CN116405594A - 语音通话方法及装置 - Google Patents

Abstract

本申请提供了一种语音通话方法及装置，能够尽可能解决语音通话双方之间的单通故障，尽可能挽救本次语音通话，使得本次语音通话能够正常进行，提高语音通话双方的通话体验。该方法包括：主叫设备向被叫设备发送语音通话的邀请请求，并接收来自被叫设备的响铃通知，主叫设备基于被叫设备是否有彩铃业务以及所接收到的RTP包的来源，判断当前是否处于通话异常场景，若当前处于通话异常场景，主叫设备向被叫设备发送确认消息，并将本地通话状态调整为已接通。

Description

语音通话方法及装置

技术领域

本申请涉及通信领域，尤其涉及一种语音通话方法及装置。

背景技术

语音通话是终端设备的一项基本功能，主叫设备和被叫设备可以是任意具有语音通话功能的设备，例如手机。在进行语音通话之前，主叫设备和被叫设备可以通过网络建立通信连接，完成通话前的信令交互流程，以确保主被叫双方后续的正常通话。

在一种通话异常场景中，主叫方向被叫方发起通话邀请，在被叫方接通主叫方的通话邀请之后，被叫设备显示电话接通中，但被叫方听不到主叫方的声音，主叫方仍然显示呼叫中，但主叫方可以听到被叫方的声音，这就造就语音通话单通的现象，给用户的体验较差。

发明内容

本申请提供了一种语音通话方法及装置，能够尽可能解决语音通话双方之间的单通故障，尽可能挽救本次语音通话，使得本次语音通话能够正常进行，提高语音通话双方的通话体验。

第一方面，提供了一种语音通话方法，包括：主叫设备向被叫设备发送语音通话的邀请请求；所述主叫设备接收来自所述被叫设备的响铃通知，所述响铃通知用于指示所述被叫设备已响铃；在下列任一条件满足的情况下，所述主叫设备向所述被叫设备发送确认消息，并将本地通话状态调整为已接通：所述被叫设备无彩铃业务，且所述主叫设备在所述响铃通知后接收到第一下行实时传输协议RTP包；或者，所述被叫设备有音频彩铃业务，所述主叫设备在所述响铃通知后接收到所述第一下行RTP包，且所述第一下行RTP包和第二下行RTP包的来源不同，所述第二下行RTP包为所述主叫设备在所述响铃通知前接收的下行RTP包；或者，所述被叫设备有视频彩铃业务，所述主叫设备在所述响铃通知后接收到所述第一下行RTP包，所述第一下行RTP包和所述第二下行RTP包的来源不同，且所述第一下行RTP包中不包括视频数据流。

本申请实施例的语音通话方法，在语音通话建立阶段，主叫设备向被叫设备发送语音通话的邀请请求，主叫设备收到被叫设备发送的响铃通知后，主叫设备可以结合彩铃业务的存在情况、彩铃业务的存在类型、下行RTP包的来源中的全部或部分信息进行上述通话异常场景的判断，在识别出上述通过异常场景的情况下，主叫设备向被叫设备发送确认消息，并将本地通话状态调整为已接通，这样，能够尽可能解决语音通话双方之间的单通故障，尽可能挽救本次语音通话，使得本次语音通话能够正常进行，提高语音通话双方的通话体验。

在响铃通知之后，被叫用户接通通话，被叫设备会向主叫设备发送语音数据。若被叫设备存在彩铃业务，在响铃通知之后，被叫用户接通通话之前，彩铃服务器会向主叫设备发送彩铃数据，在被叫接通通话之后，被叫设备向主叫设备发送语音数据。因此，上述异常通话场景的判断主要在于识别主叫设备在响铃通知后接收到的数据包（即上述第一下行RTP包）为彩铃数据还是被叫设备的语音数据，即识别该数据包的来源是彩铃服务器还是被叫设备。若数据包的来源为彩铃服务器，可能被叫用户还未接通本次通话，被叫设备还处于响铃状态，则主叫设备可以确定目前不是上述异常通话场景，若数据包的来源是被叫设备，表明被叫用户已经接通了本次通话，则主叫设备可以确定当前处于上述异常通话场景。

结合第一方面，在第一方面的某些实现方式中，在所述主叫设备向所述被叫设备发送确认消息之前，所述方法还包括：所述主叫设备向所述被叫设备发送更新请求，所述更新请求用于请求进行媒体流变更；所述主叫设备接收来自所述被叫设备的更新响应；所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务。

上述更新请求例如可以为update消息，上述更新响应例如可以为update 200消息。

结合第一方面，在第一方面的某些实现方式中，所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务，包括：所述主叫设备判断所述更新响应中是否包括第一字段和/或第二字段，所述第一字段用于指示音频彩铃业务，所述第二字段用于指示视频彩铃业务；若所述更新响应中不包括所述第一字段和所述第二字段，所述主叫设备确定所述被叫设备无彩铃业务。

结合第一方面，在第一方面的某些实现方式中，所述方法还包括：若所述更新响应中包括所述第一字段、不包括所述第二字段，所述主叫设备确定所述被叫设备有音频彩铃业务。

结合第一方面，在第一方面的某些实现方式中，所述方法还包括：若所述更新响应中包括所述第一字段、且包括所述第二字段，所述主叫设备确定所述被叫设备有视频彩铃业务。

通过上述方式，能够简单确定出被叫设备是否具有彩铃业务，以及在具有彩铃业务时对应的彩铃业务类型。

结合第一方面，在第一方面的某些实现方式中，在所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务之前，所述方法还包括：所述主叫设备判断是否收到所述邀请请求的成功应答；所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务，包括：若所述主叫设备未收到所述邀请请求的成功应答，所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务。

在本申请实施例中，主叫设备若收到了邀请请求的成功应答，即可以向被叫设备回复确认消息，接通本次通话，无需再进行后续判断。在主叫设备未收到邀请请求的成功应答时，可能会出现上述异常通话场景，主叫设备可以进行异常通话场景的判断，判断被叫设备是否有彩铃业务。

上述邀请请求的成功应答例如可以为invite 200消息。

这样，能够更加准确地识别出异常通话场景，避免不必要的判断，提高语音通话的建立效率。

结合第一方面，在第一方面的某些实现方式中，在所述主叫设备接收来自所述被叫设备的响铃通知之前，所述方法还包括：在所述被叫设备有彩铃业务的情况下，所述主叫设备接收来自彩铃服务器的所述第二下行RTP包。

结合第一方面，在第一方面的某些实现方式中，在所述主叫设备向所述被叫设备发送确认消息之前，所述方法还包括：在所述被叫设备有彩铃业务的情况下，所述主叫设备比较所述第一下行RTP包的同步信源SSRC和所述第二下行RTP包的SSRC是否相同；若所述第一下行RTP包的SSRC和所述第二下行RTP包的SSRC不同，所述主叫设备确定所述第一下行RTP包和所述第二下行RTP包的来源不同。

在RTP中，SSRC用于表示产生RTP包的信源，即表示RTP包的来源。第一下行RTP包的SSRC和第二下行RTP包的SSRC相同，则表示第一下行RTP包的来源和第二下行RTP包的来源相同；反之，第一下行RTP包的SSRC和第二下行RTP包的SSRC不同，则表示第一下行RTP包的来源和第二下行RTP包的来源不同。

因此，本申请实施例通过主叫设备识别上述第一下行RTP包和第二下行RTP包的SSRC不同，来确定当前处于异常通话场景，主叫设备主动向被叫设备回复确认消息，从而尝试挽救本次通话。

第二方面，提供了一种语音通话装置，用于执行上述第一方面中任一种可能的实现方式中的方法。具体地，该装置包括用于执行上述第一方面中任一种可能的实现方式中的方法的模块。

第三方面，本申请提供了又一种语音通话装置，包括处理器，该处理器与存储器耦合，可用于执行存储器中的指令，以实现上述第一方面中任一种可能实现方式中的方法。可选地，该通信装置还包括存储器。可选地，该通信认证装置还包括通信接口，处理器与通信接口耦合。

在一种实现方式中，该语音通话装置为终端设备。当该语音通话装置为终端设备时，上述通信接口可以是收发器，或，输入/输出接口。

在另一种实现方式中，该语音通话装置为配置于终端设备中的芯片。当该语音通话装置为配置于终端设备中的芯片时，上述通信接口可以是输入/输出接口。

第四方面，提供了一种处理器，包括：输入电路、输出电路和处理电路。所述处理电路用于通过所述输入电路接收信号，并通过所述输出电路发射信号，使得所述处理器执行上述第一方面中任一种可能实现方式中的方法。

