CN110797013A - 语音直播间的直播入口显示方法、相关设备及存储介质 - Google Patents

Abstract

本发明公开了语音直播间的直播入口显示方法、相关设备及存储介质，其中，语音直播间的直播入口显示方法包括：获取语音直播间中主播客户端的直播语音，得到直播语音音频；对所述直播语音音频进行分段处理，得到多个语音音频段；根据所述语音直播间的热度信息和主题信息，确定所述多个语音音频段中每个语音音频段的综合分值；根据所述综合分值从所述多个语音音频段中选取目标语音音频段；将所述目标语音音频段的播放入口在所述语音直播间的直播入口进行显示。本发明提高了用户筛选语音直播间的效率，用户体验效果提升。

Description

语音直播间的直播入口显示方法、相关设备及存储介质

技术领域

本发明涉及互联网技术领域，特别涉及语音直播间的直播入口显示方法、相关设备及存储介质。

背景技术

随着互联网技术的发展，网络直播为用户获取信息提供了更加直观、快速的通道，各式各样的直播方式层出不穷。语音直播是区别于视频直播的纯音频直播方式，语音直播类似于广播电台，但又不同于广播电台。语音直播由主播客户端提供纯音频数据流，经过服务器对该纯音频数据流转发，在听众客户端上听取该纯音频数据流的业务。服务器通常将一个主播客户端和对应的听众客户端划分至同一个语音直播间。语音直播具有比较强的互动性，其允许主播与听众之间的互动、送礼等。

相关技术中，语音直播平台展示了语音直播间的列表，用户在从该列表中查找期望的语音直播间时，只能依次进入各个语音直播间内，对各个语音直播间内的实时直播内容进行试听，导致了对语音直播间的筛选效率较低、用户体验差。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种语音直播间的直播入口显示方法、相关设备及存储介质。所述技术方案如下：

