[发明专利]音视频数据处理方法、装置、电子设备和介质

说明书

本公开公开了一种音视频数据处理方法、装置、设备、介质和产品，涉及语音技术领域。音视频数据处理方法包括：处理音视频数据，得到第一语音元素集合和针对第一语音元素集合的第一时间信息，将第一语音元素集合与第二语音元素集合进行匹配，其中，第二语音元素集合与文本数据相关联；基于第一语音元素集合和第二语音元素集合之间的匹配结果和第一时间信息，确定针对文本数据的第二时间信息；基于第二时间信息，关联地输出文本数据和音视频数据。

技术领域

本公开涉及计算机技术领域，尤其涉及语音技术领域，更具体地，涉及一种音视频数据处理方法、装置、电子设备、介质和程序产品。

背景技术

在音视频处理的场景下，通常需要为音视频添加对应的文本，例如在音视频中添加字幕信息。相关技术在为音视频添加文本时，文本的和音视频的匹配度较低、人工成本较高、操作繁琐。

发明内容

本公开提供了一种音视频数据处理方法、装置、电子设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种音视频数据处理方法，包括：处理音视频数据，得到第一语音元素集合和针对所述第一语音元素集合的第一时间信息；将所述第一语音元素集合与第二语音元素集合进行匹配，其中，所述第二语音元素集合与文本数据相关联；基于所述第一语音元素集合和所述第二语音元素集合之间的匹配结果和所述第一时间信息，确定针对所述文本数据的第二时间信息；基于所述第二时间信息，关联地输出所述文本数据和所述音视频数据。

根据本公开的另一方面，提供了一种音视频数据处理装置，包括：处理模块、匹配模块、确定模块以及输出模块。处理模块，用于处理音视频数据，得到第一语音元素集合和针对所述第一语音元素集合的第一时间信息；匹配模块，用于将所述第一语音元素集合与第二语音元素集合进行匹配，其中，所述第二语音元素集合与文本数据相关联；确定模块，用于基于所述第一语音元素集合和所述第二语音元素集合之间的匹配结果和所述第一时间信息，确定针对所述文本数据的第二时间信息；输出模块，用于基于所述第二时间信息，关联地输出所述文本数据和所述音视频数据。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的音视频数据处理方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述的音视频数据处理方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述的音视频数据处理方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了根据本公开一实施例的音视频数据处理方法和装置的系统架构；

图2示意性示出了根据本公开一实施例的音视频数据处理方法的流程图；

图3示意性示出了根据本公开一实施例的音视频数据处理方法的原理图；

图4A～4B示意性示出了根据本公开一实施例的音视频数据处理方法的示意图；

图5示意性示出了根据本公开一实施例的音视频数据处理装置的框图；以及

图6是用来实现本公开实施例的用于执行音视频数据处理的电子设备的框图。

具体实施方式