在具体实现过程中，上述处理器可以为芯片，输入电路可以为输入管脚，输出电路可以为输出管脚，处理电路可以为晶体管、门电路、触发器和各种逻辑电路等。输入电路所接收的输入的信号可以是由例如但不限于接收器接收并输入的，输出电路所输出的信号可以是例如但不限于输出给发射器并由发射器发射的，且输入电路和输出电路可以是同一电路，该电路在不同的时刻分别用作输入电路和输出电路。本申请实施例对处理器及各种电路的具体实现方式不做限定。

第五方面，提供了一种处理装置，包括处理器和存储器。该处理器用于读取存储器中存储的指令，并可通过接收器接收信号，通过发射器发射信号，以执行上述第一方面中任一种可能实现方式中的方法。

可选地，所述处理器为一个或多个，所述存储器为一个或多个。

可选地，所述存储器可以与所述处理器集成在一起，或者所述存储器与处理器分离设置。

在具体实现过程中，存储器可以为非瞬时性（non-transitory）存储器，例如只读存储器（read only memory，ROM），其可以与处理器集成在同一块芯片上，也可以分别设置在不同的芯片上，本申请实施例对存储器的类型以及存储器与处理器的设置方式不做限定。

应理解，相关的数据交互过程例如发送指示信息可以为从处理器输出指示信息的过程，接收能力信息可以为处理器接收输入能力信息的过程。具体地，处理输出的数据可以输出给发射器，处理器接收的输入数据可以来自接收器。其中，发射器和接收器可以统称为收发器。

上述第五方面中的处理装置可以是一个芯片，该处理器可以通过硬件来实现也可以通过软件来实现，当通过硬件实现时，该处理器可以是逻辑电路、集成电路等；当通过软件来实现时，该处理器可以是一个通用处理器，通过读取存储器中存储的软件代码来实现，该存储器可以集成在处理器中，可以位于该处理器之外，独立存在。

第六方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序（也可以称为代码，或指令），当所述计算机程序被运行时，使得计算机执行上述第一方面中任一种可能实现方式中的方法。

第七方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序（也可以称为代码，或指令）当其在计算机上运行时，使得计算机执行上述第一方面中任一种可能实现方式中的方法。

附图说明

图1是本申请实施例提供的终端设备的结构示意图；

图2是本申请实施例的终端设备的软件结构框图；

图3是一种语音通话建立过程的示意性流程图；

图4是本申请实施例提供的语音通话方法的示意性流程图；

图5是本申请实施例提供的另一语音通话方法的示意性流程图；

图6是本申请实施例提供的又一语音通话方法的示意性流程图；

图7为本申请实施例的语音通话装置的示意性框图；

图8为本申请实施例的另一语音通话装置的示意性框图。

具体实施方式

下面将结合附图，对本申请中的技术方案进行描述。

为了便于清楚描述本申请实施例的技术方案，在本申请的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。

需要说明的是，本申请实施例中，“示例性地”或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性地”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性地”或者“例如”等词旨在以具体方式呈现相关概念。

本申请实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项（个）”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a，b，或c中的至少一项（个），可以表示：a，b，c，a-b，a--c，b-c，或a-b-c，其中a，b，c可以是单个，也可以是多个。

本申请实施例的语音通话方法可以应用于终端设备，该终端设备例如可以是手机，也可以是具有通话功能的其他终端设备。

为了能够更好地理解本申请实施例，下面对本申请实施例所涉及的终端设备进行介绍。

图1示出了终端设备100的结构示意图。

终端设备100可以包括处理器110，外部存储器接口120，内部存储器121，通用串行总线（universal serial bus，USB）接口130，充电管理模块140，电源管理模块141，电池142，天线1，天线2，移动通信模块150，无线通信模块160，音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，传感器模块180，按键190，马达191，指示器192，摄像头193，显示屏194，以及用户标识模块（subscriber identification module，SIM）卡接口195等。其中传感器模块180可以包括压力传感器180A，陀螺仪传感器180B，气压传感器180C，磁传感器180D，加速度传感器180E，距离传感器180F，接近光传感器180G，指纹传感器180H，温度传感器180J，触摸传感器180K，环境光传感器180L，骨传导传感器180M等。

可以理解的是，本申请实施例示意的结构并不构成对终端设备100的具体限定。在本申请另一些实施例中，终端设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。

处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器（application processor，AP），调制解调处理器，图形处理器（graphics processingunit，GPU），图像信号处理器（image signal processor，ISP），控制器，视频编解码器，数字信号处理器（digital signal processor，DSP），基带处理器，和/或神经网络处理器（neural-network processing unit，NPU）等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。

控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。

处理器110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据，可从所述存储器中直接调用。避免了重复存取，减少了处理器110的等待时间，因而提高了***的效率。

在一些实施例中，处理器110可以包括一个或多个接口。接口可以包括集成电路（inter-integrated circuit，I2C）接口，集成电路内置音频（inter-integrated circuitsound，I2S）接口，脉冲编码调制（pulse code modulation，PCM）接口，通用异步收发传输器（universal asynchronous receiver/transmitter，UART)接口，移动产业处理器接口（mobile industry processor interface，MIPI），通用输入输出（general-purposeinput/output，GPIO）接口，用户标识模块（subscriber identity module，SIM）接口，和/或通用串行总线（universal serial bus，USB）接口等。

I2C接口是一种双向同步串行总线，包括一根串行数据线（serial data line，SDA）和一根串行时钟线（derail clock line，SCL）。在一些实施例中，处理器110可以包含多组I2C总线。处理器110可以通过不同的I2C总线接口分别耦合触摸传感器180K，充电器，闪光灯，摄像头193等。例如：处理器110可以通过I2C接口耦合触摸传感器180K，使处理器110与触摸传感器180K通过I2C总线接口通信，实现终端设备100的触摸功能。

I2S接口可以用于音频通信。在一些实施例中，处理器110可以包含多组I2S总线。处理器110可以通过I2S总线与音频模块170耦合，实现处理器110与音频模块170之间的通信。在一些实施例中，音频模块170可以通过I2S接口向无线通信模块160传递音频信号，实现通过蓝牙耳机接听电话的功能。

PCM接口也可以用于音频通信，将模拟信号抽样，量化和编码。在一些实施例中，音频模块170与无线通信模块160可以通过PCM总线接口耦合。在一些实施例中，音频模块170也可以通过PCM接口向无线通信模块160传递音频信号，实现通过蓝牙耳机接听电话的功能。所述I2S接口和所述PCM接口都可以用于音频通信。

UART接口是一种通用串行数据总线，用于异步通信。该总线可以为双向通信总线。它将要传输的数据在串行通信与并行通信之间转换。在一些实施例中，UART接口通常被用于连接处理器110与无线通信模块160。例如：处理器110通过UART接口与无线通信模块160中的蓝牙模块通信，实现蓝牙功能。在一些实施例中，音频模块170可以通过UART接口向无线通信模块160传递音频信号，实现通过蓝牙耳机播放音乐的功能。

MIPI接口可以被用于连接处理器110与显示屏194，摄像头193等***器件。MIPI接口包括摄像头串行接口（camera serial interface，CSI），显示屏串行接口（displayserial interface，DSI）等。在一些实施例中，处理器110和摄像头193通过CSI接口通信，实现终端设备100的拍摄功能。处理器110和显示屏194通过DSI接口通信，实现终端设备100的显示功能。

GPIO接口可以通过软件配置。GPIO接口可以被配置为控制信号，也可被配置为数据信号。在一些实施例中，GPIO接口可以用于连接处理器110与摄像头193，显示屏194，无线通信模块160，音频模块170，传感器模块180等。GPIO接口还可以被配置为I2C接口，I2S接口，UART接口，MIPI接口等。

USB接口130是符合USB标准规范的接口，具体可以是Mini USB接口，Micro USB接口，USB Type C接口等。USB接口130可以用于连接充电器为终端设备100充电，也可以用于终端设备100与***设备之间传输数据。也可以用于连接耳机，通过耳机播放音频。该接口还可以用于连接其他终端设备，例如AR设备等。

可以理解的是，本申请实施例示意的各模块间的接口连接关系，只是示意性说明，并不构成对终端设备100的结构限定。在本申请另一些实施例中，终端设备100也可以采用上述实施例中不同的接口连接方式，或多种接口连接方式的组合。

充电管理模块140用于从充电器接收充电输入。其中，充电器可以是无线充电器，也可以是有线充电器。在一些有线充电的实施例中，充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中，充电管理模块140可以通过终端设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时，还可以通过电源管理模块141为终端设备供电。

电源管理模块141用于连接电池142，充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入，为处理器110，内部存储器121，显示屏194，摄像头193，和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量，电池循环次数，电池健康状态（漏电，阻抗）等参数。在其他一些实施例中，电源管理模块141也可以设置于处理器110中。在另一些实施例中，电源管理模块141和充电管理模块140也可以设置于同一个器件中。

