CN109257498B

CN109257498B - 一种声音处理方法及移动终端

Info

Publication number: CN109257498B
Application number: CN201811152090.0A
Authority: CN
Inventors: 韦巍
Original assignee: Vivo Mobile Communication Co Ltd
Current assignee: Vivo Mobile Communication Co Ltd
Priority date: 2018-09-29
Filing date: 2018-09-29
Publication date: 2021-01-08
Anticipated expiration: 2038-09-29
Also published as: CN109257498A

Abstract

本发明提供了一种声音处理方法及移动终端。该方法包括：若移动终端与耳机连接、且耳机处于音频播放状态，则采集移动终端所处场景下至少一个用户的生物特征信息；确定至少一个用户中生物特征信息与预设用户的生物特征信息相匹配的目标预设用户；根据场景的优先级确定目标预设用户中的目标用户；采集目标用户的声音信息；将声音信息输入至耳机进行播放。本发明能够在用户使用耳机收听媒体音频的同时，还能使用户听清身边朋友的话语。

Description

一种声音处理方法及移动终端

技术领域

本发明涉及通信技术领域，尤其涉及一种声音处理方法及移动终端。

背景技术

目前的移动终端(例如，手机)基本上都支持耳机功能，耳机可通过无线或有线的方式连接到手机，用户可通过手动调节耳机的按键来接听或挂断来电，还可以控制手机的视频或音乐等应用程序的播放进度如快进、后退、暂停等，但用户在使用耳机的过程中难免会遇到这样的尴尬：

用户在使用耳机听音乐或看视频时，一般不会主动注意周围环境，当他人希望与用户对话时，如果他人的声音低于音乐或视频音量，则用户很难听清他人说的话，从而不能及时回应他人。对此，目前用户采用的解决方案是暂停耳机中音频的播放，来让身边的说话人重新说一遍刚才漏掉的话。

针对如何能够在用户使用耳机收听媒体音频的同时，还能使用户听清身边朋友的话语的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供一种声音处理方法及移动终端，以解决相关技术中无法在用户使用耳机收听媒体音频的同时，还能使用户听清身边朋友的话语的问题。

为了解决上述技术问题，本发明是这样实现的：

第一方面，本发明实施例提供了一种声音处理方法，应用于移动终端，所述方法包括：

若所述移动终端与耳机连接、且所述耳机处于音频播放状态，则采集所述移动终端所处场景下至少一个用户的生物特征信息；

确定所述至少一个用户中生物特征信息与预设用户的生物特征信息相匹配的目标预设用户；

根据所述场景的优先级确定所述目标预设用户中的目标用户；

采集所述目标用户的声音信息；

将所述声音信息输入至所述耳机进行播放。

第二方面，本发明实施例还提供了一种移动终端，所述移动终端包括：

第一采集模块，用于若所述移动终端与耳机连接、且所述耳机处于音频播放状态，则采集所述移动终端所处场景下至少一个用户的生物特征信息；

第一确定模块，用于确定所述至少一个用户中生物特征信息与预设用户的生物特征信息相匹配的目标预设用户；

第二确定模块，用于根据所述场景的优先级确定所述目标预设用户中的目标用户；

第二采集模块，用于采集所述目标用户的声音信息；

输入模块，用于将所述声音信息输入至所述耳机进行播放。

第三方面，本发明实施例还提供了一种移动终端，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现所述的声音处理方法的步骤。

第四方面，本发明实施例还提供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所述的声音处理方法的步骤。

在本发明实施例中，通过将采集的移动终端周边用户的生物特征信息，与预先存储的用户好友的生物特征信息进行匹配，在相匹配的情况下，即在周边用户存在用户好友(预设用户)的情况下，才会执行采集周边用户的声音信息的操作；而在采集周边用户的声音信息之前，可以根据移动终端所处场景的优先级来确定匹配到的目标预设用户中的目标用户，从而能够根据场景噪声大小的不同来合理选择目标用户，再对目标用户的声音进行采集并输入到耳机播放能够在用户使用耳机收听媒体音频的同时，还能使用户听清身边朋友的话语。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例的声音处理方法的流程图；

图2是本发明一个实施例的移动终端的框图；

图3是本发明一个实施例的移动终端的硬件结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，示出了本发明一个实施例的声音处理方法的流程图，应用于移动终端，所述方法具体可以包括如下步骤：

步骤101，若所述移动终端与耳机连接、且所述耳机处于音频播放状态，则采集所述移动终端所处场景下至少一个用户的生物特征信息；

其中，移动终端与耳机的连接方式可以包括有线连接、无线连接(例如蓝牙、红外等等)。耳机处于音频播放状态表示移动终端有音频输出至耳机，使得耳机在播放该音频。其中，该音频可以是任意一种多媒体音频，例如音乐、视频声音、录音等等。

当满足耳机连接且耳机处于音频播放状态的前提条件下，本发明实施例的方法就可以采集移动终端周围环境下的至少一个用户的生物特征信息。

其中，本发明的生物特征信息可以包括以下至少之一：声纹特征信息、虹膜特征信息、人脸特征信息。

其中，移动终端所处的场景可以是任意场景，例如会议室、家里、地铁上等等，本发明对此并不限定，本发明实施例的方法限定的是对该场景下移动终端周围的用户的生物特征采集，当然，移动终端周围的用户可以是一个或多个。

在一个示例中，在采集声纹特征信息时，可以通过移动终端的麦克风来采集移动终端周边(例如以移动终端所处定位为圆形，预设半径范围内)的声音数据，然后，对各个声音数据采集声纹特征信息。当然也可以采用已知或未来开发的任意一种方式来采集周边用户的声纹特征信息。也就是说，本发明实施例采集声纹特征信息的方法并不限于此。

在一个示例中，在采集虹膜特征信息、人脸特征信息时，可以通过移动终端的摄像头(包括前置摄像头、后置摄像头或未来开发的其他位置的摄像头)来对周边(例如以移动终端所处定位为圆形，预设半径范围内)的用户进行人像数据采集，再对采集的人脸图像提取虹膜特征信息、人脸特征信息。当然也可以采用已知或未来开发的任意一种方式来采集周边用户的虹膜特征信息、人脸特征信息。也就是说，本发明实施例采集虹膜特征信息、人脸特征信息的方法并不限于此。

需要注意的是，由于移动终端用户(例如手机机主)也在移动终端的周边，因此，本步骤采集的至少一个用户的生物特征信息可以包括手机机主的生物特征信息。尽管如此，步骤102也会将手机机主的生物特征信息过滤掉。当然，也可以增加对步骤101采集的信息的筛选步骤，将手机机主的生物特征信息去除，再执行步骤102。

步骤102，确定所述至少一个用户中生物特征信息与预先存储的预设用户的生物特征信息相匹配的目标预设用户；

其中，在执行步骤101之前，本发明实施例的方法预先存储了预设用户的生物特征信息。其中，预设用户为移动终端用户的好友，预设用户的数量可以一个或多个。

而在预先存储预设用户的生物特征信息时，可以系统设置，也可以用户自定义设置。

当采用系统设置的方式时，本发明实施例的方法首先可以从移动终端的与社交有关的应用程序存储的信息中提取相关信息，并对其进行处理，从而确定预设用户的生物特征信息。

具体而言，首先可以根据从即时通讯软件中提取的好友分组信息、通讯录分组信息等来确定与移动终端用户比较亲密的好友列表(其中，该好友列表可以按照亲密度从高到低进行排序)，其中，亲密度高低与联系密切度、好友分组有关。然后，提取好友列表中每个好友的生物特征信息，例如，从相册中标注好友名称的照片、通讯录中每个联系人的头像、即时通讯软件的好友头像等提取好友的人脸图像，并对人脸图像提取人脸特征信息、虹膜特征信息；从即时通讯软件的聊天记录中提取好友的语音，并对该语音提取声纹信息、和/或从电话录音中提取好友的语音，并对该语音提取声纹信息；其中，相册、录音中可以标注好友姓名、昵称等。这样，系统就自动设置并保存了移动终端的好友列表，以及好友列表中每个好友的生物特征信息。

当采用用户自定义设置的方式时，本发明实施例的方法可以接收移动终端用户输入或选定的人脸图像和/或声音数据，然后，对人脸图像提取人脸特征和/或虹膜特征，对声音数据提取声纹特征，将其保存；以及接收移动终端用户对多个好友的排序信息，从而生成多个好友的生物特征信息之间的排序。

不论是系统设置还是用户自定义设置，该预先存储的预设用户的生物特征信息可以如表1所示。需要注意的是，该预先存储的预设用户的生物特征信息并不一定包括全部类型的生物特征，例如用户B、用户D只包括声纹特征。

表1

这样，本发明实施例能够预先设置与移动终端比较亲密的预设好友(即预设用户)的生物特征信息，从而能够便于执行本发明实施例方法时对这里特定好友说的话进行声音处理。

在执行步骤102时，可以将步骤101采集的至少一个用户的生物特征信息与预先设置的预设用户的生物特征信息进行匹配，从而判定移动终端所处场景中，即移动终端周边，是否存在移动终端用户的预设好友。

具体而言，例如步骤101采集到用户1的声纹特征A、人脸特征A；用户2的声纹特征B；用户3的声纹特征C；用户4的声纹特征F，则可以将用户1、用户2、用户3和用户4各自的生物特征信息分别与表1中每个好友的生物特征信息进行匹配，那么经过匹配可以确定，用户1的声纹特征A和人脸特征A与用户A的声纹特征A和人脸特征A相匹配，所以，可以确定在移动终端周围的4个用户中存在移动终端用户的好友——用户A；

