音视频数据处理方法、装置、电子设备和介质与流程

1.本公开涉及计算机技术领域，尤其涉及语音技术领域，更具体地，涉及一种音视频数据处理方法、装置、电子设备、介质和程序产品。


背景技术：

2.在音视频处理的场景下，通常需要为音视频添加对应的文本，例如在音视频中添加字幕信息。相关技术在为音视频添加文本时，文本的和音视频的匹配度较低、人工成本较高、操作繁琐。


技术实现要素：

3.本公开提供了一种音视频数据处理方法、装置、电子设备、存储介质以及程序产品。
4.根据本公开的一方面，提供了一种音视频数据处理方法，包括：处理音视频数据，得到第一语音元素集合和针对所述第一语音元素集合的第一时间信息；将所述第一语音元素集合与第二语音元素集合进行匹配，其中，所述第二语音元素集合与文本数据相关联；基于所述第一语音元素集合和所述第二语音元素集合之间的匹配结果和所述第一时间信息，确定针对所述文本数据的第二时间信息；基于所述第二时间信息，关联地输出所述文本数据和所述音视频数据。
5.根据本公开的另一方面，提供了一种音视频数据处理装置，包括：处理模块、匹配模块、确定模块以及输出模块。处理模块，用于处理音视频数据，得到第一语音元素集合和针对所述第一语音元素集合的第一时间信息；匹配模块，用于将所述第一语音元素集合与第二语音元素集合进行匹配，其中，所述第二语音元素集合与文本数据相关联；确定模块，用于基于所述第一语音元素集合和所述第二语音元素集合之间的匹配结果和所述第一时间信息，确定针对所述文本数据的第二时间信息；输出模块，用于基于所述第二时间信息，关联地输出所述文本数据和所述音视频数据。
6.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和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上述的音视频数据处理方法。
7.根据本公开的另一方面，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，所述计算机指令用于使所述计算机执行上述的音视频数据处理方法。
8.根据本公开的另一方面，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上述的音视频数据处理方法。
9.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
10.附图用于更好地理解本方案，不构成对本公开的限定。其中：
11.图1示意性示出了根据本公开一实施例的音视频数据处理方法和装置的系统架构；
12.图2示意性示出了根据本公开一实施例的音视频数据处理方法的流程图；
13.图3示意性示出了根据本公开一实施例的音视频数据处理方法的原理图；
14.图4a～4b示意性示出了根据本公开一实施例的音视频数据处理方法的示意图；
15.图5示意性示出了根据本公开一实施例的音视频数据处理装置的框图；以及
16.图6是用来实现本公开实施例的用于执行音视频数据处理的电子设备的框图。
具体实施方式
17.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。
18.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
19.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
20.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
21.本公开的实施例提供了一种音视频数据处理方法。音视频数据处理方法包括：处理音视频数据，得到第一语音元素集合和针对第一语音元素集合的第一时间信息。然后，将第一语音元素集合与第二语音元素集合进行匹配，第二语音元素集合与文本数据相关联，基于第一语音元素集合和第二语音元素集合之间的匹配结果和第一时间信息，确定针对文本数据的第二时间信息。接下来，基于第二时间信息，关联地输出文本数据和音视频数据。
22.图1示意性示出了根据本公开一实施例的音视频数据处理方法和装置的系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
23.如图1所示，根据该实施例的系统架构100可以包括客户端101、102、103，网络104和服务器105。网络104用以在客户端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。
24.用户可以使用客户端101、102、103通过网络104与服务器105交互，以接收或发送消息等。客户端101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏
览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
25.客户端101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。本公开实施例的客户端101、102、103例如可以运行应用程序。
26.服务器105可以是提供各种服务的服务器，例如对用户利用客户端101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给客户端。另外，服务器105还可以是云服务器，即服务器105具有云计算功能。
