一种基于视联网的音频流处理方法及系统与流程

本发明涉及视联网
技术领域：
，特别是涉及一种基于视联网的音频流处理方法及系统。
背景技术：
：当前，很多公司在各个地区都设置有办事处，各个办事处之间往往需要进行业务沟通，为了能够进行业务沟通，各个办事处之间往往需要开启会议，为了使得各个办事处之间能够开启会议，需要事先为各个办事处分别设置一个终端。如此，各个办事处的员工可以使用终端参与会议。各个办事处的终端与服务器通信连接，服务器还通信连接有混音器，每一个终端分别采集音频流1，并将音频流1发送给服务器，服务器分别接收每一个终端发送的音频流1，为了使得每一个办事处的员工都能够听到其他办事处员工的发言，服务器需要将各个音频流1分别发送给混音器，混音器将所有音频流1混合为一路音频流2，并向服务器发送音频流2，服务器接收音频流2，向每一个终端分别发送音频流2，每一个终端分别接收并播放音频流2，从而使得每一个办事处的员工都能够听到其他办事处的员工的发言。然而，由于音频流2包括了所有音频流1，因此，对于任意一个办事处的员工，在该办事处的终端播放音频流2之后，该办事处的员工能够听到自己的发言，导致员工的开会体验较低。因此，为了提高员工的开会体验，需要避免每一个办事处的员工都能听到自己的发言，如此，混音器在混合所有音频流1时，除了需要将所有音频流1混合为音频流2以外，还需要在多个音频流1中，依次选择部分音频流1分别混合，选择方式可以为cnn-1的方式，n为音频流1的数量，也即，在多个音频流1中，每次去除一个不同的音频流，然后将剩余的音频流混合为一路音频流2，从而会得到多路音频流2，得到音频流2的数量为音频流1的数量与数值1之和，也即为n+1，混合n+1次会增加混音器的负荷。其次，在混音器将n+1路音频流2发送给服务器之后，服务器需要对n+1路音频流2进行调度，例如，对于任一路音频流2，服务器需要确定需要将该音频流2发送给哪个终端，对于其他每一个路音频流2，同样执行上述操作，可见，调度复杂度较高，也会增加服务器的负荷。技术实现要素：为了解决上述技术问题，本发明实施例示出了一种基于视联网的音频流处理方法及系统。第一方面，本发明实施例示出了一种基于视联网的音频流处理方法，所述视联网包括视联网服务器、视联网混音器以及多个视联网说话终端，每一个视联网说话终端分别与所述视联网服务器基于视联网协议通信连接，所述视联网服务器与所述视联网混音器基于视联网协议通信连接，所述方法包括：每一个视联网说话终端分别采集第一音频流，存储所述第一音频流，向所述视联网服务器发送所述第一音频流；所述视联网服务器接收每一个视联网说话终端发送的第一音频流，将多个第一音频流分别发送给所述视联网混音器；所述视联网混音器接收多个第一音频流，将多个第一音频流混合为第二音频流，向所述视联网服务器发送所述第二音频流；所述视联网服务器接收所述第二音频流，向每一个视联网终端发送所述第二音频流；每一个视联网说话终端分别接收所述第二音频流，从所述第二音频流中去除各自采集的第一音频流，得到第三音频流，播放所述第三音频流。在一个可选的实现方式中，所述从所述第二音频流中去除所述视联网说话终端采集的所述第一音频流，得到第三音频流，包括：使用预设回声抑制算法从所述第二音频流中去除所述视联网说话终端采集的所述第一音频流，得到第三音频流。在一个可选的实现方式中，所述使用预设回声抑制算法从所述第二音频流中去除所述视联网说话终端采集的所述第一音频流，得到第三音频流，包括：将所述第二音频流、所述视联网说话终端采集的第一音频流输入所述预设回声抑制算法中，得到所述预设回声算法输出的所述第三音频流。在一个可选的实现方式中，所述视联网还包括多个视联网听话终端，每一个视联网听话终端分别与所述视联网服务器基于视联网协议通信连接；所述方法还包括：所述视联网服务器分别向每一个视联网听话终端发送所述第二音频流；每一个视联网听话终端分别接收所述第二音频流，播放所述第二音频流。