emitting Diode，OLED)等形式來配置顯示面板141。

終端1100還可包括至少一種感測器150，比如光感測器、運動感測器以及其他感測器。具體地，光感測器可包括環境光感測器及接近感測器，其中，環境光感測器可根據環境光線的明暗來調節顯示面板141的亮度，接近感測器可在終端1100移動到耳邊時，關閉顯示面板141和/或背光。作為運動感測器的一種，重力加速度感測器可檢測各個方向上(一般為三軸)加速度的大小，靜止時可檢測出重力的大小及方向，可用於識 別手機姿態的應用(比如橫豎屏切換、相關遊戲、磁力計姿態校準)、振動識別相關功能(比如計步器、敲擊)等；至於終端1100還可配置的陀螺儀、氣壓計、濕度計、溫度計、紅外線感測器等其他感測器，在此不再贅述。

音訊電路160、揚聲器161，傳聲器162可提供使用者與終端1100之間的音訊介面。音訊電路160可將接收到的音訊資料轉換後的電訊號，傳輸到揚聲器161，由揚聲器161轉換為聲音訊號輸出；另一方面，傳聲器162將收集的聲音訊號轉換為電訊號，由音訊電路160接收後轉換為音訊資料，再將音訊資料輸出處理器180處理後，經RF電路110以發送給比如另一終端，或者將音訊資料輸出至記憶體120以便進一步處理。音訊電路160還可能包括耳塞插孔，以提供外設耳機與終端1100的通信。

WiFi屬於短距離無線傳輸技術，終端1100通過WiFi模組170可以說明使用者收發電子郵件、流覽網頁和訪問流式媒體等，它為用戶提供了無線的寬頻互聯網訪問。雖然第11圖繪示出了WiFi模組170，但是可以理解的是，其並不屬於終端1100的必須構成，完全可以根據需要在不改變發明的本質的範圍內而省略。

處理器180是終端1100的控制中心，利用各種介面和線路連接整個手機的各個部分，通過運行或執行儲存在記憶體120內的軟體程式和/或模組，以及調用儲存在記憶體120內的資料，執行終端1100的各種功能和處理資料，從而對手機進行整體監控。可選地，處理器180可包括一個或多個處理核心；優選地，處理器180可集成應用處理器和調變解調處理器，其中，應用處理器主要處理作業系統、使用者介面和應用程式等，調變解調處理器主要處理無線通訊。可以理解的是，上述調變解調處理器 也可以不集成到處理器180中。

終端1100還包括給各個部件供電的電源190(比如電池)，優選地，電源可以通過電源管理系統與處理器180邏輯相連，從而通過電源管理系統實現管理充電、放電、以及功耗管理等功能。電源190還可以包括一個或一個以上的直流或交流電源、再充電系統、電源故障檢測電路、電源轉換器或者逆變器、電源狀態指示器等任意元件。

儘管未示出，終端1100還可以包括藍牙模組等，在此不再贅述。具體在本實施例中，終端還包括有記憶體，以及一個或者一個以上的程式，其中一個或者一個以上程式儲存於記憶體中，且經配置以由一個或者一個以上處理器執行。上述一個或者一個以上套裝程式含用於進行以下操作的指令：向伺服器依次發送至少一個語音請求訊息，每個語音請求訊息包括語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度；接收所述伺服器反饋的對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息是所述伺服器根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息生成的，所述語音回應訊息包括期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度；根據所述語音回應訊息決策所述下一個語音請求訊息的發 送。假設上述為第一種可能的實施方式，則在第一種可能的實施方式作為基礎而提供的第二種可能的實施方式中，所述終端的記憶體中，還包含用於執行以下操作的指令：檢測所述語音回應訊息攜帶的所述期望資料長度是否為預定值；若檢測結果為所述期望資料長度不是所述預定值，則將與所述期望偏移位置和所述期望資料長度對應的語音資料片段的全部或者部分攜帶在所述下一個語音請求訊息中發送。

