[发明专利]音视频同步检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种音视频同步检测方法、装置、计算机设备和存储介质。该方法包括：获取测试音频和对应的包括至少一个目标文字的文字文本；生成用于将文字文本和测试音频同步播放的同步音视频文件；将同步音视频文件中的第一音频数据和第一视频数据输入至多媒体系统，输出第二音频数据和第二视频数据；对第二视频数据所对应的视频进行字符识别，得到每个目标文字在对应的视频中出现的第一时间信息；对第二音频数据所对应的音频进行语音识别，得到每个目标文字的发音在对应的音频中出现的第二时间信息；比较第一时间信息和第二时间信息的差异，基于差异得到音视频同步检测结果。采用本方法可量化音视频同步检测结果。

技术领域

本申请涉及软件技术领域，特别是涉及一种音视频同步检测方法、装置、计算机设备和存储介质。

背景技术

随着多媒体技术的发展，多媒体系统的应用已渗透到人类生活的各个领域，如通信、工业、医学、教学等，给人们生活带来了极大的便利。并且，多媒体系统经常涉及对音频和视频的处理，导致容易出现音视频不同步的问题。因此，衡量多媒体系统的音视频的同步效果，成了对多媒体系统的评价指标之一。

但是，目前大都是采用主观评估方法来判断多媒体系统输出的音频和视频是否同步，无法对音频和视频的同步延时差进行量化。

发明内容

基于此，有必要针对上述技术问题，提供一种可量化的音视频同步检测方法、装置、计算机设备、存储介质和计算机程序产品。

第一方面，本申请提供了一种音视频同步检测方法,所述方法包括：

获取测试音频和所述测试音频对应的文字文本；所述文字文本中包括至少一个目标文字；

生成用于将所述文字文本和测试音频同步播放的同步音视频文件；

将所述同步音视频文件对应的第一音频数据和第一视频数据输入至多媒体系统，触发所述多媒体系统以预设的音视频处理流程处理所述第一音频数据和所述第一视频数据，输出处理后的第二音频数据和第二视频数据；

对所述第二视频数据所对应的视频进行字符识别，得到所述目标文字以及每个所述目标文字在对应的视频中出现的第一时间信息；

对所述第二音频数据所对应的音频进行语音识别，得到所述目标文字以及每个所述目标文字的发音在对应的音频中出现的第二时间信息；

比较第一时间信息和第二时间信息的差异，基于所述差异得到音视频同步检测结果。

在其中一个实施例中，所述获取测试音频和所述测试音频对应的文字文本包括：

获取用于进行音视频同步测试的测试音频；

对所述测试音频进行语音识别，得到对应的文字文本。

在其中一个实施例中，所述比较第一时间信息和第二时间信息的差异，基于所述差异得到音视频同步检测结果包括：

针对所述文字文本中的每个目标文字，确认每个目标文字所对应的所述第一时间信息和所述第二时间信息之间的差异值；

基于所述差异值得到音视频同步检测结果。

在其中一个实施例中，所述基于所述差异值得到音视频同步检测结果包括：

若每个目标文字所对应的差异值皆小于预设差异阈值，则确认所述音视频同步检测结果为音视频播放同步；

若任一目标文字所对应的所述差异值大于预设差异阈值，则确认所述音视频同步检测结果为音视频播放不同步。

在其中一个实施例中，所述多媒体系统包括采集端和输出端；所述将所述同步音视频文件中的第一音频数据和第一视频数据输入至多媒体系统，触发所述多媒体系统以预设的音视频处理流程处理所述第一音频数据和所述第一视频数据，输出处理后的第二音频数据和第二视频数据包括：