终端设备100的无线通信功能可以通过天线1，天线2，移动通信模块150，无线通信模块160，调制解调处理器以及基带处理器等实现。

天线1和天线2用于发射和接收电磁波信号。终端设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。例如：可以将天线1复用为无线局域网的分集天线。在另外一些实施例中，天线可以和调谐开关结合使用。

移动通信模块150可以提供应用在终端设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器，开关，功率放大器，低噪声放大器（low noise amplifier，LNA）等。移动通信模块150可以由天线1接收电磁波，并对接收的电磁波进行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大，经天线1转为电磁波辐射出去。在一些实施例中，移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中，移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。

调制解调处理器可以包括调制器和解调器。其中，调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后，被传递给应用处理器。应用处理器通过音频设备（不限于扬声器170A，受话器170B等）输出声音信号，或通过显示屏194显示图像或视频。在一些实施例中，调制解调处理器可以是独立的器件。在另一些实施例中，调制解调处理器可以独立于处理器110，与移动通信模块150或其他功能模块设置在同一个器件中。

无线通信模块160可以提供应用在终端设备100上的包括无线局域网（wirelesslocal area networks，WLAN）（如无线保真(wireless fidelity，Wi-Fi）网络），蓝牙（bluetooth，BT），全球导航卫星***（global navigation satellite system，GNSS），调频（frequency modulation，FM），近距离无线通信技术（near field communication，NFC），红外技术（infrared，IR）等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号，对其进行调频，放大，经天线2转为电磁波辐射出去。

在一些实施例中，终端设备100的天线1和移动通信模块150耦合，天线2和无线通信模块160耦合，使得终端设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯***（global system for mobile communications，GSM），通用分组无线服务（general packet radio service，GPRS），码分多址接入（codedivision multiple access，CDMA），宽带码分多址（wideband code division multipleaccess，WCDMA），时分码分多址（time-division code division multiple access，TD-SCDMA），长期演进（long term evolution，LTE），BT，GNSS，WLAN，NFC ，FM，和/或IR技术等。所述GNSS可以包括全球卫星定位***（global positioning system ，GPS），全球导航卫星***（global navigation satellite system，GLONASS），北斗卫星导航***（beidounavigation satellite system，BDS），准天顶卫星***（quasi-zenith satellitesystem，QZSS）和/或星基增强***（satellite based augmentation systems，SBAS）。

终端设备100通过GPU，显示屏194，以及应用处理器等实现显示功能。GPU为图像处理的微处理器，连接显示屏194和应用处理器。GPU用于执行数学和几何计算，用于图形渲染。处理器110可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。

显示屏194用于显示图像，视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏（liquid crystal display，LCD），有机发光二极管（organic light-emittingdiode，OLED），有源矩阵有机发光二极体或主动矩阵有机发光二极体（active-matrixorganic light emitting diode的，AMOLED），柔性发光二极管（flex light-emittingdiode，FLED），Miniled，MicroLed，Micro-oLed，量子点发光二极管（quantum dot lightemitting diodes，QLED）等。在一些实施例中，终端设备100可以包括1个或N个显示屏194，N为大于1的正整数。

终端设备100可以通过ISP，摄像头193，视频编解码器，GPU，显示屏194以及应用处理器等实现拍摄功能。

ISP 用于处理摄像头193反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将所述电信号传递给ISP处理，转化为肉眼可见的图像。ISP还可以对图像的噪点，亮度，肤色进行算法优化。ISP还可以对拍摄场景的曝光，色温等参数优化。在一些实施例中，ISP可以设置在摄像头193中。

摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件（charge coupled device，CCD）或互补金属氧化物半导体（complementary metal-oxide-semiconductor，CMOS）光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB，YUV等格式的图像信号。在一些实施例中，终端设备100可以包括1个或N个摄像头193，N为大于1的正整数。

数字信号处理器用于处理数字信号，除了可以处理数字图像信号，还可以处理其他数字信号。例如，当终端设备100在频点选择时，数字信号处理器用于对频点能量进行傅里叶变换等。

视频编解码器用于对数字视频压缩或解压缩。终端设备100可以支持一种或多种视频编解码器。这样，终端设备100可以播放或录制多种编码格式的视频，例如：动态图像专家组（moving picture experts group，MPEG）1，MPEG2，MPEG3，MPEG4等。

NPU为神经网络（neural-network ，NN）计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过NPU可以实现终端设备100的智能认知等应用，例如：图像识别，人脸识别，语音识别，文本理解等。

外部存储器接口120可以用于连接外部存储卡，例如Micro SD卡，实现扩展终端设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信，实现数据存储功能。例如将音乐，视频等文件保存在外部存储卡中。

内部存储器121可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。内部存储器121可以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***，至少一个功能所需的应用程序（比如声音播放功能，图像播放功能等）等。存储数据区可存储终端设备100使用过程中所创建的数据（比如音频数据，电话本等）等。此外，内部存储器121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，通用闪存存储器（universal flash storage，UFS）等。处理器110通过运行存储在内部存储器121的指令，和/或存储在设置于处理器中的存储器的指令，执行终端设备100的各种功能应用以及数据处理。

终端设备100可以通过音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，以及应用处理器等实现音频功能。例如音乐播放，录音等。

音频模块170用于将数字音频信息转换成模拟音频信号输出，也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中，音频模块170可以设置于处理器110中，或将音频模块170的部分功能模块设置于处理器110中。

扬声器170A，也称“喇叭”，用于将音频电信号转换为声音信号。终端设备100可以通过扬声器170A收听音乐，或收听免提通话。

受话器170B，也称“听筒”，用于将音频电信号转换成声音信号。当终端设备100接听电话或语音信息时，可以通过将受话器170B靠近人耳接听语音。

麦克风170C，也称“话筒”，“传声器”，用于将声音信号转换为电信号。当拨打电话或发送语音信息时，用户可以通过人嘴靠近麦克风170C发声，将声音信号输入到麦克风170C。终端设备100可以设置至少一个麦克风170C。在另一些实施例中，终端设备100可以设置两个麦克风170C，除了采集声音信号，还可以实现降噪功能。在另一些实施例中，终端设备100还可以设置三个，四个或更多麦克风170C，实现采集声音信号，降噪，还可以识别声音来源，实现定向录音功能等。

耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130，也可以是3.5mm的开放移动终端设备平台（open mobile terminal platform，OMTP）标准接口，美国蜂窝电信工业协会（cellular telecommunications industry association of the USA，CTIA）标准接口。

压力传感器180A用于感受压力信号，可以将压力信号转换成电信号。在一些实施例中，压力传感器180A可以设置于显示屏194。压力传感器180A的种类很多，如电阻式压力传感器，电感式压力传感器，电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器180A，电极之间的电容改变。终端设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194，终端设备100根据压力传感器180A检测所述触摸操作强度。终端设备100也可以根据压力传感器180A的检测信号计算触摸的位置。在一些实施例中，作用于相同触摸位置，但不同触摸操作强度的触摸操作，可以对应不同的操作指令。例如：当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时，执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时，执行新建短消息的指令。

陀螺仪传感器180B可以用于确定终端设备100的运动姿态。在一些实施例中，可以通过陀螺仪传感器180B确定终端设备100围绕三个轴（即，x，y和z轴）的角速度。陀螺仪传感器180B可以用于拍摄防抖。示例性的，当按下快门，陀螺仪传感器180B检测终端设备100抖动的角度，根据角度计算出镜头模组需要补偿的距离，让镜头通过反向运动抵消终端设备100的抖动，实现防抖。陀螺仪传感器180B还可以用于导航，体感游戏场景。

气压传感器180C用于测量气压。在一些实施例中，终端设备100通过气压传感器180C测得的气压值计算海拔高度，辅助定位和导航。

磁传感器180D包括霍尔传感器。终端设备100可以利用磁传感器180D检测翻盖皮套的开合。在一些实施例中，当终端设备100是翻盖机时，终端设备100可以根据磁传感器180D检测翻盖的开合。进而根据检测到的皮套的开合状态或翻盖的开合状态，设置翻盖自动解锁等特性。

加速度传感器180E可检测终端设备100在各个方向上(一般为三轴)加速度的大小。当终端设备100静止时可检测出重力的大小及方向。还可以用于识别终端设备姿态，应用于横竖屏切换，计步器等应用。

距离传感器180F，用于测量距离。终端设备100可以通过红外或激光测量距离。在一些实施例中，拍摄场景，终端设备100可以利用距离传感器180F测距以实现快速对焦。

