阅读说明：本技术 音频录制的方法、装置、系统、设备及存储介质 (Audio recording method, device, system, equipment and storage medium ) 是由 吕俊领 卢传泽 彭德亮 于 2020-04-29 设计创作，主要内容包括：本申请公开了一种音频录制的方法、装置、系统、设备及存储介质,属于计算机技术领域。所述方法包括：接收到服务器发送的录音通知,开始录制音频数据,将录制的音频数据持续发送给服务器,当接收到所述服务器发送的停止录音通知时,停止录制音频数据。通过本申请可以提高录音的便捷性。(The application discloses a method, a device, a system, equipment and a storage medium for recording audio, belonging to the technical field of computers. The method comprises the following steps: and when receiving a recording notification sent by the server, starting to record the audio data, continuously sending the recorded audio data to the server, and stopping recording the audio data when receiving a recording stopping notification sent by the server. Through the application, the convenience of recording can be improved.)

音频录制的方法、装置、系统、设备及存储介质

技术领域

本申请涉及计算机技术领域，特别涉及一种音频录制的方法、装置、系统、设备及存储介质。

背景技术

随着计算机技术的发展，在线教育逐渐成为了人们较为认可的一种接受教育的方式。在学生使用在线教育应用程序时，通常需要学生朗读一些内容，并对学生朗读的内容进行打分，为此技术人员进行了如下设置：

在学生使用在线教育应用程序时，学生终端会接收服务器发送的录音通知，在接收到录音通知后，学生终端显示文本信息，进而学生点击开始录音控件，并朗读文本信息，在朗读完成后学生点击停止录音控件停止录制音频，并得到音频数据，然后学生终端将录制的音频数据发送给服务器。服务器对音频数据进行打分，得到音频分数，然后，服务器将音频分数发送给学生终端。

