一種視頻字幕生成方法、系統(tǒng)、裝置和存儲介質(zhì)

基本信息

申請?zhí)?/td> CN201911000368.7 申請日 -
公開（公告）號 CN110933485A 公開（公告）日 2020-03-27
申請公布號 CN110933485A 申請公布日 2020-03-27
分類號 H04N21/439;H04N21/44;H04N21/4402;H04N21/488;G10L15/26 分類 電通信技術(shù);
發(fā)明人 張金良 申請（專利權(quán)）人 天脈聚源（杭州）傳媒科技有限公司
代理機(jī)構(gòu) 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 代理人 天脈聚源（杭州）傳媒科技有限公司
地址 310000 浙江省杭州市西湖區(qū)轉(zhuǎn)塘科技經(jīng)濟(jì)區(qū)塊16號3幢650室
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種視頻字幕生成方法、系統(tǒng)、裝置和存儲介質(zhì)，所述方法包括獲取視頻的畫面數(shù)據(jù)流和聲音數(shù)據(jù)流，對所述畫面數(shù)據(jù)流和聲音數(shù)據(jù)流均進(jìn)行相同的分段處理，分別對各所述聲音數(shù)據(jù)段進(jìn)行語音識別以及根據(jù)各所述文本段，分別在相應(yīng)的畫面數(shù)據(jù)段生成同步的字幕等步驟。本發(fā)明可以將視頻信號中的聲音數(shù)據(jù)流自動轉(zhuǎn)換成字幕，并疊加到畫面數(shù)據(jù)流，免去了現(xiàn)有技術(shù)中人工打字的過程，降低了使用成本和出錯率，而且具有很低的時延，減少對直播的影響；通過對畫面數(shù)據(jù)流和聲音數(shù)據(jù)流進(jìn)行分段處理，并對分段處理所得的多個聲音數(shù)據(jù)段同時進(jìn)行語音識別，可以成倍地提高語音識別的效率，進(jìn)一步降低時延。本發(fā)明廣泛應(yīng)用于計算機(jī)技術(shù)領(lǐng)域。