同理，还可以确定移动终端周围的4个用户中存在移动终端用户的好友——用户B；

而在将用户3的声纹特征C与表1中各个好友的生物特征进行匹配时，可以确定用户3的声纹特征C与用户C的声纹特征C相匹配，但是采集的用户3的生物特征信息中不包括表1中的人脸特征C，因此，用户3的声纹特征与用户C的声纹特征相匹配，但是用户3的人脸特征与用户C的人脸特征不匹配。

而生物特征相匹配的判定标准在不同实施例中可以不同，可以是部分生物特征相匹配(即至少一种生物特征相匹配)，也可以是全部生物特征相匹配。其中，相较于部分生物特征相匹配，全部生物特征相匹配的判定标准对判断移动终端周边是否具有机主的预设好友的准确度更高，在不同场景下，可以灵活选择两个用户的生物特征相匹配的判定标准。

所以，在生物特征相匹配的判定标准为部分生物相匹配的情况下，可以确定用户3的生物特征与预设好友——用户C的生物特征相匹配；而在生物特征相匹配的判定标准为全部生物相匹配(即表1中针对某个预设好友预先配置的所有类型的生物特征，与采集的移动终端周边的某个用户的上述所有类型的生物特征相匹配)的情况下，由于步骤101采集的用户3的生物特征信息中只有声纹特征C，而不包括人脸特征C，因此，在与表1中各个好友的生物特征进行匹配时，只有用户3的声纹特征C能够与用户C的声纹特征C相匹配，而用户3不具有能够与用户C的人脸特征C相匹配的人脸特征，所以，用户3在表1中未匹配到生物特征相匹配的预设好友。

而用户4的声纹特征F在表1中任意一个好友的声纹特征均不匹配，所以，用户4并非生物特征信息与预设用户的生物特征信息相匹配的目标预设用户。

其中，对于同一种生物特征的两组特征相匹配而言，可以是两组特征的匹配度大于预设阈值(例如80％)。

这里以生物特征相匹配的判定标准为部分生物相匹配，即可判定两个用户的生物特征相匹配，那么经过本步骤可以确定用户1～用户4的四个用户中用户1、用户2和用户3的生物特征信息分别与3个预设用户(这里分别为用户A、用户B、用户C)的生物特征相匹配，因此，目标预设用户分别为用户1(也即，用户A)、用户2(也即，用户B)和用户3(也即，用户C)。

步骤103，根据所述场景的优先级确定所述目标预设用户中的目标用户；

其中，所述场景的优先级与所述场景的环境噪声相关；

其中，步骤101只是采集移动终端周边(也即所处场景下)的用户的生物特征信息，并不会确定移动终端所处的场景是什么场景，那么在本步骤中，可以获取移动终端所处的定位位置，然后在预先设置的不同场景对应的坐标范围中查找包含该定位位置的目标坐标范围(或者直接利用地图系统来查找该定位位置所处的目标场景)，从而确定该目标坐标范围对应的目标场景，该目标场景为移动终端所处的场景。

其中，预先设置的场景包括但不限于会议室、移动终端用户家里、地铁等。

其中，本发明实施例可以预先对各个场景设置优先级，其中，场景的优先级与该场景的环境噪声相关；

因此，可以根据场景的环境噪声的大小，来确定目标预设用户(即周边好友)中哪个好友才是需要采集声音的好友。

其中，环境噪声较大的场景，机主往往只会关注较少数量的好友的声音；而环境噪声较小的场景，机主往往会关注周边较多数量好友的声音，因此，本发明实施例可以根据场景的优先级来确定目标预设用户中需要采集声音的目标用户，其中，该目标用户的数量可以是一个或多个。

步骤104，采集所述目标用户的声音信息；

例如目标用户为一个用户，例如为用户A，则可以利用表1中用户A的声纹特征A来采集周边的众多声音中属于用户A发出的声音信息；

再如目标用户为多个用户，则可以分别利用表1中每个目标用户的声纹特征来采集各个目标用户发出的声音信息；

此外，在执行本步骤时，不仅仅可以只采集目标的声音信息，也可以还采集除该目标用户之外的其他用户或大自然发出的声音，但这些都不是主要关注的声音，因此，需要对采集的这些声音进行信号衰减，从而避免用户关注的目标用户的声音不明显。

步骤105，将所述声音信息输入至所述耳机进行播放。

其中，在将步骤104采集的声音信息输入至耳机播放时，这是一个实时输入的过程，随着步骤104的声音信息的实时采集，采集的声音信息会实时输入到耳机，因此，耳机播放的目标用户的声音也是按照目标用户发出声音的时间顺序进行顺序播放的，从而将周边目标用户的说话声音在耳机中得到了还原。

