[發明專利]一種不帶字幕的碼流通過語音識別顯示字幕的方法及系統

在審

• 申請號: 201810123157.1
• 申請日: 2018-02-07
• 公開（公告）號: CN108366305A
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 廖佳秋;王小艷;邱國苗;何志鵬
• 申請（專利權）人: 深圳佳力拓科技有限公司
• 主分類號: H04N21/488
• 分類號: H04N21/488;G10L15/00;G10L15/26;G10L21/0208
• 代理公司: 北京世譽鑫誠專利代理事務所(普通合伙) 11368
• 代理人: 郭官厚

1.一種不帶字幕的碼流通過語音識別顯示字幕的方法，其特征在于，包括以下步驟：

步驟1、在機頂盒系統中建立一個語言數據庫，并且根據各國的語言代碼進行初始化，以供用戶對節目的語言需求做出響應；

步驟2、在機頂盒系統中建立一個語音數據庫，并且根據預制的語音辨識程序組進行初始化，以供辨別出最準確的語音；

步驟3、不帶字幕的碼流傳送至機頂盒CPU處理，機頂盒解析出音頻數據，并經播放器播放；

步驟4、語音識別子系統的降噪聲模塊對機頂盒CPU處理后的音頻數據進行降噪聲處理，然后經語音識別模塊語音識別處理之后，再通過語言解碼模塊進行語言轉碼轉化成用戶需要的文本數據；

步驟5、根據語言解碼模塊轉化的文本數據，疊加字幕在當前播放節目的畫面上，利用OSD(On-Screen Display)即屏幕菜單式調節方式的界面顯示技術來顯示字幕，字幕位置屬性是動態的，由實時的文本數據長度決定。

2.如權利要求1所述的一種不帶字幕的碼流通過語音識別顯示字幕的方法，其特征在于，所述步驟1具體為：在字幕語言選擇中選擇要顯示的字幕的語言，并且保存到機頂盒的固態存儲器；根據用戶輸入的字幕語言，從預先定義的語言數據庫中匹配出相同的語言，以供字幕的語言文字顯示。

3.如權利要求1所述的一種不帶字幕的碼流通過語音識別顯示字幕的方法，其特征在于，所述步驟2具體為：在機頂盒系統里面合入語音辨別的程序組，機頂盒預制一些語音信息，提取語音模板，最后將語音信息保存到語音數據庫中。

4.如權利要求1所述的一種不帶字幕的碼流通過語音識別顯示字幕的方法，其特征在于，所述步驟4具體為：

(1)降噪聲模塊將機頂盒收集到的音頻數據送到降噪聲模塊進行去除噪聲處理，通過濾波減弱、消除信號中噪聲信號的頻譜成分，增強信號的信噪比，然后傳送給語音識別模塊；

(2)語音識別模塊對降噪聲模塊處理后的音頻數據進行識別，并把識別出的數據保存到機頂盒的存儲模塊中，通過與之前步驟2中創建的語音數據庫中的數據進行比較，匹配出最準確的音頻數據；

(3)音頻數據經過語音識別處理之后，識別出來的結果傳送至機頂盒保存起來，然后根據步驟1所示的方法匹配出語言類型，然后根據這種語言類型來進行語言轉碼，轉出對應的文本數據。

5.如權利要求1所述的一種不帶字幕的碼流通過語音識別顯示字幕的方法，其特征在于，所述步驟5具體為：

(1)先得到獲取到數據的時間信息，并通過這個時間信息與音頻同步，在每次解析完之后，顯示模塊創建相關的OSD區域，分配內存空間，把解析完的數據連同該數據要顯示的時間PTS送到顯示緩沖區，根據當前系統時鐘和存儲的PTS創建一個定時器，如果顯示時間已經超過了系統時間，那么顯示緩沖區的數據就要清空掉；反之，當顯示時間到的時候，定時器被觸發，顯示內容輸出到OSD緩沖區，并結合顯示持續時間來進行字幕的顯示；

(2)字幕的顯示位置屬性是由實時的文本數據長度決定的，始終根據文本數據的長度來設置字幕圖層顯示的位置，通過設置了一個動態的坐標值來實現，設定字幕的顯示坐標為(X，Y，W，H)(X是橫坐標，Y是縱坐標，W是字幕長度，H是字幕高度)，屏幕的尺寸寬度是OSD_SCREEN_MAX_WIDTH，文本數據的長度為SCREEN_WIDTH，那么字幕顯示的橫坐標是X＝(OSD_SCREEN_MAX_WIDTH-SCREEN_WIDTH)>>1。