在第二種可能的實施方式作為基礎而提供的第三種可能的實施方式中，所述終端的記憶體中，還包含用於執行以下操作的指令：若檢測結果為所述期望資料長度是所述預定值，則判斷與所述語音回應訊息攜帶的所述期望偏移位置所對應的語音資料片段是否已經發送過；若判斷結果為已經發送過，且所述語音流中存在未發送的其它語音資料片段時，將所述其它語音資料片段攜帶在所述下一個語音請求訊息中發送；若判斷結果為還未發送過，且所述語音流中存在與所述期望偏移位置所對應的語音資料片段時，將與所述期望偏移位置所對應的語音資料片段攜帶在所述下一個語音請求訊息中發送。

在第一種可能的實施方式作為基礎而提供的第四種可能的實施方式中，所述終端的記憶體中，還包含用於執行以下操作的指令： 對於每個語音請求訊息，在發送所述語音請求訊息後的預定時間間隔內，檢測是否接收到與所述語音請求訊息所對應的語音回應訊息；若檢測結果為未接收到與所述語音請求訊息所對應的語音回應訊息，則重發所述語音請求訊息。

在第一至第四種可能的實施方式中的任意一種可能的實施方式作為基礎而提供的第五種可能的實施方式中，所述終端的記憶體中，還包含用於執行以下操作的指令：在每個語音請求訊息中添加請求結束標識，所述請求結束標識指示了所述語音請求訊息中攜帶的語音資料片段是否為所述語音流中的最後一個片段。

綜上所述，本實施例提供的終端，終端通過向伺服器發送攜帶有語音資料片段、語音資料片段在語音流中的偏移位置和語音資料片段的資料長度的語音請求訊息，然後在接收到伺服器反饋的攜帶有期望偏移位置和期望資料長度的語音回應訊息之後，終端根據語音回應訊息決策下一個語音請求訊息的發送；解決了現有語音傳輸過程中因漏失封包、重複和亂序導致對語音流的處理結果不準確，甚至無法處理的問題；避免了因漏失封包、重複或者亂序導致處理結果不準確甚至無法處理這類情況的發生。

另外，本實施例提供了一種更為完善的語音傳輸機制，終端通過在發送語音請求訊息後的預定時間間隔內，檢測是否接收到與語音請求訊息所對應的語音回應訊息，並在檢測結果為未接收到與語音請求訊息所對應的語音回應訊息時重發語音請求訊息，以此避免了因語音回應訊息 發生漏失封包所帶來的影響。

應當理解的是，在本文中使用的，除非上下文清楚地支援例外情況，單數形式“一個”旨在也包括複數形式。還應當理解的是，在本文中使用的“和/或”是指包括一個或者一個以上相關聯地列出的專案的任意和所有可能組合。

上述本發明實施例序號僅僅為了描述，不代表實施例的優劣。

本領域普通技術人員可以理解實現上述實施例的全部或部分步驟可以通過硬體來完成，也可以通過程式來指令相關的硬體完成，所述的程式可以儲存於一種電腦可讀儲存介質中，上述提到的儲存介質可以是唯讀記憶體，磁片或光碟等。

雖然本發明已用較佳實施例揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明之精神和範圍內，當可作各種之更動與修改，因此本發明之保護範圍當視後附之申請專利範圍所界定者為准。

302‧‧‧終端向伺服器依次發送至少一個語音請求訊息，每個語音請求訊息包括語音流中的一個語音資料片段、語音資料片段在語音流中的偏移位置和語音資料片段的資料長度

304‧‧‧對於每一個語音請求訊息，伺服器根據該語音請求訊息和已經接收到的對應於語音流的其他語音請求訊息，生成對應於該語音請求訊息的語音回應訊息，語音回應訊息攜於有期望偏移位置和期望資料長度，期望偏移位置是伺服器期望在下一個語音請求訊息中接收到的語音資料片段在語音流中的偏移位置，期望資料長度是伺服器期望在下一個語音請求訊息中接收到的語音資料片段的資料長度