其中，在一个实施例中，在将声音信息输入到耳机进行播放时，可以将耳机正在播放的多媒体音频(例如音乐播放暂停、视频播放暂停)进行暂停，从而使得耳机播放的声音只有周边用户关注的目标用户(好友)的说话声音。

在另一个实施例中，在将声音信息输入到耳机进行播放时，也可以不暂停耳机正在播放的多媒体音频(例如音乐播放暂停、视频播放暂停)，从而使得耳机播放多媒体音频的同时还播放目标用户的说话声音，这样，在用户能够听到周围用户的说话声音的同时，也不影响自己正在收听的多媒体音频的播放。

可选地，在一个实施例中，在执行步骤103时，可以通过以下方式来实现：

根据预先设置的不同场景的优先级，确定所述移动终端所处的所述场景的优先级；

其中，可以根据场景的环境噪声大小，对不同场景设置不同的优先级；

例如设置的场景优先级与环境噪声成正比，则优先级从低到高的场景排序依次为：家里(优先级1)、会议室(优先级2)、公司(优先级3)、地铁(优先级4)、工地附近(优先级5)；

再如，设置的场景优先级与环境噪声成反比，则优先级从高到低的场景排序依次为：家里(优先级1)、会议室(优先级2)、公司(优先级3)、地铁(优先级4)、工地附近(优先级5)；

若所述场景的优先级属于第一优先级，则将所述目标预设用户确定为目标用户；

其中，第一优先级表示场景的环境噪声的噪声值较小，第二优先级表示场景的环境噪声的噪声值较大。

以设置的场景优先级与环境噪声的噪声值成反比为例进行说明。例如预先设置优先级的数值小于或等于3的优先级都属于第一优先级，而优先级的数值大于3的优先级则都属于第二优先级。

例如移动终端所处的场景为家里，则该场景的优先级为1，属于第一优先级，说明移动终端所处的场景的环境噪声较小，因此，可以选取多人模式来进行声音采集，即该场景下所有好友的声音都是需要收集的，所以该目标预设用户即为目标用户，例如用户A、用户B和用户C。

优选地，在将所述目标预设用户确定为目标用户时，如果该目标预设用户的数量为多个，可以在采集到首个目标预设用户(即第一个说话的好友)的声音信息后，对该声音信息进行语境分析(例如对声音信息转换为文本并提取语义关键词，例如用户A说“今天中午吃饭了吗？”，关键词包括吃、中午、饭)，确定其语境，那么如果其他目标预设用户所说的话语的语境与首个目标预设用户说出的话语的语境一样(例如用户B说“我今天已经吃完饭了”，该语句中包括上述关键词中的至少一个)，所以，用户A和用户B均为目标用户，如果用户C在说“今天天气真好！”，由于其语境与首个目标预设用户说的话的语境不同，因此，该用户C虽然是移动终端用户的好友，但是，不作为这里的目标用户。

这样，本发明实施例在多人模式下，通过建立好友虚拟情景圈，将说的话的语境相同的好友作为目标用户，来采集其说的声音信息，使得移动终端用户能够了解到周边好友对任意一个语境的会话内容。

若所述场景的优先级属于第二优先级，且所述目标预设用户的数量为一个，则将所述目标预设用户确定为目标用户；

例如移动终端所处的场景为地铁里，则该场景的优先级为4，属于第二优先级，说明移动终端所处的场景的环境噪声较多、较大，因此，可以选取单人模式来进行声音采集，即该场景下所有好友的声音并不需要全部收集，而只收集一个好友的声音，这里目标预设用户的数量为1个，即周围只有用户的一个好友，那么就可以将该好友确定为需要采集声音的目标用户。

若所述场景的优先级属于第二优先级、且所述目标预设用户的数量为多个，则将多个目标预设用户中与移动终端用户的联系密切度最高的目标预设用户确定为目标用户；

例如移动终端所处的场景为地铁里，则该场景的优先级为4，属于第二优先级，说明移动终端所处的场景的环境噪声较多，因此，可以选取单人模式来进行声音采集，即该场景下所有好友的声音并不需要全部收集，而只收集一个好友的声音，这里目标预设用户的数量为多个，即周围存在用户的多个好友，因此，可以将多个目标预设用户(例如用户A～用户C)中与移动终端用户的联系密切度最高的目标预设用户(参照表1可知用户A的亲密度最高)确定为目标用户(用户A)。

