一种观众与主播的直播互动方法、装置、电子设备及介质与流程

1.本发明涉及直播技术领域，特别是涉及一种观众与主播的直播互动方法、装置、电子设备及介质。


背景技术：

2.在当前的直播场景下，观众在观看直播时，只能被动地观看主播的直播内容以及在直播间内发布评论，而主播也只能通过查看以及回复评论的方式与观众互动，观众与主播的直播互动方式单一。


技术实现要素：

3.本发明实施例的目的在于提供一种观众与主播的直播互动方法、装置、电子设备及介质，以丰富观众与主播的直播互动方式。具体技术方案如下：
4.第一方面，本发明实施例提供了一种观众与主播的直播互动方法，应用于推流客户端，所述方法包括：
5.接收主播发送的发起互动指令；
6.响应于所述发起互动指令，向指定拉流客户端发送互动信息，所述互动信息用于表示发起互动，以使得所述指定拉流客户端接收到所述互动信息后展示音轨选择界面，接收观众在所述音轨选择界面选择的目标音轨，并向所述推流客户端发送音轨信息，所述音轨信息用于表示所述观众在所述音轨选择界面选择的目标音轨；
7.接收所述指定拉流客户端发送的音轨信息；
8.确定指定的互动音频以及所述互动音频包括的目标音轨上的目标子音频，并确定所述目标子音频中的节奏点，所述节奏点的音量大于预设音量；
9.在播放所述目标子音频的过程中接收主播的触摸操作，基于所述触摸操作的接收时刻与所述目标子音频的节奏点的播放时刻之间的时间差，得到互动结果。
10.可选的，所述确定指定的互动音频包括的目标音轨上的目标子音频，包括：
11.在所述互动音频为单音轨音频时，利用预设的分离算法，从所述互动音频中分离出所述目标子音频；
12.或者，在所述互动音频为多音轨音频时，提取所述互动音频的目标音轨上的目标子音频。
13.可选的，所述确定指定的互动音频包括的目标音轨上的目标子音频，包括：
14.向服务器发送分离请求，所述分离请求包括所述互动音频和所述目标音轨标识，以使得所述服务器对所述互动音频进行分离，基于所述目标音轨标识，得到目标音轨上的目标子音频，并向所述推流客户端发送目标子音频；
15.接收所述服务器发送的目标子音频。
16.可选的，所述确定所述目标子音频中的节奏点，包括：
17.利用预设的节奏提取算法，提取所述目标子音频中的节奏点；
18.或者，基于各子音频与节奏文件之间的预设对应关系，获取所述目标子音频对应的节奏文件，所述节奏文件包括子音频中的节奏点；
19.或者，向服务器发送提取请求，所述提取请求包括所述目标子音频，以使得所述服务器提取所述目标子音频中的节奏点，并向所述推流客户端发送目标子音频中的节奏点；接收所述服务器发送的所述目标子音频中的节奏点。
20.可选的，所述目标音轨的数量为多个，所述在播放所述目标子音频的过程中接收主播的触摸操作，基于所述触摸操作的接收时刻与所述目标子音频的节奏点的播放时刻之间的时间差，得到互动结果，包括：
21.确定多个目标音轨中的指定音轨，并将所述指定音轨上的子音频作为指定子音频；
22.在播放所述目标子音频的过程中接收主播的触摸操作，基于所述主播的触摸操作的接收时刻与所述指定子音频的节奏点的播放时刻之间的时间差，得到互动结果。
23.第二方面，本发明实施例提供了一种观众与主播的直播互动方法，应用于拉流客户端，所述方法包括：
24.接收推流客户端发送的互动信息，所述互动信息用于表示发起互动；
25.展示音轨选择界面，接收观众在所述音轨选择界面选择的目标音轨；
26.向所述推流客户端发送音轨信息，所述音轨信息用于表示所述观众在所述音轨选择界面选择的目标音轨，以使得所述推流客户端确定指定的互动音频包括的目标音轨上的目标子音频，并确定所述目标子音频中的节奏点，所述节奏点的音量大于预设音量，在播放所述目标子音频的过程中接收主播的触摸操作，基于所述触摸操作的接收时刻与所述目标子音频的节奏点的播放时刻之间的时间差，得到互动结果。
27.第三方面，本发明实施例提供了一种观众与主播的直播互动装置，应用于推流客户端，所述装置包括：
28.接收模块，用于接收主播发送的发起互动指令；
29.发送模块，用于响应于所述发起互动指令，向指定拉流客户端发送互动信息，所述互动信息用于表示发起互动，以使得所述指定拉流客户端接收到所述互动信息后展示音轨选择界面，接收观众在所述音轨选择界面选择的目标音轨，并向所述推流客户端发送音轨信息，所述音轨信息用于表示所述观众在所述音轨选择界面选择的目标音轨；
