一種音頻、視頻內容的採集方法和檢索方法

2023-06-03 11:05:26

專利名稱：一種音頻、視頻內容的採集方法和檢索方法
技術領域：
本發明涉及一種音頻、視頻內容的採集方法，以及一種音頻、視頻內容的檢索方法。

背景技術：
早在二十世紀末，科學家就預言二十一世紀將是信息的時代，特別是隨著計算機技術和網絡技術的發展，極大的擴展了信息的傳播途徑和速度。早期在圖書館中查閱大量的紙質文獻的方法費時費力，將逐步被電子檢索所替代，一臺大型的存儲伺服器就可以超過一個規模龐大的圖書館的文獻量。同時，隨著技術的發展，信息不再僅僅包括了文字資料，更多將會是更為直觀的音頻文件、視頻文件；其中視頻文件也是音頻文件與圖像文件的結合。但是，現有技術無法將音頻或視頻文件中的聲音轉變為文字。
現有的檢索方法在檢索文字資料非常快捷方便，但是對於大量的音頻文件和視頻文件中的音頻或視頻文件卻無能為力。例如，用戶需要在一個長達數小時的音頻或視頻文件中檢索其中的聲音片斷(例如其中的一句話或幾句話)，現有方法將無能為力，用戶只能浪費大量時間通篇瀏覽整個音頻或視頻文件。如果用戶無法得知自己所需的聲音片斷位於哪一個音頻文件或視頻文件中，面對大量的音頻和視頻文件，更是無從下手進行檢索。


發明內容
針對現有技術中存在的缺點和不足，本發明的目的是提出一種音頻、視頻內容的採集方法，能夠將音頻、視頻文件中的聲音轉化為文字；同時本發明還提出一種音頻、視頻內容的檢索方法，能夠使用戶能夠在音頻或視頻文件檢索到自己所需的聲音片斷，以及該聲音片斷在該音頻、視頻文件中的準確位置。
為了達到上述目的，本發明提出一種音頻、視頻內容的採集方法，包括 (1)將音頻文件或視頻文件中的聲音文件分割成聲音片斷； (2)將步驟(1)所得的每一聲音片斷進行識別，得到與聲音對應的文字。
其中，所述步驟(1)具體為通過靜音技術，將音頻或視頻文件中的每一句話分割為一個聲音片斷。
其中，所述步驟(1)還包括記錄每一聲音片斷在該聲音文件中對應的起始時間和結束時間。
其中，所述步驟(2)可以為通過語音識別軟體，將每一聲音片斷進行語音識別，得到與聲音片斷對應的文字。
其中，所述步驟(2)還可以為通過速記方法，將每一聲音片斷進行語音識別，得到與聲音片斷對應的文字。
同時，本發明還提出了一種音頻、視頻內容的檢索方法，包括 (A)將聲音文件分割成聲音片斷，並記錄所述的每一聲音片斷在該聲音文件中對應的起始時間和結束時間； (B)將步驟(A)所得的每一聲音片斷進行識別，得到與聲音對應的文字； (C)生成聲音與文字的對應關係表，該對應關係表中包含聲音片斷對應的文字，以及每一聲音片斷在該聲音文件中對應的起始時間和結束時間； (D)用戶使用所需聲音片斷對用的文字，在步驟(C)所得的生成聲音與文字的對應關係表進行檢索。
其中，所述步驟(A)具體為通過靜音技術，將音頻或視頻文件中的每一句話分割為一個聲音片斷，並記錄每一聲音片斷在該聲音文件中對應的起始時間和結束時間。
其中，所述步驟(B)具體為通過語音識別軟體或通過速記方法，將每一聲音片斷進行語音識別，得到與聲音片斷對應的文字。
其中，所述步驟(C)具體為生成聲音與文字的對應關係表，所述的對應關係表中包括該聲音文件的所有聲音片斷，以及每一聲音片斷對應的文字，以及每一聲音片斷在該聲音文件中的起始時間和結束時間。
本發明提出的音頻、視頻內容的採集方法能夠將聲音轉化為文字；本發明還提出一種音頻、視頻內容的檢索方法，使用戶能夠在音頻、視頻文件中進行檢索，解決了現有技術中無法檢索的難題。

