语音处理方法及装置与流程

本公开涉及语音技术领域，尤其涉及语音处理方法及装置。

背景技术：

目前，用户可通过即时通讯应用实现与其他用户语音通信等与语音相关的语音处理操作。但相关技术中普遍的做法是需要用户点击语音按钮、视频按钮等指定按钮才能进行语音通信等语音处理操作，而且用户只能通过点击即时通讯应用(如微信、qq)中设置的指定按钮才能进行语音处理操作，而无法在不退出其他应用的基础上直接在其他应用的界面中进行语音处理操作。而这种操作方式不仅无法使用户在非即时通讯应用中进行语音处理操作，而且必须在界面中专门设置一个用于进行语音处理操作的指定按钮，如此，不仅不能灵活、快捷地进行语音处理操作，而且由于需要设置专门的按钮因而需要额外占用界面中的位置且在操作时不一定所有用户都能很顺利地找到该按钮所放位置从而可能存在操作不便的地方。

技术实现要素：

本公开实施例提供了语音处理方法及装置。所述技术方案如下：

根据本公开实施例的第一方面，提供一种语音处理方法，包括：

显示当前显示界面；

监测触控对象相对于所述当前显示界面输入的触发操作；

根据所述触发操作，执行对应的语音处理操作，其中，所述语音处理操作包括以下至少一项：开启语音功能、撤销本次输入的语音、发送本次输入的语音至通信对端。

在一个实施例中，所述根据所述触发操作，执行对应的语音处理操作，包括：

当所述触发操作包括滑动操作时，获取所述滑动操作的位置相关信息，其中，所述位置相关信息包括以下至少一项：所述滑动操作相对于屏幕的当前位置、所述滑动操作相对于屏幕的滑动距离；

根据所述位置相关信息，执行与所述位置相关信息对应的语音处理操作。

在一个实施例中，当所述位置相关信息包括所述滑动操作相对于屏幕的滑动距离时，所述根据所述位置相关信息，执行与所述位置相关信息对应的语音处理操作，包括：

当所述滑动操作为所述触控对象相对于所述当前显示界面的向下滑动操作时，若所述向下滑动操作的下滑距离达到第一预设距离，则开启语音功能，以允许用户输入语音得到本次输入语音；

当所述滑动操作为所述触控对象相对于所述当前显示界面的向上滑动操作时，若所述向上滑动操作的上滑距离达到第二预设距离，则撤销本次输入的语音。

在一个实施例中，所述根据所述触发操作，执行对应的语音处理操作，包括：

当所述触发操作为所述触控对象离开所述当前显示界面的操作时，发送本次输入的语音至通信对端。

在一个实施例中，所述方法还包括：

通过预设提示区对用户进行提示，其中，所述提示包括：通过所述触发操作可执行的所述语音处理操作、即将执行所述语音处理操作、所述语音处理操作执行完成、所述预设提示区将在预设时长后被隐藏。

在一个实施例中，所述预设提示区位于所述当前显示界面的顶部。

根据本公开实施例的第二方面，提供一种语音处理装置，包括：

显示模块，用于显示当前显示界面；

监测模块，用于监测触控对象相对于所述当前显示界面输入的触发操作；

执行模块，用于根据所述触发操作，执行对应的语音处理操作，其中，所述语音处理操作包括以下至少一项：开启语音功能、撤销本次输入的语音、发送本次输入的语音至通信对端。

在一个实施例中，所述执行模块包括：

获取子模块，用于当所述触发操作包括滑动操作时，获取所述滑动操作的位置相关信息，其中，所述位置相关信息包括以下至少一项：所述滑动操作相对于屏幕的当前位置、所述滑动操作相对于屏幕的滑动距离；

执行子模块，用于根据所述位置相关信息，执行与所述位置相关信息对应的语音处理操作。

在一个实施例中，所述执行子模块包括：

开启单元，用于当所述位置相关信息包括所述滑动操作相对于屏幕的滑动距离且所述滑动操作为所述触控对象相对于所述当前显示界面的向下滑动操作时，若所述向下滑动操作的下滑距离达到第一预设距离，则开启语音功能，以允许用户输入语音得到本次输入语音；

