[发明专利]一种字幕生成方法、装置、电子设备和存储介质

说明书

本发明公开了一种字幕生成方法、装置、电子设备和存储介质，该方法包括：获取待识别语音和第一文本，基于预设语音识别算法对待识别语音进行语音识别，得到至少一个文本语句，待识别语音是基于第一文本生成的；若第一文本中带有标点符号，基于标点符号将第一文本划分为多个语句单元；基于预设分词算法对各语句单元进行分词处理，得到多个分词；将文本语句分别与各分词进行匹配，根据匹配结果确定各语句单元中与文本语句对应的目标语句单元；基于目标语句单元校正文本语句并得到目标文本语句，根据各目标文本语句生成目标字幕，基于先验的文本信息校正语音识别出的文本语句，实现了更加准确的进行字幕生成，提升了用户体验。

技术领域

本申请涉及计算机技术领域，更具体地，涉及一种字幕生成方法、装置、电子设备和存储介质。

背景技术

用户在收看一些音视频时，可以通过音视频展示画面上显示的字幕理解音视频内容。

现有技术中在进行字幕生成时，一般依赖人工手动录入或者通过语音识别技术自动生成文本信息编码到视频文件中。对于人工手动录入生成字幕的方式，存在效率低的问题。对于基于语音识别生成字幕的方式，依靠深度学习神经网络技术将输入的语音信息转化成含有时间戳信息的文本信息，最终依据时间戳信息转化成视频帧数范围，将文本信息添加到对应的视频帧中，生成字幕。然而语音识别的准确率很容易受到语音音量和音色等因素的影响，使转化出的文本信息产生不同程度的错误率，从而导致生成的字幕不准确。

因此，如何更加准确的进行字幕生成，是目前有待解决的技术问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本申请实施例提供一种字幕生成方法、装置、电子设备和存储介质，用以更加准确的进行字幕生成。

第一方面，提供一种字幕生成方法，所述方法包括：获取待识别语音和第一文本，基于预设语音识别算法对所述待识别语音进行语音识别，得到至少一个文本语句，其中，所述待识别语音是基于所述第一文本生成的；若所述第一文本中带有标点符号，基于所述标点符号将所述第一文本划分为多个语句单元；基于预设分词算法对各所述语句单元进行分词处理，得到多个分词；将所述文本语句分别与各所述分词进行匹配，根据匹配结果确定各所述语句单元中与所述文本语句对应的目标语句单元；基于所述目标语句单元校正所述文本语句并得到目标文本语句，根据各所述目标文本语句生成目标字幕。

第二方面，提供一种字幕生成装置，所述装置包括：语音识别模块，用于获取待识别语音和第一文本，基于预设语音识别算法对所述待识别语音进行语音识别，得到至少一个文本语句，其中，所述待识别语音是基于所述第一文本生成的；划分模块，用于若所述第一文本中带有标点符号，基于所述标点符号将所述第一文本划分为多个语句单元；分词模块，用于基于预设分词算法对各所述语句单元进行分词处理，得到多个分词；匹配模块，用于将各所述文本语句分别与各所述分词进行匹配，根据匹配结果确定各所述语句单元中与所述文本语句对应的目标语句单元；生成模块，用于基于所述目标语句单元校正所述文本语句并得到目标文本语句，根据各所述目标文本语句生成目标字幕。

第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行第一方面所述的字幕生成方法。

第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的字幕生成方法。