[发明专利]视频通话过程语音采集方法、装置、计算机设备及介质

说明书

本发明公开了一种视频通话过程语音采集方法、装置、计算机设备及介质，该方法包括基于视频通话请求创建用户终端和虚拟形象平台之间的与终端ID关联的专用通信通道；接收用户终端的通话媒体流数据，将目标坐席ID和终端ID关联存储，获取与音频媒体流数据对应的响应话术文本；将响应话术文本和目标坐席ID发送给虚拟形象平台；与媒体流处理平台建立MRCP连接，将响应话术文本关联的目标坐席ID发送给媒体流处理平台；接收到媒体流处理平台发送的目标坐席ID对应的目标虚拟坐席的话术播报结束通知，则关闭与媒体流处理平台的MRCP连接，根据目标坐席ID启动语音识别平台采集音频媒体流数据，重复执行接收用户终端生成的通话媒体流数据，以排除杂音，准确收音。

技术领域

本发明涉及通信技术领域，尤其涉及一种视频通话过程语音采集方法、装置、计算机设备及介质。

背景技术

随着技术的不断发展，针对媒体资源处理的协议亦在不断地规划化，利用规范的媒体资源处理协议可以实现人机对话的场景，即视频通话系统中实现人机视频通话以便用户与虚拟坐席实现面对面交谈，例如，MRCP协议就是针对媒体资源处理的标准协议。其中，MRCP是指Media Resource Control Protocol，即媒体资源控制协议，是一种通讯协议，用于语音服务器向用户终端提供各种语音服务，例如语音识别和语音合成等，依赖于SIP协议、TCP/IP协议等。

在基于MRCP v2协议的视频通话系统使用时，由于对话过程中所使用的协议是MRCPv2协议，控制平台与虚拟形象平台不能使用HTTP接口回调，使得控制平台无法知道虚拟坐席播报结束的时间，现有技术中采用的是设置固定的时间开始收集用户的语音数据，这种方法所采集到的语音数据包含了用户和虚拟坐席的语音，不利于后续的语音识别，严重影响用户与虚拟坐席对话的准确性。

发明内容

本发明实施例提供一种视频通话过程语音采集方法、装置、计算机设备及存储介质，以解决基于MRCP v2协议的视频通话系统中无法准确采集用户终端的当前语音数据的问题。

一种视频通话过程语音采集方法，包括：

获取用户终端发送的携带终端ID的视频通话请求，基于所述视频通话请求创建用户终端和虚拟形象平台之间的与所述终端ID关联的专用通信通道，所述虚拟形象平台包括原始虚拟坐席和与所述原始虚拟坐席对应的原始坐席ID；

接收所述用户终端的通话媒体流数据，所述通话媒体流数据包括目标坐席ID、音频媒体流数据和终端ID，将所述目标坐席ID和所述终端ID关联存储，获取与所述音频媒体流数据对应的响应话术文本；

将所述响应话术文本和所述目标坐席ID发送给虚拟形象平台，将与所述目标坐席ID相匹配的所述原始坐席ID对应的所述原始虚拟坐席确定为目标虚拟坐席，以使所述目标虚拟坐席通过所述专用通信通道播报所述响应话术文本对应的响应语音数据；

与所述媒体流处理平台建立MRCP连接，将所述响应话术文本关联的所述目标坐席ID发送给所述媒体流处理平台；

若接收到媒体流处理平台发送的所述目标坐席ID对应的目标虚拟坐席的话术播报结束通知，则关闭与所述媒体流处理平台的MRCP连接，根据所述目标坐席ID启动语音识别平台采集音频媒体流数据。

一种视频通话过程语音采集装置，包括：

专用通信通道创建模块，用于获取用户终端发送的携带终端ID的视频通话请求，基于所述视频通话请求创建用户终端和虚拟形象平台之间的与所述终端ID关联的专用通信通道，所述虚拟形象平台包括原始虚拟坐席和与所述原始虚拟坐席对应的原始坐席ID；

响应话术文本获取模块，用于接收所述用户终端的通话媒体流数据，所述通话媒体流数据包括目标坐席ID、音频媒体流数据和终端ID，将所述目标坐席ID和所述终端ID关联存储，获取与所述音频媒体流数据对应的响应话术文本；