CN107688792A - 一种视频翻译方法及其系统 - Google Patents

Abstract

本发明提供了一种视频翻译方法，该方法采用了基于声音流的视频分割方法，将视频分割成需要翻译的子部分和不需要翻译的子部分，避免了无对白场景的翻译和等待，提高了工作效率；此外，本方法不需要完成将声音文件转化为文本文件的过程；翻译人员翻译视频文件时，可以同时观看有效的视频子文件，避免了翻译词不达意的现象；由于翻译对象不再是纯文本，不会出现一个文本的翻译出现错误而导致多个场景的翻译错误的现象，便于审核、校对和修改；本发明还公开了实现该方法的视频翻译系统和计算机可读介质。

Description

一种视频翻译方法及其系统

技术领域

本发明属于翻译技术领域，特别是涉及一种视频翻译方法及其系统。

背景技术

在影视、电视剧领域，通常需要引进其他国家的影视、电视剧作品；同时，本国的优秀电视剧、影视剧作品也会传播到其他国家。在这个过程中，就需要对影视、电视剧的语言进行翻译，使得使用不同语言的观众都能欣赏不同国家的影视、电视剧。

目前，相关的翻译手段主要为，首先将影视、电视剧中的声音文件转换成文本（语音识别加人工校对，或者纯人工听录），再将文本交给译员进行翻译，翻译完后交审校人员完成校对后，作为字幕嵌入到原有的影视、电视剧当中。

然而，上述过程中，将声音文件转化为文本文件的过程工作量巨大；同时，翻译人员翻译的对象是纯文本文件，脱离了原有视频的场景，很有可能导致词不达意的错误翻译结果；

另外，一旦某个文本出现错误，出现同一文本的视频场景均有可能出现错误，影响了整体的翻译质量；并且这种错误在校对时很难发现。

发明内容

鉴于上述问题，本发明提出了一种视频翻译方法，用于相关影视、电视剧的翻译。采用本发明，可以避免上述问题，提高翻译质量。

本发明提出的视频翻译方法，主要包括如下步骤：

（1）自动导入待翻译的视频文件；

（2）对所述待翻译的视频文件进行自动分割，得到多个视频分割子文件；

（3）选择所述多个视频分割子文件中需要翻译的视频分割子文件进行翻译；

（4）将每一个需要翻译的视频分割子文件的翻译结果与该需要翻译的视频分割子文件进行关联，得到多个关联存储对；

（5）将步骤（2）中自动分割得到的多个视频分割子文件中不需要进行翻译的视频分割子文件，与步骤（4）得到的多个关联存储对组合，得到所述待翻译的视频文件的翻译结果。

可见，采用上述步骤进行视频翻译，避免了将视频声音文件转化为文本文件的工作，并且减少了视频翻译工作量。

进一步的，本发明提出的视频翻译方法中，对所述待翻译的视频文件进行自动分割，得到多个视频分割子文件，主要包括：

针对单个的影视视频，采用视频分割算法，识别出其中的片头部分、片尾部分并将其分割出来，从而将视频至少分成三部分：片头部分、片尾部分和除片头片尾之外的正文视频部分；

针对所述正文视频部分，识别其中的声音流，开始检测声音流的初始起始点、中间停顿点、中间起始点和结束点；

所述初始起始点是指该视频文件第一次检测到声音流的时间点；

所述中间停顿点是指所述视频文件在该点之后的第一预设时间段内存在播放画面，但是未检测到声音流；

所述中间起始点是指所述自前述中间停顿点之后，再次检测到声音流文件的点；

所述结束点是指该视频文件最后一次检测到声音流的时间点。

检测出所有初始起始点、中间停顿点、中间起始点和结束点之后，按照所述初始起始点、中间停顿点、中间起始点和结束点，将所述视频文件分割成多个视频分割子文件。

当然，如果是电视剧，其通常包含多集视频。在处理时，将每一集视频文件作为前述单个视频进行类似处理。

发明人注意到，现有技术虽然存在多种视频分割算法，然而，其对视频进行分割大多依据视频本身的属性，例如画面识别、场景识别、人物识别等，其分割后的视频在声音流上通常出现不完整的现象。然而，对视频翻译而言，其首先应当考虑声音流的完整性，因此，发明人创造性的提出了采用声音流文件进行视频分割；

