CN111523330A - 用于生成文本的方法、装置、电子设备和介质 - Google Patents

Abstract

本公开的实施例公开了用于生成文本的方法、装置、电子设备和介质。该方法的一具体实施方式包括：获取从语音中识别出的输入文本；对该输入文本进行断句操作以获取目标文本；确定该目标文本是否符合第一条件；响应于确定该目标文本符合该第一条件，将该目标文本与该输入文本中位于该目标文本之后的后续文本合并，以得到待输入文本；确定该待输入文本是否符合第二条件；响应于确定该待输入文本不符合第二条件，基于该待输入文本和拟翻译语种信息，生成翻译后文本。该实施方式可以使上述目标文本更加规范，进而有助于提高翻译的准确度。

Description

用于生成文本的方法、装置、电子设备和介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于生成文本的方法、装置、电子设备和介质。

背景技术

目前对于语音同传技术，现有的技术方案一般是先确定要翻译的语音和要同传的语种，然后从语音中识别出文本，由于文本一般比较长，所以会对文本进行断句，然后对断句后的文本进行翻译。但是断句后的文本容易太长或太短，这对于翻译的准确性有很大影响的。

发明内容

本发明内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例的目的在于提出一种改进的用于生成文本的方法、装置、电子设备和介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种用于生成文本的方法，该方法包括：获取从语音中识别出的输入文本；对上述输入文本进行断句操作以获取目标文本；确定上述目标文本是否符合第一条件；响应于确定上述目标文本符合上述第一条件，将上述目标文本与上述输入文本中位于上述目标文本之后的后续文本合并，以得到待输入文本；确定上述待输入文本是否符合第二条件；响应于确定上述待输入文本不符合第二条件，基于上述待输入文本和拟翻译语种信息，生成翻译后文本。

第二方面，本公开的一些实施例提供了一种用于生成文本的装置，装置包括：获取单元，被配置成获取从语音中识别出的输入文本；断句单元，被配置成对上述输入文本进行断句操作以获取目标文本；确定单元，被配置成确定上述目标文本是否符合第一条件；处理单元，被配置成响应于确定上述目标文本符合上述第一条件，将上述目标文本与上述输入文本中位于上述目标文本之后的后续文本合并，以得到待输入文本；确定上述待输入文本是否符合第二条件；响应于确定上述待输入文本不符合第二条件，基于上述待输入文本和拟翻译语种信息，生成翻译后文本。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，获取从语音中识别出的输入文本。其次，对上述输入文本进行断句操作以获取目标文本。再次，确定上述目标文本是否符合第一条件。这样可以避免目标文本过短。然后，响应于确定上述目标文本符合第一条件，将上述目标文本与上述输入文本中位于上述目标文本之后的后续文本合并，以得到待输入文本。可以使上述待输入文本更加规范。之后，确定上述待输入文本是否符合第二条件。最后，响应于确定上述待输入文本不符合第二条件，基于上述待输入文本和拟翻译语种信息，生成翻译后文本。在这里不符合第二条件可以避免待输入文本过长。实现了规范待输入文本的长度，进而有助于提高翻译的准确度。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是根据本公开的一些实施例的用于生成文本的方法的一个应用场景的示意图；

图2是根据本公开的用于生成文本的方法的一些实施例的流程图；

图3是根据本公开的用于生成文本的方法的又一些实施例的流程图；

图4-图5是根据本公开的一些实施例的用于生成文本的翻译场景示意图。

图6是根据本公开的一些实施例的用于生成文本的呈现场景示意图。

图7是根据本公开的用于生成文本的装置的一些实施例的结构示意图；

图8是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开的一些实施例的用于生成文本的方法的一个应用场景的示意图。

