CN112908306A - 优化上屏效果的语音识别方法、设备、终端与存储介质 - Google Patents
优化上屏效果的语音识别方法、设备、终端与存储介质 Download PDFInfo
- Publication number
- CN112908306A CN112908306A CN202110132062.8A CN202110132062A CN112908306A CN 112908306 A CN112908306 A CN 112908306A CN 202110132062 A CN202110132062 A CN 202110132062A CN 112908306 A CN112908306 A CN 112908306A
- Authority
- CN
- China
- Prior art keywords
- engine
- optimizing
- dictionary
- screen
- speech recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000000694 effects Effects 0.000 title claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 20
- 239000004744 fabric Substances 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 4
- 239000002023 wood Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009191 jumping Effects 0.000 description 3
- 240000008067 Cucumis sativus Species 0.000 description 2
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及优化上屏效果的语音识别方法、设备、终端与存储介质,该方法包括:确定用于进行语音识别的引擎;对所述引擎进行调整;其中,所述调整包括:优化所述引擎的结构延时与时间片,以降低所述引擎的响应时间;和减小所述引擎中词典的颗粒度,以降低上屏内容的变化率;所述时间片为每次给所述引擎的数据量;基于调整后的所述引擎进行语音识别。本发明实施例的方案,从语音识别引擎角度出发,从引擎参数、模型结构、词典颗粒度等角度,提出了优化方法,能够降低引擎延时,并且出词更加平滑流畅,特别在上屏应用场景中,能够极大改善用户体验。
Description
技术领域
本发明涉及上屏效果优化的技术领域,具体涉及优化上屏效果的语音识 别方法、设备、终端与存储介质。
背景技术
在语音识别相关的上屏应用场景(如语音输入法、带屏类实时语音转写 等)中,有很多因素会影响最终的上屏效果,如:识别引擎本身的准确率、 实时率、识别引擎延时和网络延时等。其中,除去网络延时等外部因素,涉 及到识别引擎本身的指标主要有:识别准确率、引擎延时和流畅度等,此外 延时指标也会直接影响上屏效果的流畅度。
具体的,识别引擎各项性能都会直接影响最终的上屏效果;除了识别准 确率直接影响用户体验之外,上屏的流畅度体验也是另一个非常重要的评价 指标。
在目前的语音识别上屏场景中,经常出现虽然最终识别结果正确,但是 主观感觉上屏显示效果不够流畅,会有“卡顿”(响应慢)、内容“跳变”(显 示过程不平滑)等问题,严重影响用户的主观体验。
由此,目前需要有一种更好的方案来解决现有技术中的问题。
发明内容
本发明提供优化上屏效果的语音识别方法、设备、终端与存储介质,能 够解决现有技术中上屏显示效果不够流畅的技术问题。
本发明解决上述技术问题的技术方案如下:
本发明实施例提出了一种优化上屏效果的语音识别方法,包括:
确定用于进行语音识别的引擎;
对所述引擎进行调整;其中,所述调整包括:优化所述引擎的结构延时 与时间片,以降低所述引擎的响应时间;和减小所述引擎中词典的颗粒度, 以降低上屏内容的变化率;所述时间片为每次给所述引擎的数据量;
基于调整后的所述引擎进行语音识别。
在一个具体的实施例中,优化所述引擎的结构延时,包括:
在满足预设的语音识别率时,将所述引擎的右拼帧参数降低到最小。
在一个具体的实施例中,所述右拼帧参数的范围为5-25。
在一个具体的实施例中,优化所述引擎的时间片,包括:
将所述引擎的时间片的大小设置为所述引擎的批处理大小。
在一个具体的实施例中,所述时间片的范围为20-60ms。
在一个具体的实施例中,减小所述引擎中词典的颗粒度,包括以下一个 或多个方式的任意组合:将多个有意义的短词组成的词条进行拆分、将整词 的前预设个字作为新词条加入所述引擎中词典。
在一个具体的实施例中,所述词典中的词条的长度不超过4个字。
本发明实施例还提出了一种优化上屏效果的语音识别设备,包括:
确定模块,用于确定用于进行语音识别的引擎;
调整模块,用于对所述引擎进行调整;其中,所述调整包括:优化所述 引擎的结构延时与时间片,以降低所述引擎的响应时间;和减小所述引擎中 词典的颗粒度,以降低上屏内容的变化率;所述时间片为每次给所述引擎的 数据量;