其中，这里的联系密切度大小可以根据预设时间的联系频率、对好友的标签等等参数来确定，这里不再赘述。

其中，所述第一优先级对应的环境噪声低于所述第二优先级对应的环境噪声，也即第一优先级对应的场景的环境噪声要低于第二优先级对应的场景的环境噪声。

需要说明的是，在具体实施时，本发明实施例可以根据场景的优先级(也即环境噪声)来确定采用单人模式还是多人模式来采集目标用户的声音信息。其中，在单人模式下，目标用户的数量为一个，在多人模式下，目标用户的数量为多个。

其中，场景的优先级属于第一优先级，说明环境噪声较小，因此，移动终端用户普遍会关注该场景下所有预设好友的说话声音，所以采用多人模式。

而如果场景的优先级属于第二优先级，说明环境噪声较大，因此，为了能够使用户听清关注的好友所说的话语，可以采用单人模式，即只从周边的好友中选择一个好友作为目标用户来采集声音。

这样，本发明实施例根据移动终端所处场景的环境噪声情况，也即优先级，来确定周边目标预设用户中一个还是全部好友作为采集声音的对象，从而能够在环境噪声较大的场景下，只采集一个好友的声音，而在环境噪声较小的场景下，则采集全部好友的声音，符合用户的采集声音的需求，也确保了采集的声音被用户听到的清晰程度。

可选地，在一个实施例中，在执行步骤104时，可以通过以下方式来实现：

在执行步骤104时，不论目标用户的数量是一个还是多个，也即选取的是单人模式还是多人模式，都采用本实施例的方法来对每个目标用户的声音进行采集。

获取所述目标用户的实时定位；

其中，可以通过移动终端的摄像头实时采集目标用户的图像，从而基于移动终端所处的定位，来确定目标用户的实时定位；或者，还可以通过获取目标用户的移动终端的GPS定位信息，来确定目标用户的实时定位。当然，获取目标用户的实时定位的方法并不限于这里列举的两种方法，还可以包括未列举的已知方法以及未来开发的其他方法，本发明对此不再赘述。

确定所述移动终端的第一麦克风所处的定位与所述实时定位之间的第一距离；

确定所述移动终端的第二麦克风所处的定位与所述实时定位之间的第二距离；

若所述第一距离小于所述第二距离，则将所述第一麦克风确定为主麦克风，将所述第二麦克风确定为副麦克风；

若所述第一距离大于所述第二距离，则将所述第二麦克风确定为主麦克风，将所述第一麦克风确定为副麦克风；

控制所述主麦克风采集所述目标用户的声音信息，并控制所述主麦克风对采集的声音信息进行信号增强，以及控制所述副麦克风采集除所述目标用户的声音信息之外的声音信息，并控制所述副麦克风对采集的声音信息进行信号衰减；

提取所述主麦克风和所述副麦克风处理后的声音信息。

具体而言，本发明实施例的方法为了能够使输入至耳机的目标用户的声音更加清晰，本发明实施例的方法可以对该目标用户的声源进行降噪处理。

首先，需要确定移动终端的两个麦克风分别与该目标用户的实时定位之间的距离，即这里的第一距离和第二距离，并将定位与目标用户的实时定位之间的距离更近的麦克风作为主麦克风，另一个麦克风作为副麦克风。

例如，两个麦克风分别为麦克风A、麦克风B，声源位置为C，如果麦克风A到声源位置C的距离大于麦克风B到声源位置C的距离，则麦克风B为主麦克风，麦克风A为副麦克风。反之，如果麦克风A到声源位置C的距离小于麦克风B到声源位置C的距离，则麦克风A为主麦克风，麦克风B为负麦克风。

然后，本发明实施例的方法可以对主麦克风和副麦克风采集的声音进行处理，具体而言，对于主麦克风而言，可以控制主麦克风采集目标用户的声音信息，具体控制其采集目标用户的声音信息的方法可以是对采集的声音信息的声纹特征与目标用户的声纹特征进行比对匹配，从而只采集声纹特征能够与目标用户的声纹特征相匹配的声音信息，即目标用户的声音信息。此外，还会控制主麦克风对采集的目标用户的声音信息进行信号增强，声音信号增强的方法可以已知技术中的任意一种，本发明对此并不限定。

对于副麦克风而言，可以控制副麦克风采集除所述目标用户的声音信息之外的声音信息，具体控制方法可以是对副麦克风采集的声音信息提取声纹特征，并将提取的声纹特征与目标用户的声纹特征进行比对匹配，从而只采集声纹特征不能够与目标用户的声纹特征相匹配的声音信息，即除目标用户之外的声音信息。因此，副麦克风采集的声音信息可以包括其他用户的声音信息，还可以包括环境的噪声。此外，本发明实施例还会控制副麦克风对采集的除目标用户之外的声音信息进行信号衰减，声音信号衰减的方法可以已知技术中的任意一种，本发明对此并不限定。

