[发明专利]对应媒体内容部分的对齐

摘要

本发明公开了一种内容对齐服务，其可以产生内容同步信息以促进音频内容和文本内容的同步呈现。在一些实施方案中，与所述音频内容的对应不确定的所述文本内容的区域可以被分析来确定文本内容的所述区域是否对应于所述音频内容中以声音呈现的一个或多个单词，或所述文本内容的所述区域是否对所述音频内容是错误匹配。在一些实施方案中，所述对应于所述音频内容中的单词的文本内容中的单词被同步呈现，而所述文本内容中的错误匹配单词可以被跳过来维持同步呈现。因此，在一个示例性应用程序中，有声书与电子书同步，使得随着所述电子书被显示，可以声音呈现所述有声书的对应单词。 1

主权项

1.一种用于将音频内容项的呈现与文本内容项进行同步的系统，所述系统包括：

电子数据存储器，其被配置来存储：

所述音频内容项；和

所述文本内容项，其是所述音频内容项的伴随项；

与所述电子数据存储器通信的计算装置，所述计算装置被配置来：

产生所述音频内容项的文本转录；

对所述文本转录识别所述文本内容项中的不确定区域，其中所述不确定区域包括没有在所述音频内容项中识别到相应音频的所述文本内容项的文本；

识别所述音频内容项中的区域，所述音频内容项中的区域初步对齐所述不确定区域；

应用语言模型于所述音频内容项的区域以产生更新的文本转录；

确定所述更新的文本转录的一部分对应于包括所述不确定区域的所述文本内容项的一部分；和

产生内容同步信息，其中所述内容同步信息促进包括所述不确定区域的所述文本内容项的所述部分和所述更新文本转录的所述对应部分产生所基于的所述音频内容项的一部分的同步呈现。

2.根据权利要求1所述的系统，其中所述计算装置还被配置来将所述内容同步信息提供给单独计算装置。

3.根据权利要求1所述的系统，其中所述计算装置还被配置来同步呈现包括所述不确定区域的所述文本内容项的所述部分和所述更新文本转录的所述对应部分产生所基于的所述音频内容项的所述部分。

4.根据权利要求1所述的系统，其中所述语言模型是至少部分基于所述不确定区域的一个或多个单词。

5.一种用于将音频内容项同步呈现到文本内容的伴随项的系统，所述系统包括：

电子数据存储器，其被配置来存储内容同步信息；和

与所述电子数据存储器通信的计算装置，所述计算装置被配置来：

对所述音频内容项的文本转录识别文本内容的所述伴随项中的不确定区域，所述不确定区域包括没有在所述音频内容项中识别到相应音频的一个或多个单词；

识别所述文本转录中的区域，所述文本转录中的区域初步对齐所述不确定区域，所述文本转录中的区域包括一个或多个单词；

将所述不确定区域的所述一个或多个单词转换成第一音素字符串；

将所述文本转录中的区域的所述一个或多个单词转换成第二音素字符串；和

如果所述第一音素字符串对应于所述第二音素字符串，那么产生内容同步信息，所述内容同步信息促进文本内容的所述伴随项中的所述不确定区域的所述一个或多个单词和所述文本转录中的区域产生所基于的所述音频内容项的所述一个或多个单词的同步呈现。

6.根据权利要求5所述的系统，其中如果所述第一音素字符串是在相距所述第二音素字符串的阈值Levenshtein距离内，那么所述第一音素字符串对应于所述第二音素字符串。

7.根据权利要求5所述的系统，其中：

所述计算装置还被配置来产生所述第一音素字符串的声音可混淆假设；且

如果所述第一音素字符串的所述声音可混淆假设至少类似于所述第二音素字符串，那么所述第一音素字符串对应于所述第二音素字符串。

8.根据权利要求5所述的系统，其中：

所述计算装置还被配置来产生所述第二音素字符串的声音可混淆假设；且

如果所述第二音素字符串的所述声音可混淆假设至少类似于所述第一音素字符串，那么所述第一音素字符串对应于所述第二音素字符串。

9.根据权利要求5所述的系统，其中：

所述计算装置还被配置来产生所述第一音素字符串的第一声音可混淆假设和所述第二音素字符串的第二声音可混淆假设；且

如果所述第一声音可混淆假设至少类似于所述第二声音可混淆假设，那么所述第一音素字符串对应于所述第二音素字符串。

10.一种用于对齐内容的系统，所述系统包括：

电子数据存储器，其被配置来存储：

包括音频内容项的内容项的转录；和

文本内容的伴随项，所述文本内容的伴随项包括还没有在所述转录中识别到相应部分的至少一个区域；和

与所述电子数据存储器通信的计算装置，所述计算装置被配置来：

识别文本内容的所述伴随项中的至少一个正文文本部分；

在所述转录中识别所述转录中的部分，所述转录中的部分对应于所述至少一个正文文本部分；和

产生内容同步信息，其中所述内容同步信息促进所述至少一个正文文本部分和对应于所述转录的被识别的部分的所述音频内容的一部分的同步呈现。

11.根据权利要求10所述的系统，其中所述至少一个正文文本部分是至少部分基于文本内容的所述伴随项中的元数据而识别。

12.根据权利要求10所述的系统，其中，如果所述转录中的部分的至少阈值百分数的单词对应于所述至少一个正文文本部分的单词，所述转录中的部分对应于至少一个正文文本部分。

13.根据权利要求12所述的系统，其中如果所述转录中的部分的单词匹配且按时间顺序对应于所述正文文本部分的单词，那么所述转录中的部分的所述单词对应于所述正文文本部分的所述单词。

14.一种用于对齐内容的计算机实施方法，所述计算机实施方法包括：

由配置有具体计算机可执行指令的一个或多个计算装置实施，

获得包括音频内容的内容项的文本转录；

识别文本内容的伴随项的多个正文文本部分，所述文本内容的伴随项包括还没有在所述文本转录中识别到相应部分的至少一个区域；

识别所述文本转录中对应于至少一个正文文本部分的部分；和

产生内容同步信息，其中所述内容同步信息促进所述至少一个正文文本部分和对应于所述文本转录的所述部分的所述音频内容部分的同步呈现。

15.根据权利要求14所述的计算机实施方法，其中识别所述多个正文文本部分包括：

识别文本内容的所述伴随项中的任何扉页部分；和

识别文本内容的所述伴随项中的任何篇后部分；

其中并非扉页部分且并非篇后部分的文本内容的所述伴随项的所有部分被识别为正文文本部分。