识别模块,用于基于调整后的所述引擎进行语音识别。
本发明实施例还提出了一种终端,包括处理器与存储器,所述存储器中 存储有程序,所述处理器运行所述存储器中的程序时,执行上述的语音识别 方法。
本发明实施例还提出了一种存储介质,所述存储介质中存储有用于执行 上述的语音识别方法的应用程序。
本发明的有益效果是:
本发明实施例的方案,从语音识别引擎角度出发,从引擎参数、模型结 构、词典颗粒度等角度,提出了优化方法,能够降低引擎延时,并且出词更 加平滑流畅,特别在上屏应用场景中,能够极大改善用户体验。
附图说明
图1为本发明实施例提供的一种优化上屏效果的语音识别方法的流程示 意图;
图2为本发明实施例提供的一种优化上屏效果的语音识别设备的结构示 意图;
图3为本发明实施例提供的一种终端的结构示意图;
图4为本发明实施例提供的一种存储介质的框架结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本 发明,并非用于限定本发明的范围。
实施例1
本发明实施例1提供的一种优化上屏效果的语音识别方法,如图1所示, 包括:
步骤101、确定用于进行语音识别的引擎;
具体的,进行语音识别的引擎,也即需要进行改善上屏流畅度的引擎。
步骤102、对所述引擎进行调整;其中,所述调整包括:优化所述引擎 的结构延时与时间片,以降低所述引擎的响应时间;和减小所述引擎中词典 的颗粒度,以降低上屏内容的变化率;所述时间片为每次给所述引擎的数据 量;
从引擎角度出发,分析影响语音识别上屏流畅度的主要因素,其中,因 素包括:响应时间与变化率;
其中,响应时间(ResponseTime)的定义是:响应时间指语音结束到引 擎解码完成并给出识别结果的时间。响应时间少,说明引擎计算快,人刚说 完话没多久识别结果就出了,上屏也就越流畅。
此外,变化率(ChangeRate)指上屏内容的变化频率。变化率高,指每 次上屏内容与上次相比变化大,说明结果稳定性差,流畅度就不好。最影响 主观体验的就是屏上内容的“突变”:突然增加多个字,或减少多个字。
由此,基于降低所述引擎的响应时间以及降低上屏内容的变化率,即可 改善上屏流畅度。
具体的,优化所述引擎的结构延时,包括:在满足预设的语音识别率时, 将所述引擎的右拼帧参数降低到最小。进一步的,所述右拼帧参数的范围为 5-25。优化所述引擎的结构延时,还包括将所述引擎的时间片的大小设置为 所述引擎的批处理大小。进一步的,所述时间片的范围为20-60ms。
1.响应时间,也叫引擎延时,与引擎的模型结构延时和送数据的时间片 大小有关。而模型结构延时是引擎模型本身固有结构导致的延时。主要影响 参数有:右拼帧参数(right_context)和批处理大小(bunch_size)。
1)Right_context:在深度神经网络结构的模型中,为了提升性能,采用 的技术中往往包含一种叫“拼帧”的技术,即表示当前帧(frame)的特征 时,不只提取当前帧的特征,而是提取前面一部分帧(left_context)和后面 一部分帧(right_context)的特征,一起作为当前帧的特征,通过包含一定 范围的上下文信息,来增强特征的表达能力。
2)Bunch_size:在解码深度神经网络结构的模型时,经常不是输入一帧 就输出一帧,而且积攒够一定数量的帧,一起处理(按bunch批处理),提 升处理速度。Bunch_size反映的在引擎更新结果的频率,即每bunch_size 帧引擎输出一次结果。
2.时间片大小指每次送多少数据给引擎处理,即送数据的频率。时间片 的选择对响应时间影响很大。一般时间片不能太大,否则很长时间才送一次 数据,获取一次结果,响应时间必然很高。但是也不建议太小,因为引擎内 部模型每bunch_size时间更新一次结果,送太频繁也获取不到更新的结果, 徒增对网络资源的占用。
综合上述参数分析,降低响应时间的方案如下:
1.Right_context在识别率满足要求的前提下尽可能小。Right_context 会同时对识别率和延时产生影响:值越大,识别率越高,延时越高;值越小, 识别率越低,延时越低。所以在满足识别率要求的前提下,应该尽可能选择 小的值,以此来降低引擎延时。一般选择5-25,表示从当前帧往后看5帧至 25帧,相应延时为50ms–250ms。
2.时间片大小等于bunch_size的大小,这样每次送数据的时候,引擎 也刚好有结果更新,可以及时获取到最新结果。上屏项目中,时间片大小一 般选择20-60ms。
基于上述调整,可以将响应时间(引擎延时)降低到最低。
上述是降低响应时间,此外关于优化所述引擎的时间片,包括:
在一个具体的实施例中,减小所述引擎中词典的颗粒度,包括以下一个 或多个方式的任意组合:将多个有意义的短词组成的词条进行拆分、将整词 的前预设个字作为新词条加入所述引擎中词典。在一个具体的实施例中,所 述词典中的词条的长度不超过4个字。
在变化率方面,可以通过减小词典的颗粒度来优化识别结果“突变”的 现象。例如“阿尔及利亚”、“乌鲁木齐”这类长词,在识别结果出现的过 程中,如果总是以一个整体出现,那么“突变”是难免的。