接近光传感器180G可以包括例如发光二极管（LED）和光检测器，例如光电二极管。发光二极管可以是红外发光二极管。终端设备100通过发光二极管向外发射红外光。终端设备100使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时，可以确定终端设备100附近有物体。当检测到不充分的反射光时，终端设备100可以确定终端设备100附近没有物体。终端设备100可以利用接近光传感器180G检测用户手持终端设备100贴近耳朵通话，以便自动熄灭屏幕达到省电的目的。接近光传感器180G也可用于皮套模式，口袋模式自动解锁与锁屏。

环境光传感器180L用于感知环境光亮度。终端设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。环境光传感器180L也可用于拍照时自动调节白平衡。环境光传感器180L还可以与接近光传感器180G配合，检测终端设备100是否在口袋里，以防误触。

指纹传感器180H用于采集指纹。终端设备100可以利用采集的指纹特性实现指纹解锁，访问应用锁，指纹拍照，指纹接听来电等。

温度传感器180J用于检测温度。在一些实施例中，终端设备100利用温度传感器180J检测的温度，执行温度处理策略。例如，当温度传感器180J上报的温度超过阈值，终端设备100执行降低位于温度传感器180J附近的处理器的性能，以便降低功耗实施热保护。在另一些实施例中，当温度低于另一阈值时，终端设备100对电池142加热，以避免低温导致终端设备100异常关机。在其他一些实施例中，当温度低于又一阈值时，终端设备100对电池142的输出电压执行升压，以避免低温导致的异常关机。

触摸传感器180K，也称“触控器件”。触摸传感器180K可以设置于显示屏194，由触摸传感器180K与显示屏194组成触摸屏，也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中，触摸传感器180K也可以设置于终端设备100的表面，与显示屏194所处的位置不同。

骨传导传感器180M可以获取振动信号。在一些实施例中，骨传导传感器180M可以获取人体声部振动骨块的振动信号。骨传导传感器180M也可以接触人体脉搏，接收血压跳动信号。在一些实施例中，骨传导传感器180M也可以设置于耳机中，结合成骨传导耳机。音频模块170可以基于所述骨传导传感器180M获取的声部振动骨块的振动信号，解析出语音信号，实现语音功能。应用处理器可以基于所述骨传导传感器180M获取的血压跳动信号解析心率信息，实现心率检测功能。

按键190包括开机键，音量键等。按键190可以是机械按键。也可以是触摸式按键。终端设备100可以接收按键输入，产生与终端设备100的用户设置以及功能控制有关的键信号输入。

马达191可以产生振动提示。马达191可以用于来电振动提示，也可以用于触摸振动反馈。例如，作用于不同应用（例如拍照，音频播放等）的触摸操作，可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作，马达191也可对应不同的振动反馈效果。不同的应用场景（例如：时间提醒，接收信息，闹钟，游戏等）也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。

指示器192可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。

SIM卡接口195用于连接SIM卡。SIM卡可以通过***SIM卡接口195，或从SIM卡接口195拔出，实现和终端设备100的接触和分离。终端设备100可以支持1个或N个SIM卡接口，N为大于1的正整数。SIM卡接口195可以支持Nano SIM卡，Micro SIM卡，SIM卡等。同一个SIM卡接口195可以同时***多张卡。所述多张卡的类型可以相同，也可以不同。SIM卡接口195也可以兼容不同类型的SIM卡。SIM卡接口195也可以兼容外部存储卡。终端设备100通过SIM卡和网络交互，实现通话以及数据通信等功能。在一些实施例中，终端设备100采用eSIM，即：嵌入式SIM卡。eSIM卡可以嵌在终端设备100中，不能和终端设备100分离。

终端设备100的软件***可以采用分层架构，事件驱动架构，微核架构，微服务架构，或云架构。本申请实施例以分层架构的Android***为例，示例性说明终端设备100的软件结构。

图2是本申请实施例的终端设备100的软件结构框图。

分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，将Android***分为四层，从上至下分别为应用程序层，应用程序框架层，安卓运行时（Android runtime）和***库，以及内核层。

应用程序层可以包括一系列应用程序包。

如图2所示，应用程序包可以包括相机，图库，日历，通话，地图，导航，WLAN，蓝牙，音乐，视频，短信息等应用程序。

应用程序框架层为应用程序层的应用程序提供应用编程接口（applicationprogramming interface，API）和编程框架。应用程序框架层包括一些预先定义的函数。

如图2所示，应用程序框架层可以包括窗口管理器，内容提供器，视图***，电话管理器，资源管理器，通知管理器等。

窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小，判断是否有状态栏，锁定屏幕，截取屏幕等。

内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。所述数据可以包括视频，图像，音频，拨打和接听的电话，浏览历史和书签，电话簿等。

视图***包括可视控件，例如显示文字的控件，显示图片的控件等。视图***可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如，包括短信通知图标的显示界面，可以包括显示文字的视图以及显示图片的视图。

电话管理器用于提供终端设备100的通信功能。例如通话状态的管理（包括接通，挂断等）。

资源管理器为应用程序提供各种资源，比如本地化字符串，图标，图片，布局文件，视频文件等等。

通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。比如通知管理器被用于告知下载完成，消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在***顶部状态栏的通知，例如后台运行的应用程序的通知，还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息，发出提示音，终端设备振动，指示灯闪烁等。

Android Runtime包括核心库和虚拟机。Android runtime负责安卓***的调度和管理。

核心库包含两部分：一部分是java语言需要调用的功能函数，另一部分是安卓的核心库。

应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理，堆栈管理，线程管理，安全和异常的管理，以及垃圾回收等功能。

***库可以包括多个功能模块。例如：表面管理器（surface manager），媒体库（media libraries），三维图形处理库（例如：OpenGL ES），2D图形引擎（例如：SGL）等。

表面管理器用于对显示子***进行管理，并且为多个应用程序提供了2D和3D图层的融合。

媒体库支持多种常用的音频，视频格式回放和录制，以及静态图像文件等。媒体库可以支持多种音视频编码格式，例如: MPEG4，H.264，MP3，AAC，AMR，JPG，PNG等。

三维图形处理库用于实现三维图形绘图，图像渲染，合成，和图层处理等。

2D图形引擎是2D绘图的绘图引擎。

内核层是硬件和软件之间的层。内核层至少包含显示驱动，摄像头驱动，音频驱动，传感器驱动。

下面结合捕获拍照场景，示例性说明终端设备100软件以及硬件的工作流程。

当触摸传感器180K接收到触摸操作，相应的硬件中断被发给内核层。内核层将触摸操作加工成原始输入事件（包括触摸坐标，触摸操作的时间戳等信息）。原始输入事件被存储在内核层。应用程序框架层从内核层获取原始输入事件，识别该输入事件所对应的控件。以该触摸操作是触摸单击操作，该单击操作所对应的控件为相机应用图标的控件为例，相机应用调用应用框架层的接口，启动相机应用，进而通过调用内核层启动摄像头驱动，通过摄像头193捕获静态图像或视频。

语音通话是终端设备的一项基本功能，语音通话的双方设备可以称为主叫设备和被叫设备，主叫设备和被叫设备可以是任意具有语音通话功能的设备，例如手机。在进行语音通话之前，主叫设备和被叫设备可以通过网络建立通信连接，完成通话前的信令交互流程，以确保主被叫双方后续的正常通话。

下面结合图3详细介绍目前的语音通话建立过程。如图3所示，主叫设备与被叫设备之间的语音通话建立过程可以包括如下步骤：

S301、主叫设备向IP多媒体***（IP multimedia subsystem，IMS）发送语音通话请求，该语音通话请求用于请求与被叫设备进行语音通话。对应地，IMS接收该语音通话请求。

示例性地，主叫设备可以与被叫设备通过会话发起协议（session initiationprotocol，SIP）创建会话。其中，SIP是由因特尔工程任务组（internet engineering taskforce，LETF）制定的一种用于建立、修改和终止多媒体会话的应用层控制协议。SIP是基于一个类似超文本传输协议（hypertext transfer protocol，HTTP）的请求应答的通讯模式，每一个通讯消息都包含对某个功能的请求，并且对应着一个应答。

上述语音通话请求例如可以为邀请（invite）消息。

S302、主叫设备向主叫基站发送服务请求（service request），该服务请求用于请求主叫基站为主叫设备提供服务。对应地，主叫基站接收该服务请求。

主叫基站是主叫设备所接入的基站，即主叫设备通过主叫基站接入到无线接入网。

S303、主叫设备与主叫基站建立无线资源控制（radio resource control，RRC）连接，以建立无线承载。

S304、主叫基站向主叫EPC发送服务请求，该服务请求用于请求主叫EPC为主叫基站提供服务。对应地，主叫EPC接收该服务请求。

S305、主叫基站向IMS发送语音通话请求，对应地，IMS接收该语音通话请求。

这里的语音请求例如可以为invite消息。

S306、主叫设备与主叫演进分组核心网（evolved packet core，EPC）之间执行安全流程，该安全流程主要用于主叫设备与主叫EPC之间建立安全的信道。

