[發明專利]一種電子文檔轉換方法及裝置

有效

• 申請號: 201810961753.7
• 申請日: 2018-08-22
• 公開（公告）號: CN109213974B
• 公開（公告）日: 2022-12-20
• 發明（設計）人: 陳雯;朱海軍
• 申請（專利權）人: 北京慕華信息科技有限公司
• 主分類號: G06F40/151
• 分類號: G06F40/151
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 徐麗

1.一種電子文檔轉換方法，其特征在于，包括：

獲取待處理視頻的字幕文件；

提取所述待處理視頻的語速特征；

根據所述語速特征，對所述字幕文件進行分段處理，并為分段處理后的字幕文件添加標點符號；

從分段處理后的每一段字幕文件對應的所述待處理視頻的視頻幀中選取關鍵幀，并記錄每一段字幕文件與選取的關鍵幀之間的對應關系；

基于經分段處理并添加標點符號后的每一段字幕文件、以及每一段字幕文件與選取的關鍵幀之間的對應關系，創建用于描述所述待處理視頻的電子文檔。

2.根據權利要求1所述的方法，其特征在于，所述語速特征包括所述字幕文件中每個句子的平均語速、以及相鄰句子之間的停頓間隔；

根據所述語速特征，對所述字幕文件進行分段處理，包括：

計算當前的句子相鄰的前一個句子的平均語速與所述當前的句子的平均語速之前的第一比值；以及，計算所述當前的句子與所述前一個句子之間的停頓間隔和所述當前的句子與所述當前的句子相鄰的后一個句子的停頓間隔之間的第二比值；

基于計算的所述第一比值、以及所述第二比值，確定所述字幕文件中相鄰句子之間的相關性系數值；

當計算出的相關性系數值小于第一預設閾值時，將所述當前的句子相鄰的前一個句子與所述當前的句子之間的位置作為分段的劃分點，將所述前一個句子作為上一段字幕文件中的最后一個句子，將所述當前的句子作為當前段字幕文件中的第一個句子。

3.根據權利要求1所述的方法，其特征在于，在創建用于描述所述待處理視頻的電子文檔之后，還包括：

提取所述字幕文件中的關鍵詞，其中所述關鍵詞用于標識所述電子文檔。

4.根據權利要求3所述的方法，其特征在于，提取所述字幕文件中的關鍵詞，包括：

統計所述字幕文件中至少一個詞語中每個詞語在所述字幕文件中的出現頻率、以及每個詞語在數據庫中其他文檔中的出現頻率；

根據每個詞語在所述字幕文件中的出現頻率、以及在所述數據庫中其他文檔中的出現頻率，計算每個詞語在所述字幕文件中的權重值；

將計算的權重值高于第二預設閾值的詞語確定為關鍵詞。

5.根據權利要求1所述的方法，其特征在于，所述獲取待處理視頻的字幕文件，包括：

判斷所述待處理視頻是否含有字幕文件；

若判斷結果為是，則提取所述待處理視頻的字幕文件；

若判斷結果為否，則提取所述待處理視頻的音頻文件，并通過語音識別將所述音頻文件轉換為所述字幕文件。

6.一種電子文檔轉換裝置，其特征在于，包括：

獲取模塊，用于獲取待處理視頻的字幕文件；

提取模塊，用于提取所述待處理視頻的語速特征；

處理模塊，用于根據所述語速特征，對所述字幕文件進行分段處理，并為分段處理后的字幕文件添加標點符號；

篩選模塊，用于從分段處理后的每一段字幕文件對應的所述待處理視頻的視頻幀中選取關鍵幀，并記錄每一段字幕文件與選取的關鍵幀之間的對應關系；

創建模塊，用于基于經分段處理并添加標點符號后的每一段字幕文件、以及每一段字幕文件與選取的關鍵幀之間的對應關系，創建用于描述所述待處理視頻的電子文檔。

7.根據權利要求6所述的裝置，其特征在于，所述語速特征包括所述字幕文件中每個句子的平均語速、以及相鄰句子之間的停頓間隔；

所述處理模塊，根據所述語速特征，在對所述字幕文件進行分段處理時，具體用于：

計算當前的句子相鄰的前一個句子的平均語速與所述當前的句子的平均語速之前的第一比值；以及，計算所述當前的句子與所述前一個句子之間的停頓間隔和所述當前的句子與所述當前的句子相鄰的后一個句子的停頓間隔之間的第二比值；

基于計算的所述第一比值、以及所述第二比值，確定所述字幕文件中相鄰句子之間的相關性系數值；

當計算出的相關性系數值小于第一預設閾值時，將所述當前的句子相鄰的前一個句子與所述當前的句子之間的位置作為分段的劃分點，將所述前一個句子作為上一段字幕文件中的最后一個句子，將所述當前的句子作為當前段字幕文件中的第一個句子。