CN110347862A - 录音处理方法、装置、设备、系统及音频设备 - Google Patents

Abstract

本发明公开了一种录音处理方法、装置、设备、系统及音频设备。该方法通过音频设备实施，包括：响应于用户发出的录音指令，录取用户发出的语音内容，生成对应的录音文件，并将录音文件保存在指定存储区域；响应于用户发出的录音提取指令，从指定存储区域中，提取与录音提取指令对应的录音文件，向用户播放。

Description

录音处理方法、装置、设备、系统及音频设备

技术领域

本发明涉及录音处理技术领域，更具体地，涉及一种录音处理方法、装置、设备、系统及音频设备。

背景技术

近年来随着人工智能技术以及设备制造技术的发展，人工智能设备普及率大幅提高。例如，智能音箱近年来就成为许多家庭的必备家用设备，可以令用户通过自然语言交互，就能获取信息、进行娱乐、控制家电等应用服务，令用户获取全新的快捷家居体验。

但是，目前智能音箱的功能较为单一，主要是向用户提供信息或者娱乐服务，不能满足用户日益多样化的需求，例如，用户对应重要信息的记录需求。

发明内容

本发明的一个目的是提供一种用于设置音频设备实现录音回放的新技术方案。

根据本发明的第一方面，提供了一种录音处理方法，通过音频设备实施，包括：

响应于用户发出的录音指令，录取用户发出的语音内容，生成对应的录音文件，并将所述录音文件保存在指定存储区域；

响应于用户发出的录音提取指令，从所述指定存储区域中，提取与所述录音提取指令对应的录音文件，向用户播放。

根据本发明的第二方面，提供了一种录音处理装置，设置在音频设备侧，包括：

语音录取单元，用于响应于用户发出的录音指令，录取用户发出的语音内容，生成对应的录音文件，并将所述录音文件保存在指定存储区域；

录音提取单元，用于响应于用户发出的录音提取指令，从所述指定存储区域中，提取与所述录音提取指令对应的录音文件，向用户播放。

根据本发明的第三方面，提供一种录音处理设备，包括：

存储器，用于存储可执行的指令；

处理器，用于根据所述可执行的指令的控制，运行所述录音处理设备，执行如本发明的第一方面所述的录音处理方法。

根据本发明的第四方面，提供一种音频设备，包括：

如本发明的第二方面所述的录音处理装置或如本发明的第三方面所述的录音处理设备。

根据本发明的第五方面，提供一种录音处理系统，包括：

如本发明的第四方面所述的音频设备；

至少一个移动终端；

所述移动终端包括存储器以及处理器，所述存储器存储有可执行的指令，所述处理器用于根据所述可执行的指令的控制，运行所述移动终端，执行下述录音处理方法，包括：

与所述音频设备建立连接；

录取用户发出的语音内容，生成对应的录音文件，发送给所述音频设备。

根据本公开的一个实施例，通过设置音频设备响应用户发出的录音指令，录取生成录音文件保存在指定存储区域中，并响应于用户发出的录音提取指令，从指定存储区域中提取对应的录音文件向用户播放，实现基于音频设备的录音回放功能，丰富音频设备(例如智能音箱、智能耳机等)的功能，满足用户日益多样化的需求，提升用户体验。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是显示可用于实现本发明的实施例的音频设备1000的硬件配置的例子的框图。

图2示出了本发明的实施例的录音处理方法的流程图。

图3是本发明的实施例的录音处理方法的例子的示意图。

图4示出了音频设备的数据传递风险与用户关注度之间的关系的例子的示意图。

图5示出了预设的时长指数关系的例子的示意图。

图6示出了本发明的实施例的录音处理装置3000的框图。

图7示出了本发明的实施例的录音处理设备4000的框图。

图8示出了本发明的实施例的录音处理系统7000的框图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

<硬件配置>

图1是示出可以实现本发明的实施例的音频设备1000的硬件配置的框图。

音频设备1000还可以包括智能音箱、智能耳机等。如图1所示，音频设备1000可以包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中，处理器1100可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、耳机接口等。通信装置1400例如能够进行有线或无线通信，具体地可以包括Wifi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。用户可以通过麦克风1800输入语音指令，触发音频设备1000通过处理器1100根据存储器1200中存储的可执行指令的控制，运行音频设备1000处理该语音指令，将语音指令的处理结果通过扬声器1700播放给用户。

