一種生成視頻字幕的方法、裝置、電子設備和存儲介質

基本信息

申請?zhí)?/td> CN202110616946.0 申請日 -
公開（公告）號 CN113365109A 公開（公告）日 2021-09-07
申請公布號 CN113365109A 申請公布日 2021-09-07
分類號 H04N21/2343（2011.01）I;H04N21/4402（2011.01）I;H04N21/488（2011.01）I;H04N21/8547（2011.01）I;G10L15/26（2006.01）I;G06K9/32（2006.01）I;G06K9/34（2006.01）I 分類 電通信技術;
發(fā)明人 蔣瑩;范紅亮;梁家恩 申請（專利權）人 深圳云知聲信息技術有限公司
代理機構 - 代理人 -
地址 518057廣東省深圳市南山區(qū)西麗街道朗山路11號同方信息港C棟6A
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及生成視頻字幕的方法、裝置、電子設備和存儲介質，該方法包括：獲取需要生成視頻字幕的視頻和音頻流；識別視頻的圖片流中每一幀圖片的目標區(qū)域的文本信息；根據(jù)文本信息識別音頻流得到語音識別結果和對應的時間戳；根據(jù)語音識別結果、時間戳和圖片幀數(shù)生成視頻字幕。本申請實施例中通過從視頻圖片流中的目標區(qū)域提取文本信息，即先利用圖像識別技術確定目標區(qū)域，后確定目標區(qū)域的文本信息，可降低其他文字信息對于用戶話術焦點的干擾，為自動語音識別提供實時、準確的語言信息，能夠實現(xiàn)快速定位當前談話主題，從而提升語音識別準確率，另外基于音頻流確定的語音識別結果和時間戳，可以實時生成視頻字幕，因此能夠大大提升視頻字幕的準確率，改善用戶體驗。