CN107135418A - 一种视频播放的控制方法及装置 - Google Patents

Abstract

本发明提供了一种视频播放的控制方法，其中，该方法包括：获取与待播放视频对应的关键语音信息，建立该关键语音信息与视频播放进度之间的映射关系库；在视频播放过程中，识别用户语音信息；从所述映射关系库中，查找与识别到的用户语音信息匹配的关键语音信息；根据查找到的关键语音信息对应的视频播放进度，进行后续视频播放。本发明实施例通过语音控制视频的播放过程，使得语言学习者能够通过语音参与到视频播放中的场景对话中，从而感受更加真实的学习场景。

Description

一种视频播放的控制方法及装置

技术领域

本发明涉及视频控制技术领域，具体而言，涉及一种视频播放的控制方法及装置。

背景技术

视频教学软件的出现，改善了传统的教学方式，尤其是在语言类的教学中应用广泛，比如可以通过播放视频将学生带到视频中的人物情景中，带给学生深刻的学习印象。

现有语言类教学软件，可以通过VR视频或者AR视频，可以从视觉上带给学习者身临其境的感觉，但是并不能让学习者从语音上真正参与到视频中的场景中，无法让学习者感受更加真实的学习场景。

发明内容

有鉴于此，本发明的目的在于提供一种视频播放的控制方法及装置，以提高语言学习者对学习场景体验的真实性。

第一方面，本发明实施例提供了一种视频播放的控制方法，包括：

获取与待播放视频对应的关键语音信息，建立该关键语音信息与视频播放进度之间的映射关系库；

在视频播放过程中，识别用户语音信息；

从所述映射关系库中，查找与识别到的用户语音信息匹配的关键语音信息；

根据查找到的关键语音信息对应的视频播放进度，进行后续视频播放。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，所述在视频播放过程中，识别用户语音信息，包括：

在所述视频播放到设定位置时，开启语音识别功能，等待用户录入所述语音信息。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，所述从所述映射关系库中，查找与所述识别到的用户语音信息匹配的关键语音信息，包括：

获取所识别到的用户语音信息的关键词；

将获取到的所述用户语音信息的关键词与所述关键语音信息中的每条语句的关键词进行匹配；

将与获取到的所述用户语音信息的关键词相匹配的语句确认为与所述识别到的用户语音信息匹配的关键语音信息。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，所述从所述映射关系库中，查找与所述识别到的用户语音信息匹配的关键语音信息，包括：

获取所识别到的用户语音信息的字数以及关键词；

将获取的用户语音信息的字数与所述关键语音信息中的每条语句的字数进行匹配得到匹配度，及将获取到的所述用户语音信息的关键词与所述关键语音信息中的每条语句的关键词进行匹配；

将所述匹配度大于或等于预设值，且与获取到的所述用户语音信息的关键字相匹配的语句确定为与所述识别到的用户语音信息匹配的关键语音信息。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，从所述映射关系库中，未查找到与所述识别到的用户语音信息匹配的关键语音信息时，关闭语音识别功能，提示所述用户重新录入语音信息。

第二方面，本发明实施例提供了一种视频播放的控制装置，包括：

获取模块，用于获取与待播放视频对应的关键语音信息，建立该关键语音信息与视频播放进度之间的映射关系库；

识别模块，用于在识别播放过程中，识别用户语音信息；

查找模块，用于从所述映射关系库中，查找与所述识别到的用户语音信息匹配的关键语音信息；

执行模块，用于根据查找到的关键语音信息对应的视频播放进度，进行后续视频播放。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，

所述识别模块，具体用于在所述视频播放到设定位置时，开启语音识别功能，等待用户录入所述语音信息。

结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，所述查找模块包括：

获取单元，用于获取所识别到的用户语音信息的关键词；

匹配单元，用于将获取到的所述用户语音信息的关键词与所述关键语音信息中的每条语句的关键词进行匹配；

确认单元，用于将与获取到的所述用户语音信息的关键词相匹配的语句确认为与所述识别到的用户语音信息匹配的关键语音信息。

结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，所述查找模块包括：

获取单元，用于获取所识别到的用户语音信息的字数以及关键词；

匹配单元，用于将获取的用户语音信息的字数与所述关键语音信息中的每条语句的字数进行匹配得到匹配度，及将获取到的所述用户语音信息的关键词与所述关键语音信息中的每条语句的关键词进行匹配；