撤销单元，用于当所述滑动操作为所述触控对象相对于所述当前显示界面的向上滑动操作时，若所述向上滑动操作的上滑距离达到第二预设距离，则撤销本次输入的语音。

在一个实施例中，所述执行模块包括：

发送子模块，用于当所述触发操作为所述触控对象离开所述当前显示界面的操作时，发送本次输入的语音至通信对端。

在一个实施例中，所述装置还包括：

提示模块，用于通过预设提示区对用户进行提示，其中，所述提示包括：通过所述触发操作可执行的所述语音处理操作、即将执行所述语音处理操作、所述语音处理操作执行完成、所述预设提示区将在预设时长后被隐藏。

本公开的实施例提供的技术方案可以包括以下有益效果：

通过监测触控对象相对于当前显示界面输入的触发操作，可根据该触发操作，自动执行与该触发操作对应的语音处理操作，从而使用户可通过触发当前显示界面直接即可执行语音处理操作，而无需在界面中专门设置一个用于进行语音处理操作的指定按钮才能进行语音处理操作，如此使得用户能够方便、快捷地进行语音处理操作，提高了语音处理操作的执行效率，同时，由于该当前显示界面可以是任一应用的任一界面，因而，这进一步使得用户可灵活、快捷地进行语音处理操作。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种语音处理方法的流程图。

图2是根据一示例性实施例示出的另一种语音处理方法的流程图。

图3是根据一示例性实施例示出的再一种语音处理方法的流程图。

图4a是根据一示例性实施例示出的一种在显示界面上进行触控操作的示意图。

图4b是根据一示例性实施例示出的一种在包含提示区的显示界面上进行触控操作的示意图。

图4c是根据一示例性实施例示出的另一种在包含提示区的显示界面上进行触控操作的示意图。

图4d是根据一示例性实施例示出的又一种在包含提示区的显示界面上进行触控操作的示意图。

图4e是根据一示例性实施例示出的再一种在包含提示区的显示界面上进行触控操作的示意图。

图5是根据一示例性实施例示出的一种语音处理装置的框图。

图6是根据一示例性实施例示出的另一种语音处理装置的框图。

图7是根据一示例性实施例示出的又一种语音处理装置的框图。

图8是根据一示例性实施例示出的再一种语音处理装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

为了解决上述技术问题，本公开实施例提供了一种语音处理方法，该方法可用于语音处理程序、系统或装置中，且该方法对应的执行主体可以是手机、计算机等终端，如图1所示，该方法包括步骤s101至步骤s103：

在步骤s101中，显示当前显示界面；

该当前显示界面可以是任一应用的任一界面，即该当前显示界面可以是即时通信应用(如微信、qq、微博等)中的任一显示界面，或者非即时通信应用(如记事本应用、视频应用、音乐应用、购物应用等)中的任一显示界面，甚至可以是桌面。

在步骤s102中，监测触控对象相对于当前显示界面输入的触发操作；

触发操作可以是相对于该当前显示界面的向上滑动操作、向下滑动操作、向左滑动操作、向右滑动操作，触控对象离开该当前显示界面(即触控对象松开该当前显示界面)的操作、长按该当前显示界面的操作、多击该当前显示界面的操作等。

而触控对象可以是用户手指、智能触控笔等。

该触发操作的起点可以是当前显示界面中的任意位置，如图4a所示。

在步骤s103中，根据触发操作，执行对应的语音处理操作，其中，语音处理操作包括以下至少一项：开启语音功能、撤销本次输入的语音、发送本次输入的语音至通信对端。

通过监测触控对象相对于当前显示界面输入的触发操作，可根据该触发操作，自动执行与该触发操作对应的语音处理操作，从而使用户可通过触发当前显示界面直接即可执行语音处理操作，而无需在界面中专门设置一个用于进行语音处理操作的指定按钮才能进行语音处理操作，如此使得用户能够方便、快捷地进行语音处理操作，提高了语音处理操作的执行效率，同时，由于该当前显示界面可以是任一应用的任一界面，因而，这进一步使得用户可灵活、快捷地进行语音处理操作。