第二方面，本发明实施例示出了一种基于视联网的音频流处理系统，所述系统包括：视联网服务器、视联网混音器以及多个视联网说话终端，每一个视联网说话终端分别与所述视联网服务器基于视联网协议通信连接，所述视联网服务器与所述视联网混音器基于视联网协议通信连接；每一个视联网说话终端用于采集第一音频流，存储所述第一音频流，向所述视联网服务器发送所述第一音频流；所述视联网服务器用于接收每一个视联网说话终端发送的第一音频流，将多个第一音频流分别发送给所述视联网混音器；所述视联网混音器用于接收多个第一音频流，将多个第一音频流混合为第二音频流，向所述视联网服务器发送所述第二音频流；所述视联网服务器还用于接收所述第二音频流，向每一个视联网终端发送所述第二音频流；每一个视联网说话终端还用于分别接收所述第二音频流，从所述第二音频流中去除各自采集的第一音频流，得到第三音频流，播放所述第三音频流在一个可选的实现方式中，所述视联网说话终端还用于：使用预设回声抑制算法从所述第二音频流中去除所述视联网说话终端采集的所述第一音频流，得到第三音频流。在一个可选的实现方式中，所述视联网说话终端还用于：将所述第二音频流、所述视联网说话终端采集的第一音频流输入所述预设回声抑制算法中，得到所述预设回声算法输出的所述第三音频流。在一个可选的实现方式中，所述系统还包括多个视联网听话终端，每一个视联网听话终端分别与所述视联网服务器基于视联网协议通信连接；所述系统还包括：所述视联网服务器还用于分别向每一个视联网听话终端发送所述第二音频流；每一个视联网听话终端用于分别接收所述第二音频流，播放所述第二音频流。第三方面，本发明实施例示出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的基于视联网的音频流处理方法的步骤。第四方面，本发明实施例示出了一种计算机可读存储介质，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第一方面所述的基于视联网的音频流处理方法的步骤。本发明实施例包括以下优点：本发明实施例中，每一个视联网说话终端采集第一音频流，存储第一音频流，向视联网服务器发送第一音频流；视联网服务器接收每一个视联网说话终端发送的第一音频流，将多个第一音频流分别发送给视联网混音器；视联网混音器接收多个第一音频流，将多个第一音频流混合为第二音频流，向视联网服务器发送第二音频流；视联网服务器接收第二音频流，向每一个视联网终端发送第二音频流；每一个视联网说话终端分别接收第二音频流，从第二音频流中去除各自采集的第一音频流，得到第三音频流，播放第三音频流。通过本发明实施例的方法，视联网混音器只需要将所有第一音频流混合为一路第二音频流即可，无需混合多次得到多路音频流，从而可以降低视联网混音器的负荷，视联网服务器只需将一路第二音频流分别发送给每一个视联网说话终端即可，无需调度，从而可以降低视联网服务器的负荷。附图说明图1是本发明的一种视联网的组网示意图；图2是本发明的一种节点服务器的硬件结构示意图；图3是本发明的一种接入交换机的硬件结构示意图；图4是本发明的一种以太网协转网关的硬件结构示意图；图5是本发明的一种基于视联网的音频流处理系统实施例的结构框图；图6是本发明的一种基于视联网的音频流处理方法实施例的步骤流程图；图7是本发明的一种基于视联网的音频流处理系统实施例的结构框图。具体实施方式为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。视联网是网络发展的重要里程碑，是一个实时网络，能够实现高清视频实时传输，将众多互联网应用推向高清视频化，高清面对面。视联网采用实时高清视频交换技术，可以在一个网络平台上将所需的服务，如高清视频会议、视频监控、智能化监控分析、应急指挥、数字广播电视、延时电视、网络教学、现场直播、vod点播、电视邮件、个性录制(pvr)、内网(自办)频道、智能化视频播控、信息发布等数十种视频、语音、图片、文字、通讯、数据等服务全部整合在一个系统平台，通过电视或电脑实现高清品质视频播放。