[发明专利]一种字幕生成方法、装置、电子设备及可读存储介质

说明书

本发明实施例提供了一种字幕生成方法、装置、电子设备及可读存储介质，其中，方法包括获取目标音频和目标文本，目标音频与目标文本相匹配；确定目标解码图；将目标音频输入所述目标解码图，得到目标文本中的每个字符与目标音频中的音频帧的对应关系；根据对应关系，确定目标文本的每个文本片段的时间信息，时间信息包括起始时刻和持续时长，每个文本片段包括至少一个字符；在输出目标音频的过程中，根据目标文本的每个文本片段的时间信息，输出目标文本的每个文本片段对应的字幕。本发明实施例提供的字幕生成方法可以提高字幕制作的效率。

技术领域

本发明涉及多媒体处理技术领域，特别是涉及一种字幕生成方法、装置、电子设备及可读存储介质。

背景技术

随着知识、信息获取方式的多元化，人们的阅读习惯也发生着改变，有声读物在此场景下应运而生。有声读物即为有声读物，如有声新闻，有声小说，儿童有声读物等。有声读物是通过视频软件做出有声读物的背景视频及字幕，然后为该有声读物录入对应的声音得到的。

目前，有声读物的字幕制作采用人工标注的方式，该方式效率较低。

发明内容

本发明实施例的目的在于提供一种字幕生成方法、装置、电子设备及可读存储介质，以提高字幕制作的效率。具体技术方案如下：

在本发明实施的第一方面，首先提供了一种字幕生成方法，包括：

获取目标音频和目标文本，所述目标音频与所述目标文本相匹配；

确定目标解码图；

将所述目标音频输入所述目标解码图，得到所述目标文本中的每个字符与所述目标音频中的音频帧的对应关系；

根据所述对应关系，确定所述目标文本的每个文本片段的时间信息，所述时间信息包括起始时刻和持续时长，每个所述文本片段包括至少一个字符；

在输出所述目标音频的过程中，根据所述目标文本的每个文本片段的时间信息，输出所述目标文本的每个文本片段对应的字幕。

在本发明实施的第二方面，还提供了一种字幕生成装置，包括：

获取模块，用于获取目标音频和目标文本，所述目标音频与所述目标文本相匹配；

第一确定模块，用于确定目标解码图；

第二确定模块，用于将所述目标音频输入所述目标解码图，得到所述目标文本中的每个字符与所述目标音频中的音频帧的对应关系；

第三确定模块，用于根据所述对应关系，确定所述目标文本的每个文本片段的时间信息，所述时间信息包括起始时刻和持续时长，每个所述文本片段包括至少一个字符；

输出模块，用于在输出所述目标音频的过程中，根据所述目标文本的每个文本片段的时间信息，输出所述目标文本的每个文本片段对应的字幕。

在本发明实施的又一方面，还提供了一种电子设备，所述电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，执行上述任一所述的字幕生成方法。

在本发明实施的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述任一所述的字幕生成方法。