[发明专利]一种控制音频与文本同步的方法及装置

权利要求书

1.一种控制音频与文本同步的方法，其特征在于，所述方法包括：

获取目标音频和由所述目标音频转换得到的识别文本；

接收对所述识别文本的编辑操作，得到所述识别文本的编辑后文本；

根据所述识别文本和所述编辑后文本，确定目标文本；

控制所述目标文本与所述目标音频进行同步；

其中，所述根据所述识别文本和所述编辑后文本，确定目标文本，包括：

获取所述编辑后文本相对于所述识别文本的改动文字；

根据所述改动文字，得到多个第一待同步文本，其中所述多个第一待同步文本中的每个第一待同步文本中均不包含标点符号；

从所述多个第一待同步文本中确定所述目标文本；

其中，所述从所述多个第一待同步文本中确定所述目标文本，包括：

通过预设的声学模型，将多个第一待同步文本中的每个第一待同步文本与所述目标音频进行对齐，并得到每个第一待同步文本的声学得分；通过预设的语言模型，得到每个第一待同步文本的语言得分；根据每个第一待同步文本的声学得分和语言得分，得到每个第一待同步文本的综合得分，并根据每个第一待同步文本的综合得分，从多个第一待同步文本中确定所述目标文本。

2.根据权利要求1所述的方法，其特征在于，所述获取所述编辑后文本相对于所述识别文本的改动文字，包括：

获取所述编辑后文本和所述识别文本的不含标点符号的对齐结果；

根据所述对齐结果，得到所述编辑后文本相对于所述识别文本的改动文字。

3.根据权利要求1所述的方法，其特征在于，所述根据所述改动文字，得到多个第一待同步文本，包括：

根据所述改动文字，在不含标点符号的识别文本中，进行所述改动文字中的任意一个改动文字或其组合的改动，得到改动后的第一文本；

将不含标点符号的识别文本和所述第一文本确定为所述第一待同步文本。

4.根据权利要求1所述的方法，其特征在于，所述控制所述目标文本与所述目标音频进行同步之前，所述方法还包括：

将所述目标文本发送至用户终端，以使所述用户终端对所述目标文本进行确认；

当接收到用户终端确认所述目标文本为正确文本的指令时，执行所述控制所述目标文本与所述目标音频进行同步的步骤。

5.根据权利要求4所述的方法，其特征在于，所述将所述目标文本发送至用户终端之后，所述方法还包括：

当接收到用户终端确认所述目标文本为错误文本的指令时，控制所述编辑后文本与所述目标音频进行同步。

6.一种控制音频与文本同步的装置，其特征在于，所述装置包括：

第一获取模块，用于获取目标音频和由所述目标音频转换得到的识别文本；

第二获取模块，用于接收对所述识别文本的编辑操作，得到所述识别文本的编辑后文本；

确定模块，用于根据所述识别文本和所述编辑后文本，确定目标文本；

控制模块，用于控制所述目标文本与所述目标音频进行同步；

其中，所述确定模块包括：

第一获取单元，用于获取所述编辑后文本相对于所述识别文本的改动文字；

第二获取单元，用于根据所述改动文字，得到多个第一待同步文本，其中所述多个第一待同步文本中的每个第一待同步文本中均不包含标点符号；

第一确定单元，用于从所述多个第一待同步文本中确定所述目标文本；

其中，所述第一确定单元具体用于：

通过预设的声学模型，将多个第一待同步文本中的每个第一待同步文本与所述目标音频进行对齐，并得到每个第一待同步文本的声学得分；通过预设的语言模型，得到每个第一待同步文本的语言得分；根据每个第一待同步文本的声学得分和语言得分，得到每个第一待同步文本的综合得分，并根据每个第一待同步文本的综合得分，从多个第一待同步文本中确定所述目标文本。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的控制音频与文本同步的方法的步骤。

8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5中任一项所述的控制音频与文本同步的方法的步骤。