27.需要说明的是，本公开实施例所提供的音视频数据处理方法可以由服务器105执行。相应地，本公开实施例所提供的音视频数据处理装置可以设置于服务器105中。本公开实施例所提供的音视频数据处理方法也可以由不同于服务器105且能够与客户端101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的音视频数据处理装置也可以设置于不同于服务器105且能够与客户端101、102、103和/或服务器105通信的服务器或服务器集群中。
28.例如，可以通过客户端101、102、103发送音视频数据和文本数据，当服务器105通过网络104接收到来自客户端101、102、103的音视频数据和文本数据之后，服务器105可以基于音视频数据和文本数据得到针对文本数据的时间信息，并基于时间信息关联地输出文本数据和音视频数据。
29.应该理解，图1中的客户端、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客户端、网络和服务器。
30.本公开实施例提供了一种音视频数据处理方法，下面结合图1的系统架构，参考图2～图4b来描述根据本公开示例性实施方式的音视频数据处理方法。本公开实施例的音视频数据处理方法例如可以由图1所示的服务器105来执行。
31.图2示意性示出了根据本公开一实施例的音视频数据处理方法的流程图。
32.如图2所示，本公开实施例的音视频数据处理方法200例如可以包括操作s210～操作s240。
33.在操作s210，处理音视频数据，得到第一语音元素集合和针对第一语音元素集合的第一时间信息。
34.在操作s220，将第一语音元素集合与第二语音元素集合进行匹配，第二语音元素集合与文本数据相关联。
35.在操作s230，基于第一语音元素集合和第二语音元素集合之间的匹配结果和第一时间信息，确定针对文本数据的第二时间信息。
36.在操作s240，基于第二时间信息，关联地输出文本数据和音视频数据。
37.示例性地，用户在编辑音视频数据时，可以上传音视频数据和对应的文本数据，以便将文本数据和音视频数据进行关联输出。例如，可以对音视频数据中的音频进行语音识别，得到第一语音元素集合，第一语音元素集合中包括多个第一语音元素，每个第一语音例如包括音素，音素例如包括元音、辅音等等。在得到第一语音元素集合之后，确定每个第一语音元素在音视频数据中出现的时间信息，将多个第一语音元素对应的时间信息确定为针
对第一语音元素集合的第一时间信息。
38.然后，获取针对文本数据的第二语音元素集合，第二语音元素集合中例如包括多个第二语音元素，每个第二语音例如包括音素，音素例如包括元音、辅音等等。例如，对文本数据中的每个字词，确定每个字词的音素，以得到第二语音元素集合。
39.在获取到第一语音元素集合和第二语音元素集合之后，可以将第一语音元素集合中的第一语音元素和第二语音元素集合中的第二语音元素进行匹配，以确认出与第一语音元素匹配的第二语音元素，并将针对第一语音元素的第一时间信息作为第二语音元素的时间信息，从而得到针对文本数据的第二时间信息。
40.第二时间信息例如指示了文本数据在音视频数据中出现的时间，因此，可以基于第二时间信息，关联地输出文本数据和和音视频数据，以便在音视频播放时的相应时刻输出文本数据，实现将文本数据作为音视频数据的字幕数据进行输出。
41.根据本公开的实施例，通过处理音视频数据得到第一语音元素集合，将第一语音元素集合和针对文本数据的第二语音元素集合进行匹配，基于匹配结果和针对第一语音元素集合的第一时间信息，确定针对文本数据的第二时间信息，并根据第二时间信息关联地输出文本数据和音视频数据。由此可见，通过本公开实施例的技术方案，实现了为音视频数据匹配对应的字幕数据，提高了字幕匹配的效率和准确性，降低了字幕匹配所需的人工成本，降低了字幕匹配的操作繁琐性。
42.图3示意性示出了根据本公开一实施例的音视频数据处理方法的原理图。
43.如图3所示，针对音视频数据310，从音视频数据310中提取多个音频帧，例如提取n个音频帧，n为大于等于1的整数。然后，处理多个音频帧，得到与多个音频帧一一对应的多个音频特征。例如，对n个音频帧进行特征提取，得到n个音频特征320。示例性地，在处理音频帧得到音频特征时，可以通过预先训练的声学模型来进行特征提取。声学模型例如包括时延神经网络模型。然后，根据音视频数据的时间信息，确定每个音频帧的时间信息作为针对第一语音元素集合的第一时间信息。例如，与n个音频特征320一一对应的时间信息为t1～t
n
，将t1～t
n
作为第一时间信息。t1～t
n
中的任意一个可以是时刻或时间段。
44.针对文本数据，确定与文本数据对应的第二语音元素集合，第二语音元素集合例如以状态图330的方式表示。状态图330例如包括多个第二语音元素，多个第二语音元素例如包括“f”、“u：”、“b”、“a：”等等。例如依次确定文本数据中的每个字对应的至少一个语音元素，将文本数据中所有文字对应的语音元素依次排列得到状态图330。
45.示例性地，针对多个音频特征320，可以通过声学模型识别每个音频特征，得到与多个音频特征320一一对应的多个第一语音元素，作为第一语音元素集合。
46.例如，针对每个音频特征320，确定与该音频特征320对应的多个候选语音元素以及与多个候选语音元素对应的多个目标概率，多个目标概率中每个目标概率表征音频特征的识别结果为对应的候选语音元素的概率。例如，针对第一个音频特征320，声学模型输出该音频特征320对应的4个候选语音元素“f”、“u：”、“b”、“a：”，以及与该4个候选语音元素“f”、“u：”、“b”、“a：”对应的4个概率0.7、0.1、0.1、0.1。