30.所述接收模块，还用于接收所述指定拉流客户端发送的音轨信息；
31.确定模块，用于确定指定的互动音频以及所述互动音频包括的目标音轨上的目标子音频，并确定所述目标子音频中的节奏点，所述节奏点的音量大于预设音量；
32.所述确定模块，还用于在播放所述目标子音频的过程中接收主播的触摸操作，基于所述触摸操作的接收时刻与所述目标子音频的节奏点的播放时刻之间的时间差，得到互动结果。
33.可选的，所述确定模块，具体用于：
34.在所述互动音频为单音轨音频时，利用预设的分离算法，从所述互动音频中分离出所述目标子音频；
35.或者，在所述互动音频为多音轨音频时，提取所述互动音频的目标音轨上的目标子音频。
36.可选的，所述确定模块，具体用于：
37.向服务器发送分离请求，所述分离请求包括所述互动音频和所述目标音轨标识，以使得所述服务器对所述互动音频进行分离，基于所述目标音轨标识，得到目标音轨上的目标子音频，并向所述推流客户端发送目标子音频；
38.接收所述服务器发送的目标子音频。
39.可选的，所述确定模块，具体用于：
40.利用预设的节奏提取算法，提取所述目标子音频中的节奏点；
41.或者，基于各子音频与节奏文件之间的预设对应关系，获取所述目标子音频对应的节奏文件，所述节奏文件包括子音频中的节奏点；
42.或者，向服务器发送提取请求，所述提取请求包括所述目标子音频，以使得所述服务器提取所述目标子音频中的节奏点，并向所述推流客户端发送目标子音频中的节奏点；接收所述服务器发送的所述目标子音频中的节奏点。
43.可选的，所述目标音轨的数量为多个，所述确定模块，具体用于：
44.确定多个目标音轨中的指定音轨，并将所述指定音轨上的子音频作为指定子音频；
45.在播放所述目标子音频的过程中接收主播的触摸操作，基于所述主播的触摸操作的接收时刻与所述指定子音频的节奏点的播放时刻之间的时间差，得到互动结果。
46.第四方面，本发明实施例提供了一种观众与主播的直播互动装置，应用于拉流客户端，所述装置包括：
47.接收模块，用于接收推流客户端发送的互动信息，所述互动信息用于表示发起互动；
48.展示模块，用于展示音轨选择界面，接收观众在所述音轨选择界面选择的目标音轨；
49.发送模块，用于向所述推流客户端发送音轨信息，所述音轨信息用于表示所述观众在所述音轨选择界面选择的目标音轨，以使得所述推流客户端确定指定的互动音频包括的目标音轨上的目标子音频，并确定所述目标子音频中的节奏点，所述节奏点的音量大于预设音量，在播放所述目标子音频的过程中接收主播的触摸操作，基于所述触摸操作的接收时刻与所述目标子音频的节奏点的播放时刻之间的时间差，得到互动结果。
50.第五方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
51.存储器，用于存放计算机程序；
52.处理器，用于执行存储器上所存放的程序时，实现上述任一观众与主播的直播互动方法的步骤。
53.第六方面，本发明实施例还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内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一观众与主播的直播互动方法的步骤。
54.第七方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一观众与主播的直播互动方法。
55.本发明实施例提供的观众与主播的直播互动方法、装置、电子设备及介质，推流客
户端接收到主播发送的发起互动指令后，向指定拉流客户端发送互动信息，然后指定拉流客户端接收观众选择的目标音轨，并向推流客户端发送音轨信息。然后推流客户端确定互动音频包括的目标音轨上的目标子音频，并确定目标子音频中的节奏点，接着在播放目标子音频的过程中接收主播的触摸操作，基于主播的触摸操作的接收时刻与目标子音频的节奏点的播放时刻之间的时间差，得到互动结果。可见，本发明实施例可以在主播发起互动指令后，让观众选择目标音轨，并基于目标子音频的节奏点与主播的触摸操作，得到互动结果。由于互动结果通过主播和观众的共同操作决定，而且不同的观众选择的音轨不同，丰富了互动形式，因此丰富观众与主播的直播互动方式。