最后，对主麦克风进行处理后的目标用户的声音信息进行提取，以及对副麦克风进行处理后的除目标用户之外的声音信息进行提取，得到信号增强的目标用户的声音，以及信号衰减后的其他噪声的声音。最后，在执行步骤105时，输入到耳机的声音则包括主麦克风处理后的声音与副麦克风处理后的声音。

这样，本发明实施例通过将距离目标用户的声源位置较近的麦克风作为主麦克风，将距离声源位置较远的麦克风作为副麦克风，并控制主麦克风采集目标用户的声音信息以及对其进行信号增强，以及控制副麦克风采集其他声音信息，以及对其进行信号衰减，从而使得提取并输入至耳机的声音中用户关注的目标用户的声音更加清晰明显，便于用户收听提取的目标用户的声音信息。并且，由于主麦克风距离声源位置较近，因此，其采集的目标用户的声音信息也更加清楚，进一步提升了耳机输出的目标用户的声音信息的清晰度。

需要说明的是，当目标用户的数量为多个时，由于不同目标用户的定位不同，因此，可能会导致不同目标用户对应的主麦克风不一样，例如在采集用户A的声音信息时，主麦克风为麦克风A，而在采集用户C的声音信息时，主麦克风为麦克风B。另外，当目标用户的数量为多个时，可以针对每个目标用户分别采用本发明实施例的方法来采集该目标用户的声音信息，因为一般情况下多个目标用户也是互相认识的，因此他们之间的说话时间一般不重叠，所以，本发明实施例的方法可以在不同目标用户说话时，对其采集声音信息并进行信号增强以及环境音信号减弱，使得按照说话顺序依次输入至耳机的每个目标用户的声音都是清晰的。

可选地，在一个实施例中，在步骤104之后，根据本发明实施例的方法还可以包括：

按照预设时间周期发送表示询问移动终端用户是否查看周围聊天信息的提醒信息；

其中，每当采集到一个目标用户的声音信息之后，可以开始计时，当计时时长达到该预设时间周期T时，可以在通知窗口发送提醒信息，其中，该提醒信息表示询问移动终端用户是否查看周围聊天信息，即告知用户身边有好友在说话，用户可以选择是否查看。例如每三十分钟推送一次提醒信息。

在接收到响应于所述提醒信息的表示查看周围聊天信息的响应信息的情况下，提供可供选择的多种聊天信息展示方式；

例如提醒消息中有“是”和“否”两个选项，用户选择了“是”，则可以接收到响应于该提醒消息的表示查看周围聊天信息的响应信息，那么本发明实施例的方法可以提供可供用户选择的多种聊天信息展示方式。其中，该多种聊天信息展示方式包括但不限于文本和语音。而在提供该多种聊天信息展示方式时，可以显示“文本”按钮和“语音”按钮，供用户选择聊天信息展示方式。

确定所述多种聊天信息展示方式中被选取的目标聊天信息展示方式；

其中，如果用户选择了“文本”按钮，则可以确定目标聊天信息展示方式为文本显示方式。

再如用户选择了“语音”按钮，则可以确定目标聊天信息展示方式为语音播放方式。

若所述聊天信息展示方式为文本显示方式，则将所述目标用户的声音信息转换为文本信息，并按照声音信息的采集时间从早到晚的顺序将所述文本信息进行依次显示；

其中，如果用户选择了文本选项，则可以将步骤104采集到的目标用户的声音信息转换为文本信息，由于预设时间周期内已经采集了目标用户的多条声音信息(其中，这里的目标用户可以是多个)，因此可以按照声音信息的采集时间从早到晚的顺序将相应声音信息的文本信息进行依次显示，方便用户了解整个会话。

相应的，在执行步骤105时，若所述聊天信息展示方式为语音播放方式，则将所述声音信息按照声音信息的采集时间从早到晚的顺序依次输入至所述耳机播放。

其中，如果用户选择了语音选项，由于预设时间周期内已经采集了目标用户的多条声音信息(其中，这里的目标用户可以是多个)，因此可以按照声音信息的采集时间从早到晚的顺序将步骤104采集的声音信息依次输入到耳机进行播放，方便用户了解整个会话。

这样，本发明实施例在采集到目标用户的声音信息后，可以不立即将该声音信息输入到耳机，可以按照预设时间周期来定期推送该声音信息，并在用户想要查看该声音信息时，才会根据用户选择的查看方式，来以文本显示或者输入至耳机进行语音播放的方式来展示目标用户的声音信息，使得目标用户的声音信息的播放更加灵活，也避免每当目标用户说话就输入说话声音到耳机，而对用户正在收听的音视频造成干扰的问题。