47.在一示例中，可以将最大概率对应的候选语音元素“f”，作为与第一个音频特征320对应的第一语音元素，从而得到每个音频特征对应的第一语音元素。将多个音频特征对应的第一语音元素，作为第一语音元素集合。
48.示例性地，针对每个音频特征320的多个候选语音元素例如可以包括状态图330中的多个第二语音元素“f”、“u：”、“b”、“a：”。
49.在另一示例中，针对每个音频特征320，基于该音频特征320的多个目标概率和音频语义信息，从多个候选语音元素中确定一个候选语音元素，作为与该音频特征对应的第一语音元素。音频语义信息例如为音视频数据310中的上下文关系。
50.例如，以第三个音频特征320为例，该音频特征320对应4个候选语音元素“f”、“u：”、“b”、“a：”，以及与该4个候选语音元素“f”、“u：”、“b”、“a：”对应4个概率0.5、0.4、0.05、0.05。基于概率和上下文关系，确定与该音频特征320对应的候选语音元素“u：”，作为与第三个音频特征320对应的第一语音元素。可以理解，该方式综合考虑概率和上下文关系来确定针对每个音频特征的第一语音元素，使得第一语音元素的识别结果更加准确。例如，上下文关系指示了附近音频的读音为“fu”，则在第二个音频特征320对应的第一语音元素为“f”时，基于上下文关系确定第三个音频特征320对应的第一语音元素大概率为“u：”。
51.在另一示例中，针对状态图330，多个第二语音元素中的每个第二语音元素包括至少一个语音状态，本公开实施例以每个第二语音元素包括3个语音状态为例进行说明。每个第二语音元素对应的3个语音状态可以不同，不同的语音状态例如体现在声速、音色、声调等不同。由每个第二语音元素对应的多个状态，组成状态图330。
52.每个音频特征320对应的目标概率，可以包括每个音频特征320对应于每个第二语音元素的多个语音状态的概率，即每个语音状态对应一个目标概率。然后，基于目标概率和音频语义信息将第一语音元素集合中的每个第一语音元素与每个语音状态进行匹配，得到每个第一语音元素与语音状态的匹配结果，实现了将每个音频特征匹配至状态图330中，得到匹配路径331。
53.接下来，针对与每个语音状态匹配的第一语音元素，将与第一语音元素对应的第一时间信息，确定为针对每个语音状态的时间信息。例如，针对与第二语音元素“f”的第一个语音状态匹配的第一语音元素(对应于第一个音频特征)，该第一语音元素对应的第一时间信息为t1，将第一时间信息t1确定为针对第二语音元素“f”的第一个语音状态的时间信息。
54.将针对每个语音状态的时间信息，确定为与语音状态对应的第二语音元素的时间信息。例如，针对第一个音频特征320和第二个音频特征320，其分别对应第二语音元素“f”的第一个语音状态和第二个语音状态，将第二语音元素“f”的第一个语音状态的第一时间信息为t1和第二个语音状态的第一时间信息为t2，作为第二语音元素“f”的时间信息。可以理解，通过语音状态的匹配来实现语音元素的匹配，提高了语音元素匹配的粒度，进而提高了匹配准确性。
55.然后，基于针对每个第二语音元素的时间信息，确定针对文本数据的第二时间信息。例如，在得到针对文本数据的第二时间信息之后，针对文本数据中的每个语句，确定每个语句对应的时间段。例如，每两个标点符号之间的文本为一个语句，标点符号可以是逗号、句号等。在得到每个语句对应的时间段之后，后续在输出音视频数据时，在每个时间段输出对应的语句，实现在音视频数据中输出字幕数据。
56.根据本公开的实施例，通过处理音视频数据得到多个音素，并将多个因素与文本数据的多个因素进行匹配，根据匹配结果，将音视频数据的因素对应的时间信息，作为文本
数据的音素的时间信息，便于根据文本数据的音素的时间信息关联输出文本数据和音视频数据，实现在音视频数据中输出字幕数据。可见，本公开的实施例实现了为音视频数据匹配对应的字幕数据，提高了字幕匹配的效率和准确性，降低了字幕匹配所需的人工成本，降低了字幕匹配的操作繁琐性。
57.图4a～4b示意性示出了根据本公开一实施例的音视频数据处理方法的示意图。
58.如图4a～4b所示，用户在通过客户端进行音视频编辑时，可以将音视频数据410上传至应用程序中，并将与音视频数据410对应的文本数据420导入应用程序。应用程序将音视频数据410和文本数据420发送给服务器进行处理，服务器可以执行上述的方法，得到针对文本数据420的第二时间信息。然后，基于第二时间信息，关联地输出音视频数据410和文本数据420，输出结果430包括将文本数据420作为音视频数据410的字幕数据，输出结果430可以展示在客户端。例如，在音视频播放至“大家好”的场景时，将文本“大家好”作为字幕进行显示。
59.图5示意性示出了根据本公开一实施例的音视频数据处理装置的框图。
60.如图5所示，本公开实施例的音视频数据处理装置500例如包括处理模块510、匹配模块520、确定模块530以及输出模块540。
61.处理模块510可以用于处理音视频数据，得到第一语音元素集合和针对第一语音元素集合的第一时间信息。根据本公开实施例，处理模块510例如可以执行上文参考图2描述的操作s210，在此不再赘述。
62.匹配模块520可以用于将第一语音元素集合与第二语音元素集合进行匹配，其中，第二语音元素集合与文本数据相关联。根据本公开实施例，匹配模块520例如可以执行上文参考图2描述的操作s220，在此不再赘述。
63.确定模块530可以用于基于第一语音元素集合和第二语音元素集合之间的匹配结果和第一时间信息，确定针对文本数据的第二时间信息。根据本公开实施例，确定模块530例如可以执行上文参考图2描述的操作s230，在此不再赘述。
64.输出模块540可以用于基于第二时间信息，关联地输出文本数据和音视频数据。根据本公开实施例，输出模块540例如可以执行上文参考图2描述的操作s240，在此不再赘述。
65.根据本公开的实施例，处理模块510包括：提取子模块、处理子模块、第一确定子模块和第二确定子模块。提取子模块，用于从音视频数据中提取多个音频帧；处理子模块，用于处理多个音频帧，得到与多个音频帧一一对应的多个音频特征；第一确定子模块，用于确定与多个音频特征一一对应的多个第一语音元素，作为第一语音元素集合；第二确定子模块，用于根据音视频数据的时间信息，确定多个音频帧中每个音频帧的时间信息作为第一时间信息。
66.根据本公开的实施例，针对多个音频特征中的每个音频特征，第一确定子模块包括：第一确定单元和第二确定单元。第一确定单元，用于确定与音频特征对应的多个候选语音元素以及与多个候选语音元素对应的多个目标概率，其中，多个目标概率中每个目标概率表征音频特征的识别结果为对应的候选语音元素的概率；第二确定单元，用于基于多个目标概率和音频语义信息，从多个候选语音元素中确定一个候选语音元素，作为与音频特征对应的第一语音元素。
67.根据本公开的实施例，第二语音元素集合包括多个第二语音元素，多个第二语音
元素中的每个第二语音元素包括至少一个语音状态；匹配模块520还用于：将第一语音元素集合中的每个第一语音元素与每个语音状态进行匹配。
68.根据本公开的实施例，确定模块530包括：第三确定子模块、第四确定子模块、第五确定子模块。第三确定子模块，用于针对与每个语音状态匹配的第一语音元素，将与第一语音元素对应的第一时间信息，确定为针对每个语音状态的时间信息；第四确定子模块，用于将针对每个语音状态的时间信息，确定为与语音状态对应的第二语音元素的时间信息；第五确定子模块，用于基于针对第二语音元素的时间信息，确定针对文本数据的第二时间信息。
69.根据本公开的实施例，输出模块540还用于：基于第二时间信息，将文本数据作为音视频数据的字幕数据进行输出。
70.根据本公开的实施例，第一语音元素集合中的第一语音元素包括音素，第二语音元素集合中的第二语音元素包括音素。
71.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。
72.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。
73.图6是用来实现本公开实施例的用于执行音视频数据处理的电子设备的框图。
74.图6示出了可以用来实施本公开实施例的示例电子设备600的示意性框图。电子设备600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。
75.如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储单元608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
76.设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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。
77.计算单元601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601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601执行上文所描述的各个方法和处理，例如音视频数据处理方法。例如，在一些实施例中，音视频数据处理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608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。
当计算机程序加载到ram 603并由计算单元601执行时，可以执行上文描述的音视频数据处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行音视频数据处理方法。
78.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、现场可编程门阵列(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。
79.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音视频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。
80.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。
81.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。
82.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。
83.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。
84.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。
85.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。