56.当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
57.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，还可以根据这些附图获得其他的实施例。
58.图1为本发明实施例提供的一种观众与主播的直播互动方法流程图；
59.图2为本发明实施例提供的一种确定互动结果的方法流程图；
60.图3为本发明实施例提供的另一种观众与主播的直播互动方法流程图；
61.图4为本发明实施例提供的一种观众端用户界面的示例性示意图；
62.图5为本发明实施例提供的一种观众与主播的直播互动过程的信令图；
63.图6为本发明实施例提供的一种观众与主播的直播互动装置的结构示意图；
64.图7为本发明实施例提供的另一种观众与主播的直播互动装置的结构示意图；
65.图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
66.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基于本技术所获得的所有其他实施例，都属于本发明保护的范围。
67.本发明实施例应用在直播场景下，主播直播时所使用的客户端称为推流客户端，观众观看直播所使用的客户端称为拉流客户端。
68.目前，观众在观看直播时，只能被动地观看主播的直播内容以及在直播间内发布评论，而主播也只能通过查看以及回复评论的方式与观众互动，使得观众与主播的互动方式单一。
69.为了丰富观众与主播的直播互动方式，本发明实施例提供了一种观众与主播的直播互动方法，该方法应用于推流客户端，如图1所示，该方法包括以下步骤：
70.s101，接收主播发送的发起互动指令。
71.一种实施方式中，推流客户端可以在检测到主播在主播用户界面中点击互动按钮
时，表示接收到主播发送的互动指令。或者，推流客户端可以通过语音识别的方式，检测到主播说的指定语句时，表示接收到主播发送的互动指令。例如，指定语句可以为“开始互动”。
72.或者主播还可以通过其他方式发送发起互动指令，本发明实施例对此不作具体限定。
73.s102，响应于发起互动指令，向指定拉流客户端发送互动信息，以使得指定拉流客户端接收到互动信息后展示音轨选择界面，接收观众在音轨选择界面选择的目标音轨，并向推流客户端发送音轨信息。
74.其中，互动信息用于表示发起互动，音轨信息用于表示观众在音轨选择界面选择的目标音轨。例如，音轨信息中携带观众在音轨选择界面选择的目标音轨的标识。
75.一种实施方式中，推流客户端可以向服务器发送互动信息，然后由服务器向指定拉流客户端发送互动信息。
76.其中，音轨选择界面包括多个预设音轨的音轨图标，拉流客户端将用户在音轨选择界面内选择的音轨图标对应的预设音轨，作为目标音轨。即观众可利用拉流客户端从多个预设音轨中选择目标音轨，因此s104中的互动音频需要包括各个预设的音轨。由于互动音频可以是音乐库中的任一音频，因此音乐库中的每个音频均包含各个预设的音轨。例如，预设的音轨包括：人声音轨、钢琴音轨和鼓声音轨。
77.s103，接收指定拉流客户端发送的音轨信息。
78.一种实施方式中，指定拉流客户端可以向服务器发送音轨信息，由服务器向推流客户端发送音轨信息。
79.s104，确定指定的互动音频包括的目标音轨上的目标子音频，并确定目标子音频中的节奏点。
80.可选的，指定的互动音频可以是主播选择的音频。例如，主播可以从音乐库中选择音频并发送发起互动指令，此时发起互动指令携带互动音频标识，推流客户端可以基于互动指令携带的互动音频标识，从音乐库中获取互动音频标识对应的互动音频。
81.或者，指定的互动音频可以是随机音频。例如，推流客户端可以在音乐库中随机选择一个音频作为互动音频。
82.其中，节奏点的音量大于预设音量，例如预设音量为60分贝。例如，人声音频的节奏点为每个字的发音时间点，钢琴音频的节奏点为每个音符的播放时间点，鼓声音频的节奏点为每个鼓点的播放时间点。
83.在本发明实施例中，互动音频是包含多种声音的音频，每种声音可以在一个音轨上，即互动音频可以包括多个音轨，目标音轨是这多个音轨中的其中一个音轨。本发明实施例将一个音轨上的音频数据称为一个子音频。
