一种显示设备和字幕生成方法技术

本公开涉及一种显示设备和字幕生成方法，应用于智能电视技术领域，该显示设备包括：控制器，被配置为复制目标音频原始流ES数据得到第一音频ES数据，并将第一音频ES数据存储到ES缓存区，目标音频ES数据为从目标媒体片段解析得到的，目标音频ES数据用于通过进行音频硬解码处理和音频渲染处理以得到目标媒体片段对应的目标音频；对第一音频ES数据进行软解码处理，得到初始脉冲编码调制PCM数据；对初始PCM数据进行语音识别处理，得到初始PCM数据对应的目标字幕；渲染并显示目标字幕。能够通过软解码得到PCM数据，进而识别PCM数据得到对应的字幕。字幕。字幕。

【技术实现步骤摘要】
一种显示设备和字幕生成方法


[0001]本申请实施例涉及智能电视技术。更具体地讲，涉及一种显示设备和字幕生成方法。

技术介绍

[0002]近年来，随着人工智能(Artificial Intelligence，AI)技术的发展，传统字幕又焕发新机，实时识别音频并生成字幕成为研究热门，如百度、网易等均提供了用于进行实时语音识别的AI语音识别服务。
[0003]但现有的AI语音识别服务均是通过识别特定参数的脉冲编码调制(Pulse Code Modulation，PCM)音频数据，得到对应的字幕。而在安卓平台中，音频硬解码后的PCM数据通常直接渲染显示，一般在渲染前无法直接获取硬解码后的PCM数据进行语音识别，导致无法基于已有的AI语音识别服务进行实时语音识别生成字幕。

技术实现思路

[0004]为了解决上述技术问题或者至少部分的解决上述技术问题，本申请提供了一种显示设备和字幕生成方法，能够通过软解码得到PCM数据，进而识别PCM数据得到对应的字幕。
[0005]第一方面，本申请实施例提供了一种显示设备，包括：控制器，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种显示设备，其特征在于，包括：控制器，被配置为：复制目标音频原始流ES数据得到第一音频ES数据，并将所述第一音频ES数据存储到ES缓存区，所述目标音频ES数据为从目标媒体片段解析得到的，所述目标音频ES数据用于通过进行音频硬解码处理和音频渲染处理以得到所述目标媒体片段对应的目标音频；对所述第一音频ES数据进行软解码处理，得到初始脉冲编码调制PCM数据；对所述初始PCM数据进行语音识别处理，得到所述初始PCM数据对应的目标字幕；渲染并显示所述目标字幕。2.根据权利要求1所述的显示设备，其特征在于，所述控制器，具体被配置为：按照预设参数，对所述初始PCM数据进行重采样，得到目标PCM数据；对所述目标PCM数据进行语音识别处理，得到所述目标字幕。3.根据权利要求2所述的显示设备，其特征在于，所述控制器包括：格式解封装插件、ES缓存插件、音频软解码插件和音频重采样插件；所述控制器，还被配置为：在所述复制目标音频原始流ES数据得到第一音频ES数据之前，在通过所述格式解封装插件确定所述显示设备支持AI字幕功能的情况下，在所述格式解封装插件中复制目标音频输出插件，得到第一音频输出插件，所述目标音频输出插件用于输出音频ES数据，所述第一音频输出插件用于输出复制所述音频ES数据得到的副本音频ES数据；在所述ES缓存插件中创建目标输入插件和目标输出插件，所述目标输入插件用于接收所述第一音频输出插件输出的所述副本音频ES数据，所述目标输出插件用于输出所述副本音频ES数据到音频软解码插件；创建所述音频软解码插件和音频重采样插件，所述音频软解码插件用于解码所述副本音频ES数据得到对应的PCM数据，所述音频重采样插件用于按照所述预设参数对所述PCM数据进行重采样；播放所述目标媒体。4.根据权利要求3所述的显示设备，其特征在于，所述控制器，还被配置为：在所述播放所述目标媒体之前，创建AI字幕同步渲染插件，所述AI字幕同步渲染插件用于与第三方AI语音识别服务器通信；向所述第三方AI语音识别服务器发送所述目标PCM数据；接收所述第三方AI语音识别服务器返回的识别结果；解析所述识别结果得到所述目标字幕。5.根据权利要求4所述的显示设备，其特征在于，所述控制器，还被配置为：获取所述第三方AI语音识别服务器的延迟时长；确定所述目标媒体的第一已播放时长和所述目标PCM数据的目标显示时刻；在第一同步时长与所述第一已播放时长的差值的绝对值小于或者等于时长阈值的情况下，向所述第三方AI语音识别服务器发送所述目标PCM数据，所述第一同步时长为所述目标显示时间与所述延迟时长的差值；在所述第一同步时长与所述第一已播放时长的差值大于所...

【专利技术属性】
技术研发人员：朱宗花，李斌，
申请(专利权)人：海信视像科技股份有限公司，
类型：发明
国别省市：