[发明专利]一种处理直播流的方法和装置

权利要求书

1.一种处理直播流的方法，其特征在于，所述方法包括：

将原始直播流解码为原始音频数据和原始视频数据；

对所述原始音频数据进行语音识别，生成所述原始音频数据对应的文本字符；

根据所述语音识别耗费的第一时长，对所述原始视频数据进行延迟处理；

将所述文本字符添加到延迟后的视频数据中，生成目标视频数据；

将所述目标视频数据与所述原始音频数据同步合成，生成目标直播流；

播放所述目标直播流。

2.根据权利要求1所述的方法，其特征在于，所述将原始直播流解码为原始音频数据和原始视频数据的步骤，包括：

将预设时长的原始直播流解码为原始音频数据和原始视频数据。

3.根据权利要求1所述的方法，其特征在于，所述将原始直播流解码为原始音频数据和原始视频数据的步骤，包括：

在预设时长区间内的原始直播流中，确定语音停顿的时间点；

将所述原始直播流中所述时间点之前且未解码的直播流片段，解码为原始音频数据和原始视频数据。

4.根据权利要求1所述的方法，其特征在于，所述根据所述语音识别耗费的第一时长，对所述原始视频数据进行延迟处理的步骤，包括：

确定所述语音识别所耗费的第一时长；

将所述原始视频数据的时间戳，延迟所述第一时长。

5.根据权利要求4所述的方法，其特征在于，

在所述对所述原始音频数据进行语音识别，生成所述原始音频数据对应的文本字符的步骤之后，所述方法还包括：

将所述文本字符翻译成预设的语言种类，生成第二时长，所述第二时长为将所述文本字符翻译成预设的语言种类所耗费的时长；

所述将所述原始视频数据的时间戳，延迟所述第一时长的步骤，包括：

将所述原始视频数据的时间戳，延迟所述第一时长和所述第二时长之和的时长；

所述将所述文本字符添加到延迟后的视频数据中，生成目标视频数据的步骤，包括：

将翻译后的文本字符添加到延迟后的视频数据中，生成目标视频数据。

6.根据权利要求5所述的方法，其特征在于，

在所述将所述文本字符翻译成预设的语言种类的步骤之后，所述方法还包括：

对翻译后的文本字符进行纠错处理；

确定所述纠错处理所耗费的第三时长；

所述将所述原始视频数据的时间戳，延迟所述第一时长和所述第二时长之和的时长的步骤，包括：

将所述原始视频数据的时间戳，延迟所述第一时长、所述第二时长和所述第三时长之和的时长；

所述将所述文本字符添加到延迟后的视频数据中，生成目标视频数据的步骤，包括：

将翻译并纠错后的文本字符添加到延迟后的视频数据中，生成目标视频数据。

7.根据权利要求1所述的方法，其特征在于，所述将所述目标视频数据与所述原始音频数据同步合成，生成目标直播流的步骤，包括：

基于预设的参考时间轴，根据所述目标视频数据中视频帧的时间戳，以及所述原始音频数据中音频帧的时间戳，将所述目标视频数据与所述原始音频数据进行同步合成，生成目标直播流。

8.一种处理直播流的装置，其特征在于，所述装置包括：

解码单元，用于将原始直播流解码为原始音频数据和原始视频数据；

识别单元，用于对所述原始音频数据进行语音识别，生成所述原始音频数据对应的文本字符；

延迟单元，用于根据所述语音识别耗费的第一时长，对所述原始视频数据进行延迟处理；

添加单元，用于将所述文本字符添加到延迟后的视频数据中，生成目标视频数据；

合成单元，用于将所述目标视频数据与所述原始音频数据同步合成，生成目标直播流；

播放单元，用于播放所述目标直播流。

9.根据权利要求8所述的装置，其特征在于，

所述解码单元，具体用于将预设时长的原始直播流解码为原始音频数据和原始视频数据。