另一方面，在视频文件中，存在大量的无对白场景。对于这些无对白场景，不存在需要翻译的声音流。因此，可以将其单独分离出来，在翻译时不需考虑。如果采用传统的视频分割算法，例如场景分割算法，这些无对白的场景将会和其他有声音流的场景一样，都被分割出来等待翻译，这样浪费了翻译人员的时间。

因此，本发明提出的前述视频分割算法，充分考虑了翻译工作本身的需要；将视频进行分割后得到的多个视频分割子文件中，很容易得出其是否是需要翻译的视频文件，从而避免了无对白场景视频的等待和翻译。

例如，根据前述得到初始起始点、中间停顿点、中间起始点和结束点的过程可知，从初始起始点到接下来的中间停顿点这段时间内，是有声音的对白场景场景，这一部分视频被分割出来之后，就是应当翻译的视频子文件；而从某个中间停顿点到接下来的中间起始点这段时间内，没有检测到声音流，虽然依旧有播放画面，但是这一部分视频被分割出来后，不需要翻译。

可以理解，本发明所述的声音流是指视频中出现的人物对白声音。通常情况下，视频中可能会出现多种声音，例如，作为人物角色的对白，作为环境背景渲染的背景音乐，还可能存在各种环境声音表现，例如鸟叫、风声、水流声等等。但是，作为翻译人员而言，只需要关注其中的人物对白声音段即可，因为其它类型的声音，例如，背景音乐、环境声音等，不需要进行翻译。

因此，本发明所述的识别其中的声音流，是指识别视频中的人物对白声音。

进一步的，本发明提出的视频翻译方法中，将每一个需要翻译的视频分割子文件的翻译结果与该需要翻译的视频分割子文件进行关联，得到多个关联存储对，主要包括：

确定该视频分割子文件是需要翻译的文件后，对该子文件进行翻译，得到翻译结果，并将该翻译结果关联该子文件。例如，将翻译结果输入到该视频子文件中，作为字幕文件显示。

这样，当单独播放该视频子文件时，即可看到该视频子文件的翻译结果。该结果和该视频子文件关联，便于后期校对、审核和修改。

完成上述工作后，将关联翻译结果的翻译后的视频分割子文件与之前不需要翻译的视频分割子文件进行组合，即可得到所述待翻译的视频文件的翻译结果。

本发明还提供了一种用于实现上述方法的视频翻译系统，该视频翻译系统包括：

视频导入模块，用于导入待翻译的视频文件；

视频分割模块， 对所述待翻译的视频文件进行自动分割，输出多个视频分割子文件。

具体来说，视频分割模块首先采用视频分割算法，识别出其中的片头部分、片尾部分并将其分割出来，从而将视频至少分成三部分：片头部分、片尾部分和除片头片尾之外的正文视频部分；

然后，针对所述正文视频部分，采用本发明提出的基于声音流的视频分割算法，将所述正文视频切分成多个视频分割子文件。

判断模块，判断所述视频分割模块输出的视频分割子文件是否需要翻译。

具体来说，所述判断模块用于判断视频分割子文件中是否包含需要翻译的声音；如果包含，则该视频分割子文件属于需要翻译的文件；否则，该子文件不需要翻译；

选择模块，选择所述多个视频分割子文件中需要翻译的视频分割子文件；

翻译模块，对所述选择模块选择的视频分割子文件进行翻译；

存储模块，将每一个需要翻译的视频分割子文件的翻译结果与该需要翻译的视频分割子文件进行关联，得到多个关联存储对；

结果生成模块，将判断模块判断出的不需要进行翻译的视频分割子文件，与存储模块得到的多个关联存储对组合，生成所述待翻译的视频文件的翻译结果。

此外，本发明提出的翻译方法可以采用计算机指令实现，例如将存储相关指令的计算机可读介质，采用处理器执行相关指令，也可以实现本发明。

本发明的有益效果

采用本发明的方法对视频进行翻译，可以有效的减少翻译工作量；其采用的基于声音流的视频分割方法，将视频分割成需要翻译的子部分和不需要翻译的子部分，避免了无对白场景的翻译和等待，提高了工作效率；此外，本方法不需要完成将声音文件转化为文本文件的过程；翻译人员翻译视频文件时，可以同时观看有效的视频子文件，避免了翻译词不达意的现象；由于翻译对象不再是纯文本，不会出现一个文本的翻译出现错误而导致多个场景的翻译错误的现象，便于审核、校对和修改。

