[发明专利]音视图数据生成以及处理的方法

说明书

本发明提供了一种音视图数据生成方法，它包括：将准音频数据和/或标记数据进行转换，形成相对应的第一编码数据和/或第二编码数据；将所述第一编码数据和/或第二编码数据转换为相对应的第一自动识别标识和/或第二自动识别标识；将所述第一自动识别标识和/或第二自动识别标识以数字水印方式嵌入到目标图片中，形成图音图像。前述的技术方案使得由此获得的图音图像改善了现有音图数据在制作和播放时的种种不便，同时也能节省音视图数据的传输量，节约音视图数据传播的运营成本。

技术领域

本发明涉及一种数据处理技术，具体是一种音视图数据的生成以及处理的方案；属于互联网数据处理技术。

背景技术

音视图数据至少由音频数据、图像数据、文字数据、标记数据、视频数据中的任意两种以上数据以及其他播放控制参数数据集合而成的新兴互联网数据形态。参见申请号分别是20171000267.0、201910004505.2、201910223774.3的中国专利申请，其中披露了音视图数据的构成以及应用等技术方案。

由上述中国专利申请可知：音视图数据中的音图数据主要有两种类型：

第一种类型的音图数据是由一幅静态图片和一段将和该图片一道播放的音频所构成；对于该静态图片，在本发明中统称为图片；而对于该音频，在本发明中统称为图片音频。此外，在音图数据中还设计有被本发明人称之为对准参数的数据；对准参数根据其作用的不同，被分为图片对准参数和音频对准参数。

第二种类型的音图数据是由多幅静态图片和多段与多幅静态图片对应播放的音频所构成；对于这些静态图片，在本发明中也统称为图片；而对于这些音频，在本发明中也统称为图片音频。此外，由于图片和音频都是多个，因此，在音图数据中的对准参数也是多个；对准参数的数量和图片的数量或者音频的数量是对应的；第二种类型音图数据中的对准参数与第一种类型的音图数据一样，也被分为图片对准参数和音频对准参数。

前述的音图数据是一个完整的数据对象，它可以采用现有的任何图片、音频以及信息的数据格式拼合构成；也可以在具体的方案中，由相关的技术人员根据具体的需要将它们重新构成一个全新格式的一体化数据对象。

前述的音图是由至少一幅图片和一段音频所构成。一个音图数据被生成以后，在播放时，音图数据中的图片和音频被分别提取出来，然后按照播放设备默认的播放方式或者携带在音图数据中播放控制参数进行播放。这样，观看者可以在观看到音图数据中的图片的同时，听到音图数据中的音频信息。这是本发明人发明的一种新型数据以及播放这种新型数据的技术方案。这种新型数据以及播放这种新型数据的技术方案，使得人们在进行信息传递以及互动交流时，获得了更为方便有效的新的手段。

然而，由于前述的音图数据是由图片和音频组合而成，在某些实际的使用过程中，可能存在如下一些缺陷：

1、在一些情形下，人们在生成音图数据时，并不方便在获取图像的同时录制相应的音频；例如：在录制语音时，因为录制者自身的嗓音条件不好，会使得录制的语音不清晰；再例如：在制作音图数据时，虽然可以方便地利用便携式智能设备来采集图片(拍照)，但由于环境的限制，可能并不方便发出或者播放需要录制的语音或者音乐；等等。

2、如前所述：由于音图数据由图片和音频两者所构成，其中的音频则需要一定的存储空间来容纳，这就使得音图数据因为需要容纳音频数据而整体的多占用一些空间，在互联网传送时也会多占用一些带宽资源，也会多花费一些传输流量。

3、在一些情形下播放音图数据时，音图数据中的语音音频和图片一并播放并不是很方便(例如：观看者正处于一个诸如会议厅这样需要安静的现场环境之中)，这样，音图数据中的音频信息则不能为观看者所获取，或者需要采用类似于微信中的那种语音转文字的技术来处理。但这样一方面需要观看者花费更多的操作，另一方面也会因为语音识别技术至今还远未成熟到准确无误地将语音转换为文字的水平，依然不能向观看者呈现准确的信息。

发明内容