具體實施例方式 下面對本發明做進一步說明。
本發明提出了一種音頻、視頻內容的採集方法，包括 (1)將音頻或視頻文件分割成聲音片斷； (2)將步驟(1)所得的每一聲音片斷進行語音識別，得到與聲音對應的文字。
其中，所述步驟(1)可以為通過靜音技術，將音頻或視頻文件中的每一句話分割為一個聲音片斷，並記錄所述的每一聲音片斷在該音頻或視頻文件中對應的起始時間和結束時間。靜音技術是現有對音頻或視頻文件進行分段的一種常用方法。靜音技術能夠檢測到聲音的停頓，如果停頓超過預先設定一間隔時間，則認為聲音中的一句話結束。以此可以將音頻或視頻文件中的每一句話分割為一個聲音片斷。現有技術中分割聲音片斷的方法不限於靜音技術，除此之外還有很多種，在此不一一贅述。
其中，步驟(1)還可以包括，並記錄所述的每一聲音片斷在該音頻或視頻文件中對應的起始時間和結束時間。採用這種方式，可以獲得每一聲音片斷位於音頻或視頻文件的準確位置。
其中，所述步驟(2)可以為通過語音識別軟體，將每一聲音片斷進行語音識別，得到與聲音對應的文字。現有語音識別軟體非常成熟，多用於語音識別代替鍵盤輸入。例如IBM ViaVoice語音識別系統。作為優選，為了保證識別的準確性，可以在語音識別後進行校對。
其中，所述步驟(2)還可以為通過速記方法，將每一聲音片斷進行語音識別，得到與聲音片斷對應的文字。
同時，本發明還提出了一種音頻、視頻內容的檢索方法，包括 (A)將聲音文件分割成聲音片斷，並記錄所述的每一聲音片斷在該聲音文件中對應的起始時間和結束時間； (B)將步驟(A)所得的每一聲音片斷進行識別，得到與聲音對應的文字； (C)生成聲音與文字的對應關係表，該對應關係表中包含聲音片斷對應的文字，以及每一聲音片斷在該聲音文件中對應的起始時間和結束時間； (D)用戶使用所需聲音片斷對用的文字，在步驟(C)所得的生成聲音與文字的對應關係表進行檢索。
其中，所述步驟(A)具體為通過靜音技術，將音頻或視頻文件中的每一句話分割為一個聲音片斷，並記錄所述的每一聲音片斷在該音頻或視頻文件中對應的起始時間和結束時間。
其中，所述步驟(B)可以為通過語音識別軟體，將每一聲音片斷進行語音識別，得到與聲音對應的文字。
其中，所述步驟(B)還可以為通過速記方法，將每一聲音片斷進行語音識別，得到與聲音片斷對應的文字。
其中，所述步驟(C)具體為生成聲音與文字的對應關係表，所述的對應關係表中包括該音頻或視頻文件的所有聲音片斷，以及每一聲音片斷對應的文字，以及每一聲音片斷在該音頻或視頻文件中的起始時間和結束時間。採用這種方法，可以方便用戶檢索。如果將每一聲音片斷各自生成一個對應關係表也可以實現發明目的，但是會為將來的檢索帶來麻煩。這種關係表可以採用多種格式存儲 例如格式一存儲為關係資料庫表 格式二存儲為xml格式 例如下面為一段音頻文件的文稿內容與音頻的播放時間的對應關係表，如下表 通過搜索「夫妻創業」兩個字即可定位到序號為3的聲音片斷，即實現聲音的快速檢索。
權利要求
1、一種音頻、視頻內容的採集方法，包括
(1)將音頻文件或視頻文件中的聲音文件分割成聲音片斷；
(2)將步驟(1)所得的每一聲音片斷進行識別，得到與聲音對應的文字。
2、根據權利要求1所述的音頻、視頻內容的採集方法，其特徵在於，所述步驟(1)具體為通過靜音技術，將音頻或視頻文件中的每一句話分割為一個聲音片斷。
3、根據權利要求1或2所述的音頻、視頻內容的採集方法，其特徵在於，所述步驟(1)還包括記錄每一聲音片斷在該聲音文件中對應的起始時間和結束時間。
4、根據權利要求3所述的音頻、視頻內容的採集方法，其特徵在於，所述步驟(2)具體為通過語音識別軟體，將每一聲音片斷進行語音識別，得到與聲音片斷對應的文字。
5、根據權利要求3所述的音頻、視頻內容的採集方法，其特徵在於，所述步驟(2)具體為通過速記方法，將每一聲音片斷進行語音識別，得到與聲音片斷對應的文字。
6、一種音頻、視頻內容的檢索方法，包括
(A)將聲音文件分割成聲音片斷，並記錄所述的每一聲音片斷在該聲音文件中對應的起始時間和結束時間；
(B)將步驟(A)所得的每一聲音片斷進行識別，得到與聲音對應的文字；
(C)生成聲音與文字的對應關係表，該對應關係表中包含聲音片斷對應的文字，以及每一聲音片斷在該聲音文件中對應的起始時間和結束時間；
(D)用戶使用所需聲音片斷對用的文字，在步驟(C)所得的生成聲音與文字的對應關係表進行檢索。
7、根據權利要求6所述的音頻、視頻內容的採集方法，其特徵在於，所述步驟(A)具體為通過靜音技術，將音頻或視頻文件中的每一句話分割為一個聲音片斷，並記錄每一聲音片斷在該聲音文件中對應的起始時間和結束時間。
8、根據權利要求6或7所述的音頻、視頻內容的採集方法，其特徵在於，所述步驟(B)具體為通過語音識別軟體或通過速記方法，將每一聲音片斷進行語音識別，得到與聲音片斷對應的文字。
9、根據權利要求8所述的音頻、視頻內容的採集方法，其特徵在於，所述步驟(C)具體為生成聲音與文字的對應關係表，所述的對應關係表中包括該聲音文件的所有聲音片斷，以及每一聲音片斷對應的文字，以及每一聲音片斷在該聲音文件中的起始時間和結束時間。
全文摘要
本發明提出了一種音頻、視頻內容的採集方法和檢索方法。針對現有技術中無法將音頻、視頻中的聲音轉化為文字，以及無法檢索的問題而發明，提出一種音頻、視頻內容的採集方法包括將聲音分段，然後對每一聲音片斷進行識別。同時提出一種音頻、視頻內容的檢索方法包括將聲音分段後識別，生成聲音與文字的對應關係表，用戶使用所需聲音片斷對用的文字在該對應關係表中進行檢索。本發明提出的音頻、視頻內容的採集方法能夠將聲音轉化為文字；本發明還提出一種音頻、視頻內容的檢索方法，使用戶能夠在音頻、視頻文件中進行檢索，解決了現有技術中無法檢索的難題。
文檔編號H04L12/28GK101102240SQ20061009116
公開日2008年1月9日 申請日期2006年7月4日 優先權日2006年7月4日
發明者王建波 申請人:王建波