[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

本公開的實施例公開了用于輸出信息的方法和裝置。該方法的一具體實施方式包括：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，目標文字是用戶指向的文字；對待識別圖像中的目標文字進行檢測，獲得包圍目標文字的多邊形框；確定多邊形框所對應的多邊形區域的面積；基于所確定的面積，確定目標文字的字號作為目標字號；基于目標字號，生成及輸出針對目標文字的點讀結果。該實施方式在生成點讀結果的過程中考慮到了文字的字號，引入更多的與點讀結果相關的數據，進而可以輸出更為準確、有效的點讀結果，有助于提高用戶體驗。

技術領域

本公開的實施例涉及計算機技術領域，尤其涉及用于輸出信息的方法和裝置。

背景技術

書本、電子文檔等包括文字的物體通常包括封面和正文。相對而言，封面上的文字通常是大字號的文字，正文中的文字通常是小字號的文字。

現有技術中，用于實現文字點讀的模型通常是針對正文中的小字號文字訓練得到的模型。

發明內容

本公開的實施例提出了用于輸出信息的方法和裝置。

第一方面，本公開的實施例提供了一種用于輸出信息的方法，該方法包括：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，目標文字是用戶指向的文字；對待識別圖像中的目標文字進行檢測，獲得包圍目標文字的多邊形框；確定多邊形框所對應的多邊形區域的面積；基于所確定的面積，確定目標文字的字號作為目標字號；基于目標字號，生成及輸出針對目標文字的點讀結果。

在一些實施例中，基于目標字號，生成及輸出針對目標文字的點讀結果包括：響應于目標字號小于或等于預設字號，將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；獲取第一識別文字所對應的音頻；將第一識別文字所對應的音頻作為點讀結果輸出。

在一些實施例中，基于目標字號，生成及輸出針對目標文字的點讀結果包括：響應于目標字號大于預設字號，對多邊形區域進行縮放，獲得縮放后多邊形區域；將縮放后多邊形區域輸入第一文字識別模型，獲得第二識別文字；獲取第二識別文字所對應的音頻；將第二識別文字所對應的音頻作為點讀結果輸出。

在一些實施例中，基于目標字號，生成及輸出針對目標文字的點讀結果包括：響應于目標字號大于預設字號，將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；獲取第三識別文字所對應的音頻；將第三識別文字所對應的音頻作為點讀結果輸出。

在一些實施例中，基于目標字號，生成及輸出針對目標文字的點讀結果包括：響應于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，提示信息用于提示用戶指向新文字，新文字所對應的字號小于目標字號。

第二方面，本公開的實施例提供了一種用于輸出信息的裝置，該裝置包括：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，目標文字是用戶指向的文字；檢測單元，對待識別圖像中的目標文字進行檢測，獲得包圍目標文字的多邊形框；第一確定單元，被配置成確定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，確定目標文字的字號作為目標字號；輸出單元，被配置成基于目標字號，生成及輸出針對目標文字的點讀結果。

在一些實施例中，輸出單元包括：第一輸入模塊，被配置成響應于目標字號小于或等于預設字號，將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，被配置成獲取第一識別文字所對應的音頻；第一輸出模塊，被配置成將第一識別文字所對應的音頻作為點讀結果輸出。