语音通话中的无声异常检测方法及对应的装置与流程

本申请涉及计算机技术领域，具体而言，本申请涉及一种语音通话中的无声异常检测方法及对应的装置。

背景技术

在语音通话过程中，尤其是多人语音通话过程中，语音质量对用户体验至关重要，是语音通话系统提供商重点关注的运营指标。由于用户接入语音通话系统的终端设备的差异性，以及用户实际所处环境的复杂多变，经常出现语音质量问题，常见的语音质量问题包括：无声、噪声、声学回声、啸叫等异常，其中又以无声异常最为严重。

现有的语音通话中的语音质量检测仅仅只能判断是否存在语音质量问题，而不能明确存在的语音质量问题为何种语音质量问题，即现有技术不能单独确定出语音通话中的无声异常。

技术实现要素：

本申请的目的旨在至少能解决上述的技术缺陷之一，本申请实施例所提供的技术方案如下：

第一方面，本申请实施例提供了一种语音通话中的无声异常检测方法，包括：

在语音通话过程中，获取至少一个对端的音频流，并分别对每一音频流的语音帧进行连续空白帧计数；

对于每一音频流，若当前语音帧为目标语音帧，则获取当前的连续空白帧计数值；

若连续空白帧计数值不小于预设值，则获取对应的对端的语音采集设备的开闭状态；

若对端的语音采集设备为开启状态，则确定语音通话中对应的音频流存在无声异常。

在本申请的一种可选实施例中，目标语音帧为对应的音频流中空白帧之后的第一帧非空白帧。

在本申请的一种可选实施例中，若当前语音帧为目标语音帧，则获取当前的连续空白帧计数值，包括：

若当前语音帧为目标语音帧，且在对应的音频流中当前语音帧之前包含预设数量的语音帧，则获取当前的连续空白帧计数值。

在本申请的一种可选实施例中，该方法还包括：

若连续空白帧计数值小于预设值，则对当前语音帧之后的语音帧重新进行连续空白帧计数；

若连续空白帧计数值不小于预设值，且对端的语音采集设备为关闭状态，则对当前语音帧之后的语音帧重新进行连续空白帧计数；

若连续空白帧计数值不小于预设值，且对端的语音采集设备为开启状态，则对当前语音帧之后的语音帧重新进行连续空白帧计数。

在本申请的一种可选实施例中，该方法还包括：

获取语音采集设备开闭状态表，语音采集设备开闭状态表中存储有各对端的标识与其语音采集设备的开闭状态的对应关系；

获取对应的对端的语音采集设备的开闭状态，包括：

基于对端的音频流，获取对端的标识；

基于对端的标识从语音采集设备开闭状态表获取对端的语音采集设备的开闭状态。

在本申请的一种可选实施例中，获取语音采集设备开闭状态表，包括：

接收对应的服务器发送的各对端的语音采集设备控制信令，语音采集设备控制信令由对应的对端发送至服务器，并用于指示对应的语音采集设备的开闭状态；

基于各对端的语音采集设备控制信令，获取语音采集设备开闭状态表。

在本申请的一种可选实施例中，方法还包括：

在确定语音通话中对应的音频流存在无声异常之后，获取对应的异常信息；

将异常信息上报至对应的服务器，以供服务器基于异常信息进行异常原因分析。

在本申请的一种可选实施例中，方法还包括：

将异常信息上报至语音通话的发起方或维护方。

在本申请的一种可选实施例中，异常信息包括以下各项中的至少一项：

存在无声异常的音频流的丢包率、存在无声异常的音频流的音频缓冲大小、存在无声异常的音频流的解码器类型、近端对应的客户端网络延迟、近端对应的客户端音频播放器音量、近端对应的客户端音频播放器采样率、近端对应的客户端音频设备类型和型号、近端对应的客户端中央处理器CPU占用率、近端对应的客户端内存占用率以及近端对应的客户端音频接收码率。

在本申请的一种可选实施例中，方法还包括：

在确定语音通话中对应的音频流存在无声异常之后，向各对端发送无声异常提示信息。

在本申请的一种可选实施例中，方法还包括：

在确定语音通话中对应的音频流存在无声异常之后，对语音通话中除存在无声异常的音频流以外的其他音频流进行混音处理。

第二方面，本申请实施例提供了一种语音通话中的无声异常检测装置，包括：

空白帧计数模块，用于在语音通话过程中，获取至少一个对端的音频流，并分别对每一音频流的语音帧进行连续空白帧计数；

计数值获取模块，用于对于每一音频流，若当前语音帧为目标语音帧，则获取当前的连续空白帧计数值；

开闭状态获取模块，用于若连续空白帧计数值不小于预设值，则获取对应的对端的语音采集设备的开闭状态；

无声异常确定模块，用于若对端的语音采集设备为开启状态，则确定语音通话中对应的音频流存在无声异常。

在本申请的一种可选实施例中，目标语音帧为对应的音频流中空白帧之后的第一帧非空白帧。

在本申请的一种可选实施例中，计数值获取模块进一步用于：

若当前语音帧为目标语音帧，且在对应的音频流中当前语音帧之前包含预设数量的语音帧，则获取当前的连续空白帧计数值。

在本申请的一种可选实施例中，该装置还包括空白帧重新计数模块，用于：

若连续空白帧计数值小于预设值，则对当前语音帧之后的语音帧重新进行连续空白帧计数；

若连续空白帧计数值不小于预设值，且对端的语音采集设备为关闭状态，则对当前语音帧之后的语音帧重新进行连续空白帧计数；

若连续空白帧计数值不小于预设值，且对端的语音采集设备为开启状态，则对当前语音帧之后的语音帧重新进行连续空白帧计数。

在本申请的一种可选实施例中，该装置还包括语音采集设备开闭状态表获取模块，用于：

获取语音采集设备开闭状态表，语音采集设备开闭状态表中存储有各对端的标识与其语音采集设备的开闭状态的对应关系；

开闭状态获取模块具体用于：

基于对端的音频流，获取对端的标识；

基于对端的标识从语音采集设备开闭状态表获取对端的语音采集设备的开闭状态。

在本申请的一种可选实施例中，语音采集设备开闭状态表获取模块具体用于：

接收对应的服务器发送的各对端的语音采集设备控制信令，语音采集设备控制信令由对应的对端发送至服务器，并用于指示对应的语音采集设备的开闭状态；

基于各对端的语音采集设备控制信令，获取语音采集设备开闭状态表。

在本申请的一种可选实施例中，该装置还包括第一异常信息上报模块，用于：

在确定语音通话中对应的音频流存在无声异常之后，获取对应的异常信息；

将异常信息上报至对应的服务器，以供服务器基于异常信息进行异常原因分析。

在本申请的一种可选实施例中，该装置还包括第二异常信息上报模块，用于：

将异常信息上报至语音通话的发起方或维护方。

在本申请的一种可选实施例中，异常信息包括以下各项中的至少一项：

存在无声异常的音频流的丢包率、存在无声异常的音频流的音频缓冲大小、存在无声异常的音频流的解码器类型、近端对应的客户端网络延迟、近端对应的客户端音频播放器音量、近端对应的客户端音频播放器采样率、近端对应的客户端音频设备类型和型号、近端对应的客户端中央处理器CPU占用率、近端对应的客户端内存占用率以及近端对应的客户端音频接收码率。

在本申请的一种可选实施例中，该装置还包括提示模块，用于：

在确定语音通话中对应的音频流存在无声异常之后，向各对端发送无声异常提示信息。

在本申请的一种可选实施例中，该装置还包括混音筛选模块，用于：

在确定语音通话中对应的音频流存在无声异常之后，对语音通话中除存在无声异常的音频流以外的其他音频流进行混音处理。

第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器；

存储器中存储有计算机程序；

处理器，用于执行计算机程序以实现第一方面实施例或第一方面的任一可选实施例中所提供的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现第一方面实施例或第一方面的任一可选实施例中所提供的方法。

第五方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行时实现第一方面实施例或第一方面的任一可选实施例中所提供的方法。

本申请提供的技术方案带来的有益效果是：

在语音通话过程中，结合对端的音频流中的连续空白帧的数量和对端的语音采集设备的开闭状态，确定该音频流中是否存在无声异常，该方案可以检测出语音通话中的无声异常，用于提示系统运维人员及时监控语音通话系统中可能出现的终端、后台服务缺陷。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。