图1所示的音频设备仅仅是说明性的并且决不意味着对本发明、其应用或使用的任何限制。应用于本发明的实施例中，音频设备1000的所述存储器1200用于存储指令，所述指令用于控制所述处理器1100进行操作以执行本发明实施例提供的任意一项录音处理方法。本领域技术人员应当理解，尽管在图1中对音频设备1000示出了多个装置，但是，本发明可以仅涉及其中的部分装置，例如，音频设备1000只涉及处理器1100和存储装置1200。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。

<实施例>

在本实施例中，提供一种录音处理方法，通过音频设备实施。该音频设备是基于人工智能技术(例如智能语音技术)实现的音箱、耳机等产品，可以与用户交互提供对应的应用服务，例如接收用户的语音指令播放歌曲、购物、查询天气信息等。在一个例子中，音频设备的硬件配置可以如图1所示。

该录音处理方法，如图2所示，包括：步骤S2100-S2200。

步骤S2100，响应于用户发出的录音指令，录取用户发出的语音内容，生成对应的录音文件，并将录音文件保存在指定存储区域。

在本实施例中，可以通过对用户发出的录音指令进行识别处理后，对用户随后发出的需要进行录音的语音内容进行录取，生成对应的录音文件。例如，如图3所示，音频设备是例如智能音箱时，可以在接收录音指令后，发出录音引导信息，引导用户发出期望录音的语音内容，进行录取，生成对应的录音文件。

对生成的录音文件可以设置唯一对应的文件标识，该文件标识用于唯一标识录音文件，可以设置为生成录音文件的时间标签，或者可以由用户通过外部操作自定义设置。

在生成录音文件后，可以将生成的录音文件根据预设的加密方式加密后，在保存在指定存储区域中，以提高录音文件的安全性。该预设的加密方式可以是默认设置的加密方式，或者由用户自定义设置的加密方式，在此不做限定。

将录音文件保存在指定存储区域中，可以根据录音文件的文件标识进行保存。例如，录音文件的文件标识是生成录音文件的时间标签，可以每个录音文件的时间标签的先后对录音文件进行排序后存储，以便于在提取录音文件时能快速根据时间标签找到对应的录音文件，提高录音提取效率。

保存录音文件的指定存储区域，可以是音频设备的本地存储区域，可以预先指定音频设备中的非易失性存储区域为指定存储区域，避免音频设备断电重启后，存储在指定存储区域中的录音文件会丢失。

步骤S2200，响应于用户发出的录音提取指令，从指定存储区域中，提取与录音提取指令对应的录音文件，向用户播放。

在本实施例中，录音提取指令用于指示用户期望提取的录音文件。例如，如图3所示，用户发出的录音提取指令指示期望提取播放的是最新录取的录音文件。或者，录音提取指令也可以指示用户期望提取音频设备中当前已经存储的所有录音文件。

录音文件可以具有唯一对应的文件标识。用户发出的录音提取指令中，也可以包括录音文件的文件标识，可以直接指示要提取的录音文件。或者，录音文件的文件标识是生成录音文件的时间标签时，用户发出的录音提取指令可以包括期望提取录音文件的时间信息，根据该时间信息可以找到具有对应的时间标签的录音文件。

在本实施例中，从指定存储区域中，提取与录音提取指令对应的多个录音文件时，可以根据录音文件生成的时间先后依次播放，或者根据其他用户自定义的顺序播放。

以上已经描述如图2所示的录音处理方法，通过设置音频设备响应用户发出的录音指令，录取生成录音文件保存在指定存储区域中，并响应于用户发出的录音提取指令，从指定存储区域中提取对应的录音文件向用户播放，实现基于音频设备的录音回放功能，丰富音频设备的功能，满足用户日益多样化的需求，提升用户体验。

在一个例子中，录音指令中包括录音操作指示以及提取用户身份信息，提取用户身份信息用于指示允许提取对应的录音文件的用户，具体的，提取用户身份信息可以包括允许提取对应的录音文件的用户所具有的、用于唯一标识用户的用户标识，该用户标识可以是用户名称、用户ID等。

在这个例子中，如图2所示的，响应于用户发出的录音指令，录取用户发出的语音内容，生成对应的录音文件，可以包括：步骤S2110-S2130。

步骤S2110，识别录音指令，获取录音指令中包括的录音操作指示以及所述提取用户身份信息。

步骤S2120，根据录音操作指示，录取语音内容。

步骤S2130，根据语音内容以及提取用户身份信息，生成与提权用户身份信息关联的录音文件。

在本例中，用户向音频设备发出录音指令时，可以通过录音指令的提取用户身份信息指定允许收听录音文件的用户，音频设备录取用户的语音内容生成的录音文件与用户身份信息关联，可以结合后续步骤，实现录音文件被录音用户所指定的用户提取收听，保证用户录音的隐私性以及安全性，更好地满足用户个性化的录音需求。

在这个例子中，如图2所示的，响应于用户发出的录音提取指令，从所述指定存储区域中，提取与所述录音提取指令对应的录音文件，向用户播放，可以包括：步骤S2210-S2220。

步骤S2210，在接收录音提取指令后，获取发出录音提取指令的用户的目标身份信息。

在本例中，目标身份信息是发出录音提取指令的用户所具有的用户身份信息。该用户身份信息可以是用于唯一标识用户的用户标识，该用户标识可以是用户名称、用户ID等。

步骤S2220，获取与录音提取指令对应的录音文件关联的提取用户身份信息，在目标身份信息与提取用户身份信息一致时，从指定存储区域中，提取与录音提取指令对应的录音文件，向用户播放。

在本例中，与录音提取指令对应的录音文件关联的提取用户身份信息，与发出录音提取指令的用户所具有的目标身份信息一致，意味着发出录音提取指令的用户，被允许提取与录音提取指令对应的录音文件，此时才从指定存储区域中，提取与录音提取指令对应的录音文件，向用户播放，可以实现录音文件被录音用户所指定的用户提取收听，保证用户录音的隐私性以及安全性，更好地满足用户个性化的录音需求。

在另一个例子中，如图2所示的录音处理方法，还可以包括：步骤S2310-S2330。

步骤S2310，被触发向远程对象发送指定存储区域中已保存的录音文件时，获取数据安全风险指数。

在音频设备的使用过程中，音频设备可能会被触发向远程对象(例如与音频设备连接提供后台服务的云端服务器、与音频设备通过WIFI或蓝牙等方式配对连接的移动终端等)，发送指定存储区域中已保存的录音文件，而发送录音文件这样的数据传递可能是不被使用音频设备的用户感知的，用户无法获知录音文件具体发送的远程对象、录音文件发送后可能被使用的用途等，就会对用户带来隐私泄露的风险。

在例中，可以对音频设备支持的数据传递接口(包括应用程序接口或者硬件接口)进行监听，来实施对音频设备检测是否被触发向远程对象发送录音文件。在检测到音频设备被触发向远程对象发送录音文件时，获取音频设备当前的数据安全风险指数。数据安全风险指数用于表征音频设备在当前交互环境中传递数据存在的风险。数据安全风险指数越高，对应的音频设备传递数据存在的风险越大。

获取数据安全风险指数后，结合后续步骤，根据数据安全风险指数控制音频设备向远程对象发送录音文件，避免音频设备向远程对象发送录音文件会对用户带来隐私泄露风险。

在一个例子中，步获取数据安全风险指数，可以包括：步骤S2110-步骤S2120。

步骤S2110，获取音频设备最近一次与用户完成语音交互的交互完成时刻，与当前时刻之间的静默时长。

用户与音频设备完成语音交互，可以是用户发送唤醒词，成功唤醒音频设备，或者，音频设备主动发出语音消息与用户交互，得到用户的语音响应等。在本例中，可以实时监测音频设备与用户的交互，实时记录每次音频设备与用户完成语音交互的时刻，以此获取音频设备最近一次与用户完成语音交互的交互完成时刻。

