字幕生成方法、装置、计算机设备以及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113657381A(43)申请公布日2021.11.16(21)申请号202110951249.0(22)申请日2021.08.18(71)申请人北京乐学帮网络技术有限公司地址100094北京市海淀区西北旺东路10号院东区7号楼1层W105(72)发明人郭晋段恒昌郑伟强(74)专利代理机构北京中知恒瑞知识产权代理事务所(普通合伙)11889代理人谢玲(51)Int.Cl.G06K9/32(2006.01)G06F40/194(2020.01)G10L15/26(2006.01)权利要求书2页说明书12页附图3页(54)发明名称字幕生成方法、装置、计算机设备以及存储介质(57)摘要本公开提供了一种字幕生成方法、装置、计算机设备以及存储介质，方法包括：获取待生成字幕的目标音频、以及目标音频对应的标准文本；基于目标音频，生成对应的参考字幕文件，其中，参考字幕文件包括字幕文本以及字幕文本的显示时间；确定字幕文本与标准文本是否存在差异，若存在，则确定出差异信息，基于差异信息调整字幕文本，得到目标字幕文本；基于字幕文本的显示时间确定出目标字幕文本的目标显示时间，得到包含所述目标字幕文本和所述目标显示时间的目标字幕文件。这样可以及时地确定字幕文本中存在的问题，并能够进一步根据字幕文本相对于标准文本的差异信息来调整字幕文本，从而获得正确的字幕文本，大大提高了字幕文件的准确率。CN113657381ACN113657381A权利要求书1/2页1.一种字幕生成方法，其特征在于，所述方法包括：获取待生成字幕的目标音频、以及所述目标音频对应的标准文本；基于所述目标音频，生成对应的参考字幕文件，其中，所述参考字幕文件包括字幕文本以及所述字幕文本的显示时间；确定所述字幕文本与所述标准文本是否存在差异，若存在，则确定出差异信息，基于所述差异信息调整所述字幕文本，得到目标字幕文本；基于字幕文本的显示时间确定出目标字幕文本的目标显示时间，得到包含所述目标字幕文本和所述目标显示时间的目标字幕文件。2.根据权利要求1所述的方法，其特征在于，所述基于所述目标音频，生成对应的参考字幕文件，包括：基于所述目标音频，生成对应的字幕文本；基于所述目标音频中与所述字幕文本中每个字对应的音频片段的播放时间，确定出所述字幕文本中每个字的显示时间；基于所述字幕文本和所述显示时间生成参考字幕文件。3.根据权利要求1所述的方法，其特征在于，所述确定出差异信息包括：确定出所述字幕文本与所述标准文本之间的差异内容在所述字幕文本中的位置信息、以及所述差异内容对应的差异类型信息；其中，所述差异类型信息包括缺失信息、多余信息、以及错误信息中的至少一项。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：根据所述位置信息和所述差异类型信息生成差异提示信息；根据所述差异提示信息对用户进行提示。5.根据权利要求4所述的方法，其特征在于，所述根据所述差异提示信息对用户进行提示，包括：展示所述差异提示信息对应的提示文本；和/或，播放所述差异提示信息对应的提示音视频。6.根据权利要求3所述的方法，其特征在于，所述方法还包括：展示所述字幕文本；基于所述差异类型信息对应的显示形式以及所述位置信息，在所述字幕文本中显示所述差异内容。7.根据权利要求6所述的方法，其特征在于，所述基于所述差异类型信息对应的显示形式以及所述位置信息，在所述字幕文本中显示所述差异内容，包括：针对所述差异类型信息为所述缺失信息的情况，根据所述位置信息确定出所述字幕文本中缺少文字的位置，在所述缺少文字的位置处展示预设符号；针对所述差异类型信息为所述多余信息的情况，根据所述位置信息确定出所述字幕文本中多余文字的位置，以第一显示形式显示所述多余文字；针对所述差异类型信息为所述错误信息的情况，根据所述位置信息确定出所述字幕文本中错字的位置，以第二显示形式显示所述错字。8.根据权利要求3所述的方法，其特征在于，所述基于所述差异信息调整所述字幕文本，包括：2CN113657381A权利要求书2/2页针对所述差异类型信息为所述缺失信息的情况，根据所述位置信息确定出所述字幕文本中缺少文字的位置，根据所述缺失信息在缺少文字的位置增加对应的文字；针对所述差异类型信息为所述多余信息的情况，根据所述位置信息确定出所述字幕文本中多余文字的位置，根据所述多余信息在所述多余文字的位置删除对应的文字；针对所述差异类型信息为所述错误信息的情况，根据所述位置信息确定出所述字幕文本中错字的位置，根据所述错误信息在所述错字的位置更正对应的文字。9.一种字幕生成装置，其特征在于，包括：数据获取模块，用于获取待生成字幕的目标音频、以及所述目标音频对应的标准文本；参考文件生成模块，用于基于所述目标音