申请/专利权人：中央广播电视总台

申请日：2020-08-10

公开（公告）日：2024-04-16

公开（公告）号：CN112002328B

主分类号：G10L15/26

分类号：G10L15/26;G06F40/205;G06F40/284;G06F40/30;H04N21/488

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2020.12.15#实质审查的生效;2020.11.27#公开

摘要：一种字幕生成方法、装置及计算机存储介质、电子设备，包括：确定待添加字幕的视频文件；提取所述视频文件中对应的音频信息；根据所述音频信息得到对应的文本；提取所述文本对应的辅助特征；根据所述文本对应的辅助特征以及预先构建的字幕断句模型，生成断句后的字幕。采用本申请的方案，减少了工作环节，媒体工作者不再需要边听边敲打字幕、边听边断句以及反复核对字幕等，提升了工作效率，大幅度降低了劳动强度。

主权项：1.一种字幕生成方法，其特征在于，包括如下步骤：确定待添加字幕的视频文件；提取所述视频文件中对应的音频信息；根据所述音频信息得到对应的文本；提取所述文本对应的辅助特征；根据所述文本对应的辅助特征以及预先构建的字幕断句模型，生成断句后的字幕；所述字幕断句模型的构建过程，包括：将样本字幕文件中的文本拆分为若干单字；利用拆分后的单字构建输入输出对并提取辅助特征，输入为拆分得到的单字，输出目标为该字之后是否需要断句处理的标识信息；根据所述输入输出对以及辅助特征对神经网络进行训练，得到字幕断句模型；所述辅助特征的提取过程，包括以下多种：根据文本中的当前单元数据是否处于词尾，确定该单元数据的分词特征；根据文本中的单元数据与断句位置的共现情况，确定该单元数据的词共现特征；根据文本中的单元数据的结束位置与后一单元数据的开始位置之间的时间长度，确定该单元数据的停顿时长特征；根据截至文本中的当前单元数据的数据总数以及总时长，确定该单元数据的语速特征；根据文本中的当前单元数据的结束位置以及该单元数据前多帧语音数据的基频值，确定该单元数据的基频走势；根据文本中的当前单元数据的结束位置以及该单元数据前多帧语音数据的能量值确定该单元数据的能量变化；在训练过程中进一步包括：将文本中的当前单元数据的前M个单元数据对应的输出目标进行拼接，拼接后得到全局标签特征；利用所述全局标签特征对目标进行预测。

全文数据：

权利要求：

百度查询： 中央广播电视总台 一种字幕生成方法、装置及计算机存储介质、电子设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD