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。准确率。准确率。
【技术实现步骤摘要】
字幕生成方法、装置、计算机设备以及存储介质
[0001]本公开涉及音频识别的
，具体而言，涉及一种字幕生成方法、装置、计算机设备以及存储介质。
技术介绍
[0002]为了直观地展示音视频所表示的内容，通常会为音视频配置对应的字幕。现有技术提供了基于语音识别技术来生成音视频对应的字幕的方案，然而，由于识别准确度的限制，基于语音识别所生成的字幕可能存在少字、多字和错别字等错误。因此，如何及时地发现和纠正基于语音识别所生成的字幕中的错误内容，成为亟需解决的问题。
技术实现思路
[0003]本公开实施例至少提供了一种字幕生成方法、装置、计算机设备以及存储介质。
[0004]第一方面，本公开实施例提供了一种字幕生成方法，所述方法包括：
[0005]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；
[0006]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；
[0007]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；
[0008]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。
[0009]在一种可能的实施方式中，所述基于所述目标音频，生成对应的参考字幕文件，包括：
[0010]基于所述目标音频，生成对应的字幕文本；
[0011]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；
[0012]基于所述字幕文本和所述显示时间生成参考字幕文件。
[0013]在一种可能的实施方式中，所述确定出差异信息包括：
[0014]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；
[0015]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。
[0016]在一种可能的实施方式中，所述方法还包括：
[0017]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；
[0018]根据所述差异提示信息对用户进行提示。
[0019]在一种可能的实施方式中，所述根据所述差异提示信息对用户进行提示，包括：
[0020]展示所述差异提示信息对应的提示文本；
[0021]和/或，播放所述差异提示信息对应的提示音视频。
[0022]在一种可能的实施方式中，所述方法还包括：
[0023]展示所述字幕文本；
[0024]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。
[0025]在一种可能的实施方式中，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：
[0026]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；
[0027]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；
[0028]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。
[0029]在一种可能的实施方式中，所述基于所述差异信息调整所述字幕文本，包括：
[0030]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；
[0031]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；
[0032]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。
[0033]第二方面，本公开实施例提供了一种字幕生成装置，所述装置包括：
[0034]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；
[0035]参考文件生成模块，用于基于所述目标音频，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；
[0036]目标文本生成模块，用于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；
[0037]目标文件生成模块，用于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。
[0038]在一种可能的实施方式中，所述参考文件生成模块在用于基于所述目标音频，生成对应的参考字幕文件时，具体用于：
[0039]基于所述目标音频，生成对应的字幕文本；
[0040]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；
[0041]基于所述字幕文本和所述显示时间生成参考字幕文件。
[0042]在一种可能的实施方式中，所述目标文本生成模块在用于确定出差异信息时，具体用于：
[0043]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；
[0044]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。
[0045]在一种可能的实施方式中，所述装置还包括第一信息展示模块，所述第一信息展示模块用于：
[0046]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；
[0047]根据所述差异提示信息对用户进行提示。
[0048]在一种可能的实施方式中，所述第一信息展示模块在用于根据所述差异提示信息对用户进行提示时，具体用于：
[0049]展示所述差异提示信息对应的提示文本；
[0050]和/或，播放所述差异提示信息对应的提示音视频。
[0051]在一种可能的实施方式中，所述装置还包括第二信息展示模块，所述第二信息展示模块用于：
[0052]展示所述字幕文本；
[0053]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。
[0054]在一种可能的实施方式中，所述第二信息展示模块在用于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时，具体用于：
[0055]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本文档来自技高网...
【技术保护点】
【技术特征摘要】
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...
【专利技术属性】
技术研发人员：郭晋，段恒昌，郑伟强，
申请(专利权)人：北京乐学帮网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。