[發(fā)明專利]用于移動終端的字幕生成方法、裝置、設(shè)備以及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011497650.3
• 申請日: 2020-12-17
• 公開（公告）號: CN112653932B
• 公開（公告）日: 2023-09-26
• 發(fā)明（設(shè)計）人: 董曉飛
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: H04N21/488
• 分類號: H04N21/488;H04N5/278;G10L15/26
• 代理公司: 北京英賽嘉華知識產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

本公開公開了用于移動終端的字幕生成方法、裝置、設(shè)備以及存儲介質(zhì)，涉及人工智能領(lǐng)域，尤其涉及語音識別、自然語言處理技術(shù)領(lǐng)域，具體實(shí)現(xiàn)方案為：獲取基于音頻數(shù)據(jù)采集設(shè)備采集的輸入語音；采用語音識別模型，將輸入語音轉(zhuǎn)換為輸入文字；獲取配置于輸入視頻的時間軸；將輸入文字添加至用戶選擇的輸入視頻的時間軸片段，提供了一種在移動終端為視頻添加字幕的方法，相較于在個人計算機(jī)端使用專業(yè)軟件工具為視頻添加字幕，節(jié)省了學(xué)習(xí)成本，簡化了字幕添加流程。

技術(shù)領(lǐng)域

本公開涉及計算機(jī)技術(shù)領(lǐng)域，具體涉及語音識別、自然語言處理等人工智能技術(shù)領(lǐng)域，尤其涉及用于移動終端的字幕生成方法、裝置、設(shè)備以及存儲介質(zhì)。

背景技術(shù)

隨著移動互聯(lián)網(wǎng)的進(jìn)一步發(fā)展，在當(dāng)今內(nèi)容為王的大趨勢下，搭建和提供更多高質(zhì)量的內(nèi)容顯得尤為重要。而作為內(nèi)容生產(chǎn)的大戶，用戶內(nèi)容生態(tài)也如雨后春筍一般不斷涌現(xiàn)，其中視頻承載內(nèi)容體系要優(yōu)于圖文、音頻等。但專業(yè)的視頻剪輯、音頻處理等存在著學(xué)習(xí)成本高，個人用戶入門困難，花費(fèi)時間長等問題，這些問題會反向抑制用戶創(chuàng)作者的熱情和想法。尤其在移動互聯(lián)網(wǎng)時代，大部分的用戶操作設(shè)備僅僅是一部手機(jī)，不具備更多專業(yè)設(shè)備進(jìn)行后期處理。

發(fā)明內(nèi)容

本公開提供了用于移動終端的字幕生成方法、裝置、設(shè)備以及存儲介質(zhì)。

根據(jù)本公開的第一方面，提供了一種用于移動終端的字幕生成方法，包括：獲取基于音頻數(shù)據(jù)采集設(shè)備采集的輸入語音；采用語音識別模型，將輸入語音轉(zhuǎn)換為輸入文字；獲取配置于輸入視頻的時間軸；將輸入文字添加至用戶選擇的輸入視頻的時間軸片段。

根據(jù)本公開的第二方面，提供了一種用于移動終端的字幕生成裝置，包括：第一獲取模塊，被配置為獲取基于音頻數(shù)據(jù)采集設(shè)備采集的輸入語音；轉(zhuǎn)換模塊，被配置為采用語音識別模型，將輸入語音轉(zhuǎn)換為輸入文字；第二獲取模塊，被配置為獲取配置于輸入視頻的時間軸；添加模塊，被配置為將輸入文字添加至用戶選擇的輸入視頻的時間軸片段。

根據(jù)本公開的第三方面，提供了一種電子設(shè)備，包括：至少一個處理器；以及與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執(zhí)行的指令，指令被至少一個處理器執(zhí)行，以使至少一個處理器能夠執(zhí)行如第一方面中任一實(shí)現(xiàn)方式描述的方法。

根據(jù)本公開的第四方面，提供了一種存儲有計算機(jī)指令的非瞬時計算機(jī)可讀存儲介質(zhì)，計算機(jī)指令用于使計算機(jī)執(zhí)行如第一方面中任一實(shí)現(xiàn)方式描述的方法。

根據(jù)本公開的第五方面，提供了一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，計算機(jī)程序在被處理器執(zhí)行如第一方面中任一實(shí)現(xiàn)方式描述的方法。

本公開提供的用于移動終端的字幕生成方法、裝置、設(shè)備以及存儲介質(zhì)，首先獲取基于音頻數(shù)據(jù)采集設(shè)備采集的輸入語音；之后采用語音識別模型，將輸入語音轉(zhuǎn)換為輸入文字；而后獲取配置于輸入視頻的時間軸；最后將輸入文字添加至用戶選擇的輸入視頻的時間軸片段，從而提供了一種在移動終端為視頻添加字幕的方法，相較于在個人計算機(jī)端使用專業(yè)軟件工具為視頻添加字幕，節(jié)省了學(xué)習(xí)成本，簡化了字幕添加流程。

應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識本公開的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

通過閱讀參照以下附圖所作的對非限制性實(shí)施例所作的詳細(xì)描述，本申請的其它特征、目的和優(yōu)點(diǎn)將會變得更明顯。附圖用于更好地理解本方案，不構(gòu)成對本申請的限定。其中：

圖1是本申請可以用于其中的示例性系統(tǒng)架構(gòu)圖；

圖2是根據(jù)本申請的用于移動終端的字幕生成方法的一個實(shí)施例的流程示意圖；

圖3是根據(jù)本申請的用于移動終端的字幕生成方法的另一個實(shí)施例的流程示意圖；

圖4是根據(jù)本申請的用于移動終端的字幕生成方法的一個實(shí)施例的應(yīng)用場景示意圖；