参照图2，示出了本发明一个实施例的移动终端的框图。本发明实施例的移动终端能实现上述实施例中的声音处理方法的细节，并达到相同的效果。图2所示移动终端包括：

第一采集模块21，用于若所述移动终端与耳机连接、且所述耳机处于音频播放状态，则采集所述移动终端所处场景下至少一个用户的生物特征信息；

第一确定模块22，用于确定所述至少一个用户中生物特征信息与预设用户的生物特征信息相匹配的目标预设用户；

第二确定模块23，用于根据所述场景的优先级确定所述目标预设用户中的目标用户；

第二采集模块24，用于采集所述目标用户的声音信息；

输入模块25，用于将所述声音信息输入至所述耳机进行播放。

可选地，所述第二确定模块23包括：

第一确定子模块，用于根据预先设置的不同场景的优先级，确定所述移动终端所处的所述场景的优先级；

第二确定子模块，用于若所述场景的优先级属于第一优先级，则将所述目标预设用户确定为目标用户；

第三确定子模块，用于若所述场景的优先级属于第二优先级，且所述目标预设用户的数量为一个，则将所述目标预设用户确定为目标用户；

第四确定子模块，用于若所述场景的优先级属于第二优先级、且所述目标预设用户的数量为多个，则将多个目标预设用户中与移动终端用户的联系密切度最高的目标预设用户确定为目标用户；

其中，所述第一优先级对应的环境噪声低于所述第二优先级对应的环境噪声。

可选地，所述第二采集模块24包括：

获取子模块，用于获取所述目标用户的实时定位；

第五确定子模块，用于确定所述移动终端的第一麦克风所处的定位与所述实时定位之间的第一距离；

第六确定子模块，用于确定所述移动终端的第二麦克风所处的定位与所述实时定位之间的第二距离；

第七确定子模块，用于若所述第一距离小于所述第二距离，则将所述第一麦克风确定为主麦克风，将所述第二麦克风确定为副麦克风；

第八确定子模块，用于若所述第一距离大于所述第二距离，则将所述第二麦克风确定为主麦克风，将所述第一麦克风确定为副麦克风；

控制子模块，用于控制所述主麦克风采集所述目标用户的声音信息，并控制所述主麦克风对采集的声音信息进行信号增强，以及控制所述副麦克风采集除所述目标用户的声音信息之外的声音信息，并控制所述副麦克风对采集的声音信息进行信号衰减；

提取子模块，用于提取所述主麦克风和所述副麦克风处理后的声音信息。

可选地，所述移动终端还包括：

发送模块，用于按照预设时间周期发送表示询问移动终端用户是否查看周围聊天信息的提醒信息；

提供模块，用于在接收到响应于所述提醒信息的表示查看周围聊天信息的响应信息的情况下，提供可供选择的多种聊天信息展示方式；

第三确定模块，用于确定所述多种聊天信息展示方式中被选取的目标聊天信息展示方式；

显示模块，用于若所述目标聊天信息展示方式为文本显示方式，则将所述目标用户的声音信息转换为文本信息，并按照声音信息的采集时间从早到晚的顺序将所述文本信息进行依次显示；

所述输入模块25，还用于若所述目标聊天信息展示方式为语音播放方式，则将所述声音信息按照声音信息的采集时间从早到晚的顺序依次输入至所述耳机播放。

本发明实施例提供的移动终端能够实现上述方法实施例中移动终端实现的各个过程，为避免重复，这里不再赘述。

图3为实现本发明各个实施例的一种移动终端的硬件结构示意图，

该移动终端300具有屏幕指纹识别功能，该移动终端300包括但不限于：射频单元301、网络模块302、音频输出单元303、输入单元304、传感器305、显示单元306、用户输入单元307、接口单元308、存储器309、处理器310、以及电源311等部件。本领域技术人员可以理解，图3中示出的移动终端结构并不构成对移动终端的限定，移动终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。在本发明实施例中，移动终端包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。

其中，射频单元301，用于若所述移动终端与耳机连接、且所述耳机处于音频播放状态，则采集所述移动终端所处场景下至少一个用户的生物特征信息；采集所述目标用户的声音信息；将所述声音信息输入至所述耳机进行播放。

处理器310，用于确定所述至少一个用户中生物特征信息与预设用户的生物特征信息相匹配的目标预设用户；根据所述场景的优先级确定所述目标预设用户中的目标用户。

应理解的是，本发明实施例中，射频单元301可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器310处理；另外，将上行的数据发送给基站。通常，射频单元301包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元301还可以通过无线通信系统与网络和其他设备通信。

移动终端通过网络模块302为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。

音频输出单元303可以将射频单元301或网络模块302接收的或者在存储器309中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元303还可以提供与移动终端300执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元303包括扬声器、蜂鸣器以及受话器等。

输入单元304用于接收音频或视频信号。输入单元304可以包括图形处理器(Graphics Processing Unit，GPU)3041和麦克风3042，图形处理器3041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元306上。经图形处理器3041处理后的图像帧可以存储在存储器309(或其它存储介质)中或者经由射频单元301或网络模块302进行发送。麦克风3042可以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元301发送到移动通信基站的格式输出。