在交互完成时刻，音频设备最近一次与用户完成语音交互，也是最近一次音频设备获得用户关注。对应的，获取交互完成时刻与当前时刻之间的静默时长，通过静默时长可以表征用户对音频设备的用户关注度的变化。在本例中，认为音频设备的用户关注度与音频设备的数据传递风险呈反比，即音频设备的用户关注度越高，音频设备的数据传递风险越低，例如，如图4所示。

步骤S2120，根据静默时长以及预设的时长指数关系，确定数据安全风险指数。

预设的时长指数关系用于描述不同的静默时长与数据安全风险指数之间的对应关系。该预设的时长指数关系可以通过音频设备的历史使用数据提取，或者通过对音频设备构建的数据传递风险模型进行计算后获取。通过预设的时长指数关系，可以根据静默时长，确定对应的数据安全风险指数。静默时长反映用户关注度的变化，数据安全风险指数反映数据传递风险，静默时长越长，对应的数据安全风险指数越大。

例如，假设音频设备与用户交互包括唤醒词激活、(接收及处理)语音指令、信息播放(包括播放语音指令处理结果)等三个阶段，而用户交互时刻是最近一次音频设备被用户发送的唤醒词激活的时刻，假设当前时刻是用户交互时刻时，静默时长是0，对应的数据安全风险指数也是0，之后，随着当前时刻后移，静默时长增加，假设静默时长每增加10秒，对应的数据安全风险指数增加1，直至静默时长增加到10分钟后，数据安全风险指数对应增加到60时，可以保持不变，直至当前时刻后移到下一次音频设备被下一个唤醒词激活的用户交互时刻，对应的，预设的时长指数关系可以如图5所示。

根据静默时长以及预设的时长指数关系，确定数据安全风险指数，可以利用反映用户关注度变化的静默时长，以及预设的时长指数关系，精准地确定反映数据传递风险的数据安全风险指数，以便基于数据安全风险指数结合后续步骤，精准控制音频设备的数据传递，避免数据传递中出现安全风险。

获取当前的数据安全风险指数后，进入：

步骤S2320，在数据安全风险指数属于预设的低风险指数范围时，向远程对象发送录音文件。

预设的低风险指数范围是反映传递数据风险较低、数据安全风险指数的数值范围，可以根据具体的应用场景或者应用需求，基于数据安全风险指数的具体获取方式进行设置。

例如，数据安全风险指数是基于上例中通过静默时长，根据如图5所示的预设的时长指数关系确定的，数据安全风险指数在0-60，预设的低风险指数范围可以设置为0-30，即不小于0到不大于30之间的数据安全风险指数，反映传递数据风险较低，不会带来数据泄露。

在数据安全风险指数属于预设的低风险指数范围时，确定数据传递不存在泄露风险，向远程对象发送录音文件，可以避免音频设备向远程对象发送录音文件会对用户带来隐私泄露风险。

步骤S2330，在数据安全风险指数不属于预设的低风险指数范围时，获取用户的数据传递权限后，向远程对象发送录音文件。

在数据安全风险指数不属于预设的低风险指数范围时，意味着数据传递存在泄露的高风险，在向用户获取数据传递授权后，再向远程对象发送录音文件，可以避免在用户不知情的情况下，在高风险环境中向远程对象发送录音文件，带来隐私泄露的安全风险。

数据传递授权是用户允许音频设备传递数据给予的权限。在一个例子中，向用户获取数据传递授权，可以包括：步骤S2331-S2333。

步骤S2331，向用户发送数据传递申请。

数据传递申请用于向用户申请数据传递权限，在数据传递申请中可以包括用于指示音频设备请求数据传递权限的申请权限指示，数据传递申请还可以具体的应用需求包括其他内容。

例如，数据传递申请还可以包括音频设备传递数据所需的权限内容。比如，音频设备传递的数据是音频数据，对应的，音频设备传递数据所需的权限内容包括麦克风权限等；或者，音频设备传递的数据是视频数据，对应的，音频设备传递数据所需的权限内容包括摄像头权限等；或者，音频设备传递的数据是地理位置数据，对应的，音频设备传递数据所需的权限内容包括定位权限等。

在本例中，可以由音频设备通过语音交互，向用户发送数据传递申请，也可以由音频设备，向用户使用的、与音频设备建立连接的至少一个移动终端，发送数据传递申请。音频设备可以与用户使用的移动终端通过WIFI、蓝牙或者其他无线连接等方式，进行配对建立连接。移动终端可以包括手机、平板电脑等。通过向用户使用的、与音频设备建立连接的至少一个移动终端，发送数据传递申请，可以突破音频设备的语音传输范围，以时效性更高、更为安全隐秘的方式，向用户发送数据传递申请。为了提高数据交互的安全性，还可以对音频设备与移动终端之间的连接实施加密或者数据完整性保护。

向用户发从数据传递申请后，会触发用户返回对应的数据传递响应。

步骤S2332，在用户返回的数据传递响应指示允许数据传递后，触发用户进行身份验证。

在向用户发送数据传递申请后，可以通过音频设备等待用户返回对应的数据传递响应。在数据传递响应指示允许数据传递后，可以通过发出对应的语音指令，触发用户通过音频设备进行身份验证，例如，对于用户发出的声音进行声纹验证或者要求用户提供对应的语音权限密码等。

或者，通过音频设备向与其连接的移动终端发送数据传递申请后，可以等待移动终端通过与音频设备的连接，返回对应的数据传递响应。在数据传递响应指示允许数据传递后，可以通过音频设备与移动终端建立的连接，通过发出对应的指令，触发用户通过移动终端进行身份验证。身份验证的方式可以是移动终端支持的指纹识别验证、脸部识别验证、数字密码验证、语音密码验证、手势验证等。通过移动终端来实施用户身份验证，可以直接调用移动终端现有的验证模块来实施用户身份验证，相对于通过在音频设备中设置身份验证模块进行用户身份验证，无需对音频设备进行改动，实施更为简单，实现复杂度更低，更易于推广。

应当理解的是，在数据传递响应指示不允许数据传递后，可以确定用户不给予数据传递权限，获取数据传递权限失败，将不执行本实施例后续步骤，拦截本次数据传递。或者，在向多个移动终端发送数据传递申请后，未收齐所有移动终端返回的、指示允许数据传递的数据传递响应时，可以确定用户不给予数据传递权限，获取数据传递权限失败，将不执行本实施例后续步骤，拦截本次数据传递。

步骤S2333，在获取的身份验证结果指示身份验证通过后，确定获取数据传递授权。

在身份验证结果指示身份验证通过后，表示允许数据传递的用户是合法有效的用户，对应可以确定获取数据传递授权，保证获取的数据传递授权真实、有效性，提高基于数据传递授权进行数据传递的安全性。

应当理解的是，在身份验证结果指示身份验证未通过时，可以确定用户不具有给予数据传递权限的合法身份，获取数据传递权限失败，将不执行本实施例后续步骤，拦截本次数据传递。

以上已经说明了本例中的步骤S2310-S2330，通过获取当前的数据安全风险指数，根据数据安全风险指数，控制音频设备向远程对象发送录音文件，避免音频设备向远程对象发送录音文件会对用户带来隐私泄露风险。

在又一个例子中，本实施例中提供的录音提取方法还可以包括：

步骤S2410，响应于用户发出的录音删除指令，在指定存储区域中，删除与录音删除指令对应的录音文件。

录音删除指令用于指示用户期望删除的录音文件，可以包括期望删除的录音文件的文件标识、期望删除的录音文件的文件范围等。录音删除指令还可以指示删除指定存储区域中所有保存的录音文件，即清空所有录音文件。

通过用户发出的录音删除指令，可以对音频设备中已经保存的录音文件进行删除或清空，提高音频设备的存储效率。

在又一个例子中，本实施例中提供的录音提取方法还可以包括：

步骤S2420，接收建立连接的移动终端发送的录音文件，保存在指定存储区域中，以供接收到对应的录音提取指令时进行提取、播放。

在本例中，如手机、平板电脑、掌上电脑等这类移动终端，可以通过WIFI、蓝牙等方式与音频设备进行配对建立连接。

用户可以通过与音频设备建立连接的移动终端，录取语音生成录音文件后，发送给音频设备，由音频设备保存在指定存储区域中，在接收到用户发出的录音提取指令时，进行提取、播放，通过音频设备实现远程录音回放的功能，丰富音频设备的应用功能，提升用户体验。

接收到对应的录音提取指令时进行提取、播放的步骤，可以如图2所示的步骤S2200实施，在此不再赘述。

在又一个例子中，本实施例中提供的录音提取方法还可以包括：

步骤S2430，检测到用户实施的交互操作时，根据指定存储区域中已保存的录音文件，向用户发出提取录音提示。

在本例中，可以通过监听音频设备的交互接口(软件接口或硬件接口)，来检测用户是否实施交互操作。在检测用户实施交互操作时，根据指定存储区域中保存的录音文件，可以向用户发出提取录音提示，例如提示用户当前保存有录音文件是否提取播放，或者根据保存录音文件所关联的用户身份信息，在实施交互操作的用户具有同样的用户身份信息时，提示该用户有其他用户指定供其提取收听的录音，是否提取播放，等等。

在本例中，检测到用户实施交互操作时，根据指定存储区域中已保存的录音文件，向用户发出提取录音提示，可以动态、实时地向用户提示音频设备中已经获取的录音文件，由用户选择提取播放，丰富音频设备的录音回放功能，更好地提升用户体验。

<录音处理装置>

在本实施例中，还提供一种录音处理装置3000，如图6所示，包括：语音录取单元3100以及录音提取单元3200，用于实施本实施例中提供的录音处理方法，在此不再赘述。

语音录取单元3100，用于响应于用户发出的录音指令，录取用户发出的语音内容，生成对应的录音文件，并将所述录音文件保存在指定存储区域；

录音提取单元3200，用于响应于用户发出的录音提取指令，从所述指定存储区域中，提取与所述录音提取指令对应的录音文件，向用户播放。

可选地，录音处理装置3000还用于：

响应于用户发出的录音删除指令，在所述指定存储区域中，删除与所述录音删除指令对应的录音文件。

可选地，录音处理装置3000还用于：

接收建立连接的移动终端发送的录音文件，保存在所述指定存储区域中，以供接收到对应的录音提取指令时进行提取、播放。

可选地，所述录音指令中包括录音操作指示以及提取用户身份信息，所述提取用户身份信息用于指示允许提取对应的录音文件的用户；

语音录取单元3100还用于：

识别所述录音指令，获取所述录音指令中包括的所述录音操作指示以及所述提取用户身份信息；

根据所述录音操作指示，录取所述语音内容；

根据所述语音内容以及所述提取用户身份信息，生成与所述提取用户身份信息关联的所述录音文件；

以及，录音提取单元3200，还用于：

在接收所述录音提取指令后，获取发出所述录音提取指令的用户的目标身份信息；

获取与所述录音提取指令对应的录音文件关联的提取用户身份信息，在所述目标身份信息与所述提取用户身份信息一致时，从所述指定存储区域中，提取与所述录音提取指令对应的录音文件，向用户播放。

可选地，录音处理装置3000还用于：

被触发向远程对象发送所述指定存储区域中已保存的所述录音文件时，获取数据安全风险指数；

在所述数据安全风险指数属于预设的低风险指数范围时，向所述远程对象发送所述录音文件；

在所述数据安全风险指数不属于预设的低风险指数范围时，获取用户的数据传递权限后，向所述远程对象发送所述录音文件。

可选地，所述获取数据安全风险指数，包括：

获取所述音频设备最近一次与用户完成语音交互的交互完成时刻，与当前时刻之间的静默时长；

根据所述静默时长以及预设的时长指数关系，确定所述数据安全风险指数；

其中，所述时长指数关系用于描述不同的所述静默时长与所述数据安全风险指数之间的对应关系；

和/或，

所述方法还包括向用户获取数据传递授权，包括：

在所述音频设备传递的数据属于预设的敏感数据时，向用户发送数据传递申请；

在用户返回的数据传递响应指示允许数据传递后，触发用户进行身份验证；

在获取的身份验证结果指示身份验证通过后，确定获取所述数据传递授权。

可选地，录音处理装置3000还用于：

检测到用户实施的交互操作时，根据所述指定存储区域中已保存的所述录音文件，向用户发出提取录音提示；

和/或，

将所述生成的录音文件根据预设的加密方式加密后，保存在所述指定存储区域中。

本领域技术人员应当明白，可以通过各种方式来实现录音处理装置3000。例如，可以通过指令配置处理器来实现录音处理装置3000。例如，可以将指令存储在ROM中，并且当启动设备时，将指令从ROM读取到可编程器件中来实现录音处理装置3000。例如，可以将录音处理装置3000固化到专用器件(例如ASIC)中。可以将录音处理装置3000分成相互独立的单元，或者可以将它们合并在一起实现。录音处理装置3000可以通过上述各种实现方式中的一种来实现，或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。

在本实施例中，录音处理装置3000设置在音频设备侧，可以是设置在音频设备中的软件模块，或者是被加载在音频设备中的补丁、嵌入件等，还可以是设置在与音频设备建立连接的设备中的应用程序。在一个例子中，录音处理装置3000还可以封装成软件开发工具包形式(例如SDK)，被音频设备安装后运行。

<录音处理设备>

在本实施例中，还提供一种录音处理设备4000，如图7所示，包括：

存储器4100，用于存储可执行的指令；

处理器4200，用于根据所述可执行的指令的控制，运行所述录音处理设备4000，执行如本实施例中提供的所述的录音处理方法。

在本实施例中，录音处理设备4000可以设置在音频设备侧，可以是设置在音频设备中，也可以是与音频设备建立有线或无线连接的独立设备。

<音频设备>

在本实施例中，还提供一种音频设备5000，包括：

如图6所示的录音处理装置3000或者如图7所示的录音处理设备6000。

在本实施例中，音频设备5000的硬件配置可以如图1所示，例如，通过存储器1200存储录音处理装置3000，通过处理器1100加载录音处理装置3000，实施本实施例中的录音处理方法，或者，通过存储器1200存储可执行的指令，根据可执行的指令的控制，通过处理器1100实施本实施例中的录音处理方法。该音频设备5000可以包括智能音箱、智能耳机等。

<数据处理系统>

在本实施例中，还提供一种数据处理系统7000，如图8所示，包括：

在本实施例中提供的音频设备5000；

至少一个移动终端6000。

在本实施例中，移动终端6000可以是手机、平板电脑、掌上电脑、笔记本电脑等。

移动终端6000包括存储器6100以及处理器6200。处理器6100可以是中央处理器CPU、微处理器MCU等。存储器6200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。存储器6200存储有可执行的指令，处理器6100用于根据可执行的指令的控制，运行移动终端6000，执行下述数据处理方法，包括：步骤S6100-S6200。

步骤S6100，与音频设备5000建立连接。

在本实施例中，移动终端6000可以通过WIFI、蓝牙或者其他连接方式，与音频设备5000进行配对建立连接。移动终端6000与音频设备5000之间的连接可以进行加密或者数据完整性保护，以保证基于该连接的数据传递的安全性。

步骤S6200,录取用户发出的语音内容，生成对应的录音文件，发送给音频设备5000。

在本实施例中，通过移动终端6000录音用户发出的语音内容，生成对应的录音文件发送给音频设备5000，可以触发音频设备5000将录音文件保存在指定存储区域，在接收到对应的录音提取指令时进行提取、播放，实现远程录音回放功能，丰富用户的音频设备使用体验。

以上已经结合附图和例子说明本实施例中提供的录音处理方法、装置、设备、系统及音频设备，通过设置音频设备响应用户发出的录音指令，录取生成录音文件保存在指定存储区域中，并响应于用户发出的录音提取指令，从指定存储区域中提取对应的录音文件向用户播放，实现基于音频设备的录音回放功能，丰富音频设备(例如智能音箱、智能耳机等)的功能，满足用户日益多样化的需求，提升用户体验。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程录音处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程录音处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程录音处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程录音处理装置、或其它设备上，使得在计算机、其它可编程录音处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程录音处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (10)

