力和该输出时延阈值，确定用户的语音评论信息队列的长度，以保证在输出时延阈值对应的时长之内，可以将该语音评论信息队列中缓存的全部语音评论信息所对应的输出信息都发送至用户终端或与该用户终端绑定的终端设备。
[0087]步骤304，当该语音服务器准备发送语音评论信息对应的第二用户的输出信息时，根据第二用户的允许接收输出信息的类型和/或媒体文件的特征信息，确定输出信息的类型。
[0088]在本发明一个实施例中，语音服务器可以根据第二用户的允许接收输出信息的类型和媒体文件的特征信息，确定语音评论信息对应的输出信息的类型。具体的，若第二用户允许接收输出信息的类型为语音，可以确定输出信息的类型为语音；若第二用户允许接收输出信息的类型为文字，可以确定输出信息的类型为文字；若第二用户允许接收输出信息的类型为语音和文字，根据该视频的特征信息，可以确定输出信息的类型。
[0089]该视频的特征信息可以包括视频的属性。视频的属性包括声音丰富的视频和图像丰富的视频。当用户在观看声音丰富的视频时，主要关注该视频自身的音频，例如，歌唱、脱口秀等综艺节目。也就是说，对于正在观看声音丰富的视频的用户，视频自身的音频比视频的画面更重要。当用户在观看图像丰富的视频时，主要关注该视频自身的图像，例如，体育赛事直播。也就是说，对于正在观看该图像丰富的视频的用户，视频自身的画面比视频的音频更重要。
[0090]在本发明一个实施例中，若第二用户允许接收输出信息的类型为语音和文字，语音服务器可以通过如下方式，根据该视频的特征信息，确定输出信息的类型。若该视频的属性为声音丰富的媒体文件，可以确定输出信息的类型为文字。若该视频的属性为图像丰富的媒体文件，确定输出信息的类型为语音。
[0091]在本发明一个实施例中，若第二用户允许接收输出信息的类型为语音和文字，语音服务器还可以通过如下方式，根据该视频的特征信息，确定输出信息的类型。若该视频的属性为声音丰富的媒体文件，可以确定输出信息的类型为文字。若该视频的属性为声音丰富的视频，判断若将准备发送的输出信息的类型确定为语音是否会影响第二用户的前一条类型为语音的输出信息的播放，如果是，确定输出信息的文字，否则，确定输出信息的语音。
[0092]在本发明一个实施例中，可以通过如下方式，判断若将准备发送的输出信息的类型确定为语音是否会影响第二用户的前一条类型为语音的输出信息的播放:判断发送的前一条类型为语音的输出信息的输出时刻与当前时刻的时间间隔是否大于前一条类型为语音的输出信息的时长，如果是，可以确定若将准备发送的输出信息的类型确定为语音不会影响第二用户的前一条类型为语音的输出信息的播放。
[0093]视频的特征信息还可以包括视频自身音频的播放时间窗。在该视频自身的音频时间窗内，将播放该视频自身的音频。
[0094]在本发明一个实施例中，若第二用户允许接收输出信息的类型为语音和文字，语音服务器可以通过如下方式，根据该视频的特征信息，确定输出信息的类型。若该视频的属性为声音丰富的媒体文件，可以确定输出信息的类型为文字。当第二用户允许接收输出信息的类型为语音和文字时，若该视频的属性为声音丰富的媒体文件，根据视频自身音频的播放时间窗，判断若将准备发送的输出信息的类型确定为语音是否会影响媒体文件自身音频或第二用户的前一条类型为语音的输出信息的播放，如果是，确定输出信息的类型为文字，否则，确定输出信息的语音。
[0095]在本发明一个实施例中，若以当前时刻作为起始时间点，以在当前时刻之后并且与当前时刻的时间间隔为该语音评论信息时长的另一时刻作为结束时间点，当从开始时间点到结束时间点之间的任一时间段落在视频自身音频的播放时间窗之内时，可以确定若将准备发送的输出信息的类型确定为语音将影响视频自身音频播放。
[0096]在本发明一个实施例中，语音服务器可以根据视频的特征信息，确定输出信息的类型。在本发明一个实施例中，视频的特征信息包括视频的属性。若视频的属性为声音丰富的视频，确定输出信息的类型为文字；若视频的属性为图像丰富的视频，确定输出信息的类型为语音。
[0097]在本发明另一个实施例中，语音服务器还可以通过如下方式，根据该视频的特征信息，确定输出信息的类型:若视频的属性为声音丰富的视频，确定输出信息的类型为文字；若视频的属性为声音丰富的视频，可以进一步判断若将准备发送的输出信息的类型确定为语音是否会影响第二用户的前一条类型为语音的输出信息的播放，如果是，确定输出信息的文字，否则，确定输出信息的语音。
[0098]可以通过如下方式，判断若将准备发送的输出信息的类型确定为语音是否会影响第二用户的前一条类型为语音的输出信息的播放:判断发送的前一条类型为语音的输出信息的输出时刻与当前时刻的时间间隔是否大于前一条类型为语音的输出信息的时长，如果是，确定若将准备发送的输出信息的类型确定为语音是否会影响第二用户的前一条类型为语音的输出信息的播放。
[0099]在本发明又一个实施例中，视频的特征信息还可以包括视频自身音频的播放时间窗。语音服务器可以通过如下方式，根据该视频的特征信息，确定输出信息的类型:若视频的属性为声音丰富的视频，确定输出信息的类型为文字；若视频的属性为图像丰富的视频，根据视频自身音频的播放时间窗，判断若将准备发送的输出信息的类型确定为语音是否会影响媒体文件自身音频或第二用户的前一条类型为语音的输出信息的播放，如果是，确定输出信息的类型为文字，否则，确定输出信息的语音。
[0100]在本发明一个实施例中，若以当前时刻作为起始时间点，与当前时刻的时间间隔为该语音评论信息时长的另一时刻作为结束时间点，当从开始时间点到结束时间点之间的任一时间段落在视频自身音频的播放时间窗之内时，可以确定若将准备发送的输出信息的类型确定为语音将影响视频自身音频播放。
[0101]在本发明一个实施例中，语音服务器可以根据第二用户的允许接收输出信息的类型，确定输出信息的类型。在本发明一个实施例中，若第二用户允许接收输出信息的类型为语音，确定输出信息的类型为语音；若第二用户允许接收输出信息的类型为文字，确定输出信息的类型为文字。
[0102]步骤305，语音服务器根据该语音评论信息，获得该类型的输出信息。
[0103]若确定的输出信息的类型为语音，将该语音评论信息作为输出信息。若确定的输出信息的类型为文字，将该语音评论信息转换为文字信息，将该文字信息作为输出信息。
[0104]步骤306，语音服务器将该类型的输出信息发送至第二用户对应的第二用户终端或与第二用户终端绑定的终端设备。
[0105]若该视频在第二用户终端上进行播放，语音服务器将该类型的输出信息发送至第二用户终端，在第二用户终端上将该输出信息输出给第二用户。
[0106]若该视频在与第二用户终端绑定的终端设备上播放，语音服务器将该类型的输出信息发送至与第二用户终端绑定的终端设备，在与第二用户终端绑定的终端设备上将该输出信息输出给第二用户。
[0107]在本发明一个实施例中，对应的，在第二用户终端或与第二用户终端绑定的终端设备接收到该类型的输出信息后，若该输出信息的类型为语音并且该输出信息的播放会影响媒体文件自身音频播放，为了降低该输出信息的播放对媒体文件自身音频播放的影响，第二用户终端或与第二用户终端绑定的终端设备可以采用不同的音频播放参数播放视频自身的音频和输出信息。例如，根据第一音频播放参数，播放视频自身的音频，根据第二音频播放参数，播放输出信息。
[0108]在本发明一个实施例中，在步骤302之前，还可以进一步包括:语音服务器获取第一用户对应的视频标识信息。
[0109]在本发明一个实施例中，根据获取的语音服务器的地址，第一用户终端将视频标识信息发送至用于处理语音评论信息的服务器。对应的，该语音服务器接收该第一用户终端发送的视频标识信息，根据该视频标识信息，从视频服务器获取视频的特征信息。
[0110]在本发明另一个实施例中，在视频服务器接收到视频播放请求后，向语音服务器推送该第一用户对应的视频标识信息。
[0111]在本发明一个实施例中，在步骤302之前，还可以进一步包括:语音服务器获取第一用户允许接收输出信息的类型。
[0112]在本发明一个实施例中，根据获取的用于处理语音评论信息的服务器的地址，第一用户终端将第一用户允许接收输出信息的类型发送至用于处理语音评论信息的服务器。根据接收到的该第一用户允许接收输出信息的类型，语音服务器可以确定语音评论信息对应第一用户的输出信息的类型。
[0113]在获取第一用户对应的视频标识信息和第一用户允许接收输出信息的类型之后，语音服务器可以将第一用户标识信息与第一用户允许接收输出信息的类型和第一用户对应的视频标识信息进行关联。在完成上述关联过程后，语音服务器向第一用户终端发送关联成功消息。这样，第一用户终端可以根据对应的语音服务器的地址，将该语音评论信息发送至该语音服务器。
[0114]以上对本发明实施例提出的媒体播放中的信息输出方法进行了说明。下面结合附图对本发明实施例提供的装置与系统进行说明。
[0115]图5为本发明实施例提供的一种服务器的结构示意图。如图5所示，该服务器500包括以下模块:
[0116]接收模块501，用于当在第一用户终端或与第一用户终端绑定的终端设备上播放媒体文件时，接收第一用户终端发送的第一用户针对媒体文件的语音评论信息；
[0117]输出信息类型确定模块502，用于当准备发送语音评论信息对应的第二用户的输出信息时，根据第二用户的允许接收输出信息的类型和/或媒体文件的特征信息，确定输出信息的类型；
[0118]输出信息获取模块503，用于根据语音评论信息获得类型的输出信息；
[0119]发送模块504，用于将类型的输出信息发送至第二用户对应的第二用户终端或与第二用户终端绑定的终端设备，以供第二用户终端或者与第二用户终端绑定的终端设备输出给第二用户。
[0120]在本发明一个实施例中，输出信息类型确定模块502用于:
[0121]若允许接收输出信息的类型为语音，确定输出信息的类型为语音；
[0122]若允许接收输出信息的类型为文字，确定输出信息的类型为文字；
[0123]若允许接收输出信息的类型为语音和文字，根据媒体文件的特征信息，确定输出信息的类型。
[0124]在本发明一个实施例中，输出信息获取模块503用于:
[0125]若确定的输出信息的类型为语音，将语音评论信息作为输出信息；
[0126]若确定的输出信息的类型为文字，将语音评论信息转换为文字信息，将文字信息作为输出信息。
[0127]上述的模块501-504可以是保存在服务器500中的存储器510中的指令模块，这些指令模块包含处理器可执行的指令。当服务器500中的处理器511执行模块501-504中的指令时，可以实现上述模块501-504的各种功能。
[0128]图6为本发明实施例提供的用户终端的结构示意图。如图6所示，该用户终端600可以包括以下模块:
[0129]接收模块60