附图说明

图1是本发明的翻译方法的流程图

图2是本发明的视频分割方法结果示意图

具体实施例

参照图1，本发明提出的视频翻译方法，首先需要导入待翻译的视频文件。导入过程可以采用程序自动导入，也可以手动导入。

然后，对所述待翻译的视频文件进行自动分割，得到多个视频分割子文件；

一份完整的视频文件，通常包含片头、正文内容和片尾部分。对于影片而言，通常并不需要翻译片头和片尾部分；对于电视剧而言，通常每一集电视剧视频的片头和片尾部分均相同，因此也不需要翻译。

在本发明的实施例中，重点关注的是视频文件的正文内容的翻译。因此，首先采用视频分割算法，识别出其中的片头部分、片尾部分并将其分割出来，从而将视频至少分成三部分：片头部分、片尾部分和除片头片尾之外的正文视频部分；这里的视频分割在本领域可以采用多种方法实现，在此不再赘述；

对于正文视频部分，也不是所有画面都需要一一观看等待翻译。发明人注意到，对于视频翻译而言，翻译的对象应当是视频中的声音流。而在一部视频中，通常会存在多个没有对白的画面。在这些画面中，不存在声音流，因此，也不需要进行翻译。

此时，本方法是选择所述多个视频分割子文件中需要翻译的视频分割子文件进行翻译；

然后，将每一个需要翻译的视频分割子文件的翻译结果与该需要翻译的视频分割子文件进行关联。通过这一步骤，可以得到多个关联存储对；

最后，将关联翻译结果的翻译后的视频分割子文件与之前不需要翻译的视频分割子文件进行组合，得到所述待翻译的视频文件的翻译结果。

图2则给出了本方法中采用的视频分割方法的示意图。

对视频正文内容进行分割，现有技术也存在多种分割算法。然而，这些分割方法大多依据视频本身的属性，例如画面识别、场景识别、人物识别等，其分割结果大多将某一段场景连续的画面分割出来，而不考虑这些连续画面构成的场景是否存在声音流。这种分割方法不适用于翻译过程中。因为，某个连续场画面构成的场景，有可能部分存在对白，部分不存在对白；对于不存在对白的画面，翻译人员只能等待。

而采用图2所示的方法，则可以避免上述现象。

在图2中，针对所述正文视频（1）部分，识别其中的声音流（2），开始检测声音流的初始起始点(20)、中间停顿点(21)、中间起始点(22)和结束点(23)；

所述初始起始点(20)是指该视频文件第一次检测到声音流的时间点；通常，在正文视频（1）开始播放后，即可检测到该点；

可以理解，对于单个视频文件而言，所述初始起始点(20)只有一个；

所述中间停顿点(21)是指所述视频文件在该点之后的第一预设时间段内存在播放画面，但是未检测到声音流；

通常，正文视频中会存在多个对话场景，不同的对话场景之间，会存在较长的画面过渡，或者其他静默场景。在前一个对话结束后下一个对话开始之前的这段时间内，没有声音流。因此，本发明定义的中间停顿点(21)，也可以理解为某个场景对话结束时的时间点。

所述中间起始点(22)是指所述自前述中间停顿点(21)之后，再次检测到声音流文件的点。

如前所述，在前一个对话结束后，在一定时间段内没有检测到声音流。过了这段时间，就会继续下一个对话。下一个对话的起点就是本发明定义的中间起始点(22)。

可以理解，对于单个视频文件而言，所述中间停顿点(21)、中间起始点(22)可以有多个。在附图2中，相同的标记表示相同的特征，因此从附图2也可以看出，该视频文件可以检测到多个中间停顿点(21)，中间起始点(22)，尽管图中未一一标出。