确定单元，用于将所述匹配度大于或等于预设值，且与获取到的所述用户语音信息的关键字相匹配的语句确定为与所述识别到的用户语音信息匹配的关键语音信息。

结合第二方面，本发明实施例提供了第二方面的第四种可能的实施方式，所述识别模块，还用于当所述查找模块在所述映射关系库中，未查找与所述识别到的用户语音信息匹配的关键语音信息时，关闭语音识别，提示所述用户重新录入语音信息。

本发明实施例提供的一种视频播放的控制方法，与现有技术中相比，其通过预建立关键语音信息与视频播放进度之间的映射关系库，在识别到用户语音信息后，在上述映射关系库中，根据查找与识别到的用户语音信息匹配的关键语音信息进行后续视频播放，这样从听说方面实现了人机交流对话，从视觉方面实现了真实场景再现，从而模拟出真实的语音交流过程，让学习者在身临其境的环境中训练和学习语言。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例所提供的一种视频播放的控制方法的流程图；

图2示出了本发明实施例所提供的第一种在视频播放的控制方法中查找与识别到的用户语音信息匹配的关键语音信息的方法流程图；

图3示出了本发明实施例所提供的第二种在视频播放的控制方法中查找与识别到的用户语音信息匹配的关键语音信息的方法流程图；

图4示出了本发明实施例所提供的一种视频播放的控制装置的结构示意图；

图5示出了本发明实施例所提供的一种视频播放的详细流程图。

图标：401-获取模块；402-识别模块；403-查找模块；404-执行模块。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

实施例1

本发明实施例1提供了一种视频播放的控制方法，其流程图如图1所示，具体步骤如下：

S100，获取与待播放视频对应的关键语音信息，建立该关键语音信息与视频播放进度之间的映射关系库。

该待播放视频包括AR(Augmented Reality,增强现实)视频、VR(VirtualReality，虚拟现实)视频或者普通视频。

在每处理一个新的视频时，对该新的视频进行处理，获取每处待播放视频对应的关键语音信息，该关键语音信息包括至少一条语句，且每条语句对应一个后续的待播放视频。

比如，待播放视频是一段关于餐桌问话的视频，视频中有两个人，一个餐厅服务员，另外一个是用餐者，服务员问：您好，请问您需要什么？之后的视频播放进度可能包括以下几种答案：

A,我需要一杯红酒和七分熟的牛排，谢谢。

B，我需要一份意大利面和一杯咖啡，谢谢。

C，我需要一杯牛奶，谢谢。

则若接收到用户输入语音信息为A时，之后的视频播放进度则转换到服务员稍后为该用餐者提供了一杯红酒和七分熟的牛排并且伴随对应的语音播放，比如服务员向该用餐者介绍该红酒的年份或告知用餐者“这是您点的七分熟的牛排，请慢用”；若接收到用户输入语音信息为B时，之后的视频播放进度则转换到服务员稍后为该用餐者提供了一份意大利面和一杯咖啡并且伴随对应的语音播放，比如服务员继续询问该用餐者咖啡需要加糖吗；若接收到用户输入语音信息为C时，之后的视频播放进度则转换到服务员稍后为该用餐者提供了一杯牛奶并且伴随着其他语音播放，比如服务员继续询问该用餐者还需要其他吗。由此可见，关键语音信息与视频播放进度之间形成了一一对应的映射关系。

视频的播放会随着用户不断的语音输入，进行相应的后续视频的播放，比如，在上述例子中，当餐厅服务员询问该用餐者还需要其他吗？继续进入下一个视频播放进度，等待用户继续输入语音信息，根据用户的语音信息展现对应的视频。