在实现本申请的过程中，发明人发现现有技术至少存在以下问题：

在学生终端接收到录音通知后，学生需要依次通过手动触发开始录音控件以及停止录音控件来完成音频的录制，其操作方式十分不方便，使得便捷性很差。

发明内容

本申请实施例提供了一种音频录制的方法、装置、系统、设备及存储介质,能够解决录音便捷性差的问题。所述技术方案如下：

一方面，提供了一种音频录制的方法，所述方法应用于学生终端，所述方法包括：

接收到服务器发送的录音通知；

开始录制音频数据，将录制的音频数据持续发送给服务器；

当接收到所述服务器发送的停止录音通知时，停止录制音频数据。

可选的，所述录音通知中携带有录音指示信息，其中，所述录音指示信息包括至少一个录制时间点；

所述方法还包括：

接收所述服务器发送的目标视频，播放所述目标视频；

所述开始录制音频数据，包括：

当所述目标视频播放至所述录制时间点时，开始录制音频数据。

另一方面，提供了一种音频录制的方法，所述方法应用于服务器，所述方法包括：

向学生终端发送录音通知；

接收所述学生终端持续发送的音频数据；

当检测到所述学生终端发送的音频数据中不存在人声音频时，向所述学生终端发送停止录音通知。

所述当检测到所述学生终端发送的音频数据中不存在人声音频时，向所述学生终端发送停止录音通知，包括：

每当接收单位时长的音频数据时，截取所述单位时长的音频数据，得到音频段；

基于所述音频分类模型确定所述音频段对应的音频类型，其中，所述音频类型包括人声类型和非人声类型；

当所述音频段对应的音频类型为非人声类型时，向所述学生终端发送停止录音通知。

可选的，所述向学生终端发送录音通知，包括：

当接收到老师终端发送的录音通知时，将所述录音通知转发给所述老师终端对应的学生终端。

可选的，所述方法还包括：

获取目标视频和所述目标视频对应的录音指示信息，其中，所述录音指示信息包括至少一个录制时间点；

向所述学生终端发送所述目标视频；

所述向学生终端发送录音通知，包括：

向所述学生终端发送携带有所述录音指示信息的录音通知。

另一方面，提供了一种音频录制的装置，所述装置可以是学生终端，所述装置包括：

接收模块，用于接收到服务器发送的录音通知；

录制模块，用于开始录制音频数据，将录制的音频数据持续发送给服务器；

发送模块，用于当接收到所述服务器发送的停止录音通知时，停止录制音频数据。

可选的，所述录音通知中携带有录音指示信息，其中，所述录音指示信息包括至少一个录制时间点；

所述装置还包括播放模块，所述播放模块，用于：

接收所述服务器发送的目标视频，播放所述目标视频；

所述录制模块，用于：

当所述目标视频播放至所述录制时间点时，开始录制音频数据。

另一方面，提供了一种音频录制的装置，所述装置可以是服务器，所述装置包括：

发送模块，用于向学生终端发送录音通知；

接收模块，用于接收所述学生终端持续发送的音频数据；

检测模块，用于当检测到所述学生终端发送的音频数据中不存在人声音频时，向所述学生终端发送停止录音通知。

可选的，所述检测模块，用于：

每当接收单位时长的音频数据时，截取所述单位时长的音频数据，得到音频段；

基于所述音频分类模型确定所述音频段对应的音频类型，其中，所述音频类型包括人声类型和非人声类型；

当所述音频段对应的音频类型为非人声类型时，向所述学生终端发送停止录音通知。

可选的，所述发送模块，用于：

当接收到老师终端发送的录音通知时，将所述录音通知转发给所述老师终端对应的学生终端。

可选的，所述装置还包括获取模块，所述获取模块，用于：

获取目标视频和所述目标视频对应的录音指示信息，其中，所述录音指示信息包括至少一个录制时间点；

向所述学生终端发送所述目标视频；

所述发送模块，用于：

向所述学生终端发送携带有所述录音指示信息的录音通知。

另一方面，提供了一种音频录制的系统，其特征在于，所述系统包括学生终端、服务器，其中：

所述学生终端，用于接收到所述服务器发送的录音通知，开始录制音频数据，将录制的音频数据持续发送给服务器，当接收到所述服务器发送的停止录音通知时，停止录制音频数据；

所述服务器，向所述学生终端发送录音通知，接收所述学生终端持续发送的音频数据，当检测到所述学生终端发送的音频数据中不存在人声音频时，向所述学生终端发送停止录音通知。

再一方面，提供了一种计算机设备，所述计算机设备包含处理器和存储器，所述存储器中存储有指令，所述处理器执行所述指令使得所述计算机设备实现所述音频录制的方法。

再一方面，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存储有指令，计算机设备执行所述指令使得所述计算机设备实现所述音频录制的方法。

本申请实施例提供的技术方案带来的有益效果是：

本申请通过服务器想学生终端发送录音通知，学生终端开始录制音频数据，并将音频数据发送给服务器，服务器对接收到的音频数据进行检测，当检测到学生终端发送的音频数据中不存在人声音频时，向学生终端发送停止录音通知，学生终端接收到该录音通知后停止录制音频数据。通过上述方法使得在开始录音到结束录音的整个过程中学生不需要进行任何操作，都是终端自动触发进行，这样就提高了录音的便捷性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种音频录制的方法是是环境示意图；

图2是本申请实施例提供的一种音频录制的方法学生终端侧的流程图；

图3是本申请实施例提供的一种音频录制的方法服务器侧的流程图；

图4是本申请实施例提供的一种音频录制的方法的交互流程图；

图5是本申请实施例提供的一种音频录制的方法的学生课表示意图；

图6是本申请实施例提供的一种音频录制的方法的界面示意图；

图7是本申请实施例提供的一种音频录制的装置结构示意图；

图8是本申请实施例提供的一种音频录制的装置结构示意图；

图9是本申请实施例提供的终端结构示意图；

图10是本申请实施例提供的服务器结构示意图。

具体实施方式

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。

本申请实施例提供了一种音频录制的方法，该方法可以由学生终端、服务器共同实现。学生终端可以是手机、台式电脑、平板电脑、笔记本电脑、智能穿戴设备等，该学生终端可以具有数据接收部件、数据发送部件、音频输入部件、音频输出部件、图像显示部件等部件。该学生终端可以具有播放音频数据的功能、录制音频数据的功能、播放视频数据的功能以及数据传输的功能，该学生终端可以安装有应用程序，比如，聊天应用程序、在线教育应用程序、直播应用程序。在此需要说明的是，本方案以在线教育应用程序为例进行说明，此后不再一一赘述。服务器可以是上述在线教育应用程序的后台服务器，该服务器可以是一个单独的服务器也可以是一个服务器组，如果是单独的服务器，该服务器可以负责下述方案中的所有需要由服务器进行的处理，如果是服务器组，服务器组中的不同服务器分别可以负责下述方案中的不同处理，具体的处理分配情况可以由技术人员根据实际需求任意设置，此处不再赘述。

如图1所述，在使用在线教育应用程序时，服务器可以接收老师终端发送的视频，还可以获取服务器中存储的视频，进而服务器在同一时刻可以将上述任意一种视频发送给学生终端，学生终端接收到上述视频后，可以将其显示在屏幕上。

图2是本申请实施例提供的一种音频录制的方法学生终端侧的流程图。参见图2，该流程包括：

步骤201、接收到服务器发送的录音通知。

步骤202、开始录制音频数据，将录制的音频数据持续发送给服务器。

步骤203、当接收到服务器发送的停止录音通知时，停止录制音频数据。

图3是本申请实施例提供的一种音频录制的方法服务器侧的流程图。参见图3，该流程包括：

步骤301、向学生终端发送录音通知。

步骤302、接收学生终端持续发送的音频数据。

步骤303、当检测到学生终端发送的音频数据中不存在人声音频时，向学生终端发送停止录音通知。

图4是本申请实施例提供的一种音频录制的方法的交互流程图。参见图4，该流程包括：

步骤401、服务器向学生终端发送录音通知。

在实施中，可以通过老师授课的形式给学生上课，即老师以直播的形式给学生上课，老师通过老师终端录制并向服务器发送视频，当老师想要让学生跟读或者回答问题时，老师可以点击录音控件，进而老师终端可以产生录音通知，并发送给服务器。服务器可以接收老师终端发送的视频以及录音通知，进而服务器获取该老师终端对应的学生终端，并将视频以及录音通知转发给该学生终端。

可选的，还可以通过动画授课的形式给学生上课，即以服务器向学生终端发送目标视频的方式给学生上课，该目标视频是一个完整的视频，该目标视频存储在服务器中。服务器获取目标视频和目标视频对应的录音指示信息，并将基于上述目标视频对应的录音指示信息生成录音通知，然后将上述目标视频和录音通知发送给学生终端。

其中，该目标视频对应的录音指示信息可以包含至少一个录制时间点，该录制时间点可以是一个指定的视频时间点，如00：05：00。

可选的，在进行上述处理之前，学生可以在使用学生终端时开启在线教育应用程序，在开启在线教育应用程序时，学生终端以及服务器可以根据学生是否是第一次在该学生终端上使用在线教育应用程序，进行以下不同的处理：

如果学生不是第一次在该学生终端上使用在线教育应用程序，即该在线教育应用程序上已经登录了学生账号，则该学生终可以向服务器发送学生账号标识。服务器可以接收并获取该学生账号标识。

如果学生是第一次在该学生终端上使用在线教育应用程序，即该在线教育应用程序上没有登录学生账号，则学生可以在该学生终端输入学生账号和密码，进而该学生终端可以将上述学生账号和密码发送给服务器。服务器对上述学生账号和密码进行验证，即检测上述学生账号和密码及其对应关系是否存储在服务器中。如果上述验证通过了，则获取上述学生账号对应的学生账号标识。

在服务器获取到学生账户标识后，服务器可以根据上述学生账户标识获取其对应的视频，并将上述视频发送给上述学生终端，其处理如下：

在服务器获取到学生账户标识后，服务器可以根据该学生账号标识获取对应的学生课表，进而根据该学生课表获取相应的老师终端发送的视频，或者服务器存储的目标视频，进而将上述视频或目标视频发送给上述学生终端。上述学生课表可以是预先设定好的，该学生课表可以如图5所示，可以包含有上课时间以及上课形式，该上课形式可以是老师授课或者动画授课，上述用于老师授课的视频以及上述用于动画授课的视频分别是老师终端发送的视频以及服务器存储的目标视频。

进一步地，服务器可以向学生终端发送提醒上课的通知，当距离学生课表中记载的上课时间达到预设时长时，服务器可以向学生终端发送提醒上课的通知，例如，上课时间为5：00，预设时长为10分钟，则服务器在4：50时，向学生终端发送提醒上课的通知。安装在学生终端的在线教育应用程序可以获取到学生终端的通知栏的使用权限，在上述学生终端接收到提醒上课的通知后，可以将该提醒上课的通知显示在通知栏中，且学生终端还可以在接收到该提醒上课的通知时，进行震动或者播放消息提示音。进而，可以达到提醒学生上课的目的。

步骤402、学生终端开始录制音频数据。

在实施中，当通过老师授课的形式给学生上课时，学生终端接收视频以及录音通知，学生终端播放该视频，并自动按照预设周期录制pcm格式的音频数据，该pcm格式的音频数据是未经压缩的原始数据，且每当录制完成单位时长的音频数据时，学生终端可以将该pcm格式的音频数据，编码成opus格式，该opus相对于常用的mp3等格式可以将音频数据压缩的更小，且造成的损失更少，进而学生终端可以将在该opus格式的音频数据通过Google的GRPC(Golang Remote Procedure Call Protocol，基于Go语言的远程过程调用协议)服务发送给服务器，该GRPC服务支持传输opus格式的数据。

可选的，当是通过动画授课的形式给学生上课时，学生终端接收服务器发送的目标视频，播放目标视频，当目标视频播放至录制时间点时，开始录制音频数据。

学生终端接收服务器发送的目标视频以及录音通知，学生终端基于录音通知获取并存储录音指示信息中的录制时间点，播放目标视频，当目标视频播放到录制时间点时，学生终端开始录制音频数据。例如，录制时间点是一个指定的视频时间点，如00：05：00，当目标视频播放到5分钟的时候学生终端开始录制音频数据。进而学生终端可以显示如图6所示的界面。

步骤403、服务器接收学生终端持续发送的音频数据。

在实施中，服务器接收学生终端发送的单位时长的音频数据，该音频数据为opus格式，并对上述opus格式的音频数据进行解码得到解码后的音频数据，即得到pcm格式的音频数据。

步骤404、当服务器检测到学生终端发送的音频数据中不存在人声音频时，向学生终端发送停止录音通知。

在实施中，每当服务器接收到单位时长的opus格式的音频数据，并对其进行解码，得到取解码后的音频数据后，截取解码后的音频数据，得到音频段，基于音频分类模型确定音频段对应的音频类型，当音频段对应的音频类型为非人声类型时，向学生终端发送停止录音通知，该音频类型包括人声类型和非人声类型，其具体处理可以如下：

首先，基于音频段和音频分类模型的输入层，确定音频段对应第一中间数据。

在得到待分类的音频段后可以将该音频段拆分为多个音频帧，即多个子音频段，然后将每个音频帧分别输入音频分类模型的输入层，该输入层对每个音频帧进行特征提取，并得到对应每个音频帧的音频特征，即得到对应每个音频帧的第一子中间数据，比如，根据每个音频帧的时序信号提取每个音频帧的39维的MFCC(Mel-Frequency CepstralCoefficients，梅尔倒谱系数)特征，在通过上述处理得到上述待分类的音频段的所有第一子中间数据后即得到了第一中间数据。