在如图1的应用场景中所示，首先，用于生成文本的方法的执行主体可以是服务器101。执行主体可以获取从语音102中识别出的输入文本103。其次，对输入文本103进行断句操作以获取目标文本104。再次，确定目标文本104(图1中体现为“A”)是否符合第一条件105(图1中体现为“目标文本A的长度小于4个字符”)。然后，当目标文本104符合第一条件105时，将目标文本104与输入文本103中位于目标文本104之后的后续文本(图1中体现为“B”)合并，以得到待输入文本106；之后，确定待输入文本106是否符合第二条件107(图1中体现为“待输入文本106的长度大于18个字符”)；最后，响应于确定待输入文本106不符合第二条件107时，基于待输入文本106和拟翻译语种信息108，生成翻译后文本109。

可以理解的是，用于生成文本的方法可以是由服务器101来执行，或者也可以是由其它设备来执行，或者还可以是各种软件程序来执行。其中，服务器101例如可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。此外，执行主体也可以体现为服务器、软件等。当执行主体为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的服务器。

继续参考图2，示出了根据本公开的用于生成文本的方法的一些实施例的流程200。该用于生成文本的方法，包括以下步骤：

步骤201，获取从语音中识别出的输入文本。

在一些实施例中，用于生成文本的方法的执行主体(例如，图1所示的服务器101)可以获取从语音中识别出的输入文本。其中，上述语音可以是在视频会议或语音同传时的语音。作为示例，在视频会议或同传时语音都是实时的，所以识别出的输入文本也是实时的，会随着语音的播放而不断的更新。例如，随着语音的播放输入文本可以是“为”，“为创造者”，“为创造者每页”，“为创作者，每夜在头条号上”，“为创作者，每夜在头条号上获得收入超过一万元”。

步骤202，对上述输入文本进行断句操作以获取目标文本。

在一些实施例中，上述执行主体可以对上述输入文本进行断句操作以获取目标文本。上述断句操作可以是基于上述输入文本中的标点对上述输入文本进行断句以获取目标文本。上述目标文本可以是上述输入文本中断句标点之前的句子。例如，当上述输入文本为“为创作者，每夜在头条号上获得收入超过一万元”时，上述目标文本可以是“为创造者”。

步骤203，确定上述目标文本是否符合第一条件。

在一些实施例中，上述执行主体可以确定目标文本是否符合第一条件。上述第一条件可以是预先设定的条件。例如，上述第一条件可以是上述目标文本的长度小于4个字符。

步骤204，响应于确定上述目标文本符合上述第一条件。

步骤2041，将上述目标文本与上述输入文本中位于上述目标文本之后的后续文本合并，以得到待输入文本。

在一些实施例中，上述执行主体在确定步骤203满足的情况下，将上述目标文本与上述输入文本中位于上述目标文本之后的后续文本合并，以得到待输入文本。作为示例，当上述目标文本为“我爱你”。上述后续文本“我亲爱的祖国”。将上述目标文本和上述后续文本合并，得到待输入文本“我爱你我亲爱的祖国”。

步骤2042，确定上述待输入文本是否符合第二条件。

在一些实施例中，上述执行主体可以确定目标文本是否符合第二条件。上述第二条件可以是预先设定的条件。例如，上述第二条件可以是上述目标文本的长度大于18个字符。

步骤2043，响应于确定上述待输入文本不符合第二条件，基于上述待输入文本和拟翻译语种信息，生成翻译后文本。

在一些实施例中，上述执行主体可以在确定上述待输入文本不符合第二条件的情况下，基于上述待输入文本和拟翻译语种信息，生成翻译后文本。作为示例，上述待输入文本可以是“我爱你我亲爱的祖国”，上述拟翻译语种信息可以是“英语”，那么上述翻译后文本通常是“I love you my dear motherland”。

本公开的一些实施例公开的用于生成文本的方法，首先，对语音进行识别得到输入文本，对输入文本进行断句操作，以获取目标文本。其次，确定上述目标文本是否符合第一条件。这样可以避免目标文本过短。然后，响应于确定上述目标文本符合第一条件，将上述目标文本与上述输入文本中位于上述目标文本之后的后续文本合并，以得到待输入文本。可以使上述待输入文本更加规范。之后，确定上述待输入文本是否符合第二条件。这样可以避免目标文本过长。最后，响应于上述待输入文本不符合第二条件，基于上述待输入文本和拟翻译语种信息，生成翻译后文本。实现了规范待输入文本的长度，进而有助于提高翻译的准确度。

