[發明專利]用于輸出信息的方法和裝置

在審

• 申請號: 202010139233.5
• 申請日: 2020-03-03
• 公開（公告）號: CN112307867A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 北京字節跳動網絡技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G09B5/06
• 代理公司: 北京海智友知識產權代理事務所(普通合伙) 11455
• 代理人: 鞏靖

1.一種用于輸出信息的方法，包括：

響應于接收到用戶發起的點讀請求，獲取對目標文字進行拍攝所獲得的圖像作為待識別圖像，其中，所述目標文字是所述用戶指向的文字；

對所述待識別圖像中的目標文字進行檢測，獲得包圍所述目標文字的多邊形框；

確定所述多邊形框所對應的多邊形區域的面積；

基于所確定的面積，確定所述目標文字的字號作為目標字號；

基于所述目標字號，生成及輸出針對所述目標文字的點讀結果。

2.根據權利要求1所述的方法，其中，所述基于所述目標字號，生成及輸出針對所述目標文字的點讀結果包括：

響應于所述目標字號小于或等于預設字號，將所述多邊形區域輸入預先訓練的第一文字識別模型，獲得第一識別文字；

獲取所述第一識別文字所對應的音頻；

將所述第一識別文字所對應的音頻作為點讀結果輸出。

3.根據權利要求2所述的方法，其中，所述基于所述目標字號，生成及輸出針對所述目標文字的點讀結果包括：

響應于所述目標字號大于預設字號，對所述多邊形區域進行縮放，獲得縮放后多邊形區域；

將所述縮放后多邊形區域輸入所述第一文字識別模型，獲得第二識別文字；

獲取所述第二識別文字所對應的音頻；

將所述第二識別文字所對應的音頻作為點讀結果輸出。

4.根據權利要求1所述的方法，其中，所述基于所述目標字號，生成及輸出針對所述目標文字的點讀結果包括：

響應于所述目標字號大于預設字號，將所述多邊形區域輸入預先訓練的第二文字識別模型，獲得第三識別文字；

獲取所述第三識別文字所對應的音頻；

將所述第三識別文字所對應的音頻作為點讀結果輸出。

5.根據權利要求1-4之一所述的方法，其中，所述基于所述目標字號，生成及輸出針對所述目標文字的點讀結果包括：

響應于所述目標字號大于預設字號，將預先設置的提示信息作為點讀結果輸出，其中，所述提示信息用于提示所述用戶指向新文字，新文字所對應的字號小于或等于所述目標字號。

6.一種用于輸出信息的裝置，包括：

獲取單元，被配置成響應于接收到用戶發起的點讀請求，獲取對目標文字進行拍攝所獲得的圖像作為待識別圖像，其中，所述目標文字是所述用戶指向的文字；

檢測單元，對所述待識別圖像中的目標文字進行檢測，獲得包圍所述目標文字的多邊形框；

第一確定單元，被配置成確定所述多邊形框所對應的多邊形區域的面積；

第二確定單元，被配置成基于所確定的面積，確定所述目標文字的字號作為目標字號；

輸出單元，被配置成基于所述目標字號，生成及輸出針對所述目標文字的點讀結果。

7.根據權利要求6所述的裝置，其中，所述輸出單元包括：

第一輸入模塊，被配置成響應于所述目標字號小于或等于預設字號，將所述多邊形區域輸入預先訓練的第一文字識別模型，獲得第一識別文字；

第一獲取模塊，被配置成獲取所述第一識別文字所對應的音頻；

第一輸出模塊，被配置成將所述第一識別文字所對應的音頻作為點讀結果輸出。

8.根據權利要求7所述的方法，其中，所述輸出單元包括：

縮放模塊，被配置成響應于所述目標字號大于預設字號，對所述多邊形區域進行縮放，獲得縮放后多邊形區域；

第二輸入模塊，被配置成將所述縮放后多邊形區域輸入預先訓練的第一文字識別模型，獲得第二識別文字；

第二獲取模塊，被配置成獲取所述第二識別文字所對應的音頻；

第二輸出模塊，被配置成將所述第二識別文字所對應的音頻作為點讀結果輸出。