其次，基于第一中间数据和音频分类模型的卷积层，确定音频段对应的第四中间数据。

在输入层获取到上述第一中间数据后，音频分类模型可以将上述第一中间数据中预设数目个第一子中间数据输入到卷积层中，该预设数目可以随机生成，进而可以提升音频分类模型处理不同长度的音频段的准确性。在卷积层中可以基于上述预设数目个第一子中间数据生成三维矩阵，然后经过两次卷积核不同的卷积运算得到运算出的音频段，比如，将上述三维矩阵依次进行卷积核为5、3的卷积运算，进而可以得到具有更细微的音频特征的音频。

在运算完成后，为使经卷积运算后得到的音频段的大小不会缩小，即为使经卷积运算后得到的音频帧的数量不会减少，本方案的卷积层可以对输出的音频段进行补0，比如，本方案可以通过将卷积层的padding参数设为same，使得在运算完成后，卷积层可以对运算出的音频段进行自动补0，进而得到补0的音频段，即得到第四中间数据。

再次，基于第四中间数据和音频分类模型的全连接层，确定音频段对应的第二中间数据。

在得到第四中间数据后，由于全连接层的输入为数据帧的格式，则音频分类模型可以将第四中间数据拆分为第四子中间数据。基于音频帧和音频分类模型的全连接层，确定音频段对应的第二子中间数据。当第四子中间数据被输入到全连接层时，全连接层可以根据两个预先设置的节点个数对第四子中间数据进行两次全连接运算，比如，上述两个预先设置的节点个数可以分别为512和256，则全连接层可以基于上述两个预先设置的节点个数先后进行两次节点个数分别为512和256全连接运算，进而挖掘出能够更好的表达每个音频帧的音频特征，即得到每个第四子中间数据对应的第二子中间数据，当得到所有第二子中间数据后，即可得到第二中间数据。

再次，基于第二中间数据和所述音频分类模型的长短时记忆层，确定音频段对应的第三中间数据。

获取音频段中各个音频帧的时间顺序，将多个通过上述步骤获得的第二子中间数据按照其所对应的音频段中的音频帧的时间先后顺序进行组合，得到一串按时间顺序排列的第二子中间数据，然后将该一串按时间顺序排列的第二子中间数据输入音频分类模型的长短时记忆层。在将该一串按时间顺序排列的第二子中间数据输入音频分类模型的长短时记忆层后，可以基于上述按时间顺序排列的第二子中间数据和音频分类模型的长短时记忆层计算各个按时间顺序排列的第二子中间数据之间的时序关系，该长短时记忆层可以由LSTM(LongShort-termMemoryNetworks，长短时记忆网络)构建，考虑到参数量的问题，本方案可以采用前向LSTM依次通过遗忘门、输入门、细胞状态更新输出门对各个按时间顺序排列的第二子中间数据之间的关系进行挖掘，并根据预先对长短时记忆层进行的设置，得到第三中间数据。

再次，基于第三中间数据和音频分类模型的输出层，确定音频段对应的音频类型。

将对应多个音频帧的第三子中间数据，分别输入音频分类模型的输出层，得到音频段为第一音频类型的概率。将对应的概率值大于预设阈值的音频段确定为第一音频类型，即正常音频分类，将对应的概率值小于预设阈值的音频段确定为第二音频类型，即非正常音频分类。

例如，该预设阈值为0.5，则将第一音频类型的概率大于0.5的音频段确定为正常音频分类，则将第一音频类型的概率不大于0.5的音频段确定为非正常音频分类。

在经过上述处理后，当上述音频分类模型检测的结果是非正常音频分类时，即检测到学生终端发送的音频数据中不存在人声音频时，向学生终端发送停止录音通知。

步骤405、当学生终端接收到服务器发送的停止录音通知时，停止录制音频数据。

在实施中，学生终端接收服务器发送的停止录音通知，并自动停止录制音频数据。

在此需要说明的是，在观众终端录制音频数据时，观众终端会继续播放视频。

本申请通过服务器想学生终端发送录音通知，学生终端开始录制音频数据，并将音频数据发送给服务器，服务器对接收到的音频数据进行检测，当检测到学生终端发送的音频数据中不存在人声音频时，向学生终端发送停止录音通知，学生终端接收到该录音通知后停止录制音频数据。通过上述方法使得在开始录音到结束录音的整个过程中学生不需要进行任何操作，都是终端自动触发进行，这样就提高了录音的便捷性。