如图2所示，在一个实施例中，上述图1所示的步骤s103，即根据触发操作，执行对应的语音处理操作，可以包括步骤s201和步骤s202，其中：

在步骤s201中，当触发操作包括滑动操作时，获取滑动操作的位置相关信息，其中，位置相关信息包括以下至少一项：滑动操作相对于屏幕的当前位置(即滑动操作的绝对位置，如该滑动操作在当前显示界面上的触控点相对于屏幕的顶部、底部、左侧或右侧的距离)、滑动操作相对于屏幕的滑动距离(即该滑动操作在当前显示界面上的起始位置至终止位置之间的距离)；

在步骤s202中，根据位置相关信息，执行与位置相关信息对应的语音处理操作。

当触控操作为滑动操作时，通过获取该位置相关信息，可自动执行与该位置相关信息对应的语音处理操作，从而在无需在界面中专门设置一个用于进行语音处理操作的指定按钮的基础、无需用户触发界面中的指定按钮的基础上，通过相对于该当前显示界面进行滑动操作，就能直接进行语音处理操作，如此使得用户能够方便、快捷地进行语音处理操作。

在一个实施例中，当位置相关信息包括滑动操作相对于屏幕的滑动距离时，上述图2中的步骤s202，即根据位置相关信息，执行与位置相关信息对应的语音处理操作，可被执行为：

当滑动操作为触控对象相对于当前显示界面的向下滑动操作时，若向下滑动操作的下滑距离达到第一预设距离，则开启语音功能，以允许用户输入语音得到本次输入语音；

当滑动操作为触控对象相对于当前显示界面的向上滑动操作时，若向上滑动操作的上滑距离达到第二预设距离，则撤销本次输入的语音，其中，第一预设距离和第二预设距离可以相同或者不同。

当该滑动操作为触控对象相对于当前显示界面的向下滑动操作时，若向下滑动操作的下滑距离达到第一预设距离，则可自动开启语音功能，以使用户可通过相对于该当前显示界面向下滑动来方便、快捷地开启语音功能，使得用户输入语音；若向上滑动操作的上滑距离达到第二预设距离，则自动撤销本次输入的语音，以使用户可通过相对于该当前显示界面向上滑动即可方便、快捷地撤销本次输入的语音，避免误发送语音。

当然，本领域技术人员还可根据需求自由设置如何进行语音处理操作，例如：

当滑动操作为触控对象相对于当前显示界面的向上滑动操作时，若向上滑动操作的上滑距离达到第三预设距离，则开启语音功能，以允许用户输入语音得到本次输入语音；

当滑动操作为触控对象相对于当前显示界面的向下滑动操作时，若向下滑动操作的下滑距离达到第四预设距离，则撤销本次输入的语音。

又例如：当滑动操作为触控对象相对于当前显示界面的向左滑动操作时，若向左滑动操作的左滑距离达到第五预设距离，则开启语音功能，以允许用户输入语音得到本次输入语音；

当滑动操作为触控对象相对于当前显示界面的向右滑动操作时，若向右滑动操作的右滑距离达到第六预设距离，则撤销本次输入的语音。

又例如：当滑动操作为触控对象相对于当前显示界面的向右滑动操作时，若向右滑动操作的右滑距离达到第七预设距离，则开启语音功能，以允许用户输入语音得到本次输入语音；

当滑动操作为触控对象相对于当前显示界面的向左滑动操作时，若向左滑动操作的左滑距离达到第八预设距离，则撤销本次输入的语音。

如图3所示，在一个实施例中，上述图1中的步骤s103，即根据触发操作，执行对应的语音处理操作，可以包括步骤s301：

在步骤s301中，当触发操作为触控对象离开当前显示界面的操作时，发送本次输入的语音至通信对端。

当触发操作为触控对象离开当前显示界面的操作如手指松开该当前显示界面时，可自动发送本次输入的语音至通信对端，从而在触控对象离开该当前显示界面时即可方便、快捷地发送本次输入的语音至通信对端。

该通信对端可以是默认的接收端，或者

可将本次输入的语音进行自动识别，识别出语音接收方，以将该语音接收方作为该通信对端。

在一个实施例中，方法还包括：

通过预设提示区对用户进行提示，其中，提示包括：通过触发操作可执行的语音处理操作、即将执行的语音处理操作(即：将在某时长内进行的下一个语音处理操作，该时长可以是2秒、3秒等)、语音处理操作执行完成、预设提示区将在预设时长后被隐藏。