S307、主叫设备与主叫基站之间执行RRC重配置流程，进行RRC连接重配置。

S308、IMS向主叫设备发送第一语音通话响应，该第一语音通话响应用于响应主叫设备发送的语音通话请求，表示IMS已成功接收到语音通话请求。对应地，主叫设备接收该第一语音通话响应。

示例性地，在上述语音通话请求为invite消息的情况下，上述第一语音通过响应例如可以为invite 100消息。

S309、IMS向被叫EPC发送语音通话请求，该语音通话请求是主叫设备发出的、用于请求与被叫设备进行语音通话。对应地，被叫EPC接收该语音通话请求。

上述语音通话请求例如可以为invite消息。

S310、被叫EPC通过被叫基站向被叫设备发送寻呼（paging）消息。对应地，被叫设备接收该寻呼消息。

S311、被叫设备向被叫基站发送服务请求，该服务请求用于请求被叫基站为被叫设备提供服务。对应地，被叫基站接收该服务请求。

上述服务请求例如可以为service request消息。

S312、被叫设备与被叫基站建立RRC连接，以建立无线承载。

S313、被叫设备与被叫EPC之间执行安全流程，该安全流程主要用于被叫设备与被叫EPC之间建立安全的信道。

S314、被叫设备与被叫基站之间执行RRC重配置流程，进行RRC连接重配置。

S315、被叫EPC向被叫设备发送语音通话请求。对应地，被叫设备接收该语音通话请求。

S316、被叫设备基于语音通话请求，向IMS发送第一语音通话响应，该第一语音通话响应用于响应IMS发送的语音通话请求，表示被叫设备已成功接收到语音通话请求。对应地，IMS接收该第一语音通话响应。

上述第一语音通话响应例如可以为invite 100消息。

S317、被叫设备向IMS发送第二语音通话响应，该第二语音通话响应用于响应上述语音通话请求，表示语音通话请求已经在处理中。对应地，IMS接收该第二语音通话响应。

示例性地，被叫设备在发送invite 100消息之后，可以继续发送invite 183消息，表示语音通话请求正在处理。

S318、被叫设备与被叫EPC建立演进分组***（evolved packet system，EPS）承载，该EPS承载用于后续被叫设备与被叫EPC之间的语音数据传输。

S319、主叫设备与主叫EPC建立EPS承载，该EPS承载用于后续主叫设备与主叫EPC之间的语音数据传输。

S320、IMS向主叫设备发送上述第二语音通话响应。对应地，主叫设备接收该第二语音通话响应。

S321、主叫设备向IMS发送临时响应确认（provisional responseacknowledgement ，PRACK）消息。对应地，IMS接收来自主叫设备发送的PRACK消息。

这是一个预确认过程，主要是为了防止会话超时及拥塞。PRACK消息是对invite183消息等临时消息的响应，目的是为了进行可靠性传输。主叫设备给IMS发送PRACK消息，是对接收到的invite 100消息和invite 183消息的确认。

S322、IMS向被叫设备发送PRACK消息。对应地，被叫设备接收该PRACK消息。

S323、被叫设备向IMS发送PRACK响应消息，该PRACK响应消息是对PRACK消息的响应。对应地，IMS接收来自被叫设备的PRACK响应消息。

上述PRACK消息例如可以为PRACK 200消息，表示接收到PRACK。

S324、IMS向主叫设备发送PRACK响应消息。对应地，主叫设备接收该PRACK响应消息。

S325、主叫设备向IMS发送更新（update）消息，该更新消息用于请求进行媒体流变更。对应地，IMS接收来自IMS的更新消息。

应理解，上述 update消息是在通话未建立时更新媒体流的一种机制。在应答之前通过临时响应实现SDP的第一次呼叫或响应，并建立媒体流。在此之后，应答前的后续媒体流变化可以通过update消息实现。

S326、IMS向被叫设备发送update消息。对应地，被叫设备接收来自IMS的update消息。

S327、被叫设备向IMS发送更新响应消息，用于对上述更新消息进行响应。对应地，IMS接收该更新响应消息。

上述更新响应消息例如可以为update 200消息。

S328、IMS向主叫设备发送更新响应消息。对应地，主叫设备接收该更新响应消息。

S329、被叫设备向IMS发送响铃通知，表示被叫设备正在响铃。对应地，IMS接收该响铃通知。

上述响铃通知例如可以为 invite 180消息。

S330、IMS向主叫设备发送上述响铃通知。对应地，主叫设备接收该响铃通知。

至此，主叫设备可以确定被叫设备已经收到主叫设备的语音通话请求，正在响铃，等待被叫设备的用户接听。

S331、若被叫设备的用户接听本次通话，被叫设备向IMS发送接听通知，表示被叫设备的用户已接听。对应地，IMS接收该接听通知。

上述接听通知例如可以为invite 200消息。

接下来，可能会出现下列两种可能的情况：

情况1，S332、IMS向主叫设备发送上述接听通知，主叫设备正常接收到上述接听通知，继续执行下列步骤：

S333，主叫设备向IMS发送接听响应，并将本次通话调整为已接通状态。对应地，IMS接收该接听响应。

上述接听响应例如可以为invite肯定应答（acknowledgement，ACK）消息。

S334、IMS向被叫设备发送接听响应。对应地，被叫设备接收该接听响应。

S335、被叫设备基于上述接收到的接听响应，通过网络向主叫设备发送实时传输协议（real-time transport protocol，RTP）数据。对应地，主叫设备接收RTP数据，主叫用户即可以听到被叫用户的声音。

S336、主叫设备通过网络向被叫设备发送RTP数据。对应地，被叫设备接收RTP数据，被叫用户即可以听到主叫用户的声音。

情况2，IMS无法向主叫设备发送上述接听通知，或者，IMS向主叫设备发送了上述接听通知，但是主叫设备没有接收到，这可能是由于网络异常导致的。

在这种情况下，由于IMS在S331收到了接听通知，IMS可以执行S334，通过S334被叫设备接收到了接听响应，可以执行S335，此时，主叫用户可以听到被叫用户的声音，但因为上述S332和S333无法执行，主叫设备和被叫设备之间无法建立正常的通话连接，主叫设备的RTP数据无法发送至被叫设备，被叫用户听不到主叫用户的声音，即产生了单通的异常现象。

上述情况2属于一种通话异常的场景，在被叫方接通主叫方的通话邀请之后，被叫设备显示电话接通中，但被叫方听不到主叫方的声音，主叫方仍然显示呼叫中，但主叫方可以听到被叫方的声音，这就造就语音通话单通的现象，给用户的体验较差。

有鉴于此，本申请提出了一种语音通话方法和装置，在语音通话建立阶段，主叫设备向被叫设备发送语音通话的邀请请求，主叫设备收到被叫设备发送的响铃通知后，主叫设备可以结合彩铃业务的存在情况、彩铃业务的存在类型、下行RTP包的来源中的全部或部分信息进行上述通话异常场景的判断，在识别出上述通过异常场景的情况下，主叫设备向被叫设备发送确认消息，并将本地通话状态调整为已接通，这样，能够尽可能解决语音通话双方之间的单通故障，尽可能挽救本次语音通话，使得本次语音通话能够正常进行，提高语音通话双方的通话体验。

下面结合图4，对本申请实施例所提供的语音通话方法做详细说明。

图4为本申请提供的一种语音通话方法400的示意性流程图，该方法400所涉及的主叫设备和被叫设备可以为终端设备，该终端设备的硬件结构可以如图1所示，软件架构可以如图2所示，但本申请实施例对此不作限定。如图4所示，该方法400可以包括下列步骤：

S401、主叫设备向被叫设备发送语音通话的邀请请求；对应地，被叫设备接收该邀请请求。

上述邀请请求例如可以为invite消息。

S402、被叫设备基于上述邀请请求，向主叫设备发送语音通话的响铃通知，该响铃通知用于指示被叫设备已响铃；对应地，主叫设备接收该响铃通知。

上述响铃通知例如可以为invite 180消息。

S403、在预设条件满足的情况下，主叫设备向被叫设备发送确认消息，以接通本次通话；对应地，被叫设备接收该确认消息。

上述确认消息例如可以为invite ACK消息。

上述预设条件可以为下列任一个条件：

被叫设备无彩铃业务，且主叫设备在响铃通知后接收到第一下行实时传输协议RTP包；或者，

被叫设备有音频彩铃业务，主叫设备在响铃通知后接收到所述第一下行RTP包，且所述第一下行RTP包和第二下行RTP包的来源不同，所述第二下行RTP包为主叫设备在所述响铃通知前接收的下行RTP包；或者，

