[发明专利]语音和字幕的调整方法和装置、电子设备、存储介质

权利要求书

1.一种语音和字幕的调整方法，其特征在于，包括：

获取视频中的目标语音，并确定所述目标语音在所述视频中的第一时刻，其中，所述视频中包括多条语音，所述第一时刻为所述目标语音在所述视频中开始播放的时刻；

依据所述第一时刻和预设时间范围，在所述视频的字幕中提取与所述目标语音匹配的目标字幕；

依据所述第一时刻以及所述目标字幕在所述视频中的第二时刻，判断所述目标语音与所述目标字幕是否同步，其中，所述第二时刻为所述目标字幕在所述视频中开始播放的时刻；

在所述目标语音与所述目标字幕不同步的情况下，依据所述第一时刻和所述第二时刻的时间差，调整所述视频中字幕的时间轴，以使所述视频中的语音与字幕同步。

2.根据权利要求1所述的调整方法，其特征在于，依据所述第一时刻和预设时间范围，在所述视频的字幕中提取与所述目标语音匹配的目标字幕，包括：

在所述视频中提取目标预设时间范围内对应的字幕，其中，所述目标预设时间范围由所述第一时刻和所述预设时间范围确定；

确定所述字幕的字幕条数；

在所述字幕为一条字幕的情况下，将所述字幕作为所述目标字幕；

在所述字幕为多条字幕的情况下，依据所述多条字幕中每条字幕在所述视频中的开始播放时刻，确定所述目标字幕，其中，所述目标字幕为所述多条字幕的其中一条字幕，所述目标字幕的开始播放时刻为所述多条字幕中开始播放时刻最早的字幕。

3.根据权利要求1所述的调整方法，其特征在于，依据所述第一时刻以及所述目标字幕在所述视频中的第二时刻，判断所述目标语音与所述目标字幕是否同步，包括：

计算所述第一时刻和所述第二时刻的时间差；

将所述时间差与预设阈值进行比较，得到比较结果，其中，所述预设阈值至少包括第一预设阈值和第二预设阈值，所述第一预设阈值为负数，所述第二预设阈值为正数；

基于所述比较结果，判断所述目标语音与所述目标字幕是否同步。

4.根据权利要求3所述的调整方法，其特征在于，基于所述比较结果，判断所述目标语音与所述目标字幕是否同步，包括：

在所述比较结果为所述时间差大于第一预设阈值且小于第二预设阈值的情况下，确定所述目标语音与所述目标字幕同步；

在所述比较结果为所述时间差小于等于所述第一预设阈值，或，所述时间差大于等于所述第二预设阈值的情况下，确定所述目标语音与所述目标字幕不同步。

5.根据权利要求1所述的调整方法，其特征在于，获取视频中的目标语音，包括：

获取所述视频中的多条待选语音，其中，所述待选语音作为所述目标语音的待选语音；

基于每条待选语音在所述视频中的第三时刻，确定每条待选语音在所述视频中的相邻语音段，其中，所述第三时刻为每条待选语音在所述视频中开始播放的时刻，所述相邻语音段中包括一句或多句语音；

获取每条待选语音的相邻语音段的开始播放时刻，并基于每条待选语音的相邻语音段的开始播放时刻与每条待选语音的所述第三时刻，确定每条待选语音与其相邻语音段的时间间隔；

通过每条待选语音与其相邻语音段的时间间隔与预设时间间隔阈值进行比较，并在所述时间间隔大于所述预设时间间隔阈值的情况下，基于预设权重、每条待选语音与其相邻语音段的时间间隔，以及所述预设时间间隔阈值，计算每条待选语音的得分值；

将所述多条待选语音中得分值最大的待选语音作为所述目标语音。

6.根据权利要求1所述的调整方法，其特征在于，依据所述第一时刻和所述第二时刻的时间差，调整所述视频中字幕的时间轴，还包括：

判断所述时间差是正数还是负数，得到判断结果；

依据所述判断结果和所述时间差，调整所述视频中字幕的时间轴。