本公開涉及計算機，特別涉及一種音頻交互的處理方法、系統(tǒng)、服務(wù)端、客戶端和電子設(shè)備。

背景技術(shù)：

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人機語音交互技術(shù)在越來越多的場景中應(yīng)用。例如，智能家居、智能客服、智能助手等等。

2、在一些人機語音交互的場景中，用戶輸入語音，不僅會得到機器人回復(fù)的語音，還會基于用戶輸入的語音生成相應(yīng)的文本，并且機器人回復(fù)的文本也會進行相應(yīng)顯示，使得用戶可以通過文本和語音可以同步接收回復(fù)，更好的理解回復(fù)的內(nèi)容提升用戶體驗。

技術(shù)實現(xiàn)思路

1、提供該
技術(shù)實現(xiàn)要素：
部分以便以簡要的形式介紹構(gòu)思，這些構(gòu)思將在后面的具體實施方式部分被詳細(xì)描述。該發(fā)明內(nèi)容部分并不旨在標(biāo)識要求保護的技術(shù)方案的關(guān)鍵特征或必要特征，也不旨在用于限制所要求的保護的技術(shù)方案的范圍。

2、根據(jù)本公開的一些實施例，提供了一種音頻交互的處理方法，由音頻處理服務(wù)端執(zhí)行，包括：將客戶端發(fā)送的輸入音頻，轉(zhuǎn)換為待回復(fù)文本；將待回復(fù)文本發(fā)送至文本處理服務(wù)端，生成回復(fù)文本流；接收客戶端對回復(fù)文本流對應(yīng)的回復(fù)音頻流的請求，其中，請求包括回復(fù)文本流對應(yīng)的消息標(biāo)識，消息標(biāo)識由文本處理服務(wù)端發(fā)送至客戶端；根據(jù)消息標(biāo)識，從文本處理服務(wù)端獲取回復(fù)文本流；根據(jù)回復(fù)文本流，生成回復(fù)音頻流；將回復(fù)音頻流發(fā)送至客戶端，進行播放。

3、根據(jù)本公開的另一些實施例，提供了一種音頻交互的處理方法，由客戶端執(zhí)行，包括：將輸入音頻發(fā)送至音頻處理服務(wù)端，轉(zhuǎn)換為待回復(fù)文本，其中，待回復(fù)文本被發(fā)送至文本處理服務(wù)端生成回復(fù)文本流；接收文本處理服務(wù)端發(fā)送的回復(fù)文本流對應(yīng)的消息標(biāo)識；向音頻處理服務(wù)端發(fā)送對回復(fù)文本流對應(yīng)的回復(fù)音頻流的請求，其中，請求包括消息標(biāo)識；接收音頻處理服務(wù)端發(fā)送的回復(fù)音頻流；對回復(fù)音頻流進行播放。

4、根據(jù)本公開的又一些實施例，提供了一種音頻處理服務(wù)端，包括：轉(zhuǎn)換模塊，被配置為將客戶端發(fā)送的輸入音頻，轉(zhuǎn)換為待回復(fù)文本；第一發(fā)送模塊，被配置為將待回復(fù)文本發(fā)送至文本處理服務(wù)端，生成回復(fù)文本流；接收模塊，被配置為客戶端對回復(fù)文本流對應(yīng)的回復(fù)音頻流的請求，其中，請求包括回復(fù)文本流對應(yīng)的消息標(biāo)識，消息標(biāo)識由文本處理服務(wù)端發(fā)送至客戶端；獲取模塊，被配置為根據(jù)消息標(biāo)識，從文本處理服務(wù)端獲取回復(fù)文本流；生成模塊，被配置為根據(jù)回復(fù)文本流，生成回復(fù)音頻流；第二發(fā)送模塊，被配置為將回復(fù)音頻流發(fā)送至客戶端，進行播放。

5、根據(jù)本公開的再一些實施例，提供一種客戶端，包括：第一發(fā)送模塊，被配置為將輸入音頻發(fā)送至音頻處理服務(wù)端，轉(zhuǎn)換為待回復(fù)文本，其中，待回復(fù)文本被發(fā)送至文本處理服務(wù)端生成回復(fù)文本流；第一接收模塊，被配置為接收文本處理服務(wù)端發(fā)送的回復(fù)文本流對應(yīng)的消息標(biāo)識；第二發(fā)送模塊，被配置為向音頻處理服務(wù)端發(fā)送對回復(fù)文本流對應(yīng)的回復(fù)音頻流的請求，其中，請求包括消息標(biāo)識；第二接收模塊，被配置為接收音頻處理服務(wù)端發(fā)送的回復(fù)音頻流；播放模塊，被配置為對回復(fù)音頻流進行播放。

6、根據(jù)本公開的又一些實施例，提供一種音頻交互的處理系統(tǒng)，包括：本公開中的任一實施例的音頻處理服務(wù)端以及本公開中的任一實施例的客戶端。

7、根據(jù)本公開的再一些實施例，提供一種電子設(shè)備，包括：處理器；以及耦接至處理器的存儲器，用于存儲指令，指令被處理器執(zhí)行時，使處理器執(zhí)行本公開中的任一實施例的音頻交互的處理方法。

8、根據(jù)本公開的又一些實施例，提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時執(zhí)行本公開中的任一實施例的音頻交互的處理方法。

9、根據(jù)本公開的再一些實施例，提供一種計算機程序產(chǎn)品，包括：指令，指令被處理器執(zhí)行時實現(xiàn)本公開中的任一實施例的音頻交互的處理方法。

