[發明專利]音頻文件處理方法及裝置

有效

• 申請號: 201710288726.3
• 申請日: 2017-04-27
• 公開（公告）號: CN107123424B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 蔡美純
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G06F16/60;G06F16/683;H04L67/02
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 王姍姍;張穎玲

一種音頻文件處理方法，涉及數據處理技術領域，包括：獲取待播報語音關聯的多個音頻文件，將各該音頻文件分別轉換為對應的由字符串構成的文本；將由字符串構成的各該文本按照預置的合并規則，合并為素材文件；將該素材文件保存在預設的位置。此外，本發明還提供一種音頻文件處理裝置。上述音頻文件處理方法及裝置，可避免因網絡及解碼原因帶來的音頻播放缺失問題，同時可減少頁面請求的次數，提升網頁性能，減輕服務器壓力。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種音頻文件處理方法及裝置。

背景技術

隨著移動終端與互聯網技術的發展，越來越多的基于Web(網頁)端的功能被開發并應用于各種終端設備。以語音播報功能為例，現在有很多APP(Application，應用軟件)在進行語音播報時，通常通過Web頁面，使用HTML5(HyperText Markup Language 5，超文本標記語言第五版)的audio(音頻)標簽或audioContext(音頻上下文)接口，逐次請求多個音頻文件，然后對請求的音頻文件解碼后組合播放，或者，使用音頻處理軟件將請求的多個音頻文件合并為一個音頻文件再進行播放。

例如，通用的跑步APP。用戶在開始使用該APP的跑步功能后，該APP會通過Web頁面實時記錄并繪制用戶運動軌跡，在每運動到整公里數時，Web頁面就會播報語音，內容例如為：“已運動3公里，用時6分20秒，平均速度2.63米每秒，平均配速3分25秒”。由于每人每次所播報的語音內容不盡相同，因此需要由多個最小單元的語音文件按順序組合播放，如語音“3分25秒”就是由“3”，‘分’，‘二’，‘十’，‘五’，‘秒’，6個音順序音組合。如此一來，上述播報的語音內容一共涉及25個小音頻文件。為了實現上述語音內容的播報，需要使用audio標簽或audioContext接口，在即將進行語音播報時，向服務器依次發送25次HTTP(HyperTextTransfer Protocol，超文本傳輸協議)請求，以請求這25個零散的小音頻文件。

然而，一方面，Web頁面多次請求零散文件，會產生因傳輸以及邏輯時序帶來的聲音缺失問題。另一方面，由于上述小音頻文件通常為二進制文件，因此無法利用Web端本地緩存，而HTTP請求次數過多又不利于Web端性能優化且會增加服務器的壓力。

發明內容

有鑒于此，本發明提供一種音頻文件處理方法及裝置，可避免因網絡及解碼原因帶來的音頻播放缺失問題，同時可減少頁面請求的次數，提升網頁性能，減輕服務器壓力。

本發明實施例提供的音頻文件處理方法，包括：獲取待播報語音關聯的多個音頻文件，將各所述音頻文件分別轉換為對應的由字符串構成的文本；將由字符串構成的各所述文本按照預置的合并規則，合并為素材文件；將所述素材文件保存在預設的位置。

本發明另一實施例提供的音頻文件處理方法，包括：獲取待播報語音的素材文件，所述素材文件由多個音頻文件轉換合成，包含多個由字符串構成的文本，所述多個由字符串構成的文本分別與所述多個所述音頻文件一一對應；分別對獲取的素材文件中由字符串構成的各所述文本進行轉換，得到各所述音頻文件的音頻數據并緩存在內存中；響應于觸發的語音播報指令，從緩存的音頻數據中查找所述語音播報指令指向的音頻數據，并進行播放。

本發明實施例提供的音頻文件處理裝置，包括：音頻文件獲取模塊，用于獲取待播報語音關聯的多個音頻文件；轉換模塊，用于將所述音頻文件獲取模塊獲取的各所述音頻文件，分別轉換為對應的由字符串構成的文本；合并模塊，用于將所述轉換模塊轉換得到的由字符串構成的各所述文本按照預置的合并規則，合并為素材文件；保存模塊，用于將所述素材文件保存在預設的位置。