一方面，提供了一种语音直播间的直播入口显示方法，所述方法包括：

获取语音直播间中主播客户端的直播语音，得到直播语音音频；

对所述直播语音音频进行分段处理，得到多个语音音频段；

根据所述语音直播间的热度信息和主题信息，确定所述多个语音音频段中每个语音音频段的综合分值；

根据所述综合分值从所述多个语音音频段中选取目标语音音频段；

将所述目标语音音频段的播放入口在所述语音直播间的直播入口进行显示。

另一方面，提供了一种语音直播间的直播入口显示装置，所述装置包括：

第一获取模块，用于获取语音直播间中主播客户端的直播语音，得到直播语音音频；

分段处理模块，用于对所述直播语音音频进行分段处理，得到多个语音音频段；

第一确定模块，用于根据所述语音直播间的热度信息和主题信息，确定所述多个语音音频段中每个语音音频段的综合分值；

选取模块，用于根据所述综合分值从所述多个语音音频段中选取目标语音音频段；

显示模块，用于将所述目标语音音频段的播放入口在所述语音直播间的直播入口进行显示。

可选的，所述第一获取模块包括：

第二获取模块，用于获取语音直播间中主播客户端的开播时刻；

第三获取模块，用于以所述开播时刻为起始点，获取预设时长内所述主播客户端提供的直播语音。

可选的，所述分段处理模块，具体用于：每隔预设时间间隔从所述直播语音音频中截取出语音音频段，得到多个语音音频段。

可选的，所述第一确定模块包括：

第四获取模块，用于获取所述语音直播间的历史热度信息，以及所述开播时刻对应的所述语音直播间的热度信息；

第二确定模块，用于根据所述历史热度信息，以及所述开播时刻对应的所述语音直播间的热度信息，确定所述多个语音音频段中每个语音音频段的第一分值；

第三确定模块，用于确定所述语音直播间的直播主题，以及每个所述语音音频段所对应的语义；

第四确定模块，用于根据所述语音音频段所对应的语义与所述直播主题的语义相似度，确定每个所述语音音频段的第二分值；

第五确定模块，用于根据所述第一分值和第二分值，确定所述语音音频段的综合分值。

可选的，所述第二确定模块包括：

第六确定模块，用于根据所述开播时刻，确定所述多个语音音频段中每个语音音频段所对应的语音直播间的第一热度信息；

第七确定模块，用于根据所述历史热度信息，确定每个所述语音音频段所对应的直播时间段内的历史平均热度信息；

第八确定模块，用于根据所述第一热度信息与历史平均热度信息的比对情况，确定每个所述语音音频段的第一分值。

可选的，所述第五确定模块包括：

提取模块，用于提取每个所述语音音频段的声纹特征信息；

第九确定模块，用于根据所述声纹特征信息确定所述语音音频段的情绪状态；

第十确定模块，用于根据所述情绪状态与所述直播主题的匹配情况，确定所述语音音频段的第三分值；

第十一确定模块，用于根据所述第一分值、第二分值和第三分值，确定所述语音音频段的综合分值。

可选的，所述显示模块包括：

判断模块，用于判断所述目标语音音频段所对应的语义是否满足违规要求；

删除模块，用于在判断模块的判断结果为是时，将所述目标语音音频段从所述多个语音音频段中删除；

重新选取模块，用于根据所述综合分值，重新从删除后的多个语音音频段中选取目标语音音频段，并执行所述判断的步骤直至重新选取的目标语音音频段所对应的语义不满足违规要求；

显示子模块，用于将重新选取的目标语音音频段的播放入口在所述语音直播间的直播入口进行显示。

另一方面，提供了一种计算机设备，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述语音直播间的直播入口显示方法。

另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述的语音直播间的直播入口显示方法。

本发明实施例通过对语音直播间的主播客户端的直播语音音频进行分段处理，并基于语音直播间的热度信息和主题信息确定分段处理得到的多个语音音频段的综合分值，根据该综合分值确定多个语音音频段中的目标语音音频段，并将该目标语音音频段的播放入口在语音直播间的直播入口进行显示，从而用户在浏览语音直播平台时，可以通过对各个语音直播间的直播入口显示的语音音频段的试听来快速找到期望的语音直播间，提高了用户筛选语音直播间的效率，用户体验效果提升。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明实施例提供的一种实施环境的示意图；

图2是本发明实施例提供的一种语音直播间的直播入口显示方法的流程示意图；

图3是本发明实施例提供的根据语音直播间的热度信息和主题信息确定多个语音音频段中每个语音音频段的综合分值的一种方法的流程示意图；

图4是本发明实施例提供的根据第一分值和第二分值确定语音音频段的综合分值的一种方法的流程示意图；

图5是本发明实施例提供的在语音直播间的直播入口显示目标语音音频段的播放入口的示意图；

图6是本发明实施例提供的另一种语音直播间的直播入口显示方法的流程示意图；

图7是本发明实施例提供的另一种语音直播间的直播入口显示方法的流程示意图；

图8是本发明实施例提供的向主播反馈目标语音音频段的一种示意图；

图9是本发明实施例提供的一种语音直播间的直播入口显示装置的结构示意图；

图10是本发明实施例提供的一种计算机设备的硬件结构图。

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，所描述的实施例仅仅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做出创造性劳动的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。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

请参阅图1，其所示为本发明实施例提供的一种实施环境示意图，该实施环境可以包括主播客户端110、语音直播服务器120和听众客户端130。

其中，主播客户端110和听众客户端130位于语音直播间140内，该语音直播间140为语音直播平台中的虚拟房间，在主播客户端110发起语音直播时建立该语音直播间140，语音直播间140可以接收听众客户端130进入听取主播客户端的语音直播以及与主播客户端进行互动，如听众客户端130可以对主播客户端110进行点评、送礼、发送弹幕等。

主播客户端110和听众客户端130可以是智能手机、台式电脑、平板电脑、笔记本电脑等具有各种操作***的终端设备，也可以是配置在上述终端设备中的软件，如应用程序。

语音直播服务器120可以是为语音直播平台提供服务支持的服务器，例如提供直播语音的转发等。语音直播服务器120可以包括一个独立运行的服务器，或者分布式服务器，或者由多个服务器组成的服务器集群。

语音直播服务器120与主播客户端110可以通过有线网络或者无线网络相连接通信，语音直播服务器120与听众客户端130可以通过有线网络或者无线网络相连接通信。

请参阅图2，其所示为本发明实施例提供的一种语音直播间的直播入口显示方法的流程示意图，该方法可以应用于终端或者服务器或者终端与服务器的耦合，下面以应用于图1所示实施环境中的主播客户端110来举例说明。

需要说明的是，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的***或产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示，所述方法可以包括：

S201，获取语音直播间中主播客户端的直播语音，得到直播语音音频。

本说明书实施例中，在主播客户端开播语音直播时，可以获取对应语音直播间中主播客户端的开播时刻，并以该开播时刻为起始点，获取预设时间内主播客户端提供的直播语音，从而得到上述的直播语音音频。其中，预设时长可以根据需要进行设置，例如可以设置为5分钟、10分钟等等。

S203，对所述直播语音音频进行分段处理，得到多个语音音频段。

本说明书实施例中，可以每隔预设时间间隔从步骤S201中获取的直播语音音频中截取出语音音频段，从而得到多个语音音频段。其中，预设时间间隔小于预设时长，该预设时间间隔可以根据实际需求进行设置，例如，当预设时长为5分钟时，预设时间间隔可以为1分钟；当预设时长为10分钟时，预设时间间隔可以为1分钟或者2分钟等等。

S205，根据所述语音直播间的热度信息和主题信息，确定所述多个语音音频段中每个语音音频段的综合分值。

其中，热度信息可以但不限于包括用于表征语音直播间的影响力以及互动程度的数据。例如，热度信息可以但不限于包括评论量、听众数量、送礼数量等等。

本说明书实施例中，可以采用图3的方法实现根据所述语音直播间的热度信息和主题信息，确定所述多个语音音频段中每个语音音频段的综合分值，如图3所示，该方法可以包括：

S301，获取所述语音直播间的历史热度信息，以及所述开播时刻对应的所述语音直播间的热度信息。

其中，历史热度信息是相对于本次开播的往次开播中的热度信息，更具体的，历史热度信息可以是往次开播中对应于上述预设时长的热度信息，即往次开播中以每次开播时刻为起始点、上述预设时长内的热度信息。

具体的实施中，可以获取主播客户端在最近一段时间(如一个月或者3个月等)内的语音直播数据，该语音直播数据可以但不限于包括每次语音直播中的热度信息，每次语音直播中的热度信息均对应有相应的直播时刻，该直播时刻为相对于每次开播时刻的时刻。然后从每次语音直播中的热度信息中获取以每次开播时刻为起始点、上述预设时长内的热度信息，从而得到历史热度信息。

其中，所述开播时刻对应的所述语音直播间的热度信息为在本次语音直播中，以本次开播时刻为起始点、上述预设时长内的热度信息。

S303，根据所述历史热度信息，以及所述开播时刻对应的所述语音直播间的热度信息，确定所述多个语音音频段中每个语音音频段的第一分值。

本说明书实施例中，每个语音音频段均对应有开始直播时刻和结束直播时刻，根据该开始直播时刻和结束直播时刻可以从历史热度信息中获取到对应该直播时间段的子历史热度信息，同时还可以确定本次开播中对应该直播时间段的语音直播间的第一热度信息；计算相同直播时间段对应的所有子历史热度信息的平均值，从而得到对应的直播时间段内的历史平均热度信息；然后将第一热度信息与历史平均热度信息进行比对，根据比对情况确定每个所述语音音频段的第一分值。具体的实施中，当第一热度信息超过历史平均热度信息时，可以为相应语音音频段增加预设分值，例如该预设分值可以为1。

本说明书实施例中，热度信息可以包括多个维度的热度数据，当有多个维度的热度数据时，可以先确定每个语音音频段在各个维度的子分值，然后基于各个维度的子分值确定每个语音音频段的第一分值。具体的实施中，可以直接将各个维度的子分值进行加和得到第一分值；还可以先确定各个维度的子分值的权值，然后对每个语音音频段在各个维度的子分值进行加权求和，其中，各个维度的子分值的权值可以根据实际需要进行设定。

举例而言，热度信息可以包括评论量、听众数和送礼数，在确定每个语音音频段的第一分值时，根据往次开播中的历史评论量，可以得到对应每个语音音频段的历史平均评论量，以及根据本次开播中的评论量，可以得到对应每个语音音频段的第一评论量，当第一评论量超过历史平均评论量时，对相应语音音频段增加1个分值；根据往次开播中的历史听众数，可以得到对应每个语音音频段的历史平均听众数，以及根据本次开播中的听众数，可以得到对应每个语音音频段的第一听众数，当第一听众数超过历史平均听众数时，对相应语音音频段再增加1个分值；根据往次开播中的历史送礼数，可以得到对应每个语音音频段的历史平均送礼数，以及根据本次开播中的送礼数，可以得到对应每个语音音频段的第一送礼数，当第一送礼数超过历史平均送礼数时，对相应语音音频段再增加1个分值，则最终相应语音音频段的第一分值为1+1+1＝3。