被叫设备有视频彩铃业务，主叫设备在响铃通知后接收到所述第一下行RTP包，所述第一下行RTP包和所述第二下行RTP包的来源不同，且所述第一下行RTP包中不包括视频数据流。

上述被叫设备有无彩铃业务可以理解为：被叫设备是否订购彩铃业务。若被叫设备订购了彩铃业务，则主叫设备在呼叫被叫设备时，可以听到彩铃；若被叫设备未订购彩铃业务，则主叫设备在呼叫被叫设备时，不会听到彩铃。

S404，主叫设备将本地通话状态调整为已接通。具体地，主叫设备可以将界面显示为接通状态。

应理解，上述预设条件用于主叫设备进行通话异常场景的判断，若上述预设条件中的任一条件满足，则表示目前处于图3的情况2所描述的单通通话的异常通话场景。具体而言，在响铃通知之后，被叫用户接通通话，被叫设备会向主叫设备发送语音数据。若被叫设备存在彩铃业务，在响铃通知之后，被叫用户接通通话之前，彩铃服务器会向主叫设备发送彩铃数据，在被叫接通通话之后，被叫设备向主叫设备发送语音数据。因此，上述异常通话场景的判断主要在于识别主叫设备在响铃通知后接收到的数据包（即上述第一下行RTP包）为彩铃数据还是被叫设备的语音数据，即识别该数据包的来源是彩铃服务器还是被叫设备。若数据包的来源为彩铃服务器，可能被叫用户还未接通本次通话，被叫设备还处于响铃状态，则主叫设备可以确定目前不是上述异常通话场景，若数据包的来源是被叫设备，表明被叫用户已经接通了本次通话，则主叫设备可以确定当前处于上述异常通话场景。

在识别出上述通过异常场景的情况下，主叫设备向被叫设备发送确认消息，并将本地通话状态调整为已接通，这样，能够尽可能解决语音通话双方之间的单通故障，尽可能挽救本次语音通话。

根据下面分别对上述预设条件进行详细分析。

条件1，被叫设备无彩铃业务，且主叫设备在响铃通知后接收到第一下行RTP包。

由于被叫设备无彩铃业务，在响铃通知之后主叫设备收到的第一下行RTP包就是被叫设备发出的语音数据，因此，在这种情况下，主叫设备可以确定被叫用户已经接通本次通话，当前处于异常通话场景。

条件2，被叫设备有音频彩铃业务，主叫设备在响铃通知后接收到所述第一下行RTP包，且所述第一下行RTP包和第二下行RTP包的来源不同，所述第二下行RTP包为主叫设备在所述响铃通知前接收的下行RTP包。

由于被叫设备有彩铃业务，且该彩铃业务是音频彩铃业务，在响铃通知之后、被叫用户接通本次通话之前，彩铃服务器可以向主叫设备发送彩铃数据，因此，主叫设备需要判断响铃通知后接收到的第一下行RTP包是彩铃服务器发出的还是被叫设备发出的。若该第一下行RTP包是被叫设备发出的，则表明被叫用户已经接通了本次通话，主叫设备可以确定当前处于上述异常通话场景。

具体而言，主叫设备在响铃通知前会接收到来自彩铃服务器的第二下行RTP包，该第二下行RTP包携带彩铃数据。主叫设备通过判断第一下行RTP包和第二下行RTP包的来源是否相同，可以确定出第一下行RTP包是彩铃服务器发出的还是被叫设备发出的。若第一下行RTP包的来源和第二下行RTP包的来源相同，则说明第一下行RTP包是彩铃服务器发出的，若第一下行RTP包的来源和第二下行RTP包的来源不同，则说明第一下行RTP包是被叫设备发出的。

条件3，被叫设备有视频彩铃业务，主叫设备在响铃通知后接收到所述第一下行RTP包，所述第一下行RTP包和所述第二下行RTP包的来源不同，且所述第一下行RTP包中不包括视频数据流。

由于被叫设备有彩铃业务，且该彩铃业务是视频铃业务，则若第一下行RTP包没有包括视频数据流、且第一下行RTP包的来源于第二下行RTP包的来源不同，说明该第一下行RTP包是被叫设备发出的，表明被叫用户已经接通了本次通话，主叫设备可以确定当前处于上述异常通话场景。

应理解，上述视频数据流也可以简称为视频流，其格式可能是H.264压缩格式的，也可能是H.265压缩格式的，本申请实施例对此不作限定。

本申请实施例的语音通话方法，在语音通话建立阶段，主叫设备向被叫设备发送语音通话的邀请请求，主叫设备收到被叫设备发送的响铃通知后，主叫设备可以结合彩铃业务的存在情况、彩铃业务的存在类型、下行RTP包的来源中的全部或部分信息进行上述通话异常场景的判断，在识别出上述通过异常场景的情况下，主叫设备向被叫设备发送确认消息，并将本地通话状态调整为已接通，这样，能够尽可能解决语音通话双方之间的单通故障，尽可能挽救本次语音通话，使得本次语音通话能够正常进行，提高语音通话双方的通话体验。

应理解，本实施例中流程是经过简化后的，实际应用中，上述消息之前的收发需要经过网络转发，图4未示出。

作为一个可选的实施例，在S403，主叫设备向被叫设备发送确认消息之前，所述方法还包括：主叫设备向被叫设备发送更新请求，所述更新请求用于请求进行媒体流变更；所述主叫设备接收来自所述被叫设备的更新响应；所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务。

上述更新请求例如可以为update消息，上述更新响应例如可以为update 200消息。

作为一个可选的实施例，所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务，包括：所述主叫设备判断所述更新响应中是否包括第一字段和/或第二字段，所述第一字段用于指示音频彩铃业务，所述第二字段用于指示视频彩铃业务；若所述更新响应中不包括所述第一字段和所述第二字段，所述主叫设备确定所述被叫设备无彩铃业务。

在更新响应中，可能存在用于指示彩铃业务的字段，即上述第一字段和第二字段，示例性地，第一字段例如可以为音频（audio）字段，其中包括a=content:g.3gpp.cat，第二字段例如可以为视频（video）字段，其中包括a=content:g.3gpp.cat，携带在更新响应的会话描述协议（session description protocol，SDP）中。

若更新响应中既不包括第一字段、又不包括第二字段，则主叫设备可以确定被叫设备无彩铃业务。

若更新响应中包括第一字段、不包括第二字段，则主叫设备可以确定被叫设备有音频彩铃业务。

若更新响应中包括第一字段、且包括第二字段，则主叫设备可以确定被叫设备有视频彩铃业务。

通过上述方式，能够简单确定出被叫设备是否具有彩铃业务，以及在具有彩铃业务时对应的彩铃业务类型。

作为一个可选的实施例，在所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务之前，所述方法还包括：所述主叫设备判断是否收到所述邀请请求的成功应答；所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务，包括：若所述主叫设备未收到所述邀请请求的成功应答，所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务。

在本申请实施例中，主叫设备若收到了邀请请求的成功应答，即可以向被叫设备回复确认消息，接通本次通话，无需再进行后续判断。在主叫设备未收到邀请请求的成功应答时，可能会出现上述异常通话场景，主叫设备可以进行异常通话场景的判断，判断被叫设备是否有彩铃业务。

上述邀请请求的成功应答例如可以为invite 200消息。

这样，能够更加准确地识别出异常通话场景，避免不必要的判断，提高语音通话的建立效率。

作为一个可选的实施例，在所述主叫设备接收来自所述被叫设备的响铃通知之前，所述方法还包括：在所述被叫设备有彩铃业务的情况下，所述主叫设备接收来自彩铃服务器的所述第二下行RTP包。

应理解，在被叫设备有彩铃业务的情况下，主叫设备会收到彩铃服务器发送的第二下行RTP包，即上述第二下行RTP包的来源是彩铃服务器。

作为一个可选的实施例，在所述主叫设备向所述被叫设备发送确认消息之前，所述方法还包括：在所述被叫设备有彩铃业务的情况下，所述主叫设备比较所述第一下行RTP包的同步信源（synchronization source，SSRC）和所述第二下行RTP包的SSRC是否相同；若所述第一下行RTP包的SSRC和所述第二下行RTP包的SSRC不同，所述主叫设备确定所述第一下行RTP包和所述第二下行RTP包的来源不同。

在RTP中，SSRC用于表示产生RTP包的信源，即表示RTP包的来源。例如，彩铃阶段的彩铃数据是来自彩铃服务器的，通话阶段的语音数据是来自被叫设备的，日志中彩铃阶段和通话接通阶段的两个下行RTP包的SSRC不同。

第一下行RTP包的SSRC和第二下行RTP包的SSRC相同，则表示第一下行RTP包的来源和第二下行RTP包的来源相同；反之，第一下行RTP包的SSRC和第二下行RTP包的SSRC不同，则表示第一下行RTP包的来源和第二下行RTP包的来源不同。

因此，本申请实施例通过主叫设备识别上述第一下行RTP包和第二下行RTP包的SSRC不同，来确定当前处于异常通话场景，主叫设备主动向被叫设备回复确认消息，从而尝试挽救本次通话。

下面站在主叫设备的角度详细描述本申请实施例中主叫设备的判断逻辑。

图5示出了另一种语音通话方法500，该方法500所涉及的主叫设备和被叫设备可以为终端设备，该终端设备的硬件结构可以如图1所示，软件架构可以如图2所示，但本申请实施例对此不作限定。方法500由主叫设备执行，如图5所示，该方法500可以包括下列步骤：

S501，主叫设备判断在invite 180消息后是否收到invite 200消息，invite 180消息为响铃消息，invite 200消息为成功应答消息。

若主叫设备收到了invite 200消息，则结束本流程。

若主叫设备未收到invite 200消息，则继续执行S502。

S502，主叫设备判断被叫设备是否有彩铃业务。具体的判断方法可参见上文的描述，此处不再赘述。

若被叫设备有彩铃业务，则执行S503。

若被叫设备无彩铃业务，则执行S504。

S503，主叫设备判断被叫设备的彩铃业务是否为音频彩铃业务。

若被叫设备的彩铃业务是音频彩铃业务，则执行S505。

被叫设备的彩铃业务不是音频彩铃业务（即被叫设备的彩铃业务是视频彩铃业务），则执行S506。

S504，主叫设备判断在invite 180消息后是否收到下行RTP包。

若主叫设备在invite 180消息后收到下行RTP包，则执行S509。

若主叫设备在invite 180消息后未收到下行RTP包，则结束本流程。

S505，主叫设备判断在invite 180消息后是否收到下行RTP包。

若主叫设备在invite 180消息后收到下行RTP包，则执行S507。

若主叫设备在invite 180消息后未收到下行RTP包，则结束本流程。

S506，主叫设备判断在invite 180消息后是否收到下行RTP包。

若主叫设备在invite 180消息后收到下行RTP包，则执行S508。

若主叫设备在invite 180消息后未收到下行RTP包，则结束本流程。

S507，主叫设备判断invite 180消息后收到的下行RTP包和invite 180消息前收到的下行RTP包的SSRC是否相同。

若相同，则执行S509。

若不同，则结束本流程。

S508，主叫设备判断invite 180消息后收到的下行RTP包和invite 180消息前收到的下行RTP包的SSRC是否相同、且invite 180消息后收到的下行RTP包是否有视频流。

若相同、且无视频流，则执行S509。

若不同、和/或有视频流，则结束本流程。

S509，主叫设备确定invite 180消息后收到的下行RTP包是被叫设备发送的。

S510，主叫设备向被叫设备发送响应消息，接通本次通话。

这样，主叫设备可以结合彩铃业务的存在情况、彩铃业务的存在类型、下行RTP包的来源中的全部或部分信息进行上述通话异常场景的判断，在识别出上述通过异常场景的情况下，主叫设备向被叫设备发送确认消息，并将本地通话状态调整为已接通，这样，能够尽可能解决语音通话双方之间的单通故障，尽可能挽救本次语音通话，使得本次语音通话能够正常进行，提高语音通话双方的通话体验。

图6示出了另一种语音通话方法600，该方法600是针对图3所示的流程进行了优化，图3所示的是无彩铃业务的流程图，在图3的基础之上，若发生图3所描述的情况2中的异常通话场景，主叫设备通过本申请实施例的方法可以识别出来，并发送接听相应，尝试挽救本次通话。

方法600中的S601~S628与图3中的S301~S328相同，此处不再赘述。

可选地，在被叫设备存在彩铃业务的情况下，方法600还包括：

S629，彩铃服务器向IMS发送RTP包（即上述第二下行RTP包），该RTP包中携带彩铃数据；对应地，IMS接收该RTP包。

S630，IMS向主叫设备发送上述RTP包；对应地，主叫设备接收该RTP包。

应理解，若被叫设备存储音频彩铃业务，在S630之前，主叫设备和IMS之间还会执行一次上述S625和S628（即上述更新消息和更新响应消息），以将媒体流更新为音频彩铃业务的数据。若被叫设备存储视频彩铃业务，在S630之前，主叫设备和IMS之间还会执行两次上述S625和S628（即上述更新消息和更新响应消息），并且还会建立承载，以将媒体流更新为视频彩铃业务的数据，以上图6中未示出。

S631~S638与图3中的S329~S336相同，此处不再赘述。

若发生了异常，即S634和S636没有发送或者接收到，方法600还包括：

S639，主叫设备向IMS发送接听响应，并将本次通话调整为已接通状态；对应地，IMS接收该接听响应。

S640，IMS向被叫设备发送接听响应；对应地，被叫设备接收该接听响应。

应理解，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

上文中结合图1至图6，详细描述了根据本申请实施例的语音通话方法，下面将结合图7和图8，详细描述根据本申请实施例的语音通话装置。

图7示出了本申请实施例提供的语音通话装置700。该装置700包括：收发单元710和处理单元720。

其中，收发单元710用于：向被叫设备发送语音通话的邀请请求；接收来自所述被叫设备的响铃通知，所述响铃通知用于指示所述被叫设备已响铃；在下列任一条件满足的情况下，向所述被叫设备发送确认消息：所述被叫设备无彩铃业务，且所述装置在所述响铃通知后接收到第一下行实时传输协议RTP包；或者，所述被叫设备有音频彩铃业务，所述装置在所述响铃通知后接收到所述第一下行RTP包，且所述第一下行RTP包和第二下行RTP包的来源不同，所述第二下行RTP包为所述装置在所述响铃通知前接收的下行RTP包；或者，所述被叫设备有视频彩铃业务，所述装置在所述响铃通知后接收到所述第一下行RTP包，所述第一下行RTP包和所述第二下行RTP包的来源不同，且所述第一下行RTP包中不包括视频数据流；处理单元720用于：将本地通话状态调整为已接通。

可选地，所述收发单元710还用于：向所述被叫设备发送更新请求，所述更新请求用于请求进行媒体流变更；接收来自所述被叫设备的更新响应；所述处理单元720还用于：基于所述更新响应，判断所述被叫设备是否有彩铃业务。

可选地，所述处理单元720还用于：判断所述更新响应中是否包括第一字段和/或第二字段，所述第一字段用于指示音频彩铃业务，所述第二字段用于指示视频彩铃业务；若所述更新响应中不包括所述第一字段和所述第二字段，确定所述被叫设备无彩铃业务。

可选地，所述处理单元720还用于：若所述更新响应中包括所述第一字段、不包括所述第二字段，确定所述被叫设备有音频彩铃业务。

可选地，所述处理单元720还用于：若所述更新响应中包括所述第一字段、且包括所述第二字段，确定所述被叫设备有视频彩铃业务。

可选地，所述处理单元720还用于：判断是否收到所述邀请请求的成功应答；若未收到所述邀请请求的成功应答，基于所述第二下行RTP包，判断所述被叫设备是否有彩铃业务。

可选地，所述收发单元710还用于：在所述被叫设备有彩铃业务的情况下，接收来自彩铃服务器的所述第二下行RTP包。

可选地，所述处理单元720还用于：在所述被叫设备有彩铃业务的情况下，比较所述第一下行RTP包的同步信源SSRC和所述第二下行RTP包的SSRC是否相同；若所述第一下行RTP包的SSRC和所述第二下行RTP包的SSRC不同，确定所述第一下行RTP包和所述第二下行RTP包的来源不同。

应理解，这里的装置700以功能单元的形式体现。这里的术语“单元”可以指应用特有集成电路（application specific integrated circuit，ASIC）、电子电路、用于执行一个或多个软件或固件程序的处理器（例如共享处理器、专有处理器或组处理器等）和存储器、合并逻辑电路和/或其它支持所描述的功能的合适组件。在一个可选的例子中，本领域技术人员可以理解，装置700可以具体为上述实施例中的主叫设备，装置700可以用于执行上述方法实施例中与主叫设备对应的各个流程和/或步骤，为避免重复，在此不再赘述。

上述各个方案的装置700具有实现上述方法中主叫设备执行的相应步骤的功能；所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。例如，上述收发单元710可以包括发送单元和接收单元，该发送单元可以用于实现上述收发单元对应的用于执行发送动作的各个步骤和/或流程，该接收单元可以用于实现上述收发单元对应的用于执行接收动作的各个步骤和/或流程。该发送单元可以由发射器替代，该接收单元可以由接收器替代，分别执行各个方法实施例中的收发操作以及相关的处理操作。

