[发明专利]全景直播系统、方法和装置、电子设备、存储介质

权利要求书

1.一种全景直播系统，其特征在于，包括：

视频采集端，用于采集直播场景中的全景画面，得到视频流；

多个音频采集端，其中，每个所述音频采集端用于采集所述直播场景中一个发言者的声音，得到一个音频流；

控制端，利用所述视频流和多个目标音频片段合成直播流，其中，所述目标音频片段是目标发言者的音频流在目标时间段内的音频片段。

2.一种全景直播方法，其特征在于，包括：

获取同一时段内的视频流和多个音频流，其中，所述视频流是采用全景相机采集的直播场景中的全景画面，所述多个音频流是对所述直播场景中多个发言者在同一时段内分别采集的声音；

利用所述视频流和多个目标音频片段合成直播流，其中，所述目标音频片段是目标发言者的音频流在目标时间段内的音频片段。

3.根据权利要求2所述的方法，其特征在于，所述利用所述视频流和多个目标音频片段合成直播流，包括：

控制所述视频流和所述多个目标音频片段按照时间戳顺序输出，得到直播流，其中，所述视频流和所述多个目标音频片段中均携带有时间戳。

4.根据权利要求3所述的方法，其特征在于，在所述控制所述视频流和所述多个目标音频片段按照时间戳顺序输出之前，所述方法还包括按照如下方式获取所述目标音频片段：

获取目标发言者的发言起止时间，其中，所述发言起止时间是所述目标发言者在一次发言中的起始时间和中止时间；

根据所述发言起止时间，确定所述目标音频片段，其中，所述目标时间段为所述发言起止时间组成的时间段，所述目标音频片段中记录有所述目标发言者在所述发言起止时间内的声音。

5.根据权利要求4所述的方法，其特征在于，所述获取目标发言者的发言起止时间，包括：

采用人声识别算法从所述目标发言者的音频流中识别出所述发言起止时间，其中，所述发言起止时间是人声片段从开始到结束的时间，所述人声片段是所述目标发言者的音频流中被识别为人声的片段。

6.根据权利要求5所述的方法，其特征在于，所述控制所述视频流和所述多个目标音频片段按照时间戳顺序输出，得到直播流，包括：

确定每个所述音频流的输出方式，其中，所述多个音频流包括第一音频流和第二音频流，所述第一音频流是能够识别出所述人声片段的音频流，所述第二音频流是未识别出所述人声片段的音频流，所述第一音频流的输出方式为按照所述发言起止时间输出所述目标音频片段，所述第二音频流的输出方式为不输出；

按照每个所述音频流的输出方式，将所述多个音频流与所述视频流同步输出，得到所述直播流。

7.根据权利要求2至6中任一项所述的方法，其特征在于，在所述利用所述视频流和多个目标音频片段合成直播流之后，所述方法还包括：

将所述直播流分发至多个用户端，其中，所述用户端用于接收并播放所述直播流。

8.一种全景直播装置，其特征在于，包括：

获取模块，用于获取同一时段内的视频流和多个音频流，其中，所述视频流是采用全景相机采集的直播场景中的全景画面，所述多个音频流是对所述直播场景中多个发言者在同一时段内分别采集的声音；

合成模块，用于利用所述视频流和多个目标音频片段合成直播流，其中，所述目标音频片段是目标发言者的音频流在目标时间段内的音频片段。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序执行上述权利要求2至7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求2至7中任一项所述的全景直播方法的步骤。