具体而言，在视频会议和同传场景中，双语字幕相对于音频结束的延迟时间均具有要求，例如最长不超过1.5s；在视频直播中加字幕相对于音频开始时间也具有要求，例如最长不超过10s。因此需要在满足这些延迟条件的情况下，给出字幕。而另一方面，由于流式语音识别会动态修正语音识别结果以及VAD(Voice Activity Detection，语音活动检测)断句的特点，希望延迟大一些，这是因为，延迟越大，语音识别的准确率就越高，部分错误会被动态修正掉，会获取更多的上下文文本，断句、并句的效果越好，翻译的结果也会更加准确，同时如果断句、并句之后的字幕处于一个完整的VAD，可以拿到VAD前后的完整时间戳，这时预测字幕的时间戳可以更加准确。本案实现了，在满足视频会议和直播对延迟的要求的情况下，进行准确的语音识别和翻译。

继续参考图3，示出了根据本公开的用于生成文本的方法的又一些实施例的流程300。该用于生成文本的方法，包括以下步骤：

步骤301，获取从语音中识别出的输入文本。

步骤302，对上述输入文本进行断句操作以获取目标文本。

步骤303，确定上述目标文本是否符合第一条件。

在一些实施例中，步骤301-303的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-203，在此不再赘述。

步骤304，响应于确定上述目标文本不符合第一条件，确定上述目标文本是否符合第二条件。

在一些实施例中，用于生成文本的方法的执行主体(例如，图1所示的服务器101)在确定目标文本确定不符合第一条件时，确定上述目标文本是否符合第二条件。上述第一条件可以是预先设定的条件。上述第二条件可以是预先设定的条件。

步骤305，响应于确定上述目标文本符合第二条件，将上述目标文本进行断句处理，得到断句文本序列。

在一些实施例中，上述执行主体在确定步骤304满足的情况下，对上述目标文本进行断句处理，得到断句文本序列。上述断句处理可以是对上述目标文本进行分词处理，得到断句文本序列。上述断句文本序列中的断句文本可以是一个单独的字，也可以是一个至少包括两个字的词语。作为示例，可以用各种方式(例如使用分词器)对上述目标文本进行分词处理，得到断句文本序列。在这里，分词器就是把一个文档切分成词语。例如，可以使用各种常见的中文分词器，或者英文分词器。

在一些实施例的一些可选的实现方式中，响应于确定上述目标文本不符合第二条件，将上述目标文本确定为待输入文本；基于上述待输入文本和拟翻译语种信息，生成翻译后文本。

在一些实施例的一些可选的实现方式中，对上述输入文本添加标点，得到标点添加文本；基于上述标点添加文本中的标点对上述标点添加文本进行断句，得到断句文本序列。作为示例，上述目标文本可以是“21世纪的时代主题”，那么上述标点添加文本可以是“21世纪，的，时代，主题”。执行主体可以基于上述标点添加文本中的标点对上述标点添加文本进行断句，得到断句文本序列。例如，上述断句文本序列可以是““21世纪”，“的”，“时代”，“主题””。

作为示例，图4-图5示出了根据本公开的一些实施例的用于生成文本的翻译场景。在图4的应用场景中，首先，电子设备401在响应于用户对选择界面402上对翻译应用403的选择操作，跳转到语种选择页面405，在响应于用户对语种选择页面405上对英语语种406的选择操作，跳转到翻译界面407。在接收用户在翻译界面407上输入的待输入文本408之后，生成翻译后文本409。

可以理解的是，对于延时，多种实现方式可以得到翻译后文本对应的延时。

作为一种示例，上述语音对应于视频，上述方法还包括：按照延时来呈现上述翻译后文本，其中，上述延时是上述目标文本对应的语音片段在上述语音中的开始时间与上述翻译后文本的生成时间之间的时间差。例如，上述开始时间可以是“12:00:00”，上述翻译后文本的生成时间可以是“12:00:10”，那么上述延时可以是10秒。

