[發明專利]字幕數據生成和呈現方法、裝置、計算設備、存儲介質

在審

• 申請號: 202011641176.7
• 申請日: 2020-12-31
• 公開（公告）號: CN112672099A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 黃素琴;趙建華;謝成
• 申請（專利權）人: 深圳市潮流網絡技術有限公司
• 主分類號: H04N7/15
• 分類號: H04N7/15;H04N5/278;G10L15/26
• 代理公司: 廣州國鵬知識產權代理事務所(普通合伙) 44511
• 代理人: 葛紅

本發明公開了一種字幕數據生成和呈現方法、裝置、計算設備、存儲介質，該字幕數據生成方法，包括：從至少一第一終端獲取至少一會議音頻數據包，所述會議音頻數據包包括會議音頻數據和與所述第一終端對應的第一標識；從至少一所述會議音頻數據包中選擇有效發言者音頻數據包；將所述有效發言者音頻數據包轉換為字幕數據包，所述字幕數據包包括字幕數據和與所述有效發言者音頻數據包的發言者對應的第二標識；以及將所述字幕數據包發送至第二終端。本發明能自動地將發言者的語音轉化為字幕數據。

技術領域

本發明涉及計算機技術領域，具體涉及一種字幕數據生成和呈現方法、裝置、計算設備、存儲介質。

背景技術

隨著視頻會議系統的普及，越來越多的跨國家跨區域的企業或個人使用視頻會議系統。

人們在使用目前的視頻會議系統參加會議時，必須全神貫注的聽取發言者的語音，否則可能會遺漏發言者的重要信息。如果發言者使用非母語發言，或者發言者的發言有較大的口音，或者發言者所處的環境較為嘈雜，或者網絡環境較差，參會者會難以準確聽到發言者的發言內容，導致理解不準確，溝通不順暢。

針對此問題，目前的解決方法一般是：使用人工的方式輸入字幕。

但是這種方式無法自動地將發言者的語音轉化為字幕數據，并且成本高，不確定性高。

此外，提供給參會者的字幕是嵌入到視頻畫面中的，所有參會者只能觀看一種語言類別的字幕，無法自定義語言類別和顯示規則，同時，嵌入到視頻畫面中的字幕有時候無法適配參會者的終端，從而導致部分字幕或字幕的一部分無法完整顯示，部分參會者難以準確地理解發言者的發言內容。

故，有必要提出一種新的技術方案，以解決上述技術問題。

發明內容

本發明的目的在于提供一種字幕數據生成和呈現方法、裝置、計算設備、存儲介質，其能自動地將發言者的語音轉化為字幕數據，使得會議終端能夠按需自定義字幕顯示規則和翻譯語言，最大化的實現會場語音的可視化、豐富化。

為解決上述問題，本發明的技術方案如下：

第一方面，提供一種字幕數據生成方法，包括：從至少一第一終端獲取至少一會議音頻數據包，所述會議音頻數據包包括會議音頻數據和與所述第一終端對應的第一標識；從至少一所述會議音頻數據包中選擇有效發言者音頻數據包；將所述有效發言者音頻數據包轉換為字幕數據包，所述字幕數據包包括字幕數據和與所述有效發言者音頻數據包的發言者對應的第二標識；以及將所述字幕數據包發送至第二終端。

第二方面，提供一種字幕數據生成裝置，包括：獲取模塊，用于從至少一第一終端獲取至少一會議音頻數據包，所述會議音頻數據包包括會議音頻數據和與所述第一終端對應的第一標識；選擇模塊，用于從至少一所述會議音頻數據包中選擇有效發言者音頻數據包；轉換模塊，用于將所述有效發言者音頻數據包轉換為字幕數據包，所述字幕數據包包括字幕數據和與所述有效發言者音頻數據包的發言者對應的第二標識；以及發送模塊，用于將所述字幕數據包發送至第二終端。

第三方面，提供一種字幕數據呈現方法，包括：接收字幕數據包和會議視頻數據包；以及在會議視頻數據包中的會議視頻數據的播放過程中，根據預設的語言類別和/或預設的字幕數據呈現樣式呈現所述字幕數據包中的字幕數據和/或與發言者對應的第二標識。

第四方面，提供一種字幕數據呈現裝置，包括：接收模塊，用于接收字幕數據包和會議視頻數據包；呈現模塊，用于在會議視頻數據包中的會議視頻數據的播放過程中，根據預設的語言類別和/或預設的字幕數據呈現樣式呈現所述字幕數據包中的字幕數據和/或與發言者對應的第二標識。

第五方面，提供一種計算設備，所述計算設備包括處理器和存儲器，所述存儲器用于存儲程序代碼，所述計算設備運行時，所述處理器用于執行所述程序代碼，以執行上述字幕數據生成方法或上述字幕數據呈現方法。