移动终端300还包括至少一种传感器305，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板3061的亮度，接近传感器可在移动终端300移动到耳边时，关闭显示面板3061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器105还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。

显示单元306用于显示由用户输入的信息或提供给用户的信息。显示单元306可包括显示面板3061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板3061。

用户输入单元307可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元307包括触控面板3071以及其他输入设备3072。触控面板3071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板3071上或在触控面板3071附近的操作)。触控面板3071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器310，接收处理器310发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板3071。除了触控面板3071，用户输入单元307还可以包括其他输入设备3072。具体地，其他输入设备3072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。

进一步的，触控面板3071可覆盖在显示面板3061上，当触控面板3071检测到在其上或附近的触摸操作后，传送给处理器310以确定触摸事件的类型，随后处理器310根据触摸事件的类型在显示面板3061上提供相应的视觉输出。虽然在图3中，触控面板3071与显示面板3061是作为两个独立的部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控面板3071与显示面板3061集成而实现移动终端的输入和输出功能，具体此处不做限定。

接口单元308为外部装置与移动终端300连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元308可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端300内的一个或多个元件或者可以用于在移动终端300和外部装置之间传输数据。

存储器309可用于存储软件程序以及各种数据。存储器309可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器309可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

处理器310是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器309内的软件程序和/或模块，以及调用存储在存储器309内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器310可包括一个或多个处理单元；优选的，处理器310可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器310中。

移动终端300还可以包括给各个部件供电的电源311(比如电池)，优选的，电源311可以通过电源管理系统与处理器310逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

另外，移动终端300包括一些未示出的功能模块，在此不再赘述。

优选的，本发明实施例还提供一种移动终端，包括处理器310，存储器309，存储在存储器309上并可在所述处理器310上运行的计算机程序，该计算机程序被处理器310执行时实现上述声音处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述声音处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims

1.一种声音处理方法，应用于移动终端，其特征在于，所述方法包括：

在所述移动终端与耳机连接、且所述耳机处于音频播放状态的情况下，采集所述移动终端所处场景下至少一个用户的生物特征信息；

根据所述场景的优先级确定所述目标预设用户中的目标用户；其中，所述场景的优先级与所述场景的环境噪声相关；

采集所述目标用户的声音信息；

将所述声音信息输入至所述耳机进行播放；

所述采集所述目标用户的声音信息，包括：

获取所述目标用户的实时定位；

在所述第一距离小于所述第二距离的情况下，将所述第一麦克风确定为主麦克风，将所述第二麦克风确定为副麦克风；

在所述第一距离大于所述第二距离的情况下，将所述第二麦克风确定为主麦克风，将所述第一麦克风确定为副麦克风；

提取所述主麦克风和所述副麦克风处理后的声音信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述场景的优先级确定所述目标预设用户中的目标用户，包括：

在所述场景的优先级属于第一优先级的情况下，则将所述目标预设用户确定为目标用户；

在所述场景的优先级属于第二优先级，且所述目标预设用户的数量为一个的情况下，则将所述目标预设用户确定为目标用户；

在所述场景的优先级属于第二优先级、且所述目标预设用户的数量为多个的情况下，则将多个目标预设用户中与移动终端用户的联系密切度最高的目标预设用户确定为目标用户；

3.根据权利要求1所述的方法，其特征在于，所述采集所述目标用户的声音信息的步骤之后，所述方法还包括：

在所述目标聊天信息展示方式为文本显示方式的情况下，将所述目标用户的声音信息转换为文本信息，并按照声音信息的采集时间从早到晚的顺序将所述文本信息进行依次显示；

所述将所述声音信息输入至所述耳机进行播放，包括：

在所述目标聊天信息展示方式为语音播放方式的情况下，将所述声音信息按照声音信息的采集时间从早到晚的顺序依次输入至所述耳机播放。

4.一种移动终端，其特征在于，所述移动终端包括：

第二采集模块，用于采集所述目标用户的声音信息；

输入模块，用于将所述声音信息输入至所述耳机进行播放；

所述第二采集模块包括：

获取子模块，用于获取所述目标用户的实时定位；

5.根据权利要求4所述的移动终端，其特征在于，所述第二确定模块包括：

6.根据权利要求4所述的移动终端，其特征在于，所述移动终端还包括：

所述输入模块，还用于若所述目标聊天信息展示方式为语音播放方式，则将所述声音信息按照声音信息的采集时间从早到晚的顺序依次输入至所述耳机播放。

7.一种移动终端，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至3中任一项所述的声音处理方法的步骤。

8.一种计算机可读存储介质，其特征在于，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权利要求1至3中任一项所述的声音处理方法中的步骤。