84.s105，在播放目标子音频的过程中接收主播的触摸操作，基于触摸操作的接收时刻与目标子音频的节奏点的播放时刻之间的时间差，得到互动结果。
85.在s104确定目标子音频和节奏点之后，播放目标子音频并执行s105。
86.一种实施方式中，目标子音频的节奏点一般存在多个，相应的主播的触摸操作一般存在多个，s105需要将每个触摸操作与一个节奏点对应，然后确定触摸操作与对应的节奏点之间的时间差，得到互动结果。可选的，触摸操作包括点击、长按、滑动和/或双击等操
作。
87.可选的，推流客户端可以针对每个触摸操作，从各节奏点的播放时刻中，查找与该触摸操作的接收时刻差距最小的播放时刻，将该播放时刻的节奏点作为与该触摸操作对应的节奏点。
88.在本发明实施例中，互动结果可以是各触摸操作的接收时刻与目标子音频的节奏点的播放时刻之间的时间差，或者互动结果可以是基于各时间差确定的互动分数。例如，推流客户端可以计算每个触摸操作与对应的节奏点之间的时间差，然后计算各时间差的总和，基于时间差与互动分数之间的预设对应关系，确定各时间差的总和对应的互动分数。
89.可选的，推流客户端在主播用户界面的指定位置接收到的触摸操作为与互动结果相关的触摸操作，减少主播与观众的直播互动对于主播用户界面内其他功能的影响。
90.本发明实施例提供的观众与主播的直播互动方法、装置、电子设备及介质，推流客户端接收到主播发送的发起互动指令后，向指定拉流客户端发送互动信息，然后指定拉流客户端接收观众选择的目标音轨，并向推流客户端发送音轨信息。然后推流客户端确定互动音频包括的目标音轨上的目标子音频，并确定目标子音频中的节奏点，接着在播放目标子音频的过程中接收主播的触摸操作，基于主播的触摸操作的接收时刻与目标子音频的节奏点的播放时刻之间的时间差，得到互动结果。可见，本发明实施例可以在主播发起互动指令后，让观众选择目标音轨，并基于目标子音频的节奏点与主播的触摸操作，得到互动结果。由于互动结果通过主播和观众的共同操作决定，而且不同的观众选择的音轨不同，丰富了互动形式，因此丰富观众与主播的直播互动方式。
91.可选的，上述指定拉流客户端为登录指定观众账户的拉流客户端。指定观众账户可以是当前观看该推流客户端开放的直播间的任意账户，或者可以是当前观看该推流客户端开放的直播间的账户中，向该直播间送出的礼物金额满足预设的金额条件的账户。例如，预设的金额条件包括：累计金额排名不低于预设排名和/或指定时间段内送出的礼物总金额达到预设金额等。
92.示例性的，推流客户端向服务器发送互动信息后，服务器向当前观看该直播间的账户中，向该直播间送出礼物金额排名第一的账户的拉流客户端(即指定拉流客户端)发送互动信息。
93.或者，推流客户端向服务器发送互动信息后，服务器向当前观看该直播间的账户的拉流客户端发送提示指令，其中提示指令用于提示争取互动控制权。拉流客户端接收到提示指令后，在观众端用户界面显示用于表示争取互动控制权的提示信息。服务器在检测到账户在接收提示指令后向该直播间送出的礼物总金额达到预设金额时，向该账户的拉流客户端(即指定拉流客户端)发送互动信息。
94.指定拉流客户端可以是一个也可以是多个。在指定拉流客户端为多个时，推流客户端在执行s105时每接收到一个指定拉流客户端发送的音轨信息，则播放该音轨信息表示的目标音轨上的目标子音频，并接收主播的触摸操作，计算触摸操作的接收时刻与目标子音频的节奏点的播放时刻之间的时间差。最后根据计算的各时间差，得到互动结果。
95.例如，推流客户端接收拉流客户端a发送的音轨信息，其中音轨信息用于表示音轨1。推流客户端播放互动音频的音轨1上的子音频1，并接收主播的触摸操作，计算每个触摸操作的接收时刻与子音频1的节奏点的播放时刻之间的时间差。在此过程中，推流客户端又
接收拉流客户端b发送的音轨信息，其中音轨信息用于表示音轨2。推流客户端停止播放子音频1，并从当前播放时刻开始，播放互动音频的音轨2上的子音频2。例如，当前播放时刻为1分30秒，则从子音频2的1分30秒开始播放。同时接收主播的触摸操作，计算每个触摸操作的接收时刻与子音频2的节奏点的播放时刻之间的时间差。然后计算各时间差的总和，将该总和对应的分数作为互动结果。
96.本发明实施例能够基于不同的观众选择的不同的音轨，实时调整推流客户端播放的子音频，增加了与主播互动的观众人数，实现了主播与观众的多人互动。