S101，在视频播放过程中，识别用户语音信息。

该过程包括：在视频播放到设定位置时，开启语音识别功能，等待用户录入语音信息。

比如在上述餐桌问话的视频中，当服务员询问时，并不需要开启语音视频功能，因为此时可能会受到视频中服务员的语音的干扰，在服务员问询结束后，视频中不出现声音，此时开启语音识别功能，等待用户录入语音信息。

S102，从上述映射关系库中，查找与识别到的用户语音信息匹配的关键语音信息。

一种较佳的实施方式，在本发明实施例1提出的技术方案中，在步骤S102中，包括以下具体步骤，其流程图如图2所示。

S1020，获取所识别到的用户语音信息的关键词。

S1021，将获取到的用户语音信息的关键词与关键语音信息中的每条语句的关键词进行匹配。

S1022，将与获取到的用户语音信息的关键词相匹配的语句确认为与识别到的用户语音信息匹配的关键语音信息。

这种查找与识别到的用户语音信息匹配的关键语音信息的方法是根据关键词来确认与识别到的用户语音信息匹配的关键语音信息的，比如，在上述餐桌问话的视频中，若在关键语音信息中的三个语句A、B和C中分别设置了关键词为A:红酒和牛排；B：意大利面和咖啡；C：牛奶。当用户输入的语音信息中携带关键词牛奶时，则将语句C确认为与识别到的用户语音信息匹配的关键语音信息。

一种较佳的实施方式，在本发明实施例1提出的技术方案中，在步骤S102中，包括以下具体步骤，其流程图如图3所示。

S1023，获取所识别到的用户语音信息的字数以及关键词。

S1024，将获取的用户语音信息的字数与关键语音信息中的每条语句的字数进行匹配得到匹配度，及将获取到的用户语音信息的关键词与关键语音信息中的每条语句的关键词进行匹配。

S1025，将匹配度大于或等于预设值，且与获取到的用户语音信息的关键字相匹配的语句确定为与识别到的用户语音信息匹配的关键语音信息。

这种查找与识别到的用户语音信息匹配的关键语音信息的方法，是根据字数和关键词同时满足条件来确认与识别到的用户语音信息匹配的关键语音信息的，比如，同样是上述餐桌问话的视频中，若在关键语音信息中的三个语句A、B和C中分别设置了：A:总字数为16，关键字为“红酒”和“牛排”；B：总字数为16，关键字为“意大利面”和“咖啡”；C：总字数为9，关键字为“牛奶”。若设定字数匹配度为50％，即用户输入的语音信息的字数，其正确字数占总字数要大于或等于50％。比如，用户输入了“我需要一份…和…,谢谢”字数为8个字，且正确率为50％，此时都满足了A语句和B语句的需要，则还需要同时判断关键字，若用户输入的语音信息中携带关键字“红酒”和“牛排”，则确定A语句为与识别到的用户语音信息匹配的关键语音信息。

S103，根据查找到的关键语音信息对应的视频播放进度，进行后续视频播放。

在上述餐桌问话的视频中，若查找到的与用户语音信息匹配的关键语音信息为A语句，则进行服务员将红酒与牛排端上餐桌的视频播放；若查找到的与用户语音信息匹配的关键语音信息为B语句，则进行服务员将意大利面和咖啡端上餐桌的视频播放；同样，若查找到的与用户语音信息匹配的关键语音信息为C语句，则进行服务员将牛奶端上餐桌的视频播放。

一种较佳的实施方式，在本发明实施例1提出的技术方案中，当从上述映射关系库中，未查找到与识别到的用户语音信息匹配的关键语音信息时，关闭语音识别功能，提示用户重新录入语音信息。

