CN101751967A - 多媒体文件制作及播放方法、多媒体文件制作装置、播放器 - Google Patents

Abstract

本发明公开一种多媒体文件制作方法，包括：建立音频的音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系以形成同步信息，保存所述形成的同步信息，获取并保存所述音频信息中的声道分布情况。本发明还公开了一种多媒体文件的播放方法、一种多媒体文件制作装置以及一种播放器，本发明通过建立音频和文字同步信息，和记录音频的声道分布情况，实现了音频和文字的时刻同步，并且方便了音频输出的控制。

Description

多媒体文件制作及播放方法、多媒体文件制作装置、播放器

技术领域

本发明涉及通讯领域，尤其涉及一种多媒体文件制作方法、多媒体文件播放方法、多媒体文件制作装置及播放器。

背景技术

现今社会卡拉OK是一种深受大众喜爱的娱乐活动，它最重要的特色就是具有歌词和声音同步的功能来帮助提高使用者的演唱水平和方便使用者演唱时提示使用者歌词的作用。除了从专业唱片公司获得卡拉OK碟在VCD或DVD设备上播放外，人们希望这种娱乐活动能在更多的电子设备上进行，比如机顶盒，手机等。而且更希望能有简易方法来自己制作具备个性的和具备歌词和声音同步功能的专业水准的卡拉OK。

现有的制作方法是通过网络等途径获得所需要的歌曲和该歌曲对应的歌词，在通过慢放歌曲等方法，利用一些辅助软件对歌词中每一句或每个歌词的记录其出现时间，对整个歌曲的歌词都如此处理后，存储该歌词同步信息文件。如在PC(Personal Computer，个人电脑)上最常见的就是lcr格式文件等。在播放这类歌曲时，按照歌词同步信息文件记录的时间信息按时刷新歌词显示界面，以达到声音歌词同步效果。然而现有技术歌词和歌曲同步是基于时间为基准，歌词显示和歌曲播放两个过程只依赖时间关系来建立两者的同步关系，要实现这两者同步，歌词显示和歌曲播放都必须按照正确的时间节奏运行，任何一个有错误，都会导致两者不同步而成倍增加了出错可能性。这种基于时间基准的同步技术，如果需要歌曲慢放或快进功能，而歌词显示仍按正常的时间节奏在更新，那么就必然导致歌词和歌曲无法同步，这样就造成了和一些特殊而又实用功能，如歌曲随意慢放，快进时产生的不可调和的矛盾。由于这种同步技术本质是希望每个歌词在正确的时间更新显示，他也是只记录每个歌词所开始和结束的时间，在这单个歌词过程中，它只能以均匀速度来刷新显示，对于一些旋律婉转的歌曲来说，一个歌词对应的歌曲可能长达几秒，而且速率不一，这种歌词和歌曲的同步精度显然是比较低的。同时卡拉OK另外一个很重要的功能，即原唱声音的开和关功能，现有技术中歌曲都是以音频文件包的形式来存放，而没有音频的声道分布情况，实现原唱声的开和关是通过外围的硬件设备来控制，增加了操作程序和难度，也提高了实现的成本。

发明内容

有鉴于此，本发明实施例提供一种多媒体文件制作方法、多媒体文件播放方法、多媒体文件制作装置及播放器，实现了音频和文字的时刻同步，并且方便了音频输出的控制。

本发明实施例提供了一种多媒体文件制作方法，包括：

建立音频的音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系以形成同步信息；

保存所述形成的同步信息。

优选的，还包括：

获取并保存所述音频的声道分布情况。

优选的，所述建立音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系包括：

建立所述音频数据流位置信息与字幕文字序号的对应关系，所述字幕文字序号为所述音频数据流位置信息对应的字幕文字在系列字幕文字当中的排序序号。

优选的，所述建立音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系进一步包括：

建立所述音频数据流位置信息与字幕文字位置比例的对应关系，所述字幕文字位置比例为所述音频数据流位置信息对应的字幕文字发音位置占该整个字幕文字发音时长的比例。

本发明实施例一种多媒体文件播放方法，包括：

解析所述多媒体文件获取同步信息，所述同步信息为音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系；

根据所述同步信息，同步显示所述音频数据流位置信息对应的字幕文字信息。

优选的，还包括：

根据所述多媒体文件保存的音频信息的声道分布情况和用户需求，对所述音频输出进行控制。

优选的，所述根据所述同步信息，同步显示所述音频数据流位置信息对应的字幕文字信息包括：

根据所述音频数据流位置信息对应的字幕文字序号显示该对应的字幕文字，所述字幕文字序号为所述音频数据流位置信息对应的字幕文字在系列字幕文字当中的排序序号。

优选的，所述所述根据所述同步信息，同步显示所述音频数据流位置信息对应的字幕文字信息进一步包括：

根据所述音频数据流位置信息对应的字幕文字位置比例显示该对应的字幕文字，所述字幕文字位置比例为所述音频数据流位置信息对应的字幕文字发音位置占该整个字幕文字发音时长的比例。

本发明实施例一种多媒体文件制作装置，包括：

设置单元，用于建立音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系并形成同步信息；

存储单元，用于保存所述形成的同步信息。

优选的，还包括：

获取单元，用于获取并保存所述音频的声道分布情况。

本发明实施例一种播放器，包括：

处理单元，用于解析所述多媒体文件获取同步信息，所述同步信息为音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系；

显示单元，用于根据所述同步信息，同步显示所述音频数据流位置信息对应的字幕文字信息。

优选的，还包括：

音频控制单元，用于根据所述多媒体文件保存的音频的声道分布情况，对所述音频输出进行控制。

优选的，进一步包括：

触发单元，用于根据用户的需求触发音频控制单元对音频输出进行控制。

实施本发明实施例，通过建立音频的音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系以形成同步信息，保存所述形成的同步信息，获取并保存所述音频信息中的声道分布情况，实现了音频和文字的时刻同步，并且方便了音频输出的控制。

附图说明

图1是本发明实施例多媒体文件制作方法的流程示意图；

图2是本发明实施例多媒体文件播放方法的流程示意图；

图3是本发明实施例多媒体文件制作装置的结构示意图；

图4是本发明实施例播放器的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图对本发明实施例进一步详细说明。

参考图1，是本发明实施例多媒体文件制作方法的流程示意图，如图1所示，该方法包含以下步骤：

步骤S101，建立音频的音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系以形成同步信息。

本步骤中，所述音频数据流位置信息为当前所处的音频数据的比特或字节位置与零字节位置的偏移位置，具体的数据单位大小自己设定。所述字幕文字信息包括字幕文字序号，所述字幕文字序号为某个文字所在系列字幕文字当中的排序序号。在制作多媒体文件时将所述音频数据流位置信息与所述字幕文字序号对应，建立同步信息并保存。同时所述字幕文字信息进一步包括字幕文字位置比例，所述字幕文字位置比例为所述当前音频数据流位置信息所处字幕文字发音位置占所述整个字幕文字发音时长的比例，在制作多媒体文件时，将所述音频数据流位置信息与所述字幕文字序号和字幕文字位置比例对应，建立同步信息保存。那么所述音频数据信息和字幕文字信息就建立了时刻的同步。例如，以卡拉OK为例，其中音频信息就为歌曲，字幕文字为歌词，字幕文字序号为歌词序号，字幕文字位置比例为歌词位置比例，假设在该卡拉OK中音频数据流位置信息的第1000个比特的位置对应的歌词序号是第5个歌词“啊”对应的歌词位置比例为歌词“啊”的0％的位置，音频数据流位置信息的第1500比特位置对应歌词序号的是第5个歌词“啊”，对应的歌词位置比例为歌词“啊”的30％的位置，音频数据流位置信息的第3000比特位置对应的是歌词序号第5个歌词“啊”对应的歌词位置比例为歌词“啊”的100％的位置，那么可以记录一组音频数据流位置信息同歌词信息的同步信息，如(1000，5，0)，(1500，5，30)，(3000，5，100)。可见，同步精度完全取决于记录的同步信息的数量。对于文字发音时间不同的文字，可以分别记录不同数量的同步信息来实现所需的同步精度。同时制作时也可以记录下推荐的最小数据流播放单位以提高系统播放效率。同时，对于一些音乐格式文件如MP3，是以音频帧为单位来组织播放数据，每帧播放时间都是固定的，这有助于简化设计，这里音频数据流位置信息可以理解为数据所在的帧位置序号信息，而不是比特位置。

步骤S102，保存所述形成的同步信息。

步骤S103，获取并保存所述音频的声道分布情况。

本步骤中，我们知道音频信息包括声道的分布情况，以卡拉OK为例可能有以下几种：歌词音和拌奏音分别占用不同声道；拌奏音是立体声并占用两个声道，歌词音也占用两个声道，且两个声道的歌词音完全相同；只有拌奏音；歌词音，拌奏音都是单声道；歌词音，拌奏音都是立体声。在制作时获取音频的声道分布情况并保存声道分布情况。

参考图2，是本发明实施例多媒体文件播放方法的流程示意图，如图2所示，该方法是基于参考图1的方法形成的文件，包含以下步骤：

步骤S201，解析所述多媒体文件获取同步信息。

本步骤中，所述多媒体文件的同步信息为音频数据流位置信息对应的字幕文字信息。以卡拉OK为例，在播放过程中，所述多媒体文件流入解码器时查询同步信息，获取该音频数据流位置信息的歌词信息。例如记录一组歌曲歌词同步信息如下(1000，5，0)，(1500，5，30)，(3000，5，100)。那么，当音频到达1000比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例0％的位置，当音频到达1500比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例30％的位置，当音频到达3000比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例100％的位置。这样不论音频快放慢放，只要多媒体文件流入解码器，就必然会产生音频数据流位置信息和对应歌词信息的同步消息从而实现歌词刷新的同步。同样道理，即使用户随意跳跃式播放，音频和字幕文字也能同步；就是多媒体文件播放流程偶尔出现延时问题，对应的字幕文字刷新也能保持和音频的同步。

步骤S202，根据所述同步信息，同步显示所述音频数据流位置信息对应的字幕文字信息。

本步骤中，显示所述频数据流位置对应的字幕文字信息，可以是视频中字幕文字的逐渐显示，也可以是视频字幕文字的叠加。以卡拉OK为例，如记录一组歌曲歌词同步信息如下(1000，5，0)，(1500，5，30)，(3000，5，100)。那么，当音频到达1000比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例0％的位置，显示时视频就显示第5个字的开始，其实此时是看不见第5个字“啊”的，当音频到达1500比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例30％的位置，此时显示第5字“啊”的30％可能只出来该歌词啊字的一个口字部，以此类推，当然这种显示方式是不适合卡拉OK的显示的。而视频文字的叠加，如记录一组歌曲歌词同步信息如下(1000，5，0)，(1500，5，30)，(3000，5，100)。那么，当音频到达1000比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例0％的位置，显示时在视频中出现一段文字，而此时以不同的颜色叠加在显示的字上，那么此时前面4个字已经经过叠加而第5个字的叠加刚开始，当音频到达1500比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例30％的位置，此时显示时在视频中出现一段字幕文字，那么此时前面4个字已经经过叠加而第5个字的30％也经过叠加，以此类推来显示文字信息。当然如果有需要也可以播放或显示背景视频或背景图片。

步骤S203，根据所述文件中保存的音频信息中的声道分布情况和用户需求，对音频输出进行控制。

本步骤中，根据用户的需求，和声道的分布情况来控制，以卡拉OK为例，歌词音和伴奏音分别占用不同的声道，那么要关闭歌词音就只需要把歌词音所在的声道关闭即可，要关闭伴奏音就只需要关闭伴奏音所在的声道即可，当伴奏音是立体声并占用两个声道，歌词音也占用两个声道，且两个歌词声道的歌词音完全相同，则要关闭歌词因就需要将两个声道输出到差分放大器中利用共模电路来消除歌词音，当歌词音和伴奏音都是单声道，则无法消除歌词因或伴奏音，当只有伴奏音或歌词音，则只能输出伴奏音或歌词音，当歌词音、伴奏音都是立体声，则无法消除歌词音或伴奏音，根据不同的声道分布情况和用户的需求来控制音频的输出。

实施本发明实施例，通过建立音频的音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系以形成同步信息，保存所述形成的同步信息，获取并保存所述音频信息中的声道分布情况，实现了音频和文字的时刻同步，并且方便了音频输出的控制。

参考图3，是本发明实施例多媒体文件制作装置的结构示意图，如图3所示，本实施例的文件制作装置主要包括设置单元1、存储单元2和获取单元3。下面对各单元功能以及相互关系做详细说明。

设置单元1，用于设置音频的音频数据流位置信息对应的用于音频同步显示的字幕文字信息；

所述音频数据流位置信息为当前所处的音频数据的比特或字节位置与零字节位置的偏移位置，具体的数据单位大小自己设定。所述字幕文字信息包括字幕文字序号，所述字幕文字序号为某个文字所在系列字幕文字当中的排序序号。在制作多媒体文件时将所述音频数据流位置信息与所述字幕文字序号对应，建立同步信息并保存。同时所述字幕文字信息进一步包括字幕文字位置比例，所述字幕文字位置比例为所述当前音频数据流位置信息所处字幕文字发音位置占所述整个字幕文字发音时长的比例，在制作多媒体文件时，将所述音频数据流位置信息与所述字幕文字序号和字幕文字位置比例对应，建立同步信息保存。那么所述音频数据信息和字幕文字信息就建立了时刻的同步。例如，以卡拉OK为例，其中音频信息就为歌曲，字幕文字为歌词，字幕文字序号为歌词序号，字幕文字位置比例为歌词位置比例，假设在该卡拉OK中音频数据流位置信息的第1000个比特的位置对应的歌词序号是第5个歌词“啊”对应的歌词位置比例为歌词“啊”的0％的位置，音频数据流位置信息的第1500比特位置对应歌词序号的是第5个歌词“啊”，对应的歌词位置比例为歌词“啊”的30％的位置，音频数据流位置信息的第3000比特位置对应的是歌词序号第5个歌词“啊”对应的歌词位置比例为歌词“啊”的100％的位置，那么可以记录一组音频数据流位置信息同歌词信息的同步信息，如(1000，5，0)，(1500，5，30)，(3000，5，100)。可见，同步精度完全取决于记录的同步信息的数量。对于文字发音时间不同的文字，可以分别记录不同数量的同步信息来实现所需的同步精度。同时制作时也可以记录下推荐的最小数据流播放单位以提高系统播放效率。同时，对于一些音乐格式文件如MP3，是以音频帧为单位来组织播放数据，每帧播放时间都是固定的，这有助于简化设计，这里音频数据流位置信息可以理解为数据所在的帧位置序号信息，而不是比特位置。

存储单元2，用于保存所述音频数据流位置信息对应的字幕文字信息形成的同步信息。

获取单元3，用于获取并保存所述音频中的声道分布情况。

我们知道音频信息包括声道的分布情况，以卡拉OK为例可能有以下几种：歌词音和拌奏音分别占用不同声道；拌奏音是立体声并占用两个声道，歌词音也占用两个声道，且两个声道的歌词音完全相同；只有拌奏音；歌词音，拌奏音都是单声道；歌词音，拌奏音都是立体声。在制作时获取音频的声道分布情况并保存声道分布情况。

参考图4，是本发明实施例播放器的结构示意图，如图4所示，本实施例的文件制作装置主要包括处理单元4、显示单元5、触发单元6和音频控制单元7。下面对各单元功能以及相互关系做详细说明。

处理单元4，用于解析多媒体文件并获取所述文件中的同步信息。

所述多媒体文件的同步信息为音频数据流位置信息对应的字幕文字信息。以卡拉OK为例，在播放过程中，所述多媒体文件流入解码器时查询同步信息，获取该音频数据流位置信息的歌词信息。例如记录一组歌曲歌词同步信息如下(1000，5，0)，(1500，5，30)，(3000，5，100)。那么，当音频到达1000比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例0％的位置，当音频到达1500比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例30％的位置，当音频到达3000比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例100％的位置。这样不论音频快放慢放，只要多媒体文件流入解码器，就必然会产生音频数据流位置信息和对应歌词信息的同步消息从而实现歌词刷新的同步。同样道理，即使用户随意跳跃式播放，音频和字幕文字也能同步；就是多媒体文件播放流程偶尔出现延时问题，对应的字幕文字刷新也能保持和音频的同步。

显示单元5，用于根据所述同步信息，同步显示所述音频数据流位置信息对应的字幕文字信息。

显示所述频数据流位置对应的字幕文字信息，可以是视频中字幕文字的逐渐显示，也可以是视频字幕文字的叠加。以卡拉OK为例，如记录一组歌曲歌词同步信息如下(1000，5，0)，(1500，5，30)，(3000，5，100)。那么，当音频到达1000比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例0％的位置，显示时视频就显示第5个字的开始，其实此时是看不见第5个字“啊”的，当音频到达1500比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例30％的位置，此时显示第5字“啊”的30％可能只出来该歌词啊字的一个口字部，以此类推，当然这种显示方式是不适合卡拉OK的显示的。而视频文字的叠加，如记录一组歌曲歌词同步信息如下(1000，5，0)，(1500，5，30)，(3000，5，100)。那么，当音频到达1000比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例0％的位置，显示时在视频中出现一段文字，而此时以不同的颜色叠加在显示的字上，那么此时前面4个字已经经过叠加而第5个字的叠加刚开始，当音频到达1500比特的位置，那么就获得对应的同步信息为歌词序号为5的歌词“啊”和歌词位置比例30％的位置，此时显示时在视频中出现一段字幕文字，那么此时前面4个字已经经过叠加而第5个字的30％也经过叠加，以此类推来显示文字信息。当然如果有需要也可以播放或显示背景视频或背景图片。

触发单元6，用于根据用户的需求触发音频控制单元7对音频输出进行控制。

音频控制单元7，用于根据所述文件中保存的音频信息中的声道分布情况，对所述音频输出进行控制。

根据用户的需求，和声道的分布情况来控制，以卡拉OK为例，歌词音和伴奏音分别占用不同的声道，那么要关闭歌词音就只需要把歌词音所在的声道关闭即可，要关闭伴奏音就只需要关闭伴奏音所在的声道即可，当伴奏音是立体声并占用两个声道，歌词音也占用两个声道，且两个歌词声道的歌词音完全相同，则要关闭歌词因就需要将两个声道输出到差分放大器中利用共模电路来消除歌词音，当歌词音和伴奏音都是单声道，则无法消除歌词因或伴奏音，当只有伴奏音或歌词音，则只能输出伴奏音或歌词音，当歌词音、伴奏音都是立体声，则无法消除歌词音或伴奏音，根据不同的声道分布情况和用户的需求来控制音频的输出。

实施本发明实施例，通过建立音频的音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系以形成同步信息，保存所述形成的同步信息，获取并保存所述音频信息中的声道分布情况，实现了音频和文字的时刻同步，并且方便了音频输出的控制。

本发明实施例或者其中的一部分，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，例如光盘，硬盘，软盘等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (13)

1.一种多媒体文件制作方法，其特征在于，包括：

建立音频的音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系以形成同步信息；

保存所述形成的同步信息。

2.如权利要求1所述的方法，其特征在于，还包括：

获取并保存所述音频的声道分布情况。

3.如权利要求2所述的方法，其特征在于，所述建立音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系包括：

建立所述音频数据流位置信息与字幕文字序号的对应关系，所述字幕文字序号为所述音频数据流位置信息对应的字幕文字在系列字幕文字当中的排序序号。

4.如权利要求3所述的方法，其特征在于，所述建立音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系进一步包括：

建立所述音频数据流位置信息与字幕文字位置比例的对应关系，所述字幕文字位置比例为所述音频数据流位置信息对应的字幕文字发音位置占该整个字幕文字发音时长的比例。

5.一种多媒体文件播放方法，其特征在于，包括：

解析所述多媒体文件获取同步信息，所述同步信息为音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系；

根据所述同步信息，同步显示所述音频数据流位置信息对应的字幕文字信息。

6.如权利要求5所述的方法，其特征在于，还包括：

根据所述多媒体文件保存的音频信息的声道分布情况和用户需求，对所述音频输出进行控制。

7.如权利要求6所述的方法，其特征在于，所述根据所述同步信息，同步显示所述音频数据流位置信息对应的字幕文字信息包括：

根据所述音频数据流位置信息对应的字幕文字序号显示该对应的字幕文字，所述字幕文字序号为所述音频数据流位置信息对应的字幕文字在系列字幕文字当中的排序序号。

8.如权利要求7所述的方法，其特征在于，所述所述根据所述同步信息，同步显示所述音频数据流位置信息对应的字幕文字信息进一步包括：

根据所述音频数据流位置信息对应的字幕文字位置比例显示该对应的字幕文字，所述字幕文字位置比例为所述音频数据流位置信息对应的字幕文字发音位置占该整个字幕文字发音时长的比例。

9.一种多媒体文件制作装置，其特征在于，包括：

设置单元，用于建立音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系并形成同步信息；

存储单元，用于保存所述形成的同步信息。

10.如权利要求9所述的装置，其特征在于，还包括：

获取单元，用于获取并保存所述音频的声道分布情况。

11.一种播放器，其特征在于，包括：

处理单元，用于解析所述多媒体文件获取同步信息，所述同步信息为音频数据流位置信息与用于音频播放时同步显示的字幕文字信息的对应关系；

显示单元，用于根据所述同步信息，同步显示所述音频数据流位置信息对应的字幕文字信息。

12.如权利要求11所述的播放器，其特征在于，还包括：

音频控制单元，用于根据所述多媒体文件保存的音频的声道分布情况，对所述音频输出进行控制。

13.如权利要求12所述的播放器，其特征在于，进一步包括：

触发单元，用于根据用户的需求触发音频控制单元对音频输出进行控制。

Images