图1为本申请实施例的一个示例中多人语音通话客户端的显示界面示意图；

图2为本申请实施例的一个示例中语音通话系统的结构示意图；

图3a为本申请实施例的一个示例中客户端进行多音频流混音处理的示意图；

图3b为本申请实施例的一个示例中服务器进行多音频流混音处理的示意图；

图4为本申请实施例提供的一种语音通话中的无声异常检测方法的流程图；

图5a为本申请实施例中对音频流在一个计数周期内进行无声异常检测的具体流程示意图；

图5b为本申请实施例中对音频流进行循环无声异常检测的具体流程示意图；

图6为本申请实施例的一个示例中麦克风开闭状态表更新示意图；

图7为本申请实施例提供的一种语音通话中的无声异常检测装置的结构框图；

图8为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

本申请实施例提供的方案的应用场景可以是语音通话中的多人语音通话场景(例如多人语音会议)，在该场景下对语音通话中各语音通话参与方对应的音频流进行无声异常的检测。具体来说，语音通话或多人语音通话可以通过语音通话系统来实现，该语音通话系统包括前端客户端和后台服务器，其中，前端客户端可以是安装在终端的应用程序(Application，APP)，终端可以是个人电脑或手机等。需要说明的是，参与语音通话的参与方，可以认为是各用户、各用户使用的终端或各用户使用的终端上安装的用于语音通话客户端，那么，某一用户、该用户使用的终端以及该用户使用的终端上安装的用于语音通话的客户端三者是对应关系。

举例来说，如图1所示为某一多人语音通话客户端的显示界面，其中每个头像代表一个参与方，该显示界面为用户1对应的客户端的显示界面，那么用户2和用户3同时也在使用各自对应的客户端参与多人语音通话。同时，由该图可以看出，用户1也可以通过对应的客户端的显示界面进行其他与语音通话相关的操作，例如打开或关闭麦克风等。如图2所示，3个用户分别通过各自手机上安装的多人会议APP参与多人语音，用户1的手机上安装有多人语音会议APP的客户端A，用户2的手机上安装有多人语音会议APP的客户端B，用户3的手机上安装有多人语音会议APP的客户端C，客户端A、客户端B和客户端C可以分别与对应的服务器(语音会议服务器)建立连接，并可以分别将接收到的用户的语音信息上传至服务器，并接收服务器推送的语音信息，换言之，语音系统中的每个客户端可以上传对应的用户的语音信息至服务器，并接收服务器推送的其他用户上传的语音信息。例如，在多人会议过程中，一方面客户端A上传用户1的语音至服务器，另一方面客户端A接收服务器推送的用户2和用户3的语音，其中用户2和用户3的语音是由客户端B和客户端C上传的。那么本申请实施例的方案应用于检测多人会议过程中，各用户的语音流中的无声异常。这里需要说明的是，语音通话的各参与方中，若站在用户1和客户端A的角度，可以将客户端B和客户端C称为对端，即客户端A有两个对端，同时可以将客户端A称为近端。

进一步地，在多人语音通话过程中，对于语音通话系统中的任一客户端，其需要获取各其他参与语音通话的客户端的语音并进行混音后播放。具体来说，混音可以在客户端中进行，也可以在服务器中进行。举例来说，若语音通话系统中参与方有客户端A、客户端B、客户端C和客户端D，那么客户端A的对端包括客户端B、客户端C和客户端D，那么，在语音通话过程中，客户端A要对客户端B、客户端C和客户端D三个对端的音频流进行混音后，再进行播放。

如图3a所示，在客户端A中对客户端B、客户端C和客户端D三个对端的音频流进行混音。客户端A通过网络线程获取服务器的数据流推送，或称网络收包，即从服务器获取三个对端的音频流B、音频流C和音频流D。然后对各音频流分别进行解码操作后将得到对应的语音帧，并将解码得到的连续的语音帧存储至对应的语音帧缓冲模块。然后再通过无声异常检测模块对语音帧缓冲模块中的语音帧进行无声异常检测，由图中可以看出，语音帧缓冲模块中用多个矩形框表示语音帧，其中虚线矩形框表示空白帧，实现矩形框表示非空白帧，实际上后续无声异常检测就是确定连续空白帧是否对应于无声异常。无声检测完成后，将对各音频流中对应的语音帧进行混音处理，并调用语音播放器对混音处理得到的语音帧进行播放，使用户能够听到对端用户的语音，该过程可以理解为播放线程，进行数据拉取。

如图3b所示，在服务器中对客户端B、客户端C和客户端D三个对端的音频流进行混音。通过网络收包操作获取三个对端的音频流B、音频流C和音频流D。然后对各音频流分别进行解码处理后得到对应的语音帧，并将解码得到的连续的语音帧存储至对应的语音帧缓冲模块。然后再通过无声异常检测模块对语音帧缓冲模块中的语音帧进行无声异常检测，检测完毕后，进行混音处理，再将混音后的音频流发送至客户端A，客户端A调用语音播放器对混音处理得到的语音帧进行播放，使用户能够听到对端用户的语音。

由以上描述可以看出，无论是在客户端对各对端的音频流进行混音处理，还是在服务器中对各对端音频流进行混音处理，都需要在各自的无声异常检测模块中分别对各音频流的语音帧进行无声异常检测。为了便于描述，本申请实施例以在客户端进行混音处理来对无声异常检测方案进行详细说明，但本申请并不以此为限。