具体的,减小词典颗粒度,主要如下原则和做法:
1.直接拆分法:如“黄瓜火腿面”拆为“黄瓜”+“火腿”+“面”,“国 际贸易组织”拆为“国际”+“贸易”+“组织”,等。这类本身就是由多个 有意义的短词组成的长词,可以直接拆分,去掉长词本身(如果出现新的短 词条,新增进词典)。
2.加前缀法:如“阿尔及利亚”新增前缀词“阿尔”和“阿尔及”,“乌 鲁木齐”新增前缀词“乌鲁”,等。这类本身是一个整词,且不好拆分为多 个有意义的段词条的长词,可以将其前面两、三个字作为一个新词加进词典。
基于上述方式,生成有最终词典,保证其中绝大部分词条长度不超过4, 且长度3–4的词条,其前缀一般都在词典中。
4.因为增加前缀而产生的新词,不必是一个有完整语义的词条。如“乌 鲁木齐”的前缀词“乌鲁”,它是一个有统计意义的词,能在语音说到“乌 鲁木齐”前两个字时,出“乌鲁”而不是其他任何不相干的词条,或者不出 任何内容,等整个词解码完成(“卡顿”现象)。
步骤103、基于调整后的所述引擎进行语音识别。
能够将引擎延时降至最低,除了由于模型结构导致的延时无法避免,其 他延时都能尽量消除。在需要动态展示中间结果的上屏应用中,还能够优化 目前存在的“卡顿”和“跳变”等现象,改善用户主观体验。具体的,针对 语音识别上屏应用场景中存在的高延时、“卡顿”、“跳变”不流畅等现象, 本方案通过引擎模型结构和解码参数的调整,将引擎延时降至最低(除了模 型结构带来的不可避免的延时,其他环节的延时能够尽可能消除),主观体 验上屏更快;此外通过减小词典颗粒度,识别结果尽可能出短词,避免了长 词导致的“卡顿”和“跳变”现象,上屏效果更加流畅,改善了用户体验。
实施例2
本发明实施例2还公开了一种优化上屏效果的语音识别设备,如图2所 示,包括:
确定模块201,用于确定用于进行语音识别的引擎;
调整模块202,用于对所述引擎进行调整;其中,所述调整包括:优化 所述引擎的结构延时与时间片,以降低所述引擎的响应时间;和减小所述引 擎中词典的颗粒度,以降低上屏内容的变化率;所述时间片为每次给所述引 擎的数据量;
识别模块203,用于基于调整后的所述引擎进行语音识别。
在一个具体的实施例中,调整模块202优化所述引擎的结构延时,包括:
在满足预设的语音识别率时,将所述引擎的右拼帧参数降低到最小。
在一个具体的实施例中,所述右拼帧参数的范围为5-25。
在一个具体的实施例中,调整模块202优化所述引擎的时间片,包括:
将所述引擎的时间片的大小设置为所述引擎的批处理大小。
在一个具体的实施例中,所述时间片的范围为20-60ms。
在一个具体的实施例中,调整模块202减小所述引擎中词典的颗粒度, 包括以下一个或多个方式的任意组合:将多个有意义的短词组成的词条进行 拆分、将整词的前预设个字作为新词条加入所述引擎中词典。
在一个具体的实施例中,所述词典中的词条的长度不超过4个字。
实施例3
本发明实施例3还公开了一种终端,如图3所示,包括处理器与存储器, 所述存储器中存储有程序,所述处理器运行所述存储器中的程序时,执行实 施例1中所述的语音识别方法。
实施例4
本发明实施例4还公开了一种存储介质,如图4所示,所述存储介质中 存储有用于执行实施例1中所述的语音识别方法的应用程序。
本发明实施例公开了优化上屏效果的语音识别方法、设备、终端与存储 介质,该方法包括:确定用于进行语音识别的引擎;对所述引擎进行调整; 其中,所述调整包括:优化所述引擎的结构延时与时间片,以降低所述引擎 的响应时间;和减小所述引擎中词典的颗粒度,以降低上屏内容的变化率; 所述时间片为每次给所述引擎的数据量;基于调整后的所述引擎进行语音识 别。本发明实施例的方案,从语音识别引擎角度出发,从引擎参数、模型结 构、词典颗粒度等角度,提出了优化方法,能够降低引擎延时,并且出词更 加平滑流畅,特别在上屏应用场景中,能够极大改善用户体验
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此, 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各 种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。 因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种优化上屏效果的语音识别方法,其特征在于,包括:
确定用于进行语音识别的引擎;
对所述引擎进行调整;其中,所述调整包括:优化所述引擎的结构延时与时间片,以降低所述引擎的响应时间;和减小所述引擎中词典的颗粒度,以降低上屏内容的变化率;所述时间片为每次给所述引擎的数据量;
基于调整后的所述引擎进行语音识别。
2.根据权利要求1所述的方法,其特征在于,优化所述引擎的结构延时,包括:
在满足预设的语音识别率时,将所述引擎的右拼帧参数降低到最小。
3.根据权利要求2所述的方法,其特征在于,所述右拼帧参数的范围为5-25。
4.如权利要求1所述的方法,其特征在于,优化所述引擎的时间片,包括:
将所述引擎的时间片的大小设置为所述引擎的批处理大小。