上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。

图7是本申请实施例提供的一种音频录制的装置示意图。参见图7，该装置可以是学生终端，该装置包括：

接收模块710，用于接收到服务器发送的录音通知；

录制模块720，用于开始录制音频数据，将录制的音频数据持续发送给服务器；

发送模块730，用于当接收到所述服务器发送的停止录音通知时，停止录制音频数据。

可选的，所述录音通知中携带有录音指示信息，其中，所述录音指示信息包括至少一个录制时间点；

所述装置还包括播放模块，所述播放模块，用于：

接收所述服务器发送的目标视频，播放所述目标视频；

所述录制模块720，用于：

当所述目标视频播放至所述录制时间点时，开始录制音频数据。

图8是本申请实施例提供的一种音频录制的方法的交互流程图。参见图8，该装置可以是服务器，该装置包括：

发送模块810，用于向学生终端发送录音通知；

接收模块820，用于接收所述学生终端持续发送的音频数据；

检测模块830，用于当检测到所述学生终端发送的音频数据中不存在人声音频时，向所述学生终端发送停止录音通知。

可选的，所述检测模块830，用于：

每当接收单位时长的音频数据时，截取所述单位时长的音频数据，得到音频段；

基于所述音频分类模型确定所述音频段对应的音频类型，其中，所述音频类型包括人声类型和非人声类型；

当所述音频段对应的音频类型为非人声类型时，向所述学生终端发送停止录音通知。

可选的，所述发送模块810，用于：

当接收到老师终端发送的录音通知时，将所述录音通知转发给所述老师终端对应的学生终端。

可选的，所述装置还包括获取模块，所述获取模块，用于：

获取目标视频和所述目标视频对应的录音指示信息，其中，所述录音指示信息包括至少一个录制时间点；

向所述学生终端发送所述目标视频；

所述发送模块810，用于：

向所述学生终端发送携带有所述录音指示信息的录音通知。

本申请通过服务器想学生终端发送录音通知，学生终端开始录制音频数据，并将音频数据发送给服务器，服务器对接收到的音频数据进行检测，当检测到学生终端发送的音频数据中不存在人声音频时，向学生终端发送停止录音通知，学生终端接收到该录音通知后停止录制音频数据。通过上述方法使得在开始录音到结束录音的整个过程中学生不需要进行任何操作，都是终端自动触发进行，这样就提高了录音的便捷性。

需要说明的是：上述实施例提供的音频录制的装置在录制音频时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的音频录制的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本申请实施例还提供了一种音频录制的系统，所述系统包括学生终端、服务器，其中：

所述学生终端，用于接收到所述服务器发送的录音通知，开始录制音频数据，将录制的音频数据持续发送给服务器，当接收到所述服务器发送的停止录音通知时，停止录制音频数据；

所述服务器，向所述学生终端发送录音通知，接收所述学生终端持续发送的音频数据，当检测到所述学生终端发送的音频数据中不存在人声音频时，向所述学生终端发送停止录音通知。

图9示出了本申请一个示例性实施例提供的终端900的结构框图。该终端可以是上述学生终端，该终端900可以是：智能手机、平板电脑、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端900还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，终端900包括有：处理器901和存储器902。

处理器901可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器901可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器901也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器901可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器901还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器902可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器902还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器902中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器901所执行以实现本申请中方法实施例提供的音频录制的方法。

在一些实施例中，终端900还可选包括有：***设备接口903和至少一个***设备。处理器901、存储器902和***设备接口903之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口903相连。具体地，***设备包括：射频电路904、触摸显示屏905、摄像头906、音频电路907、定位组件908和电源909中的至少一种。