图4为本申请实施例提供的一种语音通话中的无声异常检测方法的流程图，如图4所示，该方法可以包括：

步骤S401，在语音通话过程中，获取至少一个对端的音频流，并分别对每一音频流的语音帧进行连续空白帧计数。

其中，空白帧指的音频流解码后得到的不包含语音信息的帧，即无声的帧，如果连续的空白帧较少则在播放时表现为卡顿，如果连续的空白帧较多则在播放时表现为无声异常，例如，在多人语音会议中，参与会议的用户1听到用户2的声音出现卡顿或者完整发言中出现无声片段，则说明用户2对应的音频流中存在空白帧。音频流中空白帧可以来源于两个方面，其一是产生音频流时对应的帧没有输入对应的语音信息，即语音通话中对应的用户没有输入语音信息，例如，客户端所在终端的语音采集设备处于关闭状态，或者语音采集设备被其他APP所占用，即对当前语音通话的APP处于关闭状态；其二是音频流对应的帧的语音信息由于故障而丢失，即存在无声异常。那么，根据以上描述可知，综合音频流中连续空白帧的数量以及客户端所在终端的语音采集设备的开闭状态，可以确定该音频流中是否存在无声异常。需要理解的是，音频流中出现空白帧也可以称为“丢帧”，那么连续空白帧可以称为连续丢帧。

具体地，可以通过设置连续空白帧计数器对各音频流中的语音帧进行连续空白帧计数，具体来说，对于每一音频流，可以按计数周期进行连续空白帧计数，每一计数周期结束后连续空白帧计数器将被置零，进而在下一计数周期重新开始连续空白帧计数。其中，各计数周期的持续时间长短不同，可以根据实际需求进行设定，即何时对连续空白帧计数器进行置零操作可以根据实际需求进行设定。

步骤S402，对于每一音频流，若当前语音帧为目标语音帧，则获取当前的连续空白帧计数值。

其中，当前语音帧指的是当前时刻用于与其他音频流对应的语音帧进行混音的语音帧。目标语音帧可以理解为特定语音帧，该特定语音帧可以是空白帧后的第一帧非空白帧，或者空白帧后的第N帧非空白帧，N正整数，且N值可以根据实际需求进行设定。

具体地，对每一音频流，在对当前语音帧进行混音时，若确定该当前语音帧为特定语音帧，则从连续空白帧计数器获取当前的连续空白帧计数值，即获取当前计数周期中的空白帧的数量。

需要说明的是，在一种或多种可选实施例中，若当前语音帧为目标语音帧，则获取当前的连续空白帧计数值，包括：若所述当前语音帧为目标语音帧，且在对应的音频流中所述当前语音帧之前包含预设数量的语音帧，则获取当前的连续空白帧计数值。换言之，在对音频流进行无声检测时，先判断该音频流中包含的语音帧的数量是否达到预设数量，即在该音频流持续一段时长、语音帧数量足够多之后才对该音频流进行无声异常检测。具体来说，若确定音频流中包含的语音帧到达预设数量，且当前语音帧为目标语音帧，则获取当前的连续空白帧计数值，进而进行无声异常的检测。

步骤S403，若连续空白帧计数值不小于预设值，则获取对应的对端的语音采集设备的开闭状态。

其中，语音采集设备可以为终端上的麦克风。

其中，预设值可以根据实际需求进行设定，例如可以将预设值设置为5帧，可以理解的是，本申请实施例中认为在当前计数周期内，若当前的连续空白帧的计数值小于预设值，则不存在无声异常；而若当前的连续空白帧的计数值大于或等于预设值，则有可能存在无声异常，为了进一步确定是否存在无声异常，需要进一步获取音频流对应的对端的语音采集设备的开闭状态，进而结合音频采集设备的开闭状态来确定是否存在无声异常。

步骤S404，若对端的语音采集设备为开启状态，则确定语音通话中对应的对端存在无声异常。

其中，对端的语音采集设备处于开启状态，说明对应的客户端可以正常获取用户的语音，但是对应的音频流中却出现了较多的空白帧，则认为该音频流中，这些空白帧对应为无声异常，即该音频流中存在无声异常。对端的语音采集设备处于关闭状态，说明对应的客户端不能采集用户的语音，对应的音频流中可以预见的会出现较多的空白帧，那么可以认为该音频流中不存在无声异常。

需要说明的是，在上述语音通话过程中，在对各音频流进行无声异常检测之前，可以先确定各音频流中是否包含说话的语音帧，若包含则进行无声异常检测，若不包含则无需进行异常检测。因为，在语音通话中，可能某一参与方没有发言或者没有轮到该参与方发言，但该参与方的语音采集设备采集到了说话以外的其他语音，此情形下若进行无声异常判断会造成误判，为了避免该误判情形则可以进行上述音频流的说话语音的检测。具体来说，可以根据预设发言顺序确定是否进行无声异常检测，若当前时刻发言顺序为某一参与方发言，则对该参与方对应的音频流进行无声异常检测。可以根据预设算法来确定是否进行无声异常检测，若根据预设算法确定当前时刻为某一参与方发言，则对该参与方对应的音频流进行无声异常检测。

本申请提供的方案，在语音通话过程中，结合对端的音频流中的连续空白帧的数量和对端的语音采集设备的开闭状态，确定该音频流中是否存在无声异常，该方案可以检测出语音通话中的无声异常，用于提示系统运维人员及时监控语音通话系统中可能出现的终端、后台服务缺陷。

在本申请的一种可选实施例中，目标语音帧为对应的音频流中空白帧之后的第一帧非空白帧。

具体地，目标语音帧为非空白帧，且为音频流中空白帧之后的第一帧非空白帧，换言之，目标语音帧的出现，标志着音频流中语音帧由空白帧变为非空白帧，进一步标志着一段连续空白帧的结束。那么，若当前语音帧被确定为目标语音帧，则说明之前有一段连续空白帧结束，此时可以获取连续空白帧的计数值，并进行后续条件判断，进而完成无声异常的检测。

需要说明的是，连续空白帧计数器按前述计数周期进行计数，在进行一次无声异常判断后会进入下一计数周期，也就是可以认为在一个计数周期内仅出现一次连续空白帧，那么在当前计数周期内，出现了目标语音帧即说明完成了对当前计数周期内连续空白帧的计数，即可根据连续空白帧计数值结合其他信息来确定该连续空白帧是否对应于无声异常。具体来说，目标语音帧的出现即为连续空白帧计数值获取的触发条件，进一步在确定了连续空白帧计数值不小于预设之后，需要获取该音频流对应的终端的语音采集设备的开闭状态，并结合该开闭状态，确定该连续空白帧是否对应于无声异常，即确定该音频流是否存在无声异常。

在本申请的一种可选实施例中，该方法还可以包括：

若连续空白帧计数值小于预设值，则对当前语音帧之后的语音帧重新进行连续空白帧计数；

若连续空白帧计数值不小于预设值，且对端的语音采集设备为关闭状态，则对当前语音帧之后的语音帧重新进行连续空白帧计数；

若连续空白帧计数值不小于预设值，且对端的语音采集设备为开启状态，则对当前语音帧之后的语音帧重新进行连续空白帧计数。

其中，如前文所述，在当前计数周期内，若出现了目标语音帧(即确定当前语音帧为目标语音帧)，说明当前计数周期内的连续空白帧结束，需要将连续空白帧计数值与预设值相比较，并根据比较结果进行后续条件判断，以确定该连续空白帧是否对应于无声异常。具体来说，若连续空白帧计数值小于预设值，说明空白帧较少，无语音信息输入时间较短，可以认为是正常的停顿，而不是无声异常。若连续空白帧计数值不小于预设值，说明空白帧较多，无语音信息输入时间较长，此时可能存在两种情况，其一是该音频流对应的终端的语音采集设备处于关闭状态，连续空白帧对应于无语音输入情绪，不是无声异常；其二是该音频流对应的客户端因故障导致语音信号丢失，连续空白帧对应于无声异常，换言之，此情形下，要最终确定该音频流中是否存在无声异常需要确定对应的终端的语音采集设备的开闭状态。

具体地，如图5a所示，对应每一音频流，依次从对应的语音帧缓冲模块取出语音帧，首先判断当前语音帧是否为空白帧，若为空白帧则将连续空白帧计数器计数值加1，若不为空白帧，则说明该计数周期内的连续空白帧结束，即当前语音帧为目标语音帧。然后，若确定当前语音帧为目标语音帧，则获取当前的连续空白帧计数，并将连续空白帧计数值与预设值进行比较，若连续空白帧计数值小于预设值，则说明该连续空白帧不对应于无声异常，则将连续空白帧计数器置零，即进入下一个计数周期；若连续空白帧计数值不小于预设值，则说明该连续空白帧有可能对应于无声异常。再然后，若确定连续空白帧计数值不小于预设值，则获取该音频流对应的终端的语音采集设备的开闭状态，若语音采集设备为关闭状态，则确定该连续空白帧不对应于无声异常，则将连续空白帧计数器置零，即进入下一个计数周期；若语音采集设备为开启状态，则确定该连续空白帧对应于无声异常，即确定该音频流存在无声异常，此时可以进行后续异常信息上报服务器的操作，同时将连续空白帧计数器置零，即进入下一个计数周期。其中，异常信息所包括的内容和上报方式将在后文中进行详细说明。