5.如权利要求4所述的方法,其特征在于,所述时间片的范围为20-60ms。
6.如权利要求1所述的方法,其特征在于,减小所述引擎中词典的颗粒度,包括以下一个或多个方式的任意组合:将多个有意义的短词组成的词条进行拆分、将整词的前预设个字作为新词条加入所述引擎中词典。
7.如权利要求1所述的方法,其特征在于,所述词典中的词条的长度不超过4个字。
8.一种优化上屏效果的语音识别设备,其特征在于,包括:
确定模块,用于确定用于进行语音识别的引擎;
调整模块,用于对所述引擎进行调整;其中,所述调整包括:优化所述引擎的结构延时与时间片,以降低所述引擎的响应时间;和减小所述引擎中词典的颗粒度,以降低上屏内容的变化率;所述时间片为每次给所述引擎的数据量;
识别模块,用于基于调整后的所述引擎进行语音识别。
9.一种终端,其特征在于,包括处理器与存储器,所述存储器中存储有程序,所述处理器运行所述存储器中的程序时,执行权利要求1-7中任意一项所述的语音识别方法。
10.一种存储介质,其特征在于,所述存储介质中存储有用于执行权利要求1-7中任意一项所述的语音识别方法的应用程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110132062.8A CN112908306B (zh) | 2021-01-30 | 2021-01-30 | 优化上屏效果的语音识别方法、设备、终端与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110132062.8A CN112908306B (zh) | 2021-01-30 | 2021-01-30 | 优化上屏效果的语音识别方法、设备、终端与存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112908306A true CN112908306A (zh) | 2021-06-04 |
CN112908306B CN112908306B (zh) | 2023-03-21 |
Family
ID=76122131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110132062.8A Active CN112908306B (zh) | 2021-01-30 | 2021-01-30 | 优化上屏效果的语音识别方法、设备、终端与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112908306B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115862600A (zh) * | 2023-01-10 | 2023-03-28 | 广州小鹏汽车科技有限公司 | 语音识别方法、装置及车辆 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140195226A1 (en) * | 2013-01-04 | 2014-07-10 | Electronics And Telecommunications Research Institute | Method and apparatus for correcting error in speech recognition system |
CN109413479A (zh) * | 2018-09-28 | 2019-03-01 | 四川长虹电器股份有限公司 | 智能电视语音交互界面文本内容完整显示的方法 |
US20190250803A1 (en) * | 2018-02-09 | 2019-08-15 | Nedelco, Inc. | Caption rate control |
CN110176235A (zh) * | 2019-05-23 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 语音识别文的展示方法、装置、存储介质和计算机设备 |
CN111292745A (zh) * | 2020-01-23 | 2020-06-16 | 北京声智科技有限公司 | 一种语音识别结果的处理方法、装置及电子设备 |
CN111464876A (zh) * | 2020-03-31 | 2020-07-28 | 安徽听见科技有限公司 | 翻译文本字幕流式展示方法、装置以及设备 |
-
2021
- 2021-01-30 CN CN202110132062.8A patent/CN112908306B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140195226A1 (en) * | 2013-01-04 | 2014-07-10 | Electronics And Telecommunications Research Institute | Method and apparatus for correcting error in speech recognition system |