为使本领域技术人员更好地理解本发明实施例，以下对视联网进行介绍：视联网所应用的部分技术如下所述：网络技术(networktechnology)视联网的网络技术创新改良了传统以太网(ethernet)，以面对网络上潜在的巨大视频流量。不同于单纯的网络分组包交换(packetswitching)或网络电路交换(circuitswitching)，视联网技术采用packetswitching满足streaming需求。视联网技术具备分组交换的灵活、简单和低价，同时具备电路交换的品质和安全保证，实现了全网交换式虚拟电路，以及数据格式的无缝连接。交换技术(switchingtechnology)视联网采用以太网的异步和包交换两个优点，在全兼容的前提下消除了以太网缺陷，具备全网端到端无缝连接，直通用户终端，直接承载ip数据包。用户数据在全网范围内不需任何格式转换。视联网是以太网的更高级形态，是一个实时交换平台，能够实现目前互联网无法实现的全网大规模高清视频实时传输，将众多网络视频应用推向高清化、统一化。服务器技术(servertechnology)视联网和统一视频平台上的服务器技术不同于传统意义上的服务器，它的流媒体传输是建立在面向连接的基础上，其数据处理能力与流量、通讯时间无关，单个网络层就能够包含信令及数据传输。对于语音和视频业务来说，视联网和统一视频平台流媒体处理的复杂度比数据处理简单许多，效率比传统服务器大大提高了百倍以上。储存器技术(storagetechnology)统一视频平台的超高速储存器技术为了适应超大容量和超大流量的媒体内容而采用了最先进的实时操作系统，将服务器指令中的节目信息映射到具体的硬盘空间，媒体内容不再经过服务器，瞬间直接送达到用户终端，用户等待一般时间小于0.2秒。最优化的扇区分布大大减少了硬盘磁头寻道的机械运动，资源消耗仅占同等级ip互联网的20％，但产生大于传统硬盘阵列3倍的并发流量，综合效率提升10倍以上。网络安全技术(networksecuritytechnology)视联网的结构性设计通过每次服务单独许可制、设备与用户数据完全隔离等方式从结构上彻底根除了困扰互联网的网络安全问题，一般不需要杀毒程序、防火墙，杜绝了黑客与病毒的攻击，为用户提供结构性的无忧安全网络。服务创新技术(serviceinnovationtechnology)统一视频平台将业务与传输融合在一起，不论是单个用户、私网用户还是一个网络的总合，都不过是一次自动连接。用户终端、机顶盒或pc直接连到统一视频平台，获得丰富多彩的各种形态的多媒体视频服务。统一视频平台采用“菜谱式”配表模式来替代传统的复杂应用编程，可以使用非常少的代码即可实现复杂的应用，实现“无限量”的新业务创新。视联网的组网如下所述：视联网是一种集中控制的网络结构，该网络可以是树型网、星型网、环状网等等类型，但在此基础上网络中需要有集中控制节点来控制整个网络。如图1所示，视联网分为接入网和城域网两部分。接入网部分的设备主要可以分为3类：节点服务器，接入交换机，终端(包括各种机顶盒、编码板、存储器等)。节点服务器与接入交换机相连，接入交换机可以与多个终端相连，并可以连接以太网。其中，节点服务器是接入网中起集中控制功能的节点，可控制接入交换机和终端。节点服务器可直接与接入交换机相连，也可以直接与终端相连。类似的，城域网部分的设备也可以分为3类：城域服务器，节点交换机，节点服务器。城域服务器与节点交换机相连，节点交换机可以与多个节点服务器相连。其中，节点服务器即为接入网部分的节点服务器，即节点服务器既属于接入网部分，又属于城域网部分。城域服务器是城域网中起集中控制功能的节点，可控制节点交换机和节点服务器。城域服务器可直接连接节点交换机，也可直接连接节点服务器。由此可见，整个视联网络是一种分层集中控制的网络结构，而节点服务器和城域服务器下控制的网络可以是树型、星型、环状等各种结构。形象地称，接入网部分可以组成统一视频平台(虚线圈中部分)，多个统一视频平台可以组成视联网；每个统一视频平台可以通过城域以及广域视联网互联互通。视联网设备分类1.1本发明实施例的视联网中的设备主要可以分为3类：服务器，交换机(包括以太网网关)，终端(包括各种机顶盒，编码板，存储器等)。