作为示例，图6示出了根据本公开的一些实施例的用于生成文本的呈现场景。在图6的应用场景中，电子设备601在接收到翻译后文本606后，在响应于用户对选择界面602上对播放应用603的选择操作，跳转到播放页面604。播放页面604中会显示翻译后文本606对应的视频605和翻译后文本606。

作为另一种示例，延时可以是通过机器学习模型对上述目标文本进行分析得到的，其中，上述机器学习模型已通过训练样本集合进行了训练。其中，通过机器学习模型来确定延时可以提高速度，节省了人力。

作为示例，机器学习模型可以是基于训练样本集合执行以下训练步骤得到的：将训练样本集合中的至少一个训练样本的样本文本输入至初始机器学习模型，得到上述至少一个训练样本中的每个样本文本所对应的延时；将上述至少一个训练样本中的每个样本文本对应的延时与对应的样本延时进行比较；根据比较结果确定上述初始机器学习模型的预测准确率；确定上述预测准确率是否大于预设准确率阈值；响应于确定上述准确率大于上述预设准确率阈值，则将上述初始机器学习模型作为训练完成的机器学习模型；响应于确定上述准确率不大于上述预设准确率阈值，调整上述初始机器学习模型的参数，以及使用未使用过的训练样本组成训练样本集合，使用调整后的初始机器学习模型作为初始机器学习模型，再次执行上述训练步骤。

可以理解的是，经过上述训练之后，机器学习网络可以用于表征样本文本与样本延时之间的对应关系。上述提及的机器学习模型可以是线性回归算法。

在一些实施例的一些可选的实现方式中，上述训练样本集合包括样本文本和对应的样本延时，上述机器学习网络是以上述样本文本作为输入并以上述样本延时作为期望输出进行训练的。

本公开的一些实施例公开的用于生成文本的方法，通过确定上述目标文本符合第二条件，将上述目标文本进行断句处理，得到断句文本序列。可以使上述目标文本不会太长，从而规范了目标文本的长度，进而有助于提高翻译的准确度。通过机器学习模型得到文本对应的延时时间，可以减少计算延时的时间，进而提高了工作效率。

进一步参考图7，作为对上述各图上述方法的实现，本公开提供了一种用于生成文本的装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，一些实施例的用于生成文本的装置700包括：获取单元701、断句单元702、确定单元703和处理单元704。其中，获取单元701，被配置成获取从语音中识别出的输入文本；断句单元702，被配置成对上述输入文本进行断句操作以获取目标文本；确定单元703，被配置成确定上述目标文本是否符合第一条件；处理单元704，被配置成响应于确定上述目标文本符合上述第一条件，将上述目标文本与上述输入文本中位于上述目标文本之后的后续文本合并，以得到待输入文本；确定上述待输入文本是否符合第二条件；响应于确定上述待输入文本不符合第二条件，基于上述待输入文本和拟翻译语种信息，生成翻译后文本。

在一些实施例中，用于生成文本的装置700还包括：第一确定单元，被配置成响应于确定上述目标文本不符合第一条件，确定上述目标文本是否符合第二条件；第一断句单元，被配置成响应于确定上述目标文本符合第二条件，将上述目标文本进行断句处理，得到断句文本序列。

在一些实施例中，用于生成文本的装置700还包括：第二确定单元，被配置成响应于确定上述目标文本不符合第二条件，将上述目标文本确定为待输入文本；基于上述待输入文本和拟翻译语种信息，生成翻译后文本。

在一些实施例中，用于生成文本的装置700的第一断句单元被进一步配置成：对上述输入文本添加标点，得到标点添加文本；基于上述标点添加文本中的标点对上述标点添加文本进行断句，得到断句文本序列。

在一些实施例中，上述语音对应于视频，上述装置还包括：按照延时来呈现上述翻译后文本，其中，上述延时是上述目标文本对应的语音片段在上述语音中的开始时间与上述翻译后文本的生成时间之间的时间差。

在一些实施例中，上述延时是通过机器学习模型对上述目标文本进行分析得到的，其中，上述机器学习模型已通过训练样本集合进行了训练。

在一些实施例中，上述训练样本集合包括样本文本和对应的样本延时，上述机器学习网络是以上述样本文本作为输入并以上述样本延时作为期望输出进行训练的。

可以理解的是，该装置700中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置700及其中包含的单元，在此不再赘述。

下面参考图8，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器)800的结构示意图。本公开的一些实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的终端设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

通常，以下装置可以连接至I/O接口805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807；包括例如存储卡等的存储装置808；以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从ROM 802被安装。在该计算机程序被处理装置801执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取从语音中识别出的输入文本；对上述输入文本进行断句操作以获取目标文本；确定上述目标文本是否符合第一条件；响应于确定上述目标文本符合上述第一条件，将上述目标文本与上述输入文本中位于上述目标文本之后的后续文本合并，以得到待输入文本；确定上述待输入文本是否符合第二条件；响应于确定上述待输入文本不符合第二条件，基于上述待输入文本和拟翻译语种信息，生成翻译后文本。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、断句单元、确定单元和处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取从语音中识别出的输入文本”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

根据本公开的一个或多个实施例，提供了一种用于生成文本的方法，包括：获取从语音中识别出的输入文本；对上述输入文本进行断句操作以获取目标文本；确定上述目标文本是否符合第一条件；响应于确定上述目标文本符合上述第一条件，将上述目标文本与上述输入文本中位于上述目标文本之后的后续文本合并，以得到待输入文本；确定上述待输入文本是否符合第二条件；响应于确定上述待输入文本不符合第二条件，基于上述待输入文本和拟翻译语种信息，生成翻译后文本。

根据本公开的一个或多个实施例，上述方法还包括：响应于确定上述目标文本不符合第一条件，确定上述目标文本是否符合第二条件；响应于确定上述目标文本符合第二条件，将上述目标文本进行分段处理，得到分段文本序列。

根据本公开的一个或多个实施例，上述方法还包括：响应于确定上述目标文本不符合第二条件，将上述目标文本确定为待输入文本；基于上述待输入文本和拟翻译语种信息，生成翻译后文本。

根据本公开的一个或多个实施例，上述将上述目标文本进行断句处理，得到断句文本序列，包括：对上述输入文本添加标点，得到标点添加文本；基于上述标点添加文本中的标点对上述标点添加文本进行断句，得到断句文本序列。

根据本公开的一个或多个实施例，上述语音对应于视频，上述方法还包括：按照延时来呈现上述翻译后文本，其中，上述延时是上述目标文本对应的语音片段在上述语音中的开始时间与上述翻译后文本的生成时间之间的时间差。

根据本公开的一个或多个实施例，上述延时是通过机器学习模型对上述目标文本进行分析得到的，其中，上述机器学习模型已通过训练样本集合进行了训练。

根据本公开的一个或多个实施例，上述训练样本集合包括样本文本和对应的样本延时，上述机器学习网络是以上述样本文本作为输入并以上述样本延时作为期望输出进行训练的。。

根据本公开的一个或多个实施例，提供了一种用于生成文本的装置，包括：获取单元，被配置成获取从语音中识别出的输入文本；断句单元，被配置成对上述输入文本进行断句操作以获取目标文本；确定单元，被配置成确定上述目标文本是否符合第一条件；处理单元，被配置成响应于确定上述目标文本符合上述第一条件，将上述目标文本与上述输入文本中位于上述目标文本之后的后续文本合并，以得到待输入文本；确定上述待输入文本是否符合第二条件；响应于确定上述待输入文本不符合第二条件，基于上述待输入文本和拟翻译语种信息，生成翻译后文本。

