[发明专利]声音的处理方法、装置、终端设备和存储介质

说明书

本申请实施例公开了一种声音的处理方法、装置、终端设备和存储介质，上述声音的处理方法包括：获得用户设置的聊天背景图；对所述聊天背景图进行场景识别；获得与所述场景识别的结果匹配的背景声音；在所述用户视频聊天的过程中，播放所述背景声音。本申请可以实现对视频聊天过程中的聊天背景图进行场景识别，从服务器获得与上述场景识别的结果匹配的背景声音，并自动播放上述背景声音，可以给用户带来个性化的视频体验。

技术领域

本申请涉及计算机应用技术领域，尤其涉及一种声音的处理方法、装置、终端设备和存储介质。

背景技术

伴随着新经济的发展，互联网逐渐成为了世界的主导，在短短数十年的时间里，网络变得越来越完善，越来越可爱，网络拉近了人与人之间的距离，让更多的人体会到了“身隔千里远，情系一线间”的快感。网络的发展也促进了通讯手段的变化，传统的交流方式已经不能满足人们的要求，网络带来了通讯速度的提升，更降低了通讯成本。而随着宽带网络的普及，人们对网络通讯也有了进一步的要求，宽带网络的发展，改变了传统网络通讯的质量和形式，使交流不再只是局限于普通语言文字，利用视频可以让天各一方的朋友能够彼此相见。

视频聊天就是利用网页技术和客户端技术，通过可视化的数码工具来聊天，现在，用户有在视频聊天过程中添加背景声音和/或改变自身声音的需求，现有相关技术中，QQ电话功能提供“变声”入口，在用户选择音效之后，变声图标将变为所选择的音效的图标，用户说出来的声音也随之发生变化。

发明内容

现有技术提供的“变声”的技术方案中，音效是固定的，需要用户主动去选择，无法达到真正的个性化，用户难以融入个人创意，用户在将固定的音效都体验过后，难以被持续的吸引，另外，这种方案只能改变用户自身的声音，无法实现为上述用户的视频聊天过程添加背景声音。

为此，本申请的实施例提供一种声音的处理方法、装置、终端设备和存储介质，可以实现对视频聊天过程中的聊天背景图进行场景识别，从服务器获得与上述场景识别的结果匹配的背景声音，并自动播放上述背景声音，可以给用户带来个性化的视频体验。

本申请实施例采用如下技术方案：

第一方面，本申请实施例提供一种声音的处理方法，包括：获得用户设置的聊天背景图；对所述聊天背景图进行场景识别；获得与所述场景识别的结果匹配的背景声音；在所述用户视频聊天的过程中，播放所述背景声音。

其中在一种具体的实施方式中，所述对所述聊天背景图进行场景识别之后，还包括：如果所述场景识别的结果中包括所述聊天背景图所关联的背景人物，则获得所述背景人物的声音特征；根据所述背景人物的声音特征对所述用户的声音特征进行处理，将所述用户声音改变为所述背景人物的声音后，在所述用户视频聊天的过程中输出所述背景人物的声音；所述声音特征包括：基音频率、共振峰位置、共振峰带宽、基音频率和音调之一或组合。

其中在一种具体的实施方式中，所述对所述聊天背景图进行场景识别包括：识别所述聊天背景图中的景物和场景类别；和/或识别所述聊天背景图中的拍摄信息。

其中在一种具体的实施方式中，所述获得与所述场景识别的结果匹配的背景声音包括：根据所述场景识别的结果生成场景描述标签；将所述场景描述标签发送给服务器；接收所述服务器根据所述场景描述标签搜索获得的与所述场景识别的结果匹配的背景声音。

其中在一种具体的实施方式中，所述获得所述背景人物的声音特征包括：提取所述聊天背景图中所述背景人物的特征和所述聊天背景图的图片内容特征；将所述背景人物的特征和所述聊天背景图的图片内容特征发送给所述服务器；接收所述服务器发送的所述背景人物的声音特征。