97.在本发明实施例中，推流客户端可以利用音频音乐分离模块确定目标子音频。在音频音乐分离模块位于推流客户端时，上述s104中确定指定的互动音频包括的目标音轨上的目标子音频的方式包括以下两种：
98.方式一、在互动音频为单音轨音频时，利用预设的分离算法，从互动音频中分离出目标子音频。
99.一种实施方式中，推流客户端可以调用自身的音频音乐分离模块，通过音频音乐分离模块利用预设的分离算法，从互动音频中分离出目标子音频。
100.其中，预设的分离算法为基于人工智能算法得到的算法。
101.示例性的，在互动音频为单音轨音频时，各种声音均在一个音轨上，在目标音轨用于表示人声时，可以利用预设的分离算法，从互动音频中提取仅包含人声的目标子音频。
102.方式二、在互动音频为多音轨音频时，提取互动音频的目标音轨上的目标子音频。
103.一种实施方式中，推流客户端可以调用自身的音频音乐分离模块，提取互动音频的目标音轨上的目标子音频。
104.例如，互动音频存在三个音轨，音轨1包含的声音为葫芦丝，音轨2包含的声音为小提琴，音轨3包含的声音为人声，这三个音轨上的子音频时长相同，均等于互动音频的时长。在目标音轨用于表示人声时，获取音轨3上的目标子音频。
105.在音频音乐分离模块位于服务器时，上述s104中推流客户端确定指定的互动音频包括的目标音轨上的目标子音频的方式可以实现为：向服务器发送分离请求，其中分离请求包括互动音频和目标音轨标识，以使得服务器对互动音频进行分离，基于目标音轨标识，得到目标音轨上的目标子音频，并向推流客户端发送目标子音频。然后推流客户端接收服务器发送的目标子音频。
106.在本发明实施例中，服务器可以调用自身的音频音乐分离模块，通过音频音乐分离模块对互动音频进行分离，得到目标音轨上的目标子音频。可选的，服务器确定目标子音频的方式可参考上述方式一和方式二，此处不再赘述。
107.可选的，音乐库中可以预先存储各音频包括的多个预设音轨上的子音频，此时目标音轨可以为多个预设音轨中观众选择的音轨。在此基础上，推流客户端在执行上述s104时，可以从音乐库中获取互动音频包括的目标音轨上的子音频。
108.本发明实施例中推流客户端可以对互动音频进行分离，得到包含一种声音的子音频，以便基于观众的选择，播放不同的子音频。
109.上述s104中确定目标子音频中的节奏点的方式包括以下三种：
110.方式1、利用预设的节奏提取算法，提取目标子音频中的节奏点。
111.在本发明实施例中，推流客户端可以调用音乐节奏提取模块利用预设的节奏提取
算法，提取目标子音频中的节奏点。
112.其中，预设的分离算法为基于人工智能算法得到的算法。
113.示例性的，目标子音频为包含人声的音频时，将每个字的发音时间点作为一个节奏点。目标子音频为包含一种乐器声音的音频时，将每个音符的时间点作为一个节奏点。
114.方式2、基于各子音频与节奏文件之间的预设对应关系，获取目标子音频对应的节奏文件。其中，节奏文件包括子音频中的节奏点。
115.在本发明实施例中，音乐库中可以预先存储各子音频与节奏文件之间的预设对应关系，推流客户端在确定目标子音频中的节奏点时，可以从音乐库中获取目标子音频对应的节奏文件。
116.方式3、向服务器发送提取请求，其中提取请求包括目标子音频，以使得服务器提取目标子音频中的节奏点，并向推流客户端发送目标子音频中的节奏点。然后推流客户端接收服务器发送的目标子音频中的节奏点。
117.本发明实施例中推流客户端可以确定目标子音频中的节奏点，以便后续在互动过程中，确定主播的触摸操作与节奏点之间的差距，从而得到互动结果。
118.可选的，目标音轨的数量可以是一个也可以是多个。
119.在目标音轨的数量为多个的情况下，参见图2，上述s105在播放目标子音频的过程中接收主播的触摸操作，基于主播的触摸操作的接收时刻与目标子音频的节奏点的播放时刻之间的时间差，得到互动结果的方式包括以下两个步骤：
120.s1051，确定多个目标音轨中的指定音轨，并将指定音轨上的子音频作为指定子音频。
121.在本发明实施例中，指定音轨可以是目标音轨中任一音轨。例如，推流客户端可以从多个目标音轨中随机选择一个音轨作为指定音轨。
122.或者，指定音轨可以是观众指定的一个音轨。例如，观众在音轨选择界面内选择3个目标音轨，并指定其中一个目标音轨为指定音轨。此时上述拉流客户端向推流客户端发送的音轨信息中还可以包括指定音轨的标识。
