[发明专利]一种基于语音识别的媒体搜索方法及装置

摘要

本发明提供一种基于语音识别的媒体搜索方法及装置，该方法包括步骤获取媒体的内容标引和元数据信息；关联所述内容标引和元数据信息建立媒体知识库；解析采集到的用户查询语音得到对应的语音识别文本；根据所述语音识别文本对所述媒体知识库进行媒体搜索。本发明所公开的一种基于语音识别的媒体搜索方法及装置，在前端采用语音识别给用户提供更加方便的交互方式，在后端对媒体内容进行识别，并构建相应的知识库，最终达到用户通过语音对媒体内容进行搜索的目的；相比于传统的搜索方式，在客户端给用户提供语音交互方式，使得交互更加方便自然；在服务端对媒体进行基于内容识别和基于自然语言搜索，使得用户对媒体内容的搜索更加精确。

主权项

一种基于语音识别的媒体搜索方法，其特征在于，包括步骤：获取媒体的内容标引和元数据信息；关联所述内容标引和元数据信息建立媒体知识库；解析采集到的用户查询语音得到对应的语音识别文本；根据所述语音识别文本对所述媒体知识库进行媒体搜索；所述获取媒体的内容标引，具体包括：将接收到的媒体转码为统一的编码格式；对转码后的媒体进行节目起止点的标记得到节目层的标引；对所述节目层中的各节目进行片段的切分得到片段层的标引；对所述片段层中的各片段进行语音识别和字幕识别得到文字层的标引；所述对转码后的媒体进行节目起止点的标记得到节目层的标引，包括：搜集需要做标记的所有节目的媒体文件，每个文件对应一个节目；提取媒体文件内容的指纹特征，并保存为相应的模板；将待标记的媒体文件与模板进行匹配，当媒体文件的某部分和某个模板匹配上时，匹配上的媒体文件的片段即为该模板所对应的节目在媒体文件中的起止时间；对于每一个节目，进行镜头片段的切分，得到片段层的标引，步骤如下：选取特征描述帧图像，提取每帧图像的彩色RGB空间直方图作为该帧图像的特征；计算帧间差异，即计算帧间彩色RGB空间直方图的差异；选取策略分析这些差异并确定镜头边界，片段层的标引即为镜头的开始和结果时间点。