视联网整体上可以分为城域网(或者国家网、全球网等)和接入网。1.2其中接入网部分的设备主要可以分为3类：节点服务器，接入交换机(包括以太网网关)，终端(包括各种机顶盒，编码板，存储器等)。各接入网设备的具体硬件结构为：节点服务器：如图2所示，主要包括网络接口模块201、交换引擎模块202、cpu模块203、磁盘阵列模块204；其中，网络接口模块201，cpu模块203、磁盘阵列模块204进来的包均进入交换引擎模块202；交换引擎模块202对进来的包进行查地址表205的操作，从而获得包的导向信息；并根据包的导向信息把该包存入对应的包缓存器206的队列；如果包缓存器206的队列接近满，则丢弃；交换引擎模202轮询所有包缓存器队列，如果满足以下条件进行转发：1)该端口发送缓存未满；2)该队列包计数器大于零。磁盘阵列模块204主要实现对硬盘的控制，包括对硬盘的初始化、读写等操作；cpu模块203主要负责与接入交换机、终端(图中未示出)之间的协议处理，对地址表205(包括下行协议包地址表、上行协议包地址表、数据包地址表)的配置，以及，对磁盘阵列模块204的配置。接入交换机：如图3所示，主要包括网络接口模块(下行网络接口模块301、上行网络接口模块302)、交换引擎模块303和cpu模块304；其中，下行网络接口模块301进来的包(上行数据)进入包检测模块305；包检测模块305检测包的目地地址(da)、源地址(sa)、数据包类型及包长度是否符合要求，如果符合，则分配相应的流标识符(stream-id)，并进入交换引擎模块303，否则丢弃；上行网络接口模块302进来的包(下行数据)进入交换引擎模块303；cpu模块204进来的数据包进入交换引擎模块303；交换引擎模块303对进来的包进行查地址表306的操作，从而获得包的导向信息；如果进入交换引擎模块303的包是下行网络接口往上行网络接口去的，则结合流标识符(stream-id)把该包存入对应的包缓存器307的队列；如果该包缓存器307的队列接近满，则丢弃；如果进入交换引擎模块303的包不是下行网络接口往上行网络接口去的，则根据包的导向信息，把该数据包存入对应的包缓存器307的队列；如果该包缓存器307的队列接近满，则丢弃。交换引擎模块303轮询所有包缓存器队列，在本发明实施例中分两种情形：如果该队列是下行网络接口往上行网络接口去的，则满足以下条件进行转发：1)该端口发送缓存未满；2)该队列包计数器大于零；3)获得码率控制模块产生的令牌；如果该队列不是下行网络接口往上行网络接口去的，则满足以下条件进行转发：1)该端口发送缓存未满；2)该队列包计数器大于零。码率控制模块208是由cpu模块204来配置的，在可编程的间隔内对所有下行网络接口往上行网络接口去的包缓存器队列产生令牌，用以控制上行转发的码率。cpu模块304主要负责与节点服务器之间的协议处理，对地址表306的配置，以及，对码率控制模块308的配置。以太网协转网关：如图4所示，主要包括网络接口模块(下行网络接口模块401、上行网络接口模块402)、交换引擎模块403、cpu模块404、包检测模块405、码率控制模块408、地址表406、包缓存器407和mac添加模块409、mac删除模块410。其中，下行网络接口模块401进来的数据包进入包检测模块405；包检测模块405检测数据包的以太网macda、以太网macsa、以太网lengthorframetype、视联网目地地址da、视联网源地址sa、视联网数据包类型及包长度是否符合要求，如果符合则分配相应的流标识符(stream-id)；然后，由mac删除模块410减去macda、macsa、lengthorframetype(2byte)，并进入相应的接收缓存，否则丢弃；下行网络接口模块401检测该端口的发送缓存，如果有包则根据包的视联网目地地址da获知对应的终端的以太网macda，添加终端的以太网macda、以太网协转网关的macsa、以太网lengthorframetype，并发送。