123.s1052，在播放目标子音频的过程中接收主播的触摸操作，基于主播的触摸操作的接收时刻与指定子音频的节奏点的播放时刻之间的时间差，得到互动结果。
124.例如，目标子音频包括子音频1、子音频2和子音频3，其中子音频2为指定子音频。在播放子音频1、子音频2和子音频3的过程中接收主播的触摸操作，基于主播的触摸操作的接收时刻与子音频2的节奏点的播放时刻之间的时间差，得到互动结果。
125.在本发明实施例中，推送客户端在播放目标子音频之前和/或播放目标子音频的过程中，可以在主播用户界面展示提示信息，其中提示信息用于提示主播指定子音频的声音。例如，提示信息包括“请按照钢琴的节奏点击屏幕”。
126.本发明实施例可以播放一个或多个目标子音频，播放的子音频数量越多，对主播分辨指定子音频的干扰越大，互动难度越高，即本发明实施例中观众可以控制互动难度，提高主播与观众互动的趣味性。
127.示例性的，假设可以从互动音频中提取4个音轨上的子音频，分别为a、b、c、d，在目标音轨为1个时，互动过程中播放的音频可以是a、b、c、d四种子音频，即共4种互动模式。在目标音轨为2个时，互动过程中播放a和b且指定子音频为a、播放a和b且指定子音频为b、播
放b和c且指定子音频为b、播放b和c且指定子音频为c、播放c和d且指定子音频为c、播放c和d且指定子音频为d、播放a和d且指定子音频为a、播放a和d且指定子音频为d，即共8种模式。在目标音轨为3个时，互动过程中播放a、b和c且指定子音频为a、播放a、b和c且指定子音频为b、播放a、b和c且指定子音频为c、播放b、c和d且指定子音频为b、播放b、c和d且指定子音频为c、播放b、c和d且指定子音频为d、播放a、c和d且指定子音频为a、播放a、c和d且指定子音频为c、播放a、c和d且指定子音频为d、播放a、b和d且指定子音频为a、播放a、b和d且指定子音频为b、播放a、b和d且指定子音频为d，共12种模式。在目标音轨为4个时，互动过程中播放a、b、d和c且指定子音频为a、播放a、b、d和c且指定子音频为b、播放a、b、d和c且指定子音频为c、播放a、b、d和c且指定子音频为d，共4种模式。可见4种子音频可组合形成28种互动模式，本发明实施例提供的观众与主播的互动形式丰富。
128.本发明实施例提供了一种观众与主播的直播互动方法，该方法应用于拉流客户端，如图3所示，该方法包括以下步骤：
129.s301，接收推流客户端发送的互动信息。其中，互动信息用于表示发起互动。
130.s302，展示音轨选择界面，接收观众在音轨选择界面选择的目标音轨。
131.例如，音轨选择界面如图4所示，音轨选择界面覆盖于观众端用户界面以上，音轨选择界面包括选择提示信息和预设音轨的音轨图标。图4中的选择提示信息为“请选择你要播放的音轨：”；音轨图标包括：钢琴图标、架子鼓图标、人声图标和其他图标。
132.s303，向推流客户端发送音轨信息，以使得推流客户端确定指定的互动音频包括的目标音轨上的目标子音频，并确定目标子音频中的节奏点，在播放目标子音频的过程中接收主播的触摸操作，基于触摸操作的接收时刻与目标子音频的节奏点的播放时刻之间的时间差，得到互动结果。
133.其中，音轨信息用于表示观众在音轨选择界面选择的目标音轨，节奏点的音量大于预设音量。
134.本发明实施例提供的观众与主播的直播互动方法，推流客户端接收到主播发送的发起互动指令后，向指定拉流客户端发送互动信息，然后指定拉流客户端接收观众选择的目标音轨，并向推流客户端发送音轨信息。然后推流客户端确定互动音频包括的目标音轨上的目标子音频，并确定目标子音频中的节奏点，接着在播放目标子音频的过程中接收主播的触摸操作，基于主播的触摸操作的接收时刻与目标子音频的节奏点的播放时刻之间的时间差，得到互动结果。可见，本发明实施例可以在主播发起互动指令后，让观众选择目标音轨，并基于目标子音频的节奏点与主播的触摸操作，得到互动结果。由于互动结果通过主播和观众的共同操作决定，而且不同的观众选择的音轨不同，丰富了互动形式，因此丰富观众与主播的直播互动方式。
135.需要说明的是，图1和图3所示的观众与主播的直播互动方法中，相同步骤的说明可相互参照。
136.参见图5，以下结合应用场景对本发明实施例提供的观众与主播的直播互动方法的整体流程进行说明：