306‧‧‧伺服器將語音回應訊息反饋給終端，以便終端根據語音回應訊息決策下一個語音請求訊息的發送

308‧‧‧終端根據語音回應訊息決策下一個語音請求訊息的發送

Claims (21)

1. 一種語音傳輸方法，其用於伺服器中，所述方法包括：接收終端依次發送的至少一個語音請求訊息，每個語音請求訊息攜帶有所述語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度；對於所述至少一個語音請求訊息之中的一語音請求訊息，根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息，生成對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息攜帶有期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度，其中所述至少一個語音請求訊息之中的一語音請求訊息，根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息，生成對應於所述語音請求訊息的語音回應訊息，包括：對於每一個語音請求訊息，根據所述偏移位置對所述語音請求訊息和和已經接收到的對應於所述語音流的其它語音請求訊息各自攜帶的語音資料片段進行排序得到語音序列；判斷所述語音序列中是否存在空缺語音資料片段；若判斷結果為所述語音序列中存在所述空缺語音資料片段，則根據所述空缺語音資料片段在所述語音流中的偏移位置生成所述期望偏移位置，根據所述空缺語音資料片段的資料長度生成所述期望資料長度；若判斷結果為所述語音序列中不存在所述空缺語音資料片段，則根據所述語音序列的末尾位置生成所述期望偏移位置，將預定值設置為所述期望資料長度；將所述語音回應訊息反饋給所述終端，以便所述終端根據所述語音回應訊息決策所述下一個語音請求訊息的發送。
2. 根據申請專利範圍第1項所述之方法，其中所述根據所述空缺語音資料片段在所述語音流中的偏移位置生成所述期望偏移位置，根據所述空 缺語音資料片段的資料長度生成所述期望資料長度，包括：在所述空缺語音資料片段為兩個或者兩個以上時，根據排列在所述語音序列中最前面的所述空缺語音資料片段在所述語音流中的偏移位置生成所述期望偏移位置，根據排列在所述語音序列中最前面的所述空缺語音資料片段的資料長度生成所述期望資料長度。
3. 根據申請專利範圍第1項所述之方法，其中每個語音請求訊息中還攜帶有請求結束標識，所述請求結束標識指示了所述語音請求訊息中攜帶的語音資料片段是否為所述語音流中的最後一個片段；所述根據所述語音序列的末尾位置生成所述期望偏移位置，包括：在接收到的所述請求結束標識均為否時，根據所述語音序列的末尾位置加一生成所述期望偏移位置。
4. 根據申請專利範圍第1項所述之方法，其還包括：檢測所述語音請求訊息中所攜帶的語音資料片段是否已經在所述其它語音請求訊息中接收到；若檢測結果為已經在所述其它語音請求訊息中接收到，則將所述語音請求訊息中所攜帶的語音資料片段進行去重複處理。
5. 根據申請專利範圍第1至4項任一項所述之方法，其中每個語音請求訊息中還攜帶有請求結束標識，所述請求結束標識指示了所述語音請求訊息中攜帶的語音資料片段是否為所述語音流中的最後一個片段；所述對於每一個語音請求訊息，根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息，生成對應於所述語音請求訊息的語音回應訊息，還包括：在所述語音請求訊息攜帶的所述請求結束標識為是，且所述語音流中的各個語音資料片段都已經接收到時，將所述語音流的處理結果添加入所述語音回應訊息。
6. 根據申請專利範圍第5項所述之方法，其還包括：將所述語音流的處理結果暫存預定時長。
7. 一種語音傳輸方法，其用於終端中，所述方法包括：向伺服器依次發送至少一個語音請求訊息，每個語音請求訊息包括語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度；接收所述伺服器反饋的對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息是所述伺服器根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息生成的，所述語音回應訊息包括期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度；檢測所述語音回應訊息攜帶的所述期望資料長度是否為預定值；若檢測結果為所述期望資料長度不是所述預定值，則將與所述期望偏移位置和所述期望資料長度對應的語音資料片段的全部或者部分攜帶在所述下一個語音請求訊息中發送。
8. 根據申請專利範圍第7項所述之方法，其中所述檢測所述期望資料長度是否為預定值之後，還包括：若檢測結果為所述期望資料長度是所述預定值，則判斷與所述語音回應訊息攜帶的所述期望偏移位置所對應的語音資料片段是否已經發送過；若判斷結果為已經發送過，且所述語音流中存在未發送的其它語音資料片段時，將所述其它語音資料片段攜帶在所述下一個語音請求訊息中發送；若判斷結果為還未發送過，且所述語音流中存在與所述期望偏移位置所對應的語音資料片段時，將與所述期望偏移位置所對應的語音資料片段攜帶在所述下一個語音請求訊息中發送。
9. 根據申請專利範圍第7項所述之方法，其還包括：對於每個語音請求訊息，在發送所述語音請求訊息後的預定時間間隔內，檢測是否接收到與所述語音請求訊息所對應的語音回應訊息； 若檢測結果為未接收到與所述語音請求訊息所對應的語音回應訊息，則重發所述語音請求訊息。
10. 根據申請專利範圍第7至9項任一項所述之方法，其還包括：在每個語音請求訊息中添加請求結束標識，所述請求結束標識指示了所述語音請求訊息中攜帶的語音資料片段是否為所述語音流中的最後一個片段。
11. 一種語音傳輸裝置，其用於伺服器中，所述裝置包括：請求接收模組，用於接收終端依次發送的至少一個語音請求訊息，每個語音請求訊息攜帶有所述語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度；回應生成模組，用於對於至少一個語音請求訊息之中的一語音請求訊息，根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息，生成對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息攜帶有期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度，其中所述回應生成模組，包括：語音排序單元、空缺判斷單元、第一執行單元和第二執行單元；所述語音排序單元，用於對於每一個語音請求訊息，根據所述偏移位置對所述語音請求訊息和所述其它語音請求訊息各自攜帶的所述語音資料片段進行排序得到語音序列；所述空缺判斷單元，用於判斷所述語音序列中是否存在空缺語音資料片段；所述第一執行單元，用於若判斷結果為所述語音序列中存在所述空缺語音資料片段，則根據所述空缺語音資料片段在所述語音流中的偏移位置生成所述期望偏移位置，根據所述空缺語音資料片段的資料長度生成所述期望資料長度；所述第二執行單元，用於若判斷結果為所述語音序列中不存在所述空缺語音資料片段，則根據所述語音序列的末尾位置生成所述期望 偏移位置，將預定值設置為所述期望資料長度；回應反讀模組，用於將所述語音回應訊息反饋給所述終端，以便所述終端根據所述語音回應訊息決策所述下一個語音請求訊息的發送。
12. 根據申請專利範圍第11項所述之裝置，其中所述第一執行單元，還用於在所述空缺語音資料片段為兩個或者兩個以上時，根據排列在所述語音序列中最前面的所述空缺語音資料片段在所述語音流中的偏移位置生成所述期望偏移位置，根據排列在所述語音序列中最前面的所述空缺語音資料片段的資料長度生成所述期望資料長度。
13. 根據申請專利範圍第11項所述之裝置，其中每個語音請求訊息中還攜帶有請求結束標識，所述請求結束標識指示了所述語音請求訊息中攜帶的語音資料片段是否為所述語音流中的最後一個片段；所述第二執行單元，還用於在接收到的所述請求結束標識均為否時，根據所述語音序列的末尾位置加一生成所述期望偏移位置。
14. 根據申請專利範圍第11項所述之裝置，其中所述回應生成模組，還包括：語音檢測單元和去重處理單元；所述語音檢測單元，用於檢測所述語音請求訊息中所攜帶的語音資料片段是否已經在所述其它語音請求訊息中接收到；所述去重處理單元，若檢測結果為已經在所述其它語音請求訊息中接收到，則將所述語音請求訊息中所攜帶的語音資料片段進行去重複處理。
15. 根據申請專利範圍第11至14項任一項所述之裝置，其中每個語音請求訊息中還攜帶有請求結束標識，所述請求結束標識指示了所述語音請求訊息中攜帶的語音資料片段是否為所述語音流中的最後一個片段；所述回應生成模組，還包括：結果添加單元；所述結果添加單元，用於在所述語音請求訊息攜帶的所述請求結束標識為是，且所述語音流中的各個語音資料片段都已經接收到時，將所述語音流的處理結果添加入所述語音回應訊息。
16. 根據申請專利範圍第15項所述之裝置，其還包括：結果暫存模組，用於將所述語音流的處理結果暫存預定時長。
17. 一種語音傳輸裝置，其用於終端中，所述裝置包括：請求發送模組，用於向伺服器依次發送至少一個語音請求訊息，每個語音請求訊息包括語音流中的一個語音資料片段、所述語音資料片段在所述語音流中的偏移位置和所述語音資料片段的資料長度；回應接收模組，用於接收所述伺服器反饋的對應於所述語音請求訊息的語音回應訊息，所述語音回應訊息是所述伺服器根據所述語音請求訊息和已經接收到的對應於所述語音流的其它語音請求訊息生成的，所述語音回應訊息包括期望偏移位置和期望資料長度，所述期望偏移位置是所述伺服器期望在下一個語音請求訊息中接收到的語音資料片段在所述語音流中的偏移位置，所述期望資料長度是所述伺服器期望在所述下一個語音請求訊息中接收到的語音資料片段的資料長度；請求決策模組，用於根據所述語音回應訊息決策所述下一個語音請求訊息的發送，其中所述請求決策模組，包括：長度檢測單元，用於檢測所述語音回應訊息攜帶的所述期望資料長度是否為預定值；資料處理單元，用於若檢測結果為所述期望資料長度不是所述預定值，則將與所述期望偏移位置和所述期望資料長度對應的語音資料片段的全部或者部分攜帶在所述下一個語音請求訊息中發送。
18. 根據申請專利範圍第17項所述之裝置，其中所述請求決策模組，還包括：資料判斷單元、第一判斷單元和第二判斷單元；所述資料判斷單元，用於若檢測結果為所述期望資料長度是所述預定值，則判斷與所述語音回應訊息攜帶的所述期望偏移位置所對應的語音資料片段是否已經發送過；所述第一判斷單元，用於若判斷結果為已經發送過，且所述語音流中存在未發送的其它語音資料片段時，將所述其它語音資料片段攜帶在所述下一個語音請求訊息中發送；所述第二判斷單元，用於若判斷結果為還未發送過，且所述語音流中 存在與所述期望偏移位置所對應的語音資料片段時，將與所述期望偏移位置所對應的語音資料片段攜帶在所述下一個語音請求訊息中發送。
19. 根據申請專利範圍第17項所述之裝置，其還包括：回應檢測模組，用於對於每個語音請求訊息，在發送所述語音請求訊息後的預定時間間隔內，檢測是否接收到與所述語音請求訊息所對應的語音回應訊息；請求重發模組，用於若檢測結果為未接收到與所述語音請求訊息所對應的語音回應訊息，則重發所述語音請求訊息。
20. 根據申請專利範圍第17至19項任一項所述之裝置，其還包括：標識添加模組，用於在每個語音請求訊息中添加請求結束標識，所述請求結束標識指示了所述語音請求訊息中攜帶的語音資料片段是否為所述語音流中的最後一個片段。
21. 一種語音服務系統，其中所述系統包括伺服器和終端；所述伺服器包括如申請專利範圍第11至16項任一所述的語音傳輸裝置；所述終端包括如申請專利範圍第17至21項任一所述的語音傳輸裝置。