以太网协转网关中其他模块的功能与接入交换机类似。终端：主要包括网络接口模块、业务处理模块和cpu模块；例如，机顶盒主要包括网络接口模块、视音频编解码引擎模块、cpu模块；编码板主要包括网络接口模块、视音频编码引擎模块、cpu模块；存储器主要包括网络接口模块、cpu模块和磁盘阵列模块。1.3城域网部分的设备主要可以分为2类：节点服务器，节点交换机，城域服务器。其中，节点交换机主要包括网络接口模块、交换引擎模块和cpu模块；城域服务器主要包括网络接口模块、交换引擎模块和cpu模块构成。2、视联网数据包定义2.1接入网数据包定义接入网的数据包主要包括以下几部分：目的地址(da)、源地址(sa)、保留字节、payload(pdu)、crc。如下表所示，接入网的数据包主要包括以下几部分：dasareservedpayloadcrc其中：目的地址(da)由8个字节(byte)组成，第一个字节表示数据包的类型(例如各种协议包、组播数据包、单播数据包等)，最多有256种可能，第二字节到第六字节为城域网地址，第七、第八字节为接入网地址；源地址(sa)也是由8个字节(byte)组成，定义与目的地址(da)相同；保留字节由2个字节组成；payload部分根据不同的数据报的类型有不同的长度，如果是各种协议包的话是64个字节，如果是单组播数据包话是32+1024＝1056个字节，当然并不仅仅限于以上2种；crc有4个字节组成，其计算方法遵循标准的以太网crc算法。2.2城域网数据包定义城域网的拓扑是图型，两个设备之间可能有2种、甚至2种以上的连接，即节点交换机和节点服务器、节点交换机和节点交换机、节点交换机和节点服务器之间都可能超过2种连接。但是，城域网设备的城域网地址却是唯一的，为了精确描述城域网设备之间的连接关系，在本发明实施例中引入参数：标签，来唯一描述一个城域网设备。本说明书中标签的定义和mpls(multi-protocollabelswitch，多协议标签交换)的标签的定义类似，假设设备a和设备b之间有两个连接，那么数据包从设备a到设备b就有2个标签，数据包从设备b到设备a也有2个标签。标签分入标签、出标签，假设数据包进入设备a的标签(入标签)是0x0000，这个数据包离开设备a时的标签(出标签)可能就变成了0x0001。城域网的入网流程是集中控制下的入网过程，也就意味着城域网的地址分配、标签分配都是由城域服务器主导的，节点交换机、节点服务器都是被动的执行而已，这一点与mpls的标签分配是不同的，mpls的标签分配是交换机、服务器互相协商的结果。如下表所示，城域网的数据包主要包括以下几部分：dasareserved标签payloadcrc即目的地址(da)、源地址(sa)、保留字节(reserved)、标签、payload(pdu)、crc。其中，标签的格式可以参考如下定义：标签是32bit，其中高16bit保留，只用低16bit，它的位置是在数据包的保留字节和payload之间。基于视联网的上述特性，提出了本发明实施例的核心构思之一，遵循视联网的协议，视联网混音器只需要将所有第一音频流混合为一路第二音频流即可，无需混合多次得到多路音频流，从而可以降低视联网混音器的负荷，视联网服务器只需将一路第二音频流分别发送给每一个视联网说话终端即可，无需调度，从而可以降低视联网服务器的负荷。参照图5，示出了本发明的一种基于视联网的音频流处理系统实施例的结构框图，该系统包括视联网服务器01、视联网混音器02以及多个视联网说话终端03，每一个视联网说话终端03分别与视联网服务器01基于视联网协议通信连接，视联网服务器01与视联网混音器02基于视联网协议通信连接。参照图6，示出了本发明的一种基于视联网的音频流处理方法实施例的步骤流程图，该方法可以应用于图5所示的系统中，该方法具体可以包括如下步骤：在步骤s101中，每一个视联网说话终端采集第一音频流，存储第一音频流，向视联网服务器发送第一音频流；在本发明实施例中，可能有很多视联网说话终端同时参与会议，视联网说话终端在会议过程中具备说话的权利，使用视联网说话终端的用户在会议过程中可以发言，例如，对着自己的视联网说话终端发出语音，视联网说话终端采集用户输入的第一音频流，并将采集的第一音频流发送给视联网服务器。在步骤s102中，视联网服务器接收每一个视联网说话终端发送的第一音频流，将多个第一音频流分别发送给视联网混音器；在参与会议的视联网说话终端中往往为多个。如此，视联网服务器接收每一个视联网说话终端发送的第一音频流。在会议过程中，当一个用户使用自己的视联网说话终端发言之后，需要使得参与会议的、使用其他视联网说话终端的用户能够听到该一个用户的发言。因此，视联网服务器在接收到每一个视联网说话终端发送的第一音频流之后，需要将所有第一音频流分别发送给参与会议的每一个视联网说话终端，通常情况下，需要将接收到的所有第一音频流混合为一路音频流，然后混合后的一路音频流发送给参与会议的每一个视联网说话终端。为了将接收到的所有第一音频流混合为一路音频流，视联网服务器可以将多个第一音频流分别发送给视联网混音器。在步骤s103中，视联网混音器接收多个第一音频流，将多个第一音频流混合为第二音频流，向视联网服务器发送第二音频流；在本发明实施例中，视联网混音器在接收多个第一音频流之后，可以按照现有技术中的任意一种音频流的混合方法将多个第一音频流混合为一路第二音频流，并向视联网服务器发送第二音频流。在步骤s104中，视联网服务器接收第二音频流，向每一个视联网终端发送第二音频流；在会议过程中，当一个用户使用自己的视联网说话终端发言之后，需要使得参与会议的、使用其他视联网说话终端的用户能够听到该一个用户的发言。为了使得参与会议的、使用其他视联网说话终端的用户能够听到该一个用户的发言，视联网服务器在接收到第二音频流之后，需要向每一个视联网说话终端发送第二音频流。在步骤s105中，每一个视联网说话终端分别接收第二音频流，从第二音频流中去除各自采集的第一音频流，得到第三音频流，播放第三音频流。在本发明实施例中，第二音频流中包括了多个视联网说话终端采集的第一音频流。对于任意一个视联网说话终端，第二音频流中包括了该视联网说话终端采集的第一音频流，也即，第二音频流中包括了使用该视联网说话终端的用户发出的语音对应的第一音频流，如此，在该视联网说话终端播放第二音频流之后，使用该视联网说话终端的用户除了能够听到参与会议的其他用户发出的语音之外，还能听到自己之前发出的语音，从而会导致用户体验较低。因此，为了避免降低用户体验，需要从第二音频流中去除该视联网说话终端采集的第一音频流，得到第三音频流，然后播放第三音频流，如此，使用该视联网说话终端的用户只能听到参与会议的其他用户发出的语音，听不到自己之前发出的语音，从而可以避免降低用户体验。其中，在从第二音频流中去除该视联网说话终端采集的第一音频流，可以为：使用预设回声抑制算法从第二音频流中去除视联网说话终端采集的第一音频流，得到第三音频流。具体地，可以将第二音频流、视联网说话终端采集的第一音频流输入预设回声抑制算法中，得到预设回声算法输出的第三音频流。对于其他每一个视联网说话终端，同样执行上述操作。在本发明实施例中，每一个视联网说话终端采集第一音频流，存储第一音频流，向视联网服务器发送第一音频流；视联网服务器接收每一个视联网说话终端发送的第一音频流，将多个第一音频流分别发送给视联网混音器；视联网混音器接收多个第一音频流，将多个第一音频流混合为第二音频流，向视联网服务器发送第二音频流；视联网服务器接收第二音频流，向每一个视联网终端发送第二音频流；每一个视联网说话终端分别接收第二音频流，从第二音频流中去除各自采集的第一音频流，得到第三音频流，播放第三音频流。通过本发明实施例的方法，视联网混音器只需要将所有第一音频流混合为一路第二音频流即可，无需混合多次得到多路音频流，从而可以降低视联网混音器的负荷，视联网服务器只需将一路第二音频流分别发送给每一个视联网说话终端即可，无需调度，从而可以降低视联网服务器的负荷。