一种音视频字幕生成方法及系统

1.一种音视频字幕生成方法，其特征在于，所述方法包括如下步骤：
获取音视频数据，提取所述音视频数据中的音频数据；
根据说话的时间间隔、及视频画面大小，对所述音频数据进行切分，得到符合说话方式、及适应视频画面大小的音频数据段，并记录所述音频数据段的时间信息；
将所述音频数据段通过语音识别得到对应的文本数据段，并根据所述音频数据段的时间信息，得到对应的文本数据段的开始时间和结束时间，形成字幕文本。
2.如权利要求1所述的方法，其特征在于，所述将所述音频数据段通过语音识别得到对应的文本数据段，包括：
将所述音频数据段与词库进行匹配，得到对应所述音频数据段的分类词库；
根据所匹配的分类词库进行语音识别。
3.如权利要求2所述的方法，其特征在于，所述分类词库包括：两种以上的语种分类词库、及两种以上的专业学科分类词库。
4.如权利要求1所述的方法，其特征在于，所述将所述音频数据段通过语音识别得到对应的文本数据段，还包括：
根据说话的时间间隔的长短，在对应的文本数据段中添加间隔标识符。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据音频数据段的时间信息，将各音频数据段与其对应的文本数据段进行同步，所述时间信息包括各文本数据段的开始时间和结束时间。
6.一种音视频字幕生成系统，其特征在于，所述系统包括：
音频数据提取单元，用于获取音视频数据，提取所述音视频数据中的音频数据；
切分单元，用于根据说话的时间间隔、及视频画面大小，对所述音频数据进行切分，得到符合说话方式、及适应视频画面大小的音频数据段，并记录所述音频数据段的时间信息；
字幕文本形成单元，用于将所述音频数据段通过语音识别得到对应的文本数据段，并根据所述音频数据段的时间信息，得到对应的文本数据段的开始时间和结束时间，形成字幕文本。
7.如权利要求6所述的系统，其特征在于，所述字幕文本形成单元包括：
词库匹配单元，用于将所述音频数据段与词库进行匹配，得到对应所述音频数据段的分类词库；根据所匹配的分类词库进行语音识别。
8.如权利要求7所述的系统，其特征在于，所述分类词库包括：两种以上的语种分类词库、及两种以上的专业学科分类词库。
9.如权利要求6所述的系统，其特征在于，所述字幕文本形成单元还包括：
间隔标识符添加单元，用于根据说话的时间间隔的长短，在对应的文本数据段中添加间隔标识符。
10.如权利要求6所述的系统，其特征在于，所述系统还包括：
同步单元，用于根据音频数据段的时间信息，将各音频数据段与其对应的文本数据段进行同步，所述时间信息包括各文本数据段的开始时间和结束时间。

暂无