可以理解的，以上举例只是一个示例，并不构成对本发明的限定，热度信息还可以包括其他维度的热度数据。

S305，确定所述语音直播间的直播主题，以及每个所述语音音频段所对应的语义。

本说明书实施例中，在语音直播间的主播客户端开播时，可以提示输入本次语音直播的直播主题，相应的，所述语音直播间的直播主题可以为主播客户端在开播时输入的直播主题。

本说明书实施例中，对每个所述语音音频段进行识别以确定该语音音频段对应的语义。具体的实施中，可以先对语音音频段进行语音识别得到对应的文本，对该文本进行分词处理得到词语集合，然后查找关键词库确定该词语集合中的关键词。其中，关键词库是通过选取收集大量相应技术领域的相关文献、音频资料，分析统计资料中词语出现的频率，根据设置将出现的频率高于预设阈值的词语选定为关键词。然后基于上述的关键词来确定相应语音音频段的语义。具体的，在基于关键词确定相应语音音频段的语义时，可以基于关键词之间的层级关系来确定，具体可以根据层级最高的关键词来确定语义，其中，关键词之间的层级关系可以通过查找层级关系库确定，层级关系库是基于上述关键词库建立的能够体现关键词之间层级关系的数据库。

S307，根据所述语音音频段所对应的语义与所述直播主题的语义相似度，确定每个所述语音音频段的第二分值。

其中，语义相似度用于衡量语音音频段所对应的语义与直播主题之间的相似程度，相似程度越高，则表明该语音音频段与本次的语音直播越贴合，可以认为是本次语音直播的精彩内容或者重要内容；反之，相似程度越低，则表明该语音音频段可能偏离了直播主题。

具体的实施中，可以把语音音频段所对应的语义和直播主题均表示成空间中的向量，通过计算向量之间的夹角来得到二者的语义相似度，向量之间的夹角可以通过余弦法计算；还可以计算汉明距离来确定二者的语义相似度，汉明距离是描述两个长度为n的码字之间的距离，其计算公式为：

其中，x和y都是n位的编码，

表示异或，d(x,y)表示的是码字x与y中不同符号的数目，也就反映出了码字x与y之间的差异，d(x,y)值越大说明两个码字相似程度越低，反之，d(x,y)值越小说明两个码字相似程度越高。

本说明书实施例中，当相似程度达到预设相似程度时，可以为相应的语音音频段分配预设分值，该预设分值大于0，当相似程度没有达到预设相似程度时，可以确定相应的语音音频段的分值为0。以汉明距离表征语义相似度为例，当汉明距离d(x,y)大于预设汉明距离d’(x,y)时，表明相似程度没有达到预设相似程度，确定相应的语音音频段的第二分值为0；当汉明距离d(x,y)小于或者等于预设汉明距离d’(x,y)时，表明相似程度达到预设相似程度，可以为相应的语音音频段分配大于0的预设分值，该预设分值即为第二分值。其中，预设分值可以根据实际需要进行设定，例如可以设置为2或者5等等。

在一些实施例中，还可以设置多个预设语义相似度，基于该多个预设语义相似度可以得到多个相似程度范围，每个相似程度范围可以对应于不同的预设分值，例如，依据相似程度由低到高，设置相似程度范围对应的预设分值分别为1、2、5等等。后续可以根据实际计算的语义相似度判断对应的相似程度落入哪个相似程度范围内，并获取其落入的相似程度范围所对应的预设分值，将该预设分值作为相应语音音频段的第二分值。

S309，根据所述第一分值和第二分值，确定所述语音音频段的综合分值。

实际应用中，可以直接计算第一分值与第二分值的和值，将该和值作为相应语音音频段的综合分值。具体的实施中，可以针对第一分值和第二分值设置不同的权值，该权值可以根据实际需要进行设定，在计算二者的和值时基于相应的权值对第一分值和第二分值进行加权求和，将加权求和的结果作为相应语音音频的综合分值。

为了使得后续筛选出的目标语音音频段更能贴合语音直播间的直播主题，以提高用户筛选语音直播间的效率和准确性，在一个示例中，如图4所示，所示根据所述第一分值和第二分值确定语音音频段的综合分值可以包括以下：

