[發(fā)明專利]一種聲音與文字對應關系表生成方法及定位方法

無效

• 申請?zhí)枺?/td>: 200610091166.4
• 申請日: 2006-07-04
• 公開（公告）號: CN101101590A
• 公開（公告）日: 2008-01-09
• 發(fā)明（設計）人: 王建波
• 申請（專利權）人: 王建波
• 主分類號: G06F17/30
• 分類號: G06F17/30;G10L15/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發(fā)明涉及一種聲音與文字對應關系表生成方法及快速定位方法。

背景技術

早在二十世紀末，科學家就預言二十一世紀將是信息的時代，特別是隨著計算機技術和網(wǎng)絡技術的發(fā)展，極大的擴展了信息的傳播途徑和速度。早期在圖書館中查閱大量的紙質文獻的方法費時費力，將逐步被電子檢索所替代，一臺大型的存儲服務器就可以超過一個規(guī)模龐大的圖書館的文獻量。同時，隨著技術的發(fā)展，信息不再僅僅包括了文字資料，更多將會是更為直觀的音頻文件、視頻文件；其中視頻文件也是音頻文件與圖像文件的結合。

現(xiàn)有的檢索方法在檢索文字資料非常快捷方便，但是對于大量的音頻文件和視頻文件中的音頻或視頻文件卻無能為力。例如，用戶需要在一個長達數(shù)小時的音頻或視頻文件中檢索其中的聲音片斷(例如其中的一句話或幾句話)，現(xiàn)有方法將無能為力，用戶只能浪費大量時間通篇瀏覽整個音頻或視頻文件。如果用戶無法得知自己所需的聲音片斷位于哪一個音頻文件或視頻文件中，面對大量的音頻和視頻文件，更是無從下手進行檢索。

發(fā)明內容

針對現(xiàn)有技術中存在的缺點和不足，本發(fā)明的目的是提出一種聲音與文字對應關系表生成方法，使用戶能夠精確的對音頻或視頻文件進行檢索；同時本發(fā)明還提出一種聲音的快速定位方法，能夠使用戶檢索到的所需的音頻或視頻文件后，將該段聲音在整個音頻或視頻中進行快速定位。

為了達到上述目的，本發(fā)明提出了一種聲音與文字對應關系表生成方法，包括：

(1)將音頻文件或視頻文件分割成片斷，并記錄所述的每一片斷在該文件中對應的起始時間和結束時間；

(2)將步驟(1)所得的每一片斷中的聲音進行識別，得到與聲音對應的文字；

(3)生成聲音與文字的對應關系表，該對應關系表中包含片斷對應的文字，以及該片斷在該音頻或視頻文件中對應的起始時間和結束時間。

其中，所述步驟(1)具體為：通過靜音技術，將音頻或視頻文件中的每一句話分割為一個聲音片斷，并記錄所述的每一聲音片斷在該音頻或視頻文件中對應的起始時間和結束時間。

其中，所述步驟(2)具體為：通過語音識別軟件，將每一聲音片斷進行語音識別，得到與聲音對應的文字。

其中，所述步驟(3)具體為：生成聲音與文字的對應關系表，所述的對應關系表中包括該音頻或視頻文件的所有聲音片斷，以及每一聲音片斷對應的文字，以及每一聲音片斷在該音頻或視頻文件中的起始時間和結束時間。

同時，本發(fā)明還提出了還提出一種聲音的快速定位方法，包括：

(A)將音頻文件或視頻文件分割成片斷，并記錄每一片斷在該音頻或視頻文件中對應的起始時間和結束時間；

(B)將步驟(A)所得的每一片斷中的聲音進行識別，得到與聲音對應的文字；

(C)生成聲音與文字的對應關系表，該對應關系表中包含片斷對應的文字，以及該片斷在該音頻或視頻文件中對應的起始時間和結束時間；

(D)用戶使用所需聲音片斷對用的文字，在步驟(C)所得的生成聲音與文字的對應關系表進行檢索，如果檢索到匹配的聲音片斷，則進入步驟(E)，否則步驟結束；

(E)讀取檢索到的聲音片斷，根據(jù)所述對應關系表中該聲音片斷想對于該音頻或視頻文件的起始時間和結束時間，在該音頻或視頻文件中進行定位。

其中，所述步驟(A)具體為：通過靜音技術，將音頻或視頻文件中的每一句話分割為一個聲音片斷，并記錄所述的每一聲音片斷在該音頻或視頻文件中對應的起始時間和結束時間。

其中，所述步驟(B)具體為：通過語音識別軟件，將每一聲音片斷進行語音識別，得到與聲音對應的文字。

其中，所述步驟(C)具體為：生成聲音與文字的對應關系表，所述的對應關系表中包括該音頻或視頻文件的所有聲音片斷，以及每一聲音片斷對應的文字，以及每一聲音片斷在該音頻或視頻文件中的起始時間和結束時間。