可以理解的是，在语音通话过程中，上述无声异常检测是循环进行的，即每个计数周期内都在对该周期内的语音帧进行连续空白帧计数，进而判断每个计数周期内的连续空白帧是否对应于无声异常，并按上述方式进入下一个计数周期，并进行下一次判断，如图5b所示，为本申请实施例提供的语音通话中的无声异常检测方法的循环过程示意图。

在本申请的一种可选实施例中，该方法还可以包括：

获取语音采集设备开闭状态表，语音采集设备开闭状态表中存储有各对端的标识与其语音采集设备的开闭状态的对应关系；

获取对应的对端的语音采集设备的开闭状态，包括：

基于对端的音频流，获取对端的标识；

基于对端的标识从语音采集设备开闭状态表获取对端的语音采集设备的开闭状态。

其中，客户端在进行无声异常检测之前或进行无声异常检测过程中会获取一个语音采集设备开闭状态表，该状态表中存储有各参与语音通话的对端的标识与其语音采集设备得的对应关系，即每个对端的标识对应于其对应的语音采集设备为开启状态或者为关闭状态。具体来说，每个对端有唯一的标识，每个对端的音频流中也携带有其对应的对端的标识，在需要获取音频流对应的对端的语音采集设备的开闭状态时，则可以根据对应的标识在语音采集设备开闭状态表中进行查询获取。

具体地，对于每一音频流，在确定当前语音帧为目标语音帧，且当前的连续空白帧计数值不小于预设值时，需要获取对应的对端的语音采集设备的开闭状态。该音频流中携带有对应的对端的标识，且客户端在进行无声异常检测之前或进行无声异常检测过程中获取语音采集设备开闭状态表，那么在需要获取该音频流对应的对端的语音采集设备的开闭状态时，根据对应的对端的标识从语音采集设备开闭状态表中获取对应的语音采集设备开闭状态表的开闭状态。

需要说明的是，语音采集设备开闭状态表中不同对端的标识对应的语音采集设备的状态是随时更新的，也就是说，当某一对端的语音采集设备的开闭状态发生改变时，客户端中的语音采集设备开闭状态表中对应的状态也发生改变。

在本申请的一种可选实施例中，获取语音采集设备开闭状态表，包括：

接收对应的服务器发送的各对端的语音采集设备控制信令，语音采集设备控制信令由对应的对端发送至服务器，并用于控制对应的语音采集设备的开闭状态；

基于各对端的语音采集设备控制信令，获取语音采集设备开闭状态表。

其中，语音采集设备控制信令一般是用户触发对应客户端的特定按钮后发出的，该语音采集设备控制信令产生后由客户端发送至对应的服务器，服务器在再将所有的语音采集设备控制信令分发至各个其他的客户端，用于更新其他客户端中的语音采集设备开闭状态表。

具体地，如图6所示，客户端A、客户端B、客户端C和客户端D的语音采集设备都为麦克风，用户可以通过点击各客户端的显示界面中的麦克风控制按钮实现“打开麦克风”或“关闭麦克风”，当用户点击对应的客户端中的麦克风控制按钮，即改变了麦克风的开闭状态，客户端会向服务器发送语音采集设备控制信令。具体来说，用户2点击对应的客户端B中的麦克风控制按钮实现“打开麦克风”，即实现麦克风从开启状态到关闭状态的切换，那么客户端B向服务器发送的语音采集设备控制信令(即图中的麦克风控制信令)指示客户端B对应的麦克风为开启状态。在客户端A进行无声异常检测之前或进行无声异常检测的过程中，服务器在接收到客户端B、客户端C或客户端D发送的语音采集设备控制信令后，将接收到的语音采集设备控制信令转发至客户端A，客户端A则根据接收到的采集设备控制信令所指示的语音采集设备开闭状态来更新语音采集设备开闭状态表(即图中麦克风开闭状态表)。具体来说，用户2点击对应的客户端B中的麦克风控制按钮实现“打开麦克风”，客户端B向服务器发送的语音采集设备控制信令指示客户端B对应的麦克风为开启状态，服务将该控制信令转发至客户端A、客户端B和客户端C，对于客户端A来说，将其语音采集设备开闭状态表中客户端B对应的语音采集设备开闭状态由关闭状态更新为开启状态。可以理解的是，语音采集设备控制信令中也携带有对应的对端的标识(即对应的客户端的标识)。