***设备接口903可被用于将I/O(Input/Output，输入/输出)相关的至少一个***设备连接到处理器901和存储器902。在一些实施例中，处理器901、存储器902和***设备接口903被集成在同一芯片或电路板上；在一些其他实施例中，处理器901、存储器902和***设备接口903中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路904用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路904通过电磁信号与通信网络以及其他通信设备进行通信。射频电路904将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路904包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路904可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路904还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏905用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏905是触摸显示屏时，显示屏905还具有采集在显示屏905的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器901进行处理。此时，显示屏905还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏905可以为一个，设置终端900的前面板；在另一些实施例中，显示屏905可以为至少两个，分别设置在终端900的不同表面或呈折叠设计；在再一些实施例中，显示屏905可以是柔性显示屏，设置在终端900的弯曲表面上或折叠面上。甚至，显示屏905还可以设置成非矩形的不规则图形，也即异形屏。显示屏905可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

摄像头组件906用于采集图像或视频。可选地，摄像头组件906包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件906还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路907可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器901进行处理，或者输入至射频电路904以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端900的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器901或射频电路904的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路907还可以包括耳机插孔。

定位组件908用于定位终端900的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件908可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。

电源909用于为终端900中的各个组件进行供电。电源909可以是交流电、直流电、一次性电池或可充电电池。当电源909包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

在一些实施例中，终端900还包括有一个或多个传感器910。该一个或多个传感器910包括但不限于：加速度传感器911、陀螺仪传感器912、压力传感器913、指纹传感器914、光学传感器915以及接近传感器916。

加速度传感器911可以检测以终端900建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器911可以用于检测重力加速度在三个坐标轴上的分量。处理器901可以根据加速度传感器911采集的重力加速度信号，控制触摸显示屏905以横向视图或纵向视图进行用户界面的显示。加速度传感器911还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器912可以检测终端900的机体方向及转动角度，陀螺仪传感器912可以与加速度传感器911协同采集用户对终端900的3D动作。处理器901根据陀螺仪传感器912采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器913可以设置在终端900的侧边框和/或触摸显示屏905的下层。当压力传感器913设置在终端900的侧边框时，可以检测用户对终端900的握持信号，由处理器901根据压力传感器913采集的握持信号进行左右手识别或快捷操作。当压力传感器913设置在触摸显示屏905的下层时，由处理器901根据用户对触摸显示屏905的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器914用于采集用户的指纹，由处理器901根据指纹传感器914采集到的指纹识别用户的身份，或者，由指纹传感器914根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器901授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器914可以被设置终端900的正面、背面或侧面。当终端900上设置有物理按键或厂商Logo时，指纹传感器914可以与物理按键或厂商Logo集成在一起。

光学传感器915用于采集环境光强度。在一个实施例中，处理器901可以根据光学传感器915采集的环境光强度，控制触摸显示屏905的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏905的显示亮度；当环境光强度较低时，调低触摸显示屏905的显示亮度。在另一个实施例中，处理器901还可以根据光学传感器915采集的环境光强度，动态调整摄像头组件906的拍摄参数。

接近传感器916，也称距离传感器，通常设置在终端900的前面板。接近传感器916用于采集用户与终端900的正面之间的距离。在一个实施例中，当接近传感器916检测到用户与终端900的正面之间的距离逐渐变小时，由处理器901控制触摸显示屏905从亮屏状态切换为息屏状态；当接近传感器916检测到用户与终端900的正面之间的距离逐渐变大时，由处理器901控制触摸显示屏905从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图9中示出的结构并不构成对终端900的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

图10是本申请实施例提供的一种服务器的结构示意图，该服务器可以是上述在线教育应用程序的后台服务器，该服务器1000可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)1001和一个或一个以上的存储器1002，其中，所述存储器1002中存储有至少一条指令，所述至少一条指令由所述处理器1001加载并执行以实现上述各个方法实施例提供的方法。当然，该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器还可以包括其他用于实现设备功能的部件，在此不做赘述。

在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述实施例中音频录制的方法。例如，所述计算机可读存储介质可以是只读存储器(Read-only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。