10、根據(jù)本公開的又一些實施例，提供一種計算機程序，包括：指令，指令被處理器執(zhí)行時實現(xiàn)本公開中的任一實施例的音頻交互的處理方法。

11、通過以下參照附圖對本公開的示例性實施例的詳細(xì)描述，本公開的其它特征、方面及其優(yōu)點將會變得清楚。

技術(shù)特征：

1.一種音頻交互的處理方法，由音頻處理服務(wù)端執(zhí)行，包括：

2.根據(jù)權(quán)利要求1所述的處理方法，其中，所述回復(fù)音頻流包括多個音頻數(shù)據(jù)包，所述多個音頻數(shù)據(jù)包中每個音頻數(shù)據(jù)包包括該音頻數(shù)據(jù)包的序號標(biāo)識，所述處理方法還包括：

3.根據(jù)權(quán)利要求1或2所述的處理方法，其中，所述回復(fù)文本流包括多個文本數(shù)據(jù)包，所述根據(jù)所述消息標(biāo)識，從所述文本處理服務(wù)端獲取所述回復(fù)文本流包括：

4.根據(jù)權(quán)利要求3所述的處理方法，還包括：

5.根據(jù)權(quán)利要求4所述的處理方法，其中，所述根據(jù)所述當(dāng)前文本數(shù)據(jù)包中的文本片段、所述當(dāng)前文本數(shù)據(jù)包之前的文本數(shù)據(jù)包中的文本片段、以及所述第一預(yù)設(shè)數(shù)量的文本，生成所述當(dāng)前文本數(shù)據(jù)包對應(yīng)的當(dāng)前音頻片段包括：

6.根據(jù)權(quán)利要求1-5任一項所述的處理方法，其中：

7.根據(jù)權(quán)利要求6所述的處理方法，還包括：

8.根據(jù)權(quán)利要求1-7任一項所述的處理方法，其中，所述音頻處理服務(wù)端與所述文本處理服務(wù)端通過遠(yuǎn)程過程調(diào)用方式進行數(shù)據(jù)傳輸。

9.根據(jù)權(quán)利要求1-8任一項所述的處理方法，其中，所述音頻處理器通過音頻服務(wù)網(wǎng)關(guān)與所述客戶端進行數(shù)據(jù)傳輸，響應(yīng)于音頻交互應(yīng)用的啟動，所述音頻服務(wù)網(wǎng)關(guān)與所述客戶端之間建立長連接。

10.一種音頻交互的處理方法，由客戶端執(zhí)行，包括：

11.根據(jù)權(quán)利要求10所述的處理方法，其中，所述將輸入音頻發(fā)送至音頻處理服務(wù)端包括：

12.根據(jù)權(quán)利要求11所述的處理方法，其中，所述將輸入音頻發(fā)送至音頻處理服務(wù)端還包括：

13.根據(jù)權(quán)利要求11或12所述的處理方法，其中，所述回復(fù)音頻流包括多個音頻數(shù)據(jù)包，所述多個音頻數(shù)據(jù)包中每個音頻數(shù)據(jù)包包括該音頻數(shù)據(jù)包的序號標(biāo)識，所述對所述回復(fù)音頻流進行播放包括：

14.根據(jù)權(quán)利要求13所述的處理方法，其中，所述根據(jù)接收的當(dāng)前音頻數(shù)據(jù)包的序號標(biāo)識，將所述當(dāng)前音頻數(shù)據(jù)包存入第二隊列包括：

15.根據(jù)權(quán)利要求10-14任一項所述的處理方法，還包括：

16.根據(jù)權(quán)利要求10-15任一項所述的處理方法，還包括：

17.根據(jù)權(quán)利要求10-16任一項所述的處理方法，還包括：

18.一種音頻處理服務(wù)端，包括：

19.一種客戶端，包括：

20.一種音頻交互的處理系統(tǒng)，包括：權(quán)利要求18所述的音頻處理服務(wù)端以及權(quán)利要求19所述的客戶端。

21.根據(jù)權(quán)利要求20所述的處理系統(tǒng)，還包括：

22.根據(jù)權(quán)利要求21所述的處理系統(tǒng)，其中，

23.一種電子設(shè)備，包括：

24.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其中，該程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-9任一項所述的音頻交互的處理方法，或者權(quán)利要求10-17任一項所述的音頻交互的處理方法。

25.一種計算機程序產(chǎn)品，包括：指令，該指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-9任一項所述的音頻交互的處理方法，或者權(quán)利要求10-17任一項所述的音頻交互的處理方法。

26.一種計算機程序，包括：指令，該指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-9任一項所述的音頻交互的處理方法，或者權(quán)利要求10-17任一項所述的音頻交互的處理方法。

技術(shù)總結(jié)
本公開涉及一種音頻交互的處理方法、系統(tǒng)、服務(wù)端、客戶端和電子設(shè)備，涉及計算機技術(shù)領(lǐng)域。本公開的音頻交互的處理方法，由音頻處理服務(wù)端執(zhí)行，包括：將客戶端發(fā)送的輸入音頻，轉(zhuǎn)換為待回復(fù)文本；將待回復(fù)文本發(fā)送至文本處理服務(wù)端，生成回復(fù)文本流；接收客戶端對回復(fù)文本流對應(yīng)的回復(fù)音頻流的請求，其中，請求包括回復(fù)文本流對應(yīng)的消息標(biāo)識，消息標(biāo)識由文本處理服務(wù)端發(fā)送至客戶端；根據(jù)消息標(biāo)識，從文本處理服務(wù)端獲取回復(fù)文本流；根據(jù)回復(fù)文本流，生成回復(fù)音頻流；將回復(fù)音頻流發(fā)送至客戶端，進行播放。

技術(shù)研發(fā)人員：張凡,茅志祥,丁衛(wèi)兵,吳克強,尹樹成,呂大千
受保護的技術(shù)使用者：北京字跳網(wǎng)絡(luò)技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10