其中，未查找到与识别到的用户语音信息匹配的关键语音信息，包括以下几种情况：

(1)在语音识别功能开启后，用户长时间没有输入语音信息。

(2)在语音识别功能开启后，用户输入了语音信息，但是用户说错了，比如用户口音不准，或者机器识别不准。

实施例2

本发明实施例2提供了一种视频播放的控制装置，如图4所示，包括获取模块401、识别模块402、查找模块403和执行模块404。

其中，获取模块401，用于获取与待播放视频对应的关键语音信息，建立该关键语音信息与视频播放进度之间的映射关系库。

该待播放视频包括AR(Augmented Reality,增强现实)视频、VR(VirtualReality，虚拟现实)视频或者普通视频。

识别模块402，用于在识别播放过程中，识别用户语音信息。

识别模块402，具体用于在视频播放到设定位置时，开启语音识别功能，等待用户录入语音信息。

识别模块402，还用于当查找模块403在映射关系库中，未查找与识别到的用户语音信息匹配的关键语音信息时，关闭语音识别，提示用户重新录入语音信息。

查找模块403，用于从映射关系库中，查找与识别到的用户语音信息匹配的关键语音信息。

一种较佳的实施方式，在本发明实施例1提出的技术方案中，查找模块包括：获取单元、匹配单元和确认单元。

其中，获取单元，用于获取所识别到的用户语音信息的关键词。

匹配单元，用于将获取到的用户语音信息的关键词与关键语音信息中的每条语句的关键词进行匹配。

确认单元，用于将与获取到的用户语音信息的关键词相匹配的语句确认为与识别到的用户语音信息匹配的关键语音信息。

一种较佳的实施方式，在本发明实施例1提出的技术方案中，查找模块包括：获取单元、匹配单元和确认单元。

获取单元，用于获取所识别到的用户语音信息的字数以及关键词。

匹配单元，用于将获取的用户语音信息的字数与关键语音信息中的每条语句的字数进行匹配得到匹配度，及将获取到的用户语音信息的关键词与关键语音信息中的每条语句的关键词进行匹配。

确定单元，用于将匹配度大于或等于预设值，且与获取到的用户语音信息的关键字相匹配的语句确定为与识别到的用户语音信息匹配的关键语音信息。

执行模块404，用于根据查找到的关键语音信息对应的视频播放进度，进行后续视频播放。

上述视频播放的控制装置可以设置于手机、VR一体机或者电脑中处理器中，或者其他智能设备的处理器中。

下面以一个具体的实施例进行详细阐述，如图5所示，视频播放的控制装置加载在手机中，用户佩戴VR眼镜，具体步骤如下：

S500，开始，即点击手机上的开始键。

S501，点击加载待播放的视频。

S502，判断待播放视频是否存储于指定存储位置，如果在指定存储位置找到该待播放视频，则执行S504，提示视频加载成功，若没有在指定位置找到该播放视频，则执行S503，提示用户将待播放视频放到指定存储位置。

S505，播放第一段视频，该视频可以是一段场景对话，先是视频中播放语音，待视频中的语音播放结束，即S506后，执行S507：播放等待视频，这段视频没有语音播出，在S508：开启语音识别功能后，执行S509：判断用户语音是否匹配成功，若是，执行S512：关闭语音识别功能；执行S513：播放指定视频时间轴，即根据用户输入的语音信息，播放对应的视频，之后重复S506之后的过程。

若语音识别不成功，执行S510：关闭语音识别，并执行S511：播放提示用户重新输入语音的时间轴，比如，提示用户“不好意思，我没有听清楚，您可以再说一次吗”，之后重复S508：重新开启语音识别功能及之后的过程。

基于上述分析可知，与相关技术中的视频播放的控制方法相比，本发明实施例通过预建立关键语音信息与视频播放进度之间的映射关系库，在识别到用户语音信息后，在上述映射关系库中，根据查找与识别到的用户语音信息匹配的关键语音信息进行后续视频播放，这样从听说方面实现了人机交流对话，从视觉方面实现了真实场景再现，从而模拟出真实的语音交流过程，让学习者在身临其境的环境中训练和学习语言。

本发明实施例所提供的进行视频播放的控制方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

本发明实施例所提供的视频播放的控制装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。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所述以权利要求的保护范围为准。

Claims (10)

1.一种视频播放的控制方法，其特征在于，包括：

获取与待播放视频对应的关键语音信息，建立该关键语音信息与视频播放进度之间的映射关系库；

在视频播放过程中，识别用户语音信息；

从所述映射关系库中，查找与识别到的用户语音信息匹配的关键语音信息；

根据查找到的关键语音信息对应的视频播放进度，进行后续视频播放。

2.根据权利要求1所述的控制方法，其特征在于，所述在视频播放过程中，识别用户语音信息，包括：

在所述视频播放到设定位置时，开启语音识别功能，等待用户录入所述语音信息。

3.根据权利要求1所述的控制方法，其特征在于，所述从所述映射关系库中，查找与所述识别到的用户语音信息匹配的关键语音信息，包括：

获取所识别到的用户语音信息的关键词；

将获取到的所述用户语音信息的关键词与所述关键语音信息中的每条语句的关键词进行匹配；

将与获取到的所述用户语音信息的关键词相匹配的语句确认为与所述识别到的用户语音信息匹配的关键语音信息。

4.根据权利要求1所述的控制方法，其特征在于，所述从所述映射关系库中，查找与所述识别到的用户语音信息匹配的关键语音信息，包括：

获取所识别到的用户语音信息的字数以及关键词；

将获取的用户语音信息的字数与所述关键语音信息中的每条语句的字数进行匹配得到匹配度，及将获取到的所述用户语音信息的关键词与所述关键语音信息中的每条语句的关键词进行匹配；

将所述匹配度大于或等于预设值，且与获取到的所述用户语音信息的关键字相匹配的语句确定为与所述识别到的用户语音信息匹配的关键语音信息。

5.根据权利要求1所述的控制方法，其特征在于，所述方法还包括：

从所述映射关系库中，未查找到与所述识别到的用户语音信息匹配的关键语音信息时，关闭语音识别功能，提示所述用户重新录入语音信息。

6.一种视频播放的控制装置，其特征在于，包括：

获取模块，用于获取与待播放视频对应的关键语音信息，建立该关键语音信息与视频播放进度之间的映射关系库；

识别模块，用于在识别播放过程中，识别用户语音信息；

查找模块，用于从所述映射关系库中，查找与所述识别到的用户语音信息匹配的关键语音信息；

执行模块，用于根据查找到的关键语音信息对应的视频播放进度，进行后续视频播放。

7.根据权利要求6所述的控制装置，其特征在于，

所述识别模块，具体用于在所述视频播放到设定位置时，开启语音识别功能，等待用户录入所述语音信息。

8.根据权利要求6所述的控制装置，其特征在于，所述查找模块包括：

获取单元，用于获取所识别到的用户语音信息的关键词；

匹配单元，用于将获取到的所述用户语音信息的关键词与所述关键语音信息中的每条语句的关键词进行匹配；

确认单元，用于将与获取到的所述用户语音信息的关键词相匹配的语句确认为与所述识别到的用户语音信息匹配的关键语音信息。

9.根据权利要求6所述的控制装置，其特征在于，所述查找模块包括：

获取单元，用于获取所识别到的用户语音信息的字数以及关键词；

匹配单元，用于将获取的用户语音信息的字数与所述关键语音信息中的每条语句的字数进行匹配得到匹配度，及将获取到的所述用户语音信息的关键词与所述关键语音信息中的每条语句的关键词进行匹配；

确定单元，用于将所述匹配度大于或等于预设值，且与获取到的所述用户语音信息的关键字相匹配的语句确定为与所述识别到的用户语音信息匹配的关键语音信息。

10.根据权利要求6所述的控制装置，其特征在于，

所述识别模块，还用于当所述查找模块在所述映射关系库中，未查找与所述识别到的用户语音信息匹配的关键语音信息时，关闭语音识别，提示所述用户重新录入语音信息。