[发明专利]字幕生成方法、装置、计算机设备以及存储介质

说明书

本公开提供了一种字幕生成方法、装置、计算机设备以及存储介质，方法包括：获取待生成字幕的目标音频、以及目标音频对应的标准文本；基于目标音频，生成对应的参考字幕文件，其中，参考字幕文件包括字幕文本以及字幕文本的显示时间；确定字幕文本与标准文本是否存在差异，若存在，则确定出差异信息，基于差异信息调整字幕文本，得到目标字幕文本；基于字幕文本的显示时间确定出目标字幕文本的目标显示时间，得到包含所述目标字幕文本和所述目标显示时间的目标字幕文件。这样可以及时地确定字幕文本中存在的问题，并能够进一步根据字幕文本相对于标准文本的差异信息来调整字幕文本，从而获得正确的字幕文本，大大提高了字幕文件的准确率。

技术领域

本公开涉及音频识别的技术领域，具体而言，涉及一种字幕生成方法、装置、计算机设备以及存储介质。

背景技术

为了直观地展示音视频所表示的内容，通常会为音视频配置对应的字幕。现有技术提供了基于语音识别技术来生成音视频对应的字幕的方案，然而，由于识别准确度的限制，基于语音识别所生成的字幕可能存在少字、多字和错别字等错误。因此，如何及时地发现和纠正基于语音识别所生成的字幕中的错误内容，成为亟需解决的问题。

发明内容

本公开实施例至少提供了一种字幕生成方法、装置、计算机设备以及存储介质。

第一方面，本公开实施例提供了一种字幕生成方法，所述方法包括：

获取待生成字幕的目标音频、以及所述目标音频对应的标准文本；

基于所述目标音频，生成对应的参考字幕文件，其中，所述参考字幕文件包括字幕文本以及所述字幕文本的显示时间；

确定所述字幕文本与所述标准文本是否存在差异，若存在，则确定出差异信息，基于所述差异信息调整所述字幕文本，得到目标字幕文本；

基于字幕文本的显示时间确定出目标字幕文本的目标显示时间，得到包含所述目标字幕文本和所述目标显示时间的目标字幕文件。

在一种可能的实施方式中，所述基于所述目标音频，生成对应的参考字幕文件，包括：

基于所述目标音频，生成对应的字幕文本；

基于所述目标音频中与所述字幕文本中每个字对应的音频片段的播放时间，确定出所述字幕文本中每个字的显示时间；

基于所述字幕文本和所述显示时间生成参考字幕文件。

在一种可能的实施方式中，所述确定出差异信息包括：

确定出所述字幕文本与所述标准文本之间的差异内容在所述字幕文本中的位置信息、以及所述差异内容对应的差异类型信息；

其中，所述差异类型信息包括缺失信息、多余信息、以及错误信息中的至少一项。

在一种可能的实施方式中，所述方法还包括：

根据所述位置信息和所述差异类型信息生成差异提示信息；

根据所述差异提示信息对用户进行提示。

在一种可能的实施方式中，所述根据所述差异提示信息对用户进行提示，包括：

展示所述差异提示信息对应的提示文本；

和/或，播放所述差异提示信息对应的提示音视频。

在一种可能的实施方式中，所述方法还包括：

展示所述字幕文本；

基于所述差异类型信息对应的显示形式以及所述位置信息，在所述字幕文本中显示所述差异内容。

在一种可能的实施方式中，所述基于所述差异类型信息对应的显示形式以及所述位置信息，在所述字幕文本中显示所述差异内容，包括：