在本发明另一实施例中，可能有很多视联网终端同时参与会议，在这些视联网终端中，有些视联网终端具备说话的权利，有些视联网终端没有说话的权利，只有听话的权利，具备说话的权利的视联网终端为视联网说话终端，不具备说话的权利的视联网终端为视联网听话终端。也即，在图5所示的系统的基础之上，参见图7，该系统还包括多个视联网听话终端04，每一个视联网听话终端04分别与视联网服务器01基于视联网协议通信连接。由于视联网听话终端与视联网说话终端都在参与会议，因此，使用视联网听话终端的用户也需要听到使用视联网说话终端的用户的发言，也即，视联网听话终端也需要得到每一个视联网说话终端采集的第一音频流。所以，为了使得视联网听话终端也能够收到第一音频流，视联网服务器需要分别向每一个视联网听话终端发送第二音频流；每一个视联网听话终端分别接收第二音频流，由于第二音频流中的每一个第一音频流均不是使用视联网听话终端的用户发出的，因此，每一个视联网听话终端均可以直接播放第二音频流，以使使用视联网听话终端的用户能够听到使用视联网说话终端的用户的发言。需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。本发明实施例还示出了一种基于视联网的音频流处理系统，所述系统包括：视联网服务器、视联网混音器以及多个视联网说话终端，每一个视联网说话终端分别与所述视联网服务器基于视联网协议通信连接，所述视联网服务器与所述视联网混音器基于视联网协议通信连接；每一个视联网说话终端用于采集第一音频流，存储所述第一音频流，向所述视联网服务器发送所述第一音频流；所述视联网服务器用于接收每一个视联网说话终端发送的第一音频流，将多个第一音频流分别发送给所述视联网混音器；所述视联网混音器用于接收多个第一音频流，将多个第一音频流混合为第二音频流，向所述视联网服务器发送所述第二音频流；所述视联网服务器还用于接收所述第二音频流，向每一个视联网终端发送所述第二音频流；每一个视联网说话终端还用于分别接收所述第二音频流，从所述第二音频流中去除各自采集的第一音频流，得到第三音频流，播放所述第三音频流在一个可选的实现方式中，所述视联网说话终端还用于：使用预设回声抑制算法从所述第二音频流中去除所述视联网说话终端采集的所述第一音频流，得到第三音频流。在一个可选的实现方式中，所述视联网说话终端还用于：将所述第二音频流、所述视联网说话终端采集的第一音频流输入所述预设回声抑制算法中，得到所述预设回声算法输出的所述第三音频流。在一个可选的实现方式中，所述系统还包括多个视联网听话终端，每一个视联网听话终端分别与所述视联网服务器基于视联网协议通信连接；所述系统还包括：所述视联网服务器还用于分别向每一个视联网听话终端发送所述第二音频流；每一个视联网听话终端用于分别接收所述第二音频流，播放所述第二音频流。本发明实施例中，每一个视联网说话终端采集第一音频流，存储第一音频流，向视联网服务器发送第一音频流；视联网服务器接收每一个视联网说话终端发送的第一音频流，将多个第一音频流分别发送给视联网混音器；视联网混音器接收多个第一音频流，将多个第一音频流混合为第二音频流，向视联网服务器发送第二音频流；视联网服务器接收第二音频流，向每一个视联网终端发送第二音频流；每一个视联网说话终端分别接收第二音频流，从第二音频流中去除各自采集的第一音频流，得到第三音频流，播放第三音频流。通过本发明实施例，视联网混音器只需要将所有第一音频流混合为一路第二音频流即可，无需混合多次得到多路音频流，从而可以降低视联网混音器的负荷，视联网服务器只需将一路第二音频流分别发送给每一个视联网说话终端即可，无需调度，从而可以降低视联网服务器的负荷。对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、系统、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。以上对本发明所提供的一种基于视联网的音频流处理方法及系统，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。当前第1页1 2 3