所述结束点（23）是指该视频文件最后一次检测到声音流的时间点。可以理解，对于单个视频文件而言，所述结束点（23）也只有一个。

检测出所有初始起始点（20）、中间停顿点（21）、中间起始点（22）和结束点（23）之后，将所述视频文件分割成多个视频分割子文件。

参照附图2，采用本发明的分割方法，该视频可以被分为如下多个片段：

片段1：初始起始点（20）———中间停顿点（21）；

片段2：中间停顿点（21）———中间起始点（22）；

……

按照前述定义，其中片段1包含声音流，片段2不包括声音流，因此，翻译时只需要选择片段1进行翻译而直接跳过片段2。由于视频正文中存在大量的类似片段2，因此，可以大大提高翻译效率。

可见，采用本发明的分割方法，可以有效分割出视频中需要翻译的部分而跳过不需要翻译的部分。

当然，翻译的目的是要得到整个视频的翻译结果，因此，最后还需要将翻译后的视频子文件和跳过的不需要翻译的视频子文件进行组合，从而得到整体翻译结果。这个组合过程只需要按照时间线还原即可，在此不再赘述。

总之，本发明提供了一种有效的视频翻译方法。采用该方法，避免了将声音文件转化为文本文件的过程；同时，在翻译时不需要观看视频的每一部分，而只需要关注需要翻译的节选片段，提高了工作效率；并且翻译人员对上述节选片段进行翻译后，可将翻译结果和该视节选片段关联，便于后期校对、审核和修改。

Claims (7)

1.一种视频翻译方法，包括如下步骤：

（1）导入待翻译的视频文件；

（2）对所述待翻译的视频文件进行自动分割，得到多个视频分割子文件；

（3）选择所述多个视频分割子文件中需要翻译的视频分割子文件进行翻译；

（4）将每一个需要翻译的视频分割子文件的翻译结果与该需要翻译的视频分割子文件进行关联，得到多个关联存储对；

（5）将步骤（2）中自动分割得到的多个视频分割子文件中不需要进行翻译的视频分割子文件，与步骤（4）得到的多个关联存储对组合，得到所述待翻译的视频文件的翻译结果。

2.如权利要求1所述的方法，所述步骤（2）中，对所述待翻译的视频文件进行自动分割，得到多个视频分割子文件，具体包括：

采用视频分割算法，识别出其中的片头部分、片尾部分并将其分割出来，从而将视频至少分成三部分：片头部分、片尾部分和除片头片尾之外的正文视频部分。

3.如权利要求2所述的方法，进一步包括：针对所述正文视频部分，识别其中的声音流文件；根据所述声音流文件将所述正文视频划分为多个视频分割子文件。

4.如权利要求1-3任一项所述的方法，其特征在于：所述需要翻译的视频分割子文件，是指该视频分割子文件中包含需要翻译的声音。

5.一种视频翻译系统，所述视频翻译系统用于执行权利要求1-4任一项所述的视频翻译方法，其特征在于，该视频翻译系统包括：

视频导入模块，用于导入待翻译的视频文件；

视频分割模块，对所述待翻译的视频文件进行自动分割，输出多个视频分割子文件；

判断模块，判断所述视频分割模块输出的视频分割子文件是否需要翻译；

选择模块，选择所述多个视频分割子文件中需要翻译的视频分割子文件；

翻译模块，对所述选择模块选择的视频分割子文件进行翻译；

存储模块，将每一个需要翻译的视频分割子文件的翻译结果与该需要翻译的视频分割子文件进行关联，得到多个关联存储对；

结果生成模块，将判断模块判断出的不需要进行翻译的视频分割子文件，与存储模块得到的多个关联存储对组合，生成所述待翻译的视频文件的翻译结果。

6.如权利要求5所述的系统，其中，所述判断模块，判断所述视频分割模块输出的视频分割子文件是否需要翻译，具体包括：判断视频分割子文件中是否包含需要翻译的声音。

7.一种计算机可读介质，其存储有可通过计算机存储器和处理器可执行的指令；所述存储器和处理器执行所述可执行的指令， 用于实现如权利要求1-4任一项所述的方法。