通过预设提示区对用户进行自动提示，可使用户及时了解各种状态，以对用户进行及时提示，从而提升用户体验。

在一个实施例中，预设提示区位于当前显示界面的顶部。

预设提示区可以位于当前显示界面的顶部，该预设提示区可以是悬浮在当前显示界面上的区域，或者，该预设提示区可以是当前显示界面的一部分区域。而为了对用户进行充分提示，触控对象在相对于当前显示界面进行滑动操作时，该预设提示区可一直静止不动。

又例如：当打开语音功能的触发操作为下滑操作时，且已经下滑一段距离，则可在界面的顶部显示提示区，并在界面顶部的提示区内显示“再下滑一点将打开语音功能”，如图4b所示。或者

又例如：当关闭语音功能(准确来讲是撤销本次输入的语音)的触发操作为上滑操作、打开语音功能的触发操作为下滑操作时，若已经上滑关闭语音功能，则可在界面顶部的提示区显示如图4c所示的提示信息。

又例如：当发送本次输入的语音至通信对端的触发操作为松手操作时，若用户已经松开屏幕(即松开当前显示界面)，本次输入的语音已被发送至通信对端，则可在界面顶部的提示区显示如图4d所示的提示信息，以逐渐收回(即隐藏)提示区。

又例如：当打开语音功能的触发操作为下滑操作、关闭语音功能(准确来讲是撤销本次输入的语音)的触发操作为上滑操作、发送本次输入的语音至通信对端的触发操作为松手操作时，可在界面顶部的提示区显示如图4e所示的提示信息。

最后，需要明确的是：本领域技术人员可根据实际需求，将上述多个实施例进行自由组合。

对应本公开实施例提供的上述语音处理方法，本公开实施例还提供一种语音处理装置，如图5所示，该装置包括：

显示模块501，被配置为显示当前显示界面；

监测模块502，被配置为监测触控对象相对于当前显示界面输入的触发操作；

执行模块503，被配置为根据触发操作，执行对应的语音处理操作，其中，语音处理操作包括以下至少一项：开启语音功能、撤销本次输入的语音、发送本次输入的语音至通信对端。

如图6所示，在一个实施例中，执行模块503可以包括：

获取子模块5031，被配置为当触发操作包括滑动操作时，获取滑动操作的位置相关信息，其中，位置相关信息包括以下至少一项：滑动操作相对于屏幕的当前位置、滑动操作相对于屏幕的滑动距离；

执行子模块5032，被配置为根据位置相关信息，执行与位置相关信息对应的语音处理操作。

在一个实施例中，执行子模块5032包括：

开启单元，被配置为当位置相关信息包括滑动操作相对于屏幕的滑动距离且滑动操作为触控对象相对于当前显示界面的向下滑动操作时，若向下滑动操作的下滑距离达到第一预设距离，则开启语音功能，以允许用户输入语音得到本次输入语音；

撤销单元，被配置为当滑动操作为触控对象相对于当前显示界面的向上滑动操作时，若向上滑动操作的上滑距离达到第二预设距离，则撤销本次输入的语音。

如图7所示，在一个实施例中，执行模块503包括：

发送子模块5033，被配置为当触发操作为触控对象离开当前显示界面的操作时，发送本次输入的语音至通信对端。

在一个实施例中，装置还包括：

提示模块，被配置为通过预设提示区对用户进行提示，其中，提示包括：通过触发操作可执行的语音处理操作、即将执行语音处理操作、语音处理操作执行完成、预设提示区将在预设时长后被隐藏。

图8是根据一示例性实施例示出的一种用于语音处理装置800的框图，该装置适用于终端设备。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个用户数字助理等。

参照图8，装置800可以包括以下一个或至少两个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或至少两个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或至少两个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何存储对象或方法的指令，联系用户数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电源。电源组件806可以包括电源管理系统，一个或至少两个电源，及其他与为装置800生成、管理和分配电源相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或至少两个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或至少两个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或至少两个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子组件实现。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。