视频通话中语音处理系统及其方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106713818A(43)申请公布日2017.05.24(21)申请号201710093114.9(22)申请日2017.02.21(71)申请人福建江夏学院地址350108福建省福州市闽侯县大学新校区溪源宫路2号(72)发明人陈天武(74)专利代理机构福州元创专利商标代理有限公司35100代理人蔡学俊薛金才(51)Int.Cl.H04N7/14(2006.01)权利要求书1页说明书3页附图1页(54)发明名称视频通话中语音处理系统及其方法(57)摘要本发明提供一种视频通话中语音处理系统及方法，视频通话终端通过基础通信网互联互通；视频通话包含外部增强通话功能的在线服务器；外部增强通话功能的在线服务器包括在线语音转文字模块及在线通话氛围模块；在线语音转文字模块包括语音识别单元；用户通过视频通话终端进行通话；终端的本地语音转文字模块或在线语音转文字模块的语音识别单元对对方的音频数据进行处理，进行语音识别后转换成文字，存储在文字转字幕存储模块，将识别的文字内容叠加到终端的视频画面上进行显示；并调用终端本地通话氛围模块或外部增强通话功能服务器的在线通话氛围模块；根据识别的文字内容，将通话整体氛围渲染成图像和文字效果，并与视频图像合成后在终端渲染显示。CN106713818ACN106713818A权利要求书1/1页1.一种视频通话中语音处理的系统，其特征在于：包括硬件驱动与操作系统模块、视频通话中间件模块、本地语音转文字模块、本地通话氛围模块、文字转字幕存储模块、文字效果用户设置模块、通话氛围用户设置模块及外部增强通话功能在线服务器；所述外部增强通话功能在线服务器包括在线语音转文字模块及在线通话氛围模块；在线语音转文字模块包括语音识别单元；所述视频通话中间件模块用于接收对方视频通话的音视频数据，并将音视频数据解复用，得到视频数据和音频数据；本地语音转文字模块或在线语音转文字模块将音频数据，调用语音转文件接口，得到用户的文字内容；本地通话氛围模块或在线通话氛围模块将通话整体氛围渲染成图像，并与视频图像合成后在终端渲染显示。2.一种视频通话中语音处理方法，其特征在于：包括以下步骤：S1：视频通话终端通过基础通信网互联互通；提供一外部增强通话功能在线服务器；外部增强通话功能的在线服务器包括在线语音识别服务器及在线通话氛围服务器；S2：用户通过视频通话终端进行通话；视频通话中间件模块接收对方视频通话的音视频数据，并将音视频数据解复用，得到视频数据和音频数据；通过终端的本地语音转文字模块或在线语音转文字模块的语音识别单元对对方的音频数据进行语音识别，再转换成文字存储在文字转字幕存储模块，并将识别的文字内容叠加到终端的视频画面上进行显示；S3：调用终端的本地通话氛围模块或外部增强通话功能服务器的在线通话氛围模块；根据S2中识别的文字内容，将通话整体氛围渲染成图像和文字效果，并与视频图像合成后在终端渲染显示。3.根据权利要求2所述的视频通话中语音处理方法，其特征在于：用户根据需求选择是否调用本地通话氛围模块或外部增强通话功能服务器的在线通话氛围模块。4.根据权利要求2所述的视频通话中语音处理方法，其特征在于：预先存储有多种文字叠加在视频画面的模板，由用户进行选择。5.根据权利要求2所述的视频通话中语音处理方法，其特征在于：视频通话终端间的数据通信过程包含用户认证过程，视频通话终端和外部增强通话功能在线服务器间的数据通信过程包含用户认证过程。6.根据权利要求2所述的视频通话中语音处理方法，其特征在于：还包括S4：当S3中调取外部增强通话功能服务器的在线通话氛围模块；终端将音视频数据传输给外部增强通话功能在线服务器，在线服务器处理后，得到文字数据和氛围数据，连同终端的音视频数据一并传输给对方。2CN106713818A说明书1/3页视频通话中语音处理系统及其方法技术领域[0001]本发明涉及一种视频通话中语音处理系统及方法。背景技术[0002]随着技术的进步，人与人的远程沟通方式从书信，电报，语音电话发展到视频电话。视频电话需要同时传输视频数据和音频数据，虽然音视频数据均有压缩，但是其数据量仍旧比纯语音通信的多1-2个数量级。视频通话对基础网络的要求，对终端的硬件配置均有大幅提高。[0003]视频通话就是音频和视频同时传送，但是技术进步，能让视频通话承载更多的内容，改进视频通话的用户体验，增加用户的粘性。发明内容[0004]本发明的目的是提供一种视频通话中语音处理的方法和系统，用于给视频通话增加一些特性，增加视频通话的趣味性，增加视频通话功能的用户粘性。[0005]本发明采用以下技术方案实现：一种视频通话中语音处理的系统，其特征在于：包括硬件驱动与操作系统模块、视频通话中间