[发明专利]文本重对齐方法、装置、电子设备和存储介质

说明书

本公开提供一种文本重对齐方法、装置、电子设备和存储介质。该方法的一具体实施方式包括：获取与编辑前字幕文本对应的编辑前字幕分词序列、编辑前字幕分词时间序列和编辑后字幕文本；对编辑后字幕文本进行分词处理，得到编辑后字幕分词序列；利用最小编辑距离算法，对于编辑后字幕文本中的每个编辑后字幕字，在编辑前字幕文本中确定与该编辑后字幕字对应的编辑前字幕字；对于编辑后字幕分词序列中每个编辑后字幕分词，根据该编辑后字幕分词所包括的编辑后字幕字对应的编辑前字幕字，确定编辑前字幕分词序列中与该编辑后字幕分词对应的编辑前字幕分词，以及根据所确定的编辑前字幕分词的编辑前字幕分词时间确定该编辑后字幕分词的编辑后字幕分词时间。该实施方式简化了文本重对齐的操作复杂度。

技术领域

本公开的实施例涉及语音识别技术领域，具体涉及文本重对齐方法、装置、电子设备和存储介质。

背景技术

自动语音识别(Automatic Speech Recognition，ASR)中音频和文本对齐是一项广泛应用于音视频领域的技术，主要实现将对语音数据自动识别后所得到的识别文本与语音数据在时间维度上进行匹配对齐，进而得到字幕。但自动语音识别过程往往会出现差错，用户可以对识别得到的文本进行编辑，而用户编辑后的文本与编辑前可能不同，因此需要重新将编辑后的文本与语音数据进行对齐以得到重对齐后的字幕。

发明内容

本公开的实施例提出了文本重对齐方法、装置、电子设备和存储介质。

第一方面，本公开的实施例提供了一种文本重对齐方法，该方法包括：获取与编辑前字幕文本对应的编辑前字幕分词序列、编辑前字幕分词时间序列和编辑后字幕文本；对上述编辑后字幕文本进行分词处理，得到编辑后字幕分词序列；利用最小编辑距离算法，对于上述编辑后字幕文本中的每个编辑后字幕字，在上述编辑前字幕文本中确定与该编辑后字幕字对应的编辑前字幕字；对于上述编辑后字幕分词序列中每个编辑后字幕分词，根据该编辑后字幕分词所包括的编辑后字幕字对应的编辑前字幕字，确定上述编辑前字幕分词序列中与该编辑后字幕分词对应的编辑前字幕分词，以及根据所确定的编辑前字幕分词的编辑前字幕分词时间确定该编辑后字幕分词的编辑后字幕分词时间。

在一些可选的实施方式中，上述编辑前字幕文本、编辑前字幕分词序列、编辑前字幕分词时间序列和编辑后字幕文本通过如下方式生成：对待识别语音数据进行语音识别得到编辑前字幕文本；基于上述编辑前字幕文本和上述待识别语音数据，生成上述编辑前字幕分词序列和上述编辑前字幕时间序列；呈现上述编辑前字幕文本，以及响应于检测到用户针对上述编辑前字幕文本的编辑操作，将编辑操作后的字幕文本确定为编辑后字幕文本。

在一些可选的实施方式中，上述方法还包括：用上述编辑后字幕分词序列中各编辑后字幕分词对应的编辑后字幕分词时间，生成与上述编辑后字幕分词序列对应的编辑后字幕分词时间序列。

在一些可选的实施方式中，上述方法还包括：基于上述编辑后字幕文本的文本结构信息、上述编辑后字幕分词序列和上述编辑后字幕时间序列生成编辑后字幕。

在一些可选的实施方式中，上述方法还包括：将上述编辑后字幕添加到目标视频中，得到添加编辑后字幕视频。

在一些可选的实施方式中，上述编辑前字幕文本、编辑前字幕分词序列、编辑前字幕分词时间序列和编辑后字幕文本通过如下方式生成：对目标视频中的音频数据进行语音识别得到编辑前字幕文本；基于上述编辑前字幕文本和上述待识别语音数据，生成上述编辑前字幕分词序列和上述编辑前字幕时间序列；呈现上述编辑前字幕文本，以及响应于检测到用户针对上述编辑前字幕文本的编辑操作，将编辑操作后的字幕文本确定为编辑后字幕文本。

在一些可选的实施方式中，上述对上述编辑后字幕文本进行分词处理，得到上述编辑后字幕分词序列，包括：确定上述编辑后字幕文本的语言类型；按照上述语言类型对应的分词处理方法，对上述编辑后字幕文本进行分词处理，得到上述编辑后字幕分词序列。