[发明专利]一种实现视频通话的方法、装置和系统

说明书

技术领域

本文涉及但不限于视频通话领域，尤指一种实现视频通话的方法、装置和系统。

背景技术

随着移动和互联网宽带技术的飞速发展，使可视通讯增值业务在家庭用户中得到迅速的推广，通过基于这个业务的技术可以得到面对面的交流以及网上视频教学等增值业务的服务，如果为可视通讯业务的音频增加同步字幕，不但能够给听力差的用户提供更好的服务，而且可以在网络不佳的情况下对实际的音频效果作一个有益的补充。

相关技术中，实现视频通话中增加语音字幕的方法大致包括：

第一终端分别采集数字音频信号和数字视频信号；对采集的数字音频信号进行语音编码处理，将语音编码处理后的数字音频信号封装成音频包；并将采集的数字音频信号通过语音识别技术转换为文本信息，将文本信息与采集的数字视频信号叠加合成后进行视频编码处理，将视频编码处理后的数字视频信号封装成视频包；分别将音频包和视频包发送给第二终端；

第二终端接收到音频包和视频包，对音频包中语音编码处理后的数字音频信号进行语音解码得到数字音频信号并播放，对视频包中频编码处理后的数字视频信号进行视频解码得到数字视频信号并显示。

上述方法中，当网络情况不佳时,由于视频包比较大，所以视频包出现丢包和抖动的概率会更大，这样，文本信息就会随着视频包一起而丢失，造成视频通话过程中信息丢失。

发明内容

本发明实施例提出了一种实现视频通话的方法、装置和系统，能够在网络情况不佳时减少视频通话过程中的信息丢失。

本发明实施例提出了一种实现视频通话的方法，包括：

第一终端分别采集数字音频信号和数字视频信号；

第一终端将数字音频信号转换为文本信息，将文本信息封装成文本包，将数字音频信号封装成音频包，将数字视频信号封装成视频包；

第一终端分别将文本包、音频包和视频包发送给第二终端。

可选的，所述将数字音频信号封装成音频包之前还包括：所述第一终端对所述数字音频信号进行语音编码处理；

所述将数字音频信号封装成音频包包括：所述第一终端对语音编码处理后的数字音频信号封装成所述音频包。

可选的，所述将数字视频信号封装成视频包之前还包括：所述第一终端对所述数字视频信号进行视频编码处理；

所述将数字视频信号封装成视频包包括：所述第一终端对视频编码处理后的数字视频信号封装成所述视频包。

本发明实施例还提出了一种实现视频通话的方法，包括：

第二终端接收到来自第一终端的文本包；

第二终端判断出接收到的文本包中的时间戳对应的时间小于或等于正在播放的音频包或正在显示的视频包的时间戳对应的时间，显示接收到的文本包和缓存的文本包中，时间戳字段对应的时间小于或等于正在播放的音频包或正在显示的视频包的时间戳字段对应的时间的文本包中的文本信息。

可选的，当所述第二终端判断出所述接收到的文本包中的时间戳对应的时间大于正在播放的音频包或正在显示的视频包的时间戳对应的时间时，该方法还包括：

所述第二终端缓存所述接收到的文本包。

可选的，当第二终端在接收到所述文本包后的预设时间内未接收到音频 包和视频包时，该方法还包括：

所述第二终端显示缓存的文本包中的文本信息。

可选的，所述第二终端接收到来自第一终端的文本包后，在所述第二终端判断出接收到的文本包中的时间戳对应的时间小于或等于正在播放的音频包或正在显示的视频包的时间戳对应的时间之前还包括：

所述第二终端判断出字幕显示功能已打开。

本发明实施例还提出了一种第一终端，包括：

采集模块，用于分别采集数字音频信号和数字视频信号；

第一处理模块，用于将数字音频信号转换为文本信息，将文本信息封装成文本包，将数字音频信号封装成音频包，将数字视频信号封装成视频包；

发送模块，用于分别将文本包、音频包和视频包发送给第二终端。

可选的，所述第一处理模块具体用于：

将数字音频信号转换为文本信息，对所述数字音频信号进行语音编码处理，将文本信息封装成文本包，对语音编码处理后的数字音频信号封装成所述音频包，对所述数字视频信号进行视频编码处理，对视频编码处理后的数字视频信号封装成所述视频包。

本发明实施例还提出了一种第二终端，包括：

接收模块，用于接收到来自第一终端的文本包；