根据本公开的一个或多个实施例，上述装置还包括：第一确定单元，被配置成响应于确定上述目标文本不符合第一条件，确定上述目标文本是否符合第二条件；第一断句单元，被配置成响应于确定上述目标文本符合第二条件，将上述目标文本进行断句处理，得到断句文本序列。

根据本公开的一个或多个实施例，上述装置还包括：第二确定单元，被配置成响应于确定上述目标文本不符合第二条件，将上述目标文本确定为待输入文本；基于上述待输入文本和拟翻译语种信息，生成翻译后文本。

根据本公开的一个或多个实施例，上述装置中的第一断句单元被进一步配置成：对上述输入文本添加标点，得到标点添加文本；基于上述标点添加文本中的标点对上述标点添加文本进行断句，得到断句文本序列。

根据本公开的一个或多个实施例，上述语音对应于视频，上述装置还包括：按照延时来呈现上述翻译后文本，其中，上述延时是上述目标文本对应的语音片段在上述语音中的开始时间与上述翻译后文本的生成时间之间的时间差。

根据本公开的一个或多个实施例，上述延时是通过机器学习模型对上述目标文本进行分析得到的，其中，上述机器学习模型已通过训练样本集合进行了训练。

根据本公开的一个或多个实施例，，上述训练样本集合包括样本文本和对应的样本延时，上述机器学习网络是以上述样本文本作为输入并以上述样本延时作为期望输出进行训练的。

根据本公开的一个或多个实施例，提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一实施例描述的方法。

根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如上述任一实施例描述的方法。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种用于生成文本的方法，包括：

获取从语音中识别出的输入文本；

对所述输入文本进行断句操作以获取目标文本；

确定所述目标文本是否符合第一条件；

响应于确定所述目标文本符合所述第一条件，

将所述目标文本与所述输入文本中位于所述目标文本之后的后续文本合并，以得到待输入文本；

确定所述待输入文本是否符合第二条件；

响应于确定所述待输入文本不符合第二条件，基于所述待输入文本和拟翻译语种信息，生成翻译后文本。

2.根据权利要求1所述的方法，其中，所述方法还包括：

响应于确定所述目标文本不符合第一条件，确定所述目标文本是否符合第二条件；

响应于确定所述目标文本符合第二条件，将所述目标文本进行断句处理，得到断句文本序列。

3.根据权利要求2所述的方法，其中，所述方法还包括：

响应于确定所述目标文本不符合第二条件，

将所述目标文本确定为待输入文本；

基于所述待输入文本和拟翻译语种信息，生成翻译后文本。

4.根据权利要求2所述的方法，其中，所述将所述目标文本进行断句处理，得到断句文本序列，包括：

对所述输入文本添加标点，得到标点添加文本；

基于所述标点添加文本中的标点对所述标点添加文本进行断句，得到断句文本序列。

5.根据权利要求1所述的方法，其中，所述语音对应于视频，所述方法还包括：

按照延时来呈现所述翻译后文本，其中，所述延时是所述目标文本对应的语音片段在所述语音中的开始时间与所述翻译后文本的生成时间之间的时间差。

6.根据权利要求5所述的方法，其中，所述延时是通过机器学习模型对所述目标文本进行分析得到的，其中，所述机器学习模型已通过训练样本集合进行了训练。

7.根据权利要求6所述的方法，其中，所述训练样本集合包括样本文本和对应的样本延时，所述机器学习网络是以所述样本文本作为输入并以所述样本延时作为期望输出进行训练的。

8.一种用于生成文本的装置，包括：

获取单元，被配置成获取从语音中识别出的输入文本；

断句单元，被配置成对所述输入文本进行断句操作以获取目标文本；

确定单元，被配置成确定所述目标文本是否符合第一条件；

处理单元，被配置成响应于确定所述目标文本符合所述第一条件，

将所述目标文本与所述输入文本中位于所述目标文本之后的后续文本合并，以得到待输入文本；

确定所述待输入文本是否符合第二条件；

响应于确定所述待输入文本不符合第二条件，基于所述待输入文本和拟翻译语种信息，生成翻译后文本。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images