[发明专利]一种视频字幕实时生成系统及生成方法

说明书

一种视频字幕实时生成系统，包括：声音静默采集装置，与视频播放设备电性连接，用于从视频播放设备获取声音原始电信号；前端处理装置，与所述声音静默采集装置和视频播放设备均电性连接，用于对声音原始电信号进行处理生成声音压缩电信号；远端服务器，与所述前端处理装置电性连接，用于根据声音压缩电信号生成字幕数据并且通过前端处理装置将字幕数据发送给视频播放设备。本发明提供一种视频字幕实时生成系统及生成方法，能够快速生成字幕并且实时显示。

技术领域

本发明涉及视频播放技术领域，具体的说是一种视频字幕实时生成系统及生成方法。

背景技术

听障人面临语音信息获取障碍和传递障碍，因此在信息接收和传输过程中存在困难。作为信息传递的重要媒介，视频在人们生活中具有很重要的地位，但是视频中重要信息也多是语音传达，在这样的情况下听障人很难获取有效视频信息，而听障人呼吁的视频添加字幕，由于各种各样的原因一直没能在视频中直接添加。

随着语音识别技术的快速发展，利用语音识别技术实时生成字幕成为了可能。遗憾的是，语音识别技术虽然可以让语音快速转换为文字，但是语音识别技术只针对说话的语音进行转换，且语音要求原始的16000HZ，16bit的PCM格式或者特定的语音格式，通常使用时一般现场录音现场识别或者是录音后对音频文件解码进行识别。这种处理技术只涉及语音音频或者音频流。而视频播放时都是一种编码形成的格式流，是视频格式的码流和音频的码流聚合而成的新流，这种视频格式的流需要解码才能使用。

在这样的情况下，要想在对视频进行字幕输出，需要对视频进行解码处理，然后再分离出音频流，然后再对音频流进行语音前后端处理，处理后才能语音转文字，生成字幕，流程非常多，也非直接对视频中音频流进行处理。

发明内容

为了解决现有技术中的不足，本发明提供一种视频字幕实时生成系统及生成方法，能够快速生成字幕并且实时显示。

为了实现上述目的，本发明采用的具体方案为：一种视频字幕实时生成系统，包括：声音静默采集装置，与视频播放设备电性连接，用于从视频播放设备获取声音原始电信号；前端处理装置，与所述声音静默采集装置和视频播放设备均电性连接，用于对声音原始电信号进行处理生成声音压缩电信号；远端服务器，与所述前端处理装置电性连接，用于根据声音压缩电信号生成字幕数据并且通过前端处理装置将字幕数据发送给视频播放设备。

作为一种优选方案，所述前端处理装置包括电性连接的核心处理器和通信模块，其中核心处理器与所述声音静默采集装置电性连接，通信模块与所述远端服务器电性连接。

一种视频字幕实时生成系统的生成方法，包括如下步骤：

S1、判断所述声音静默采集装置的状态，若声音静默采集装置就绪，则执行S2，否则结束；

S2、启动视频播放设备并且播放视频；

S3、声音静默采集装置从视频播放设备获取声音原始电信号，并且将声音原始电信号发送给所述前端处理装置；

S4、前端处理装置依次对声音原始电信号进行抽样、前处理和重采样得到声音压缩电信号，并且将声音压缩电信号发送给所述远端服务器；

S5、远端服务器对声音压缩电信号进行识别得到字幕数据，并且将字幕数据发送给前端处理装置；

S6、前端处理装置将字幕数据发送给视频播放设备；

S7、视频播放设备在视频字幕区显示字幕数据。

作为一种优选方案，S1的具体方法为：

S1.1、检测所述声音静默采集装置与视频播放设备的连接状态，若连接正常则执行S1.2，否则直接结束；

S1.2、检测声音静默采集装置的运行状况，若运行正常则执行S2，否则直接结束。