S401，提取每个所述语音音频段的声纹特征信息。

其中，声纹特征信息可以但不限于包括语速、基音、音调和停顿。具体的实施中，可以按照固定帧长和帧移对语音音频段的语音信号进行分帧，在每帧语音信号内提取短时声纹特征。

S403，根据所述声纹特征信息确定所述语音音频段的情绪状态。

实际应用中，语速的快慢、基音频率大小、音调高低以及停顿次数和时长均能反映出不同的情绪状态。

本说明书实施例中，情绪状态是指情感方面的心理状态，具有持续性、外显性、情境性和个性化，一般情绪状态可以分为心境、激情、热情和应激。其中，心境是较微弱而持久的情绪状态，具有渲染性和弥散性的特点；激情是强烈而短暂的情绪状态，具有冲动性、爆发性和指向性的特点；热情是一种强而有力、稳定、持久和深刻的情绪状态，它没有心境的弥散那么广泛，但比心境更强有力和更深刻，没有激情那么猛烈，但比激情更持久和稳定；应激是在出乎意料的紧急情况下出现的高度紧张的情绪状态，往往有两种极端的表现，一种是惊慌失措，目瞪口呆，另一种是急中生智，力量骤增。

具体的实施中，可以将每个语音音频段对应的声纹特征信息输入至情绪分析模型中进行情绪状态分析处理，从而可以得到情绪分析模型输出的相应情绪状态。其中，情绪分析模型为基于样本语音音频的声纹特征信息和相应的情绪状态标签进行机器学习得到的机器学习模型，该机器学习模型可以但不限于包括深度卷积神经网络。

机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。

S405，根据所述情绪状态与所述直播主题的匹配情况，确定所述语音音频段的第三分值。

实际应用中，可以建立直播主题与情绪状态的映射关系，当得到语音音频段的情绪状态后，可以获取与本次语音直播的直播主题相对应的目标映射关系，然后获取该目标映射关系中的目标情绪状态，判断该目标情绪状态中是否包含当前确定的语音音频段的情绪状态，在判断的结果为目标情绪状态中包含当前确定的语音音频段的情绪状态时，为相应的语音音频段分配预设分值，该预设分值大于0，具体的分值可以根据实际需要进行设定，例如可以设定为2或5等；在判断的结果为目标情绪状态中不包含当前确定的语音音频段的情绪状态时，确定相应的语音音频段的第三分值为0。

S407，根据所述第一分值、第二分值和第三分值，确定所述语音音频段的综合分值。

具体的，可以直接计算第一分值、第二分值和第三分值的和值，将该和值作为相应语音音频段的综合分值。具体的实施中，可以针对第一分值、第二分值和第三分值设置不同的权值，该权值可以根据实际需要进行设定，在计算上述三者的和值时，可以基于相应的权值对第一分值、第二分值和第三分值进行加权求和，将加权求和的结果作为相应语音音频段的综合分值。

S207，根据所述综合分值从所述多个语音音频段中选取目标语音音频段。

具体的，可以按照综合分值由大至小对多个语音音频段进行排序，将排序在第一位的语音音频段作为目标语音音频段。

S209，将所述目标语音音频段的播放入口在所述语音直播间的直播入口进行显示。

具体的，将目标语音音频段所对应的播放入口在语音直播间的直播入口进行显示，用户点击该播放入口即可试听该目标语音音频段的语音内容，从而快速的确定该语音直播间是否为其所期望的语音直播间，当该语音直播间不是其所期望的语音直播间时可以直接去点击下一个语音直播间直播入口处的目标语音音频段的播放入口，避免了先进入语音直播间进行实时直播内容的收听，有效提高了用户筛选期望语音直播间的效率。

如图5提供的在语音直播间的直播入口显示目标语音音频段的播放入口的示意图，目标语音音频段的语音条(即播放入口)展示在相应语音直播间的直播入口，在该语音条处还可以显示相应目标语音音频段的时长，用户点击语音条即可听取相应的音频。当用户切换语音条时，点击下一个语音条即可停止上一个语音条的播放直接开始下一个语音条的播放。

现有技术中通过用户进入语音直播间听取实时语音直播来确定该语音直播间是否为其所期望的语音直播间时，有可能当时该语音直播间的主播没有说话或者当时处于不是主线内容时刻，导致用户离开该语音直播，即降低了用户的体验效果，也降低了用户选择语音直播间的准确性。

本发明实施例在确定多个语音音频段的综合分值时结合了各个语音音频段对应的热度信息和直播的主题信息，从而能够把精彩的、贴合性最高的语音音频段选取出来以呈现给用户试听，提高了用户的体验效果以及选择语音直播间的准确性。此外，对于主播客户端而言，使得用户试听的语音音频的内容可控，不会出现没有说话或者不是主线内容的问题，提高了安全感，并可以更好的展示主播的特点，更好的吸引用户的关注。

实际应用中，为了避免选取的目标语音音频段中存在违规内容，例如不雅词汇、违禁用语等，所述将所述目标语音音频段的播放入口在所述语音直播间的直播入口进行显示可以包括图6中的步骤，该步骤可以包括：