在本申请的一种可选实施例中，该方法还可以包括：

在确定语音通话中对应的对端存在无声异常之后，获取对应的异常信息；

将异常信息上报至对应的服务器，以供服务器基于异常信息进行异常原因分析。

具体地，当客户端在混音之前，通过无声异常检测模块采用上述方式确定在某一音频流中存在无声异常之后，获取异常信息，并将该异常信息发送至上报至对应的服务器，以基于这些异常信息对无声异常产生的原因进行分析。具体来说，可以在服务器中预设相应的异常分析模块来基于这些异常信息进行无声异常原因的分析，也可以将这些异常信息显示给技术人员，技术人员基于这些异常信息进行无声异常原因的分享，本申请对异常原因的分析过程不做具体限定。通过获取并反馈异常信息，可以指导定位、分析，并且及时修复缺陷，提升系统的稳定性。

在本申请的一种可选实施例中，该方法还可以包括：

将异常信息上报至所述语音通话的发起方或维护方。

具体地，除了将异常信息上报至对应的服务器外，还可以直接将上述异常信息直接上报至对应的语音通话的发起方或维护方，以供语音通话的发起方或维护方根据上报的异常信息进行异常分析，以便更为及时的找出异常原因并进行相应的调整，提高语音通话各参与方的体验。

其中，异常信息可以值得是存在无声异常的音频流的相关信息，以及进行混音的客户端(即近端对应的客户端)的相关信息。

在本申请的一种可选实施例中，异常信息包括以下各项中的至少一项：

存在无声异常的音频流的丢包率、存在无声异常的音频流的音频缓冲大小、存在无声异常的音频流的解码器类型、近端对应的客户端网络延迟、近端对应的客户端音频播放器音量、近端对应的客户端音频播放器采样率、近端对应的客户端音频设备类型和型号、近端对应的客户端中央处理器CPU占用率、近端对应的客户端内存占用率以及近端对应的客户端音频接收码率。

可以理解的是，当采用近端客户端进行混音处理时，异常信息也可以根据实际需求包含其他信息，本申请并不以此为限。同时，当采用服务器进行混音处理时，异常信息也可以根据实际需求包含其他信息。

在本申请的一种可选实施例中，该方法还可以包括：

在确定语音通话中对应的音频流存在无声异常之后，向各对端发送无声异常提示信息。

具体地，在确定语音通话中某一音频流存在无声异常之后，为了让其他语音通话的参与方及时了解情况，避免造成不必要的误会，可以向语音通话的各参与方所在的终端(即各对端)发送无声异常提示信息。具体来说，该无声异常提示信息可以包含发生无声异常的参与方的标识和异常类型(即无声异常)。举例来说，语音通话中的参与方包括用户A(对应终端A)、用户B(对应终端B)和用户C(对应终端C)，那么若终端A存在无声异常，则想终端B和终端C发送“用户A发生无声异常”的无声异常提示信息，以使得用户B和用户C能够及时获知用户A发生了无声异常。

在本申请的一种可选实施例中，该方法还可以包括：

在确定语音通话中对应的音频流存在无声异常之后，对语音通话中除存在无声异常的音频流以外的其他音频流进行混音处理。

具体地，由前文描述可知，语音通话中各终端播放的都是混音后的语音，为了保证混音后的语音效果，可以将语音通话中各音频流中存在无声异常的音频流筛除，即在混音处理时将存在无声异常的音频流不加入混音处理过程。

图7为本申请实施例提供的一种语音通话中的无声异常检测装置的结构框图，如图7所示，该装置700可以包括：空白帧计数模块701、计数值获取模块702、开闭状态获取模块703以及无声异常确定模块704，其中：

空白帧计数模块701用于在语音通话过程中，获取至少一个对端的音频流，并分别对每一音频流的语音帧进行连续空白帧计数；

计数值获取模块702用于对于每一音频流，若当前语音帧为目标语音帧，则获取当前的连续空白帧计数值；

开闭状态获取模块703用于若连续空白帧计数值不小于预设值，则获取对应的对端的语音采集设备的开闭状态；

无声异常确定模块704用于若对端的语音采集设备为开启状态，则确定语音通话中对应的音频流存在无声异常。

本申请提供的方案，在语音通话过程中，结合对端的音频流中的连续空白帧的数量和对端的语音采集设备的开闭状态，确定该音频流中是否存在无声异常，该方案可以检测出语音通话中的无声异常，用于提示系统运维人员及时监控语音通话系统中可能出现的终端、后台服务缺陷。

