[發明專利]一種處理直播流的方法和裝置

在審

• 申請號: 201711172649.1
• 申請日: 2017-11-22
• 公開（公告）號: CN108063970A
• 公開（公告）日: 2018-05-22
• 發明（設計）人: 洪巨成;項東濤
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: H04N21/43
• 分類號: H04N21/43;H04N21/434;H04N21/439;H04N21/4402;H04N21/8547
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 馬敬;項京

1.一種處理直播流的方法，其特征在于，所述方法包括：

將原始直播流解碼為原始音頻數據和原始視頻數據；

對所述原始音頻數據進行語音識別，生成所述原始音頻數據對應的文本字符；

根據所述語音識別耗費的第一時長，對所述原始視頻數據進行延遲處理；

將所述文本字符添加到延遲后的視頻數據中，生成目標視頻數據；

將所述目標視頻數據與所述原始音頻數據同步合成，生成目標直播流；

播放所述目標直播流。

2.根據權利要求1所述的方法，其特征在于，所述將原始直播流解碼為原始音頻數據和原始視頻數據的步驟，包括：

將預設時長的原始直播流解碼為原始音頻數據和原始視頻數據。

3.根據權利要求1所述的方法，其特征在于，所述將原始直播流解碼為原始音頻數據和原始視頻數據的步驟，包括：

在預設時長區間內的原始直播流中，確定語音停頓的時間點；

將所述原始直播流中所述時間點之前且未解碼的直播流片段，解碼為原始音頻數據和原始視頻數據。

4.根據權利要求1所述的方法，其特征在于，所述根據所述語音識別耗費的第一時長，對所述原始視頻數據進行延遲處理的步驟，包括：

確定所述語音識別所耗費的第一時長；

將所述原始視頻數據的時間戳，延遲所述第一時長。

5.根據權利要求4所述的方法，其特征在于，

在所述對所述原始音頻數據進行語音識別，生成所述原始音頻數據對應的文本字符的步驟之后，所述方法還包括：

將所述文本字符翻譯成預設的語言種類，生成第二時長，所述第二時長為將所述文本字符翻譯成預設的語言種類所耗費的時長；

所述將所述原始視頻數據的時間戳，延遲所述第一時長的步驟，包括：

將所述原始視頻數據的時間戳，延遲所述第一時長和所述第二時長之和的時長；

所述將所述文本字符添加到延遲后的視頻數據中，生成目標視頻數據的步驟，包括：

將翻譯后的文本字符添加到延遲后的視頻數據中，生成目標視頻數據。

6.根據權利要求5所述的方法，其特征在于，

在所述將所述文本字符翻譯成預設的語言種類的步驟之后，所述方法還包括：

對翻譯后的文本字符進行糾錯處理；

確定所述糾錯處理所耗費的第三時長；

所述將所述原始視頻數據的時間戳，延遲所述第一時長和所述第二時長之和的時長的步驟，包括：

將所述原始視頻數據的時間戳，延遲所述第一時長、所述第二時長和所述第三時長之和的時長；

所述將所述文本字符添加到延遲后的視頻數據中，生成目標視頻數據的步驟，包括：

將翻譯并糾錯后的文本字符添加到延遲后的視頻數據中，生成目標視頻數據。

7.根據權利要求1所述的方法，其特征在于，所述將所述目標視頻數據與所述原始音頻數據同步合成，生成目標直播流的步驟，包括：

基于預設的參考時間軸，根據所述目標視頻數據中視頻幀的時間戳，以及所述原始音頻數據中音頻幀的時間戳，將所述目標視頻數據與所述原始音頻數據進行同步合成，生成目標直播流。

8.一種處理直播流的裝置，其特征在于，所述裝置包括：

解碼單元，用于將原始直播流解碼為原始音頻數據和原始視頻數據；

識別單元，用于對所述原始音頻數據進行語音識別，生成所述原始音頻數據對應的文本字符；

延遲單元，用于根據所述語音識別耗費的第一時長，對所述原始視頻數據進行延遲處理；

添加單元，用于將所述文本字符添加到延遲后的視頻數據中，生成目標視頻數據；

合成單元，用于將所述目標視頻數據與所述原始音頻數據同步合成，生成目標直播流；

播放單元，用于播放所述目標直播流。

9.根據權利要求8所述的裝置，其特征在于，

所述解碼單元，具體用于將預設時長的原始直播流解碼為原始音頻數據和原始視頻數據。