[发明专利]视频直播的方法、计算机可读存储介质和终端设备

权利要求书

1.一种视频直播的方法，其特征在于，包括：

获取本主播端携带时间戳的直播音视频流，获取外部携带时间戳的音视频流，包括：识别本主播端的直播音视频流中声音的音频特征，得到本主播端正在演唱的歌曲，获取正在演唱同一歌曲的另一直播的直播音视频流，从所述直播音视频流中分解出携带时间戳的音频流；在本主播端播放所述外部携带时间戳的音视频流，识别出所述音视频流中语音对应的文字，在本主播端显示所述文字；所述本主播端的直播音视频流根据所述本主播端的主播依据所述文字做出与所述文字相对应的反应而录制得到；

根据所述时间戳，将本主播端的音视频流的采集时间与外部的音视频流的采集时间同步于同一时间轴上，把本主播端的直播音视频流与外部的音视频流合成，得到直播音视频流；

其中，把本主播端的直播音视频流与外部的音视频流合成，包括：把本主播端的音频流与外部的视频流分别调整至所述时间轴上的预设的时间起点对齐或错开进行合成，或把本主播端的视频流与外部的音频流分别调整至所述时间轴上的预设的时间起点对齐或错开进行合成；

向直播平台发送所述合成的直播音视频流。

2.根据权利要求1所述的方法，其特征在于，所述把本主播端的音频流与外部视频流合成，或把本主播端的视频流与外部音频流合成，包括：

把本主播端的音频流时间戳与外部的视频流时间戳对齐，将所述音频流与所述视频流合成，或把本主播端的视频流时间戳与外部的音频流时间戳对齐，将所述视频流与所述音频流合成。

3.根据权利要求1所述的方法，其特征在于，所述把本主播端的音频流与外部视频流合成，或把本主播端的视频流与外部音频流合成，包括：

将所述外部视频流的时间戳增加预设时长得到新时间戳，把所述本主播端的音频流时间戳与所述外部视频流的新时间戳对齐，将所述外部视频流与本主播端的音频流合成；或将所述外部音频流的时间戳增加预设时长得到新时间戳，把所述本主播端的视频流时间戳与所述外部音频流的新时间戳对齐，将所述本主播端的视频流与所述外部音频流合成。

4.根据权利要求1所述的方法，其特征在于，所述获取外部携带时间戳的音视频流，包括：

接收另一直播的直播音视频流，从所述直播音视频流中分解出携带时间戳的音频流和/或视频流；或

接收从另一直播的直播音视频流中分解出携带时间戳的音频流和/或视频流。

5.根据权利要求4所述的方法，其特征在于，所述获取外部携带时间戳的音视频流之后，还包括：

在本主播端播放所述另一直播的直播音视频流，识别出所述另一直播的直播音视频流中语音对应的文字，在本主播端显示所述文字。

6.根据权利要求1所述的方法，其特征在于，所述获取外部携带时间戳的音视频流，还包括：

识别本主播端的主播的声音特点；

所述获取正在演唱同一歌曲的另一直播的直播音视频流，包括：

获取正在演唱同一歌曲、且主播声音特点相匹配的另一直播的直播音视频流。

7.根据权利要求1所述的方法，其特征在于，所述获取正在演唱同一歌曲的另一直播的直播音视频流，包括：

获取正在演唱同一歌曲的若干个直播的直播音视频流，根据本主播端的主播的选择指令，选择其中一个直播的直播音视频流。

8.根据权利要求1所述的方法，其特征在于，所述获取外部携带时间戳的音视频流，包括：

识别本主播端的直播音视频流中的图像特征；获取图像特征相匹配的另一直播的直播音视频流，从所述直播音视频流中分解出携带时间戳的音频流。

9.根据权利要求8所述的方法，其特征在于，所述获取外部携带时间戳的音视频流，还包括：

识别本主播端的主播的声音特点；

所述获取图像特征相匹配的另一直播的直播音视频流，包括：

获取图像特征相匹配、且主播声音特点相匹配的另一直播的直播音视频流。