在本申请的一种可选实施例中，计数值获取模块进一步用于：

若当前语音帧为目标语音帧，且在对应的音频流中当前语音帧之前包含预设数量的语音帧，则获取当前的连续空白帧计数值。

在本申请的一种可选实施例中，目标语音帧为对应的音频流中空白帧之后的第一帧非空白帧。

在本申请的一种可选实施例中，该装置还包括空白帧重新计数模块，用于：

若连续空白帧计数值小于预设值，则对当前语音帧之后的语音帧重新进行连续空白帧计数；

若连续空白帧计数值不小于预设值，且对端的语音采集设备为关闭状态，则对当前语音帧之后的语音帧重新进行连续空白帧计数；

若连续空白帧计数值不小于预设值，且对端的语音采集设备为开启状态，则对当前语音帧之后的语音帧重新进行连续空白帧计数。

在本申请的一种可选实施例中，该装置还包括语音采集设备开闭状态表获取模块，用于：

获取语音采集设备开闭状态表，语音采集设备开闭状态表中存储有各对端的标识与其语音采集设备的开闭状态的对应关系；

开闭状态获取模块具体用于：

基于对端的音频流，获取对端的标识；

基于对端的标识从语音采集设备开闭状态表获取对端的语音采集设备的开闭状态。

在本申请的一种可选实施例中，语音采集设备开闭状态表获取模块具体用于：

接收对应的服务器发送的各对端的语音采集设备控制信令，语音采集设备控制信令由对应的对端发送至服务器，并用于指示对应的语音采集设备的开闭状态；

基于各对端的语音采集设备控制信令，获取语音采集设备开闭状态表。

在本申请的一种可选实施例中，该装置还包括第一异常信息上报模块，用于：

在确定语音通话中对应的音频流存在无声异常之后，获取对应的异常信息；

将异常信息上报至对应的服务器，以供服务器基于异常信息进行异常原因分析。

在本申请的一种可选实施例中，该装置还包括第二异常信息上报模块，用于：

将异常信息上报至语音通话的发起方或维护方。

在本申请的一种可选实施例中，异常信息包括以下各项中的至少一项：

存在无声异常的音频流的丢包率、存在无声异常的音频流的音频缓冲大小、存在无声异常的音频流的解码器类型、近端对应的客户端网络延迟、近端对应的客户端音频播放器音量、近端对应的客户端音频播放器采样率、近端对应的客户端音频设备类型和型号、近端对应的客户端中央处理器CPU占用率、近端对应的客户端内存占用率以及近端对应的客户端音频接收码率。

在确定语音通话中对应的音频流存在无声异常之后，向各对端发送无声异常提示信息。

在本申请的一种可选实施例中，该装置还包括混音筛选模块，用于：

在确定语音通话中对应的音频流存在无声异常之后，对语音通话中除存在无声异常的音频流以外的其他音频流进行混音处理。

下面参考图8，其示出了适于用来实现本公开实施例的电子设备(例如执行图4所示方法的终端设备或服务器)800的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

电子设备包括：存储器以及处理器，其中，这里的处理器可以称为下文所述的处理装置801，存储器可以包括下文中的只读存储器(ROM)802、随机访问存储器(RAM)803以及存储装置808中的至少一项，具体如下所示：

如图8所示，电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中，还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

通常，以下装置可以连接至I/O接口805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从ROM802被安装。在该计算机程序被处理装置801执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：

在语音通话过程中，获取至少一个对端的音频流，并分别对每一音频流的语音帧进行连续空白帧计数；对于每一音频流，若当前语音帧为目标语音帧，则获取当前的连续空白帧计数值；若连续空白帧计数值不小于预设值，则获取对应的对端的语音采集设备的开闭状态；若对端的语音采集设备为开启状态，则确定语音通话中对应的音频流存在无声异常。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C ，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块或单元的名称在某种情况下并不构成对该单元本身的限定，例如，计数值获取模块还可以被描述为“获取计数值的模块”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行时实现如下情况：

在语音通话过程中，获取至少一个对端的音频流，并分别对每一音频流的语音帧进行连续空白帧计数；对于每一音频流，若当前语音帧为目标语音帧，则获取当前的连续空白帧计数值；若连续空白帧计数值不小于预设值，则获取对应的对端的语音采集设备的开闭状态；若对端的语音采集设备为开启状态，则确定语音通话中对应的音频流存在无声异常。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。