137.s501，推流客户端接收主播发送的发起互动指令。
138.s502，推流客户端响应于发起互动指令，向服务器发送互动信息。其中，互动信息用于表示发起互动。
139.s503，服务器向指定拉流客户端发送互动信息。
140.s504，指定拉流客户端接收互动信息后，展示音轨选择界面，接收观众在音轨选择界面选择的目标音轨。
141.s505，指定拉流客户端向服务器发送音轨信息。其中，音轨信息用于表示观众在音轨选择界面选择的目标音轨。
142.s506，服务器向推流客户端发送音轨信息。
143.s507，推流客户端接收音轨信息后，确定指定的互动音频包括的目标音轨上的目标子音频，并确定标子音频中的节奏点。
144.s508，推流客户端在播放目标子音频的过程中接收主播的触摸操作，基于触摸操作的接收时刻与目标子音频的节奏点的播放时刻之间的时间差，得到互动结果。
145.相关技术中，观众通过拉流客户端实时控制互动游戏的参数，推流客户端基于互动游戏的参数生成互动游戏，主播完成互动游戏。这种观众与主播的互动方式需要观众时刻盯紧屏幕并作出反应，以实时调节互动游戏的参数，这对于观众的要求较高，需要观众付出较多的精力。
146.而本发明实施例中，观众只需要选择音轨，即可控制互动游戏的难度，然后让主播完成该难度下的互动游戏。本发明实施例在保证互动游戏趣味性及互动游戏形式的丰富性的同时，减少观众操作，即减少了观众付出的精力。
147.基于相同的发明构思，对应于图1所示的实施例，本发明实施例提供了一种观众与主播的直播互动装置，应用于推流客户端，如图6所示，该装置包括：接收模块601、发送模块602和确定模块603；
148.接收模块601，用于接收主播发送的发起互动指令；
149.发送模块602，用于响应于发起互动指令，向指定拉流客户端发送互动信息，互动信息用于表示发起互动，以使得指定拉流客户端接收到互动信息后展示音轨选择界面，接收观众在音轨选择界面选择的目标音轨，并向推流客户端发送音轨信息，音轨信息用于表示观众在音轨选择界面选择的目标音轨；
150.接收模块601，还用于接收指定拉流客户端发送的音轨信息；
151.确定模块603，用于确定指定的互动音频包括的目标音轨上的目标子音频，并确定目标子音频中的节奏点，节奏点的音量大于预设音量；
152.确定模块603，还用于在播放目标子音频的过程中接收主播的触摸操作，基于触摸操作的接收时刻与目标子音频的节奏点的播放时刻之间的时间差，得到互动结果。
153.可选的，确定模块603，具体用于：
154.在互动音频为单音轨音频时，利用预设的分离算法，从互动音频中分离出目标子音频；
155.或者，在互动音频为多音轨音频时，提取互动音频的目标音轨上的目标子音频。
156.可选的，确定模块603，具体用于：
157.向服务器发送分离请求，分离请求包括互动音频和目标音轨标识，以使得服务器对互动音频进行分离，基于目标音轨标识，得到目标音轨上的目标子音频，并向推流客户端发送目标子音频；
158.接收服务器发送的目标子音频。
processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field
‑
programmable gate array，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。
177.在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一观众与主播的直播互动方法的步骤。
178.在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一观众与主播的直播互动方法。
179.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
180.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
181.本说明书中的各个实施例均采用相关的方式描述，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。
182.以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。