S601，判断所述目标语音音频段是否满足违规要求。

其中，违规要求是指包含违规内容，该违规内容可以但不限于包括不雅词汇、违禁用语等等。

当目标语音音频段中存在违规内容，则该目标语音音频段满足违规要求，可以执行步骤S603；当目标语音音频段中不存在违规内容，则该目标语音音频段不满足违规要求，可以直接将所述目标语音音频段的播放入口在所述语音直播间的直播入口进行显示。

S603，将所述目标语音音频段从所述多个语音音频段中删除。

S605，根据所述综合分值，重新从删除后的多个语音音频段中选取目标语音音频段，并执行步骤S601，直至重新选取的目标语音音频段不满足违规要求。

本说明书实施例中，可以从删除后的多个语音音频段中选取综合分值排在第二位的语音音频段，将该综合分值排在第二位的语音音频段作为目标语音音频段，并继续执行步骤S601，判断该目标语音音频段是否满足违规要求，直至重新选取的目标语音音频段不满足违规要求。

S607，将重新选取的目标语音音频段的播放入口在所述语音直播间的直播入口进行显示。

实际应用中，为了让主播客户端更好的把控外显在语音直播间直播入口处理的语音内容，如图7所示，在步骤S209将所述目标语音音频段的播放入口在所述语音直播间的直播入口进行显示之前，所述方法还可以包括：

S211，向主播反馈所述目标语音音频段；

S213，判断是否接收到所述主播同意将所述目标语音音频段的播放入口显示在所述语音直播间的直播入口的信号，在判断的结果为是时，执行所述步骤S209。

具体的，如图8所示，主播客户端可以以弹窗的形式将目标语音音频段的播放入口反馈给主播，同时在该弹窗上给出是否同意将该目标语音音频段的播放入口显示在其语音直播间的直播入口的提示信息并给出同意(如图8中的“确认”选项)和不同意选项(如图8中的“取消”选项)，如此，主播可以确定是否同意，在主播选择同意选项(如点击确认)时，主播客户端即接收到同意信号，可以执行步骤S209，将目标语音音频段的播放入口在其语音直播间的直播入口进行显示；在主播选择不同意选项(如点击取消)时，主播客户端接收到不同意信号，并放弃在其语音直播间的直播入口显示语音音频段的播放入口，所述方法结束。

由本发明实施例的上述技术方案可见，本发明实施例通过对语音直播间的主播客户端的直播语音音频进行分段处理，并基于语音直播间的热度信息和主题信息确定分段处理得到的多个语音音频段的综合分值，根据该综合分值确定多个语音音频段中的目标语音音频段，并将该目标语音音频段的播放入口在语音直播间的直播入口进行显示，从而用户在浏览语音直播平台时，可以通过对各个语音直播间的直播入口显示的语音音频段的试听来快速找到期望的语音直播间，提高了用户筛选语音直播间的效率，用户体验效果提升；

此外，基于语音直播间的热度信息和主题信息确定的目标语音音频段可以更好的展示主播的特点，更好的吸引用户的关注，也有利于主播对外显在直播入口的语音内容的把控。

与上述几种实施例提供的语音直播间的直播入口显示方法相对应，本发明实施例还提供一种语音直播间的直播入口显示装置，由于本发明实施例提供的语音直播间的直播入口显示装置与上述几种实施例提供的语音直播间的直播入口显示方法相对应，因此前述语音直播间的直播入口显示方法的实施方式也适用于本实施例提供的语音直播间的直播入口显示装置，在本实施例中不再详细描述。

请参阅图9，其所示为本发明实施例提供的一种语音直播间的直播入口显示装置的结构示意图，该装置具有实现上述方法实施例中语音直播间的直播入口显示方法的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。如图9所示，该装置可以包括：

