[发明专利]用于切割音频文件的方法及其相关产品

说明书

本发明的实施方式提供了一种用于切割音频文件的方法及相关产品。其中，该方法包括：获取与所述音频文件时序相关的字幕文本；对所述字幕文本进行可视化展示；以及响应于对所展示的所述字幕文本的切割操作，同步对所述字幕文本和所述音频文件进行切割以生成多个新文件。通过本发明的方案，可以基于对可视化展示的字幕文本的切割处理，实现对音频文件和字幕文本的同步切割，有效提高了切割效率。此外，还提供了一种设备和计算机可读存储介质。

技术领域

本发明的实施方式涉及信息处理技术领域，更具体地，本发明的实施方式涉及用于切割音频文件的方法、执行前述方法的设备和计算机可读存储介质。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述可包括可以探究的概念，但不一定是之前已经想到或者已经探究的概念。因此，除非在此指出，否则在本部分中描述的内容对于本申请的说明书和权利要求书而言不是现有技术，并且并不因为包括在本部分中就承认是现有技术。

目前语音识别技术(Automatic Speech Recognition，ASR)已经广泛应用于商业、教育、医疗等产业。其中，在教育场景下该技术大多是应用在智能硬件或终端，从而为广大学习者提供便捷的资源输出和交互方式。不仅如此，该技术在人工辅助及工具化产品中也发挥了很大的价值，如辅助人工进行多媒体资源的生产加工(例如对音视频的切割)。现有技术多依赖于视频剪切软件进行音视频的切割。具体地，在切割过程中，需要介入人工来根据所观察到的音频波形或实际听到的语音进行音频切分。这种人工切割方式仅适用于短音频的切割场景，无法解决稍长音频或者有对相应字幕文本的切割需求的场景，使得整体切割效率低，切割效果不理想。

发明内容

已知的音频切割方法耗时耗力且切割效果不理想，这是非常令人烦恼的过程。

为此，非常需要一种改进的用于切割音频文件的方案及其相关产品，可以基于对可视化展示的字幕文本的切割处理，实现对音频文件和字幕文本的同步切割，有效提高了切割效率。

在本上下文中，本发明的实施方式期望提供一种用于切割音频文件的方案及其相关产品。

在本发明实施方式的第一方面中，提供了一种用于切割音频文件的方法，包括：获取与所述音频文件时序相关的字幕文本；对所述字幕文本进行可视化展示；以及响应于对所展示的所述字幕文本的切割操作，同步对所述字幕文本和所述音频文件进行切割以生成多个新文件。

在本发明的一个实施例中，获取与所述音频文件时序相关的字幕文本包括：获取所述音频文件的语音识别文本；以及基于所述语音识别文本，生成与所述音频文件时间戳相匹配的字幕文本。

在本发明的另一个实施例中，基于所述语音识别文本，生成与所述音频文件时间戳相匹配的字幕文本包括：对所述语音识别文本进行可视化增强处理；以及基于处理后的语音识别文本，生成与所述音频文件时间戳相匹配的字幕文本。

在本发明的又一个实施例中，对所述语音识别文本进行可视化增强处理包括：获取所述音频文件的原始字幕文本；结合所述原始字幕文本，对所述语音识别文本进行可视化增强处理，其中所述可视化增强处理至少包括断句处理。

在本发明的再一个实施例中，其中所述切割操作包括对所述字幕文本进行至少一次打标操作，针对每次打标操作，同步对所述字幕文本和所述音频文件进行切割以生成多个新文件包括：确定所述打标操作在所述字幕文本中打标位置处的时间戳；对所述音频文件中具有相同所述时间戳的音频进行打标；以及对经打标的所述字幕文本和所述音频文件进行切割处理以生成多个新文件，其中所生成的多个新文件中的每个音频文件与各自的字幕文本相对应。