1.一种录音处理方法，其特征在于，通过音频设备实施，包括：

响应于用户发出的录音指令，录取用户发出的语音内容，生成对应的录音文件，并将所述录音文件保存在指定存储区域；

响应于用户发出的录音提取指令，从所述指定存储区域中，提取与所述录音提取指令对应的录音文件，向用户播放。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

响应于用户发出的录音删除指令，在所述指定存储区域中，删除与所述录音删除指令对应的录音文件；

和/或，

接收建立连接的移动终端发送的录音文件，保存在所述指定存储区域中，以供接收到对应的录音提取指令时进行提取、播放。

3.根据权利要求1所述的方法，其特征在于，

所述录音指令中包括录音操作指示以及提取用户身份信息，所述提取用户身份信息用于指示允许提取对应的录音文件的用户；

所述响应于用户发出的录音指令，录取用户发出的语音内容，生成对应的录音文件，包括：

识别所述录音指令，获取所述录音指令中包括的所述录音操作指示以及所述提取用户身份信息；

根据所述录音操作指示，录取所述语音内容；

根据所述语音内容以及所述提取用户身份信息，生成与所述提取用户身份信息关联的所述录音文件；

以及，

所述响应于用户发出的录音提取指令，从所述指定存储区域中，提取与所述录音提取指令对应的录音文件，向用户播放，包括：

在接收所述录音提取指令后，获取发出所述录音提取指令的用户的目标身份信息；

获取与所述录音提取指令对应的录音文件关联的提取用户身份信息，在所述目标身份信息与所述提取用户身份信息一致时，从所述指定存储区域中，提取与所述录音提取指令对应的录音文件，向用户播放。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

被触发向远程对象发送所述指定存储区域中已保存的所述录音文件时，获取数据安全风险指数；

在所述数据安全风险指数属于预设的低风险指数范围时，向所述远程对象发送所述录音文件；

在所述数据安全风险指数不属于预设的低风险指数范围时，获取用户的数据传递权限后，向所述远程对象发送所述录音文件。

5.根据权利要求4所述的方法，其特征在于，

所述获取数据安全风险指数，包括：

获取所述音频设备最近一次与用户完成语音交互的交互完成时刻，与当前时刻之间的静默时长；

根据所述静默时长以及预设的时长指数关系，确定所述数据安全风险指数；

其中，所述时长指数关系用于描述不同的所述静默时长与所述数据安全风险指数之间的对应关系；

和/或，

所述方法还包括向用户获取数据传递授权，包括：

在所述音频设备传递的数据属于预设的敏感数据时，向用户发送数据传递申请；

在用户返回的数据传递响应指示允许数据传递后，触发用户进行身份验证；

在获取的身份验证结果指示身份验证通过后，确定获取所述数据传递授权。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

检测到用户实施的交互操作时，根据所述指定存储区域中已保存的所述录音文件，向用户发出提取录音提示；

和/或，

将所述生成的录音文件根据预设的加密方式加密后，保存在所述指定存储区域中。

7.一种录音处理装置，其特征在于，设置在音频设备侧，包括：

语音录取单元，用于响应于用户发出的录音指令，录取用户发出的语音内容，生成对应的录音文件，并将所述录音文件保存在指定存储区域；

录音提取单元，用于响应于用户发出的录音提取指令，从所述指定存储区域中，提取与所述录音提取指令对应的录音文件，向用户播放。

8.一种录音处理设备，其特征在于，包括：

存储器，用于存储可执行的指令；

处理器，用于根据所述可执行的指令的控制，运行所述录音处理设备，执行如权利要求1-6所述的录音处理方法。

9.一种音频设备，其特征在于，包括：

如权利要求7所述的录音处理装置或如权利要求8所述的录音处理设备。

10.一种录音处理系统，其特征在于，包括：

如权利要求8所述的音频设备；

至少一个移动终端；

所述移动终端包括存储器以及处理器，所述存储器存储有可执行的指令，所述处理器用于根据所述可执行的指令的控制，运行所述移动终端，执行下述录音处理方法，包括：

与所述音频设备建立连接；

录取用户发出的语音内容，生成对应的录音文件，发送给所述音频设备。