在本申请的实施例，图7中的装置700也可以是芯片或者芯片***，例如：片上***（system on chip，SoC）。对应地，收发单元710可以是该芯片的收发电路，在此不做限定。

图8示出了本申请实施例提供的另一语音通话装置170。该装置170包括处理器810、收发器820和存储器830。其中，处理器810、收发器820和存储器830通过内部连接通路互相通信，该存储器830用于存储指令，该处理器810用于执行该存储器830存储的指令，以控制该收发器820发送信号和/或接收信号。

其中，该收发器820用于：向被叫设备发送语音通话的邀请请求；接收来自所述被叫设备的响铃通知，所述响铃通知用于指示所述被叫设备已响铃；在下列任一条件满足的情况下，向所述被叫设备发送确认消息：所述被叫设备无彩铃业务，且所述装置在所述响铃通知后接收到第一下行实时传输协议RTP包；或者，所述被叫设备有音频彩铃业务，所述装置在所述响铃通知后接收到所述第一下行RTP包，且所述第一下行RTP包和第二下行RTP包的来源不同，所述第二下行RTP包为所述装置在所述响铃通知前接收的下行RTP包；或者，所述被叫设备有视频彩铃业务，所述装置在所述响铃通知后接收到所述第一下行RTP包，所述第一下行RTP包和所述第二下行RTP包的来源不同，且所述第一下行RTP包中不包括视频数据流；处理器810用于：将本地通话状态调整为已接通。

应理解，装置170可以具体为上述实施例中的主叫设备，并且可以用于执行上述方法实施例中与主叫设备对应的各个步骤和/或流程。可选地，该存储器830可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。该处理器810可以用于执行存储器中存储的指令，并且当该处理器810执行存储器中存储的指令时，该处理器810用于执行上述与该主叫设备对应的方法实施例的各个步骤和/或流程。该收发器820可以包括发射器和接收器，该发射器可以用于实现上述收发器对应的用于执行发送动作的各个步骤和/或流程，该接收器可以用于实现上述收发器对应的用于执行接收动作的各个步骤和/或流程。

应理解，在本申请实施例中，上述装置的处理器可以是中央处理单元（centralprocessing unit，CPU），该处理器还可以是其他通用处理器、数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器执行存储器中的指令，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请实施例的保护范围之内。因此，本申请实施例的保护范围应所述以权利要求的保护范围为准。

Claims (18)

1.一种语音通话方法，其特征在于，包括：

主叫设备向被叫设备发送语音通话的邀请请求；

所述主叫设备接收来自所述被叫设备的响铃通知，所述响铃通知用于指示所述被叫设备已响铃；

在下列任一条件满足的情况下，所述主叫设备向所述被叫设备发送确认消息，并将本地通话状态调整为已接通：

所述被叫设备无彩铃业务，且所述主叫设备在所述响铃通知后接收到第一下行实时传输协议RTP包；或者，

所述被叫设备有音频彩铃业务，所述主叫设备在所述响铃通知后接收到所述第一下行RTP包，且所述第一下行RTP包和第二下行RTP包的来源不同，所述第二下行RTP包为所述主叫设备在所述响铃通知前接收的下行RTP包；或者，

所述被叫设备有视频彩铃业务，所述主叫设备在所述响铃通知后接收到所述第一下行RTP包，所述第一下行RTP包和所述第二下行RTP包的来源不同，且所述第一下行RTP包中不包括视频数据流。

2.根据权利要求1所述的方法，其特征在于，在所述主叫设备向所述被叫设备发送确认消息之前，所述方法还包括：

所述主叫设备向所述被叫设备发送更新请求，所述更新请求用于请求进行媒体流变更；

所述主叫设备接收来自所述被叫设备的更新响应；

所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务。

3.根据权利要求2所述的方法，其特征在于，所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务，包括：

所述主叫设备判断所述更新响应中是否包括第一字段和/或第二字段，所述第一字段用于指示音频彩铃业务，所述第二字段用于指示视频彩铃业务；

若所述更新响应中不包括所述第一字段和所述第二字段，所述主叫设备确定所述被叫设备无彩铃业务。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

若所述更新响应中包括所述第一字段、不包括所述第二字段，所述主叫设备确定所述被叫设备有音频彩铃业务。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

若所述更新响应中包括所述第一字段、且包括所述第二字段，所述主叫设备确定所述被叫设备有视频彩铃业务。

6.根据权利要求2所述的方法，其特征在于，在所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务之前，所述方法还包括：

所述主叫设备判断是否收到所述邀请请求的成功应答；

所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务，包括：

若所述主叫设备未收到所述邀请请求的成功应答，所述主叫设备基于所述更新响应，判断所述被叫设备是否有彩铃业务。

7.根据权利要求1所述的方法，其特征在于，在所述主叫设备接收来自所述被叫设备的响铃通知之前，所述方法还包括：

在所述被叫设备有彩铃业务的情况下，所述主叫设备接收来自彩铃服务器的所述第二下行RTP包。

8.根据权利要求1至7中任一项所述的方法，其特征在于，在所述主叫设备向所述被叫设备发送确认消息之前，所述方法还包括：

在所述被叫设备有彩铃业务的情况下，所述主叫设备比较所述第一下行RTP包的同步信源SSRC和所述第二下行RTP包的SSRC是否相同；

若所述第一下行RTP包的SSRC和所述第二下行RTP包的SSRC不同，所述主叫设备确定所述第一下行RTP包和所述第二下行RTP包的来源不同。

9.一种语音通话装置，其特征在于，包括：

收发单元，用于向被叫设备发送语音通话的邀请请求；接收来自所述被叫设备的响铃通知，所述响铃通知用于指示所述被叫设备已响铃；在下列任一条件满足的情况下，向所述被叫设备发送确认消息：

所述被叫设备无彩铃业务，且所述装置在所述响铃通知后接收到第一下行实时传输协议RTP包；或者，

所述被叫设备有音频彩铃业务，所述装置在所述响铃通知后接收到所述第一下行RTP包，且所述第一下行RTP包和第二下行RTP包的来源不同，所述第二下行RTP包为所述装置在所述响铃通知前接收的下行RTP包；或者，

所述被叫设备有视频彩铃业务，所述装置在所述响铃通知后接收到所述第一下行RTP包，所述第一下行RTP包和所述第二下行RTP包的来源不同，且所述第一下行RTP包中不包括视频数据流；

处理单元，用于将本地通话状态调整为已接通。

10.根据权利要求9所述的装置，其特征在于，所述收发单元还用于：

向所述被叫设备发送更新请求，所述更新请求用于请求进行媒体流变更；

接收来自所述被叫设备的更新响应；

所述处理单元还用于：

基于所述更新响应，判断所述被叫设备是否有彩铃业务。

11.根据权利要求10所述的装置，其特征在于，所述处理单元还用于：

判断所述更新响应中是否包括第一字段和/或第二字段，所述第一字段用于指示音频彩铃业务，所述第二字段用于指示视频彩铃业务；

若所述更新响应中不包括所述第一字段和所述第二字段，确定所述被叫设备无彩铃业务。

12.根据权利要求11所述的装置，其特征在于，所述处理单元还用于：

若所述更新响应中包括所述第一字段、不包括所述第二字段，确定所述被叫设备有音频彩铃业务。

13.根据权利要求11所述的装置，其特征在于，所述处理单元还用于：

若所述更新响应中包括所述第一字段、且包括所述第二字段，确定所述被叫设备有视频彩铃业务。

14.根据权利要求10所述的装置，其特征在于，所述处理单元还用于：

判断是否收到所述邀请请求的成功应答；

若未收到所述邀请请求的成功应答，基于所述更新响应，判断所述被叫设备是否有彩铃业务。

15.根据权利要求9所述的装置，其特征在于，所述收发单元还用于：

在所述被叫设备有彩铃业务的情况下，接收来自彩铃服务器的所述第二下行RTP包。

16.根据权利要求9至15中任一项所述的装置，其特征在于，所述处理单元还用于：

在所述被叫设备有彩铃业务的情况下，比较所述第一下行RTP包的同步信源SSRC和所述第二下行RTP包的SSRC是否相同；

若所述第一下行RTP包的SSRC和所述第二下行RTP包的SSRC不同，确定所述第一下行RTP包和所述第二下行RTP包的来源不同。

17.一种语音通话装置，其特征在于，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储计算机程序，当所述处理器调用所述计算机程序时，使得所述装置执行如权利要求1至8中任一项所述的方法。

18.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序包括用于实现如权利要求1至8中任一项所述的方法的指令。

Images