第一获取模块910，用于获取语音直播间中主播客户端的直播语音，得到直播语音音频；

分段处理模块920，用于对所述直播语音音频进行分段处理，得到多个语音音频段；

第一确定模块930，用于根据所述语音直播间的热度信息和主题信息，确定所述多个语音音频段中每个语音音频段的综合分值；

选取模块940，用于根据所述综合分值从所述多个语音音频段中选取目标语音音频段；

显示模块950，用于将所述目标语音音频段的播放入口在所述语音直播间的直播入口进行显示。

在一个具体的实施例中，第一获取模块910可以包括：

第二获取模块，用于获取语音直播间中主播客户端的开播时刻；

第三获取模块，用于以所述开播时刻为起始点，获取预设时长内所述主播客户端提供的直播语音。

可选的，分段处理模块920，具体用于：每隔预设时间间隔从所述直播语音音频中截取出语音音频段，得到多个语音音频段。

在一个具体的实施例中，第一确定模块930可以包括：

第四获取模块，用于获取所述语音直播间的历史热度信息，以及所述开播时刻对应的所述语音直播间的热度信息；

第二确定模块，用于根据所述历史热度信息，以及所述开播时刻对应的所述语音直播间的热度信息，确定所述多个语音音频段中每个语音音频段的第一分值；

第三确定模块，用于确定所述语音直播间的直播主题，以及每个所述语音音频段所对应的语义；

第四确定模块，用于根据所述语音音频段所对应的语义与所述直播主题的语义相似度，确定每个所述语音音频段的第二分值；

第五确定模块，用于根据所述第一分值和第二分值，确定所述语音音频段的综合分值。

在一个具体的实施例中，第二确定模块可以包括：

第六确定模块，用于根据所述开播时刻，确定所述多个语音音频段中每个语音音频段所对应的语音直播间的第一热度信息；

第七确定模块，用于根据所述历史热度信息，确定每个所述语音音频段所对应的直播时间段内的历史平均热度信息；

第八确定模块，用于根据所述第一热度信息与历史平均热度信息的比对情况，确定每个所述语音音频段的第一分值。

在一个具体的实施例中，第五确定模块可以包括：

提取模块，用于提取每个所述语音音频段的声纹特征信息；

第九确定模块，用于根据所述声纹特征信息确定所述语音音频段的情绪状态；

第十确定模块，用于根据所述情绪状态与所述直播主题的匹配情况，确定所述语音音频段的第三分值；

第十一确定模块，用于根据所述第一分值、第二分值和第三分值，确定所述语音音频段的综合分值。

在一个具体的实施例中，显示模块950可以包括：

判断模块，用于判断所述目标语音音频段所对应的语义是否满足违规要求；

删除模块，用于在判断模块的判断结果为是时，将所述目标语音音频段从所述多个语音音频段中删除；

重新选取模块，用于根据所述综合分值，重新从删除后的多个语音音频段中选取目标语音音频段，并执行所述判断的步骤直至重新选取的目标语音音频段所对应的语义不满足违规要求；

显示子模块，用于将重新选取的目标语音音频段的播放入口在所述语音直播间的直播入口进行显示。

需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本发明实施例的语音直播间的直播入口显示装置通过对语音直播间的主播客户端的直播语音音频进行分段处理，并基于语音直播间的热度信息和主题信息确定分段处理得到的多个语音音频段的综合分值，根据该综合分值确定多个语音音频段中的目标语音音频段，并将该目标语音音频段的播放入口在语音直播间的直播入口进行显示，从而用户在浏览语音直播平台时，可以通过对各个语音直播间的直播入口显示的语音音频段的试听来快速找到期望的语音直播间，提高了用户筛选语音直播间的效率，用户体验效果提升。

本发明实施例提供了一种计算机设备，该计算机设备包括处理器和存储器，该存储器中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现如上述方法实施例所提供的语音直播间的直播入口显示方法。

存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及语音直播间的直播入口显示。存储器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***、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器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。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。

本发明实施例所提供的方法实施例可以在计算机终端、服务器或者类似的运算装置中执行，即上述计算机设备可以包括计算机终端、服务器或者类似的运算装置。图10是本发明实施例提供的运行语音直播间的直播入口显示方法的计算机设备的硬件结构框图，如图10所示，该计算机设备的内部结构可包括但不限于：处理器、网络接口及存储器。其中，计算机设备内的处理器、网络接口及存储器可通过总线或其他方式连接，在本说明书实施例所示图10中以通过总线连接为例。

其中，处理器(或称CPU(Central Processing Unit，中央处理器))是计算机设备的计算核心以及控制核心。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI、移动通信接口等)。存储器(Memory)是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的存储器可以是高速RAM存储设备，也可以是非易失的存储设备(non-volatile memory)，例如至少一个磁盘存储设备；可选的还可以是至少一个位于远离前述处理器的存储装置。存储器提供存储空间，该存储空间存储了电子设备的操作***，可包括但不限于：Windows***(一种操作***)，Linux(一种操作***)，Android(安卓，一种移动操作***)***、IOS(一种移动操作***)***等等，本发明对此并不作限定；并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。在本说明书实施例中，处理器加载并执行存储器中存放的一条或一条以上指令，以实现上述方法实施例提供的语音直播间的直播入口显示方法。

本发明的实施例还提供了一种计算机可读存储介质，所述存储介质可设置于计算机设备之中以保存用于实现语音直播间的直播入口显示方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的语音直播间的直播入口显示方法。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种语音直播间的直播入口显示方法，其特征在于，所述方法包括：

获取语音直播间中主播客户端的直播语音，得到直播语音音频；

对所述直播语音音频进行分段处理，得到多个语音音频段；

根据所述语音直播间的热度信息和主题信息，确定所述多个语音音频段中每个语音音频段的综合分值；

根据所述综合分值从所述多个语音音频段中选取目标语音音频段；

将所述目标语音音频段的播放入口在所述语音直播间的直播入口进行显示。

2.根据权利要求1所述的语音直播间的直播入口显示方法，其特征在于，所述获取语音直播间中主播客户端的直播语音包括：

获取语音直播间中主播客户端的开播时刻；

以所述开播时刻为起始点，获取预设时长内所述主播客户端提供的直播语音。

3.根据权利要求2所述的语音直播间的直播入口显示方法，其特征在于，所述对所述直播语音音频进行分段处理，得到多个语音音频段包括：

每隔预设时间间隔从所述直播语音音频中截取出语音音频段，得到多个语音音频段。

4.根据权利要求3所述的语音直播间的直播入口显示方法，其特征在于，所述根据所述语音直播间的热度信息和主题信息，确定所述多个语音音频段中每个语音音频段的综合分值包括：

获取所述语音直播间的历史热度信息，以及所述开播时刻对应的所述语音直播间的热度信息；

根据所述历史热度信息，以及所述开播时刻对应的所述语音直播间的热度信息，确定所述多个语音音频段中每个语音音频段的第一分值；

确定所述语音直播间的直播主题，以及每个所述语音音频段所对应的语义；

根据所述语音音频段所对应的语义与所述直播主题的语义相似度，确定每个所述语音音频段的第二分值；

根据所述第一分值和第二分值，确定所述语音音频段的综合分值。

5.根据权利要求4所述的语音直播间的直播入口显示方法，其特征在于，所述根据所述历史热度信息，以及所述开播时刻对应的所述语音直播间的热度信息，确定所述多个语音音频段中每个语音音频段的第一分值包括：

根据所述开播时刻，确定所述多个语音音频段中每个语音音频段所对应的语音直播间的第一热度信息；

根据所述历史热度信息，确定每个所述语音音频段所对应的直播时间段内的历史平均热度信息；

根据所述第一热度信息与历史平均热度信息的比对情况，确定每个所述语音音频段的第一分值。

6.根据权利要求4所述的语音直播间的直播入口显示方法，其特征在于，所述根据所述第一分值和第二分值，确定所述语音音频段的综合分值包括：

提取每个所述语音音频段的声纹特征信息；

根据所述声纹特征信息确定所述语音音频段的情绪状态；

根据所述情绪状态与所述直播主题的匹配情况，确定所述语音音频段的第三分值；

根据所述第一分值、第二分值和第三分值，确定所述语音音频段的综合分值。

7.根据权利要求1所述的语音直播间的直播入口显示方法，其特征在于，所述将所述目标语音音频段的播放入口在所述语音直播间的直播入口进行显示包括：

判断所述目标语音音频段是否满足违规要求；

在判断的结果为是时，将所述目标语音音频段从所述多个语音音频段中删除；

根据所述综合分值，重新从删除后的多个语音音频段中选取目标语音音频段，并执行所述判断的步骤直至重新选取的目标语音音频段不满足违规要求；

将重新选取的目标语音音频段的播放入口在所述语音直播间的直播入口进行显示。

8.一种语音直播间的直播入口显示装置，其特征在于，所述装置包括：

第一获取模块，用于获取语音直播间中主播客户端的直播语音，得到直播语音音频；

分段处理模块，用于对所述直播语音音频进行分段处理，得到多个语音音频段；

第一确定模块，用于根据所述语音直播间的热度信息和主题信息，确定所述多个语音音频段中每个语音音频段的综合分值；

选取模块，用于根据所述综合分值从所述多个语音音频段中选取目标语音音频段；

显示模块，用于将所述目标语音音频段的播放入口在所述语音直播间的直播入口进行显示。

9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1～7中任一项所述的语音直播间的直播入口显示方法。

10.一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1～7任一项所述的语音直播间的直播入口显示方法。

Images