US20190250803A1 (en) * | 2018-02-09 | 2019-08-15 | Nedelco, Inc. | Caption rate control |
CN109413479A (zh) * | 2018-09-28 | 2019-03-01 | 四川长虹电器股份有限公司 | 智能电视语音交互界面文本内容完整显示的方法 |
CN110176235A (zh) * | 2019-05-23 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 语音识别文的展示方法、装置、存储介质和计算机设备 |
CN111292745A (zh) * | 2020-01-23 | 2020-06-16 | 北京声智科技有限公司 | 一种语音识别结果的处理方法、装置及电子设备 |
CN111464876A (zh) * | 2020-03-31 | 2020-07-28 | 安徽听见科技有限公司 | 翻译文本字幕流式展示方法、装置以及设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115862600A (zh) * | 2023-01-10 | 2023-03-28 | 广州小鹏汽车科技有限公司 | 语音识别方法、装置及车辆 |
CN115862600B (zh) * | 2023-01-10 | 2023-09-12 | 广州小鹏汽车科技有限公司 | 语音识别方法、装置及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN112908306B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109523991B (zh) | 语音识别的方法及装置、设备 | |
CN105869629B (zh) | 语音识别方法及装置 | |
KR101055045B1 (ko) | 음성 합성 방법 및 시스템 | |
US8438021B2 (en) | Signal classifying method and apparatus | |
WO2020087655A1 (zh) | 一种翻译方法、装置、设备及可读存储介质 | |
US11304019B2 (en) | Delay estimation method and apparatus | |
US20210193121A1 (en) | Speech recognition method, apparatus, and device, and storage medium | |
CN112908306B (zh) | 优化上屏效果的语音识别方法、设备、终端与存储介质 | |
JP5947237B2 (ja) | 感情推定装置、感情推定方法、および、プログラム | |
CN105989839B (zh) | 语音识别方法和装置 | |
US8892435B2 (en) | Text data processing apparatus, text data processing method, and recording medium storing text data processing program | |
CN106294460B (zh) | 一种基于字和词混合语言模型的汉语语音关键词检索方法 | |
WO2022042159A1 (zh) | 延迟控制方法和装置 | |
CN110298463A (zh) | 基于语音识别的会议室预定方法、装置、设备及存储介质 | |
CN110705254A (zh) | 文本断句方法、装置、电子设备和存储介质 | |
CN111883100B (zh) | 语音转换方法、装置及服务器 | |
CN116153294B (zh) | 语音识别方法、装置、系统、设备及介质 | |
CN112201275B (zh) | 声纹分割方法、装置、设备及可读存储介质 | |
CN113823323A (zh) | 一种基于卷积神经网络的音频处理方法、装置及相关设备 | |
CN113838452B (zh) | 语音合成方法、装置、设备和计算机存储介质 | |
CA2612903A1 (en) | Method and apparatus for transmitting speech data to a remote device in a distributed speech recognition system | |
CN115346517A (zh) | 一种流式语音识别方法、装置、设备及存储介质 | |
JP5621786B2 (ja) | 音声検出装置、音声検出方法、および音声検出プログラム | |
JP4532862B2 (ja) | 音声合成方法、音声合成装置および音声合成プログラム | |
CN116489449A (zh) | 一种视频冗余片段检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |