CN111652002A - 文本划分方法、装置、设备和计算机可读介质 - Google Patents
文本划分方法、装置、设备和计算机可读介质 Download PDFInfo
- Publication number
- CN111652002A CN111652002A CN202010548785.1A CN202010548785A CN111652002A CN 111652002 A CN111652002 A CN 111652002A CN 202010548785 A CN202010548785 A CN 202010548785A CN 111652002 A CN111652002 A CN 111652002A
- Authority
- CN
- China
- Prior art keywords
- text
- confidence
- pause
- determining
- word
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
Abstract
本公开的实施例公开了文本划分方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：确定目标文本中每个字的语义停顿置信度；基于目标文本对应的语音，确定目标文本中每个字的时间停顿置信度；基于语义停顿置信度和时间停顿置信度，确定目标文本中每个字的停顿置信度；在基于停顿置信度确定的文本划分位置处划分目标文本，得到第一文本片段集合。该实施方式通过考虑目标文本的语义信息解决了目标文本对应的语音中说话语音片段过长的问题。以及，通过综合考虑目标文本的语义信息和目标文本对应的语音，提高了文本划分的合理性。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及文本划分方法、装置、设备和计算机可读介质。
背景技术
在现阶段，人们通常需要为一些视频添加字幕，即在显示屏上显示视频中语音对应的文本。但是因为显示屏的尺寸有限，需要将文本分段，进一步将不同的文本段在不同的时间显示在显示屏上。然而现有的文本分段技术往往是借助文本对应的语音中静默语音片段的时长信息进行的。这样的技术很难应对语音片段中说话语音片段过长，即说话人说话不间断的情况。并且，不能保证文本划分结果的合理性。
发明内容
本公开的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。本公开的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提出了文本划分的方法、装置、设备和计算机可读介质，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文本划分的方法，该方法包括：确定目标文本中每个字的语义停顿置信度；基于上述目标文本对应的语音，确定上述目标文本中每个字的时间停顿置信度；基于上述语义停顿置信度和上述时间停顿置信度，确定上述目标文本中每个字的停顿置信度；在基于上述停顿置信度确定的文本划分位置处划分上述目标文本，得到第一文本片段集合。
第二方面，本公开的一些实施例提供了一种文本划分装置，装置包括：第一确定单元，被配置成确定目标文本中每个字的语义停顿置信度；第二确定单元，被配置成基于目标文本对应的语音，确定目标文本中每个字的时间停顿置信度；第三确定单元，被配置成基于上述语义停顿置信度和上述时间停顿置信度，确定上述目标文本中每个字的停顿置信度；第一划分单元，被配置成在基于上述停顿置信度确定的文本划分位置处划分上述目标文本，得到第一文本片段集合。
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实现方式描述的方法。
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实现方式描述的方法。
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：通过考虑目标文本的语义信息解决了目标文本对应的语音中说话语音片段过长的问题。以及，通过综合考虑目标文本的语义信息和目标文本对应的语音，提高了文本划分的合理性。
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文本划分方法的一个应用场景的示意图；
图2是根据本公开的文本划分方法的一些实施例的流程图；
图3是根据本公开的一些实施例的文本划分方法的一个应用场景的示意图；
图4是根据本公开的文本划分方法的另一些实施例的流程图；
图5是根据本公开的文本划分装置的一些实施例的结构示意图；
图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
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。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
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示出了可以应用本公开的一些实施例的文本划分方法的一个应用场景的示意图。
在图1所示的应用场景中，首先，计算设备101可以首先基于目标文本102“你好我叫张三”的语义信息，确定上述目标文本102“你好我叫张三”中每个字“你”、“好”、“我”、“叫”、“张”、“三”的语义停顿置信度104。例如，“你”字的语义停顿置信度为“0.1”。之后，计算设备101可以基于上述目标文本对应的语音103，确定上述目标文本中每个字“你”、“好”、“我”、“叫”、“张”、“三”的时间停顿置信度105。例如，“你”字的时间停顿置信度为“0.1”。再之后，计算设备101可以基于上述语义停顿置信度104和上述时间停顿置信度105，确定上述目标文本中每个字的停顿置信度106。例如，将每个字的上述语义停顿置信度和上述时间停顿置信度中的较大者确定为上述停顿置信度。最后，计算设备101在基于上述停顿置信度确定的文本划分位置107出划分上述目标文本102“你好我叫张三”，得到第一文本片段集合108“你好”、“我叫张三”。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或电子设备组成的分布式集群，也可以实现成单个服务器或单个电子设备。当计算设备体现为软件时，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中的计算设备101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计算设备101。
继续参考图2，示出了根据本公开的文本划分方法的一些实施例的流程200。该文本划分方法，包括以下步骤：
步骤201，确定目标文本中每个字的语义停顿置信度。
在一些实施例中，上述执行主体可以将上述目标文本中每个字的预设停顿置信度确定为语义停顿置信度。例如，预设“好”字的停顿置信度为0.8。在此基础上，上述执行主体将“好”字的语义停顿置信度确定为0.8。
在一些实施例的一些可选的实现方式中，上述执行主体还可以将上述目标文本中每个字之后出现标点符号的概率确定为语义停顿执行度。例如，“好”字之后出现标点符号的概率为0.8。在此基础上，上述执行主体将“好”字的语义停顿置信度确定为0.8。
在一些实施例中，上述执行主体可以通过统计的方式，确定上述目标文本中每个字后出现标点符号的概率，得到每个字的语义停顿置信度。
在一些实施例中，上述执行主体可以通过预先训练好的标点符号概率估计网络，确定上述目标文本中每个字后出现标点符号的概率，得到每个字的语义停顿置信度。
步骤202，基于上述目标文本对应的语音，确定上述目标文本中每个字的时间停顿置信度。
在一些实施例中，上述目标文本对应的语音可以是预先获取到的。例如，在为视频添加字幕的应用场景中，目标文本为待添加的视频字幕。在此基础上，目标文本对应的语音即为视频中的语音。
在一些实施例中，上述目标文本对应的语音还可以是通过人工朗读得到的。
在一些实施例中，上述目标文本对应的语音还可以是通过语音合成技术得到的。
在一些实施例中，对于上述目标文本中的每个字，文本划分方法的执行主体可以基于上述语音中字的语音后的静默语音片段时长，确定字的时间停顿置信度。
作为示例，对于上述目标文本中的每个字，上述执行主体可以将上述语音中字的语音后的静默语音片段时长与上述语音的总时长的比值，确定为字的时间停顿置信度。
作为又一示例，对于上述目标文本中的每个字，上述执行主体还可以将上述语音中字的语音后的静默语音片段时长与上述语音中每个静默语音片段的总时长的比值，确定为字的时间停顿置信度。
步骤203，基于上述语义停顿置信度和上述时间停顿置信度，确定上述目标文本中每个字的停顿置信度。
在一些实施例中，对于上述目标文本中的每个字，上述执行主体可以将上述语义停顿置信度和上述时间停顿置信度的和，确定为字的停顿置信度。
在一些实施例中，对于上述目标文本中的每个字，上述执行主体还可以将上述语义停顿置信度和上述时间停顿置信度中的较大者，确定为字的停顿置信度。
在一些实施例的一些可选的实现方式中，上述执行主体可以响应于上述语义停顿置信度小于等于第一预设阈值，将上述语义停顿置信度与上述时间停顿置信度之差确定为上述停顿置信度。响应于上述语义停顿置信度大于上述第一预设阈值，将上述语义停顿置信度与上述时间停顿置信度之和确定为上述停顿置信度
步骤204，在基于上述停顿置信度确定的文本划分位置处划分上述目标文本，得到第一文本片段集合。
在一些实施例中，上述执行主体可以按照上述停顿置信度从高到低的顺序，从目标文本中确定第一数目个字。以及，将上述第一数目个字之后的位置确定为上述文本划分位置。
在一些实施例的一些可选的实现方式中，上述执行主体可以将上述停顿置信度超过第一停顿置信度预设阈值的字值之后的位置，确定为上述文本划分位置。
在一些实施例的一些可选的实现方式中，上述执行主体可以响应于上述文本的长度小于等于第一预设文本长度阈值，将第一预设停顿置信度阈值确定为停顿置信度阈值。响应于上述文本的长度大于或等于第一预设文本长度阈值，将第二预设停顿置信度阈值确定为停顿置信度阈值。
本公开的一些实施例提供的方法通过考虑目标文本的语义信息解决了目标文本对应的语音中说话语音片段过长的问题。以及，通过综合考虑目标文本的语义信息和目标文本对应的语音，提高了文本划分的合理性。
进一步参考图3，其示出了文本划分方法的另一些实施例的流程300。该文本划分方法的流程300，包括以下步骤：
步骤301，确定上述目标文本中每个字后出现标点符号的概率，得到每个字的语义停顿置信度。
在一些实施例中，上述执行主体可以通过统计的方式，确定上述目标文本中每个字后出现标点符号的概率，得到每个字的语义停顿置信度。
在一些实施例中，上述执行主体可以通过预先训练好的标点符号概率估计网络，确定上述目标文本中每个字后出现标点符号的概率，得到每个字的语义停顿置信度。
步骤302，基于上述目标文本对应的语音，确定上述目标文本中每个字的时间停顿置信度。
步骤303，基于上述语义停顿置信度和上述时间停顿置信度，确定上述目标文本中每个字的停顿置信度。
步骤304，在基于上述停顿置信度确定的文本划分位置处划分上述目标文本，得到第一文本片段集合。
在一些实施例中，步骤302-304的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤202-204，在此不再赘述。
步骤305，划分上述第一文本片段集合中长度超过第二预设文本长度阈值的第一文本片段，得到第二文本片段集合。
在一些实施例中，上述执行主体可以通过与划分上述目标文本同样的方法划分上述第一文本片段集合中长度超过第二预设文本长度阈值的第一文本片段。
在一些实施例的一些可选的实现方式中，上述执行主体还可以通过以下步骤划分上述第一文本片段集合中长度超过第二预设文本长度阈值的第一文本片段：
步骤一，确定上述第一文本片段对应语音中的静默语音片段时长和上述时长的权重。
在一些实施例中，上述执行主体可以通过现有的语音处理软件，确定上述第一文本片段对应语音中的静默语音片段时长。以及，可以基于上述静默语音片段在语音中的位置，确定上述权重。
进一步参考图4，图4示出了根据本公开的一些实施例的文本划分方法的一个应用场景的示意图400。
如图4所示，上述执行主体可以将更靠近语音405中间位置的第二个静默语音片段402和第三个静默语音片段403的权重确定为更大的值。例如0.5。将更远离中间位置的第一个静默语音片段401和第四个静默语音片段404的权重确定为更小的值。例如0.1。
在一些实施例中，根据实际需要，上述执行主体还可以将任意值确定为上述权重。
步骤二，基于上述时长和上述权重，确定第二文本划分位置。
在一些实施例中，上述执行主体可以将上述时长和上述权重的乘积最大的位置，确定为第二文本划分位置。
在一些实施例中，根据实际需要，上述执行主体还可以将上述时长和上述权重的和最大的位置确定为第二文本划分位置。
步骤三，在上述第二文本划分位置处划分上述第一文本片段，得到第二文本片段集合。
在一些实施例中，在上述文本划分位置处划分上述目标文本可以是在上述文本划分位置处展示预设标记。
在一些实施例中，在上述文本划分位置处划分上述目标文本还可以是将每个文本划分位置两侧的文本分段展示。
从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的文本划分方法的流程300体现了对第一文本片段集合中长度超过第二预设文本长度阈值的第一文本片段的步骤。由此，这些实施例描述的方案可以解决文本划分的结果过长的问题，使文本划分结果更加合理。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种文本划分装置的一些实施例，这些装置实施例与图2所示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5所示，一些实施例的文本划分装置500包括：第一确定单元501、第二确定单元502、第三确定单元503、第一划分单元504。其中，第一确定单元501被配置成确定目标文本中每个字的语义停顿置信度；第二确定单元502被配置成基于目标文本对应的语音，确定目标文本中每个字的时间停顿置信度；第三确定单元503被配置成基于上述语义停顿置信度和上述时间停顿置信度，确定上述目标文本中每个字的停顿置信度；第一划分单元504被配置成在基于上述停顿置信度确定的文本划分位置处划分上述目标文本，得到第一文本片段集合。
在一些实施例的可选实现方式中，第一确定单元501进一步被配置成：确定上述目标文本中每个字后出现标点符号的概率，得到每个字的语义停顿置信度。
在一些实施例的可选实现方式中，第三确定单元进503进一步被配置成：响应于上述语义停顿置信度小于等于第一预设阈值，将上述语义停顿置信度与上述时间停顿置信度之差确定为上述停顿置信度。
在一些实施例的可选实现方式中，第三确定单元进503进一步被配置成：响应于上述语义停顿置信度大于上述第一预设阈值，将上述语义停顿置信度与上述时间停顿置信度之和确定为上述停顿置信度。
在一些实施例的可选实现方式中，第一划分单元504进一步被配置成：确定上述目标文本中停顿置信度超过停顿置信度阈值的字；将上述停顿置信度超过停顿置信度阈值的字之后确定为文本划分位置；在上述文本划分位置处划分上述目标文本。
在一些实施例的可选实现方式中，第一划分单元504中的停顿置信度阈值是通过以下步骤确定的：响应于上述文本的长度小于等于第一预设文本长度阈值，将第一预设停顿置信度阈值确定为停顿置信度阈值。
在一些实施例的可选实现方式中，确定第一划分单元504中的停顿置信度阈值的步骤还包括：响应于上述文本的长度大于或等于第一预设文本长度阈值，将第二预设停顿置信度阈值确定为停顿置信度阈值。
在一些实施例的可选实现方式中，装置500还包括：第二划分单元，被配置成划分上述第一文本片段集合中长度超过第二预设文本长度阈值的第一文本片段，得到第二文本片段集合。
在一些实施例的可选实现方式中，第二划分单元进一步被配置成：确定上述第一文本片段对应语音中的静默语音片段时长和上述时长的权重；基于上述时长和上述权重，确定第二文本划分位置；在上述第二文本划分位置处划分上述第一文本片段，得到第二文本片段集合。
可以理解的是，该装置500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500及其中包含的单元，在此不再赘述。
下面参考图6，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中的服务器或终端设备)600的结构示意图。本公开的一些实施例中的电子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6示出的电子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6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：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606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，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6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609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601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所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：确定目标文本中每个字的语义停顿置信度；基于目标文本对应的语音，确定目标文本中每个字的时间停顿置信度；基于语义停顿置信度和时间停顿置信度，确定目标文本中每个字的停顿置信度；在基于停顿置信度确定的文本划分位置处划分目标文本，得到第一文本片段集合。
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，所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：一种处理器包括第一确定单元、第二确定单元、第三确定单元、第一划分单元。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，第一确定单元还可以被描述为“确定语义停顿置信度的单元”。
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，提供了一种文本划分方法，包括：确定目标文本中每个字的语义停顿置信度；基于目标文本对应的语音，确定目标文本中每个字的时间停顿置信度；基于语义停顿置信度和时间停顿置信度，确定目标文本中每个字的停顿置信度；在基于停顿置信度确定的文本划分位置处划分目标文本，得到第一文本片段集合。
根据本公开的一个或多个实施例，确定目标文本中每个字的语义停顿置信度，包括：确定上述目标文本中每个字后出现标点符号的概率，得到每个字的语义停顿置信度。
根据本公开的一个或多个实施例，基于上述语义停顿置信度和上述时间停顿置信度，确定上述目标文本中每个字的停顿置信度，包括：响应于上述语义停顿置信度小于等于第一预设阈值，将上述语义停顿置信度与上述时间停顿置信度之差确定为上述停顿置信度。
根据本公开的一个或多个实施例，方法还包括：响应于上述语义停顿置信度大于上述第一预设阈值，将上述语义停顿置信度与上述时间停顿置信度之和确定为上述停顿置信度。
根据本公开的一个或多个实施例，在基于停顿置信度确定的文本划分位置处划分上述目标文本，包括：确定上述目标文本中停顿置信度超过停顿置信度阈值的字；将上述停顿置信度超过停顿置信度阈值的字之后确定为文本划分位置；在上述文本划分位置处划分上述目标文本。
根据本公开的一个或多个实施例，上述停顿置信度阈值是通过以下步骤确定的：响应于上述文本的长度小于等于第一预设文本长度阈值，将第一预设停顿置信度阈值确定为停顿置信度阈值。
根据本公开的一个或多个实施例，确定上述停顿置信度阈值的步骤还包括：响应于上述文本的长度大于或等于第一预设文本长度阈值，将第二预设停顿置信度阈值确定为停顿置信度阈值。
根据本公开的一个或多个实施例，方法还包括：划分上述第一文本片段集合中长度超过第二预设文本长度阈值的第一文本片段，得到第二文本片段集合。
根据本公开的一个或多个实施例，上述划分第一文本片段集合中长度超过第二预设文本长度阈值的第一文本片段，得到第二文本片段集合，包括：确定上述第一文本片段对应语音中的静默语音片段时长和上述时长的权重；基于上述时长和上述权重，确定第二文本划分位置；在上述第二文本划分位置处划分上述第一文本片段，得到第二文本片段集合。
根据本公开的一个或多个实施例，提供了一种文本划分装置，包括：第一确定单元，被配置成确定目标文本中每个字的语义停顿置信度；第二确定单元，被配置成基于目标文本对应的语音，确定目标文本中每个字的时间停顿置信度；第三确定单元，被配置成基于上述语义停顿置信度和上述时间停顿置信度，确定上述目标文本中每个字的停顿置信度；第一划分单元，被配置成在基于上述停顿置信度确定的文本划分位置处划分上述目标文本，得到第一文本片段集合。
根据本公开的一个或多个实施例，第一确定单元进一步被配置成：确定上述目标文本中每个字后出现标点符号的概率，得到每个字的语义停顿置信度。
根据本公开的一个或多个实施例，第三确定单元进一步被配置成：响应于上述语义停顿置信度小于等于第一预设阈值，将上述语义停顿置信度与上述时间停顿置信度之差确定为上述停顿置信度。
根据本公开的一个或多个实施例，第三确定单元进一步被配置成：响应于上述语义停顿置信度大于上述第一预设阈值，将上述语义停顿置信度与上述时间停顿置信度之和确定为上述停顿置信度。
根据本公开的一个或多个实施例，第一划分单元进一步被配置成：确定上述目标文本中停顿置信度超过停顿置信度阈值的字；将上述停顿置信度超过停顿置信度阈值的字之后确定为文本划分位置；在上述文本划分位置处划分上述目标文本。
根据本公开的一个或多个实施例，上述停顿置信度阈值是通过以下步骤确定的：响应于上述文本的长度小于等于第一预设文本长度阈值，将第一预设停顿置信度阈值确定为停顿置信度阈值。
根据本公开的一个或多个实施例，确定上述停顿置信度阈值的步骤还包括：响应于上述文本的长度大于或等于第一预设文本长度阈值，将第二预设停顿置信度阈值确定为停顿置信度阈值。
根据本公开的一个或多个实施例，装置还包括：第二划分单元，被配置成划分上述第一文本片段集合中长度超过第二预设文本长度阈值的第一文本片段，得到第二文本片段集合。
根据本公开的一个或多个实施例，第二划分单元进一步被配置成：确定上述第一文本片段对应语音中的静默语音片段时长和上述时长的权重；基于上述时长和上述权重，确定第二文本划分位置；在上述第二文本划分位置处划分上述第一文本片段，得到第二文本片段集合。
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 (12)
1.一种文本划分方法，包括：
确定目标文本中每个字的语义停顿置信度；
基于所述目标文本对应的语音，确定所述目标文本中每个字的时间停顿置信度；
基于所述语义停顿置信度和所述时间停顿置信度，确定所述目标文本中每个字的停顿置信度；
在基于所述停顿置信度确定的文本划分位置处划分所述目标文本，得到第一文本片段集合。
2.根据权利要求1所述的方法，其中，所述确定目标文本中每个字的语义停顿置信度，包括：
确定所述目标文本中每个字后出现标点符号的概率，得到每个字的语义停顿置信度。
3.根据权利要求1所述的方法，其中，所述基于所述语义停顿置信度和所述时间停顿置信度，确定所述目标文本中每个字的停顿置信度，包括：
响应于所述语义停顿置信度小于等于第一预设阈值，将所述语义停顿置信度与所述时间停顿置信度之差确定为所述停顿置信度。
4.根据权利要求3所述的方法，其中，所述方法还包括：
响应于所述语义停顿置信度大于所述第一预设阈值，将所述语义停顿置信度与所述时间停顿置信度之和确定为所述停顿置信度。
5.根据权利要求1所述的方法，其中，所述在基于停顿置信度确定的文本划分位置处划分所述目标文本，包括：
确定所述目标文本中停顿置信度超过停顿置信度阈值的字；
将所述停顿置信度超过停顿置信度阈值的字之后确定为文本划分位置；
在所述文本划分位置处划分所述目标文本。
6.根据权利要求5所述的方法，其中，所述停顿置信度阈值是通过以下步骤确定的：
响应于所述文本的长度小于等于第一预设文本长度阈值，将第一预设停顿置信度阈值确定为停顿置信度阈值。
7.根据权利要求6所述的方法，其中，所述方法还包括：
响应于所述文本的长度大于或等于第一预设文本长度阈值，将第二预设停顿置信度阈值确定为停顿置信度阈值。
8.根据权利要求1所述的方法，其中，所述方法还包括：
划分所述第一文本片段集合中长度超过第二预设文本长度阈值的第一文本片段，得到第二文本片段集合。
9.根据权利要求8所述的方法，其中，所述划分第一文本片段集合中长度超过第二预设文本长度阈值的第一文本片段，得到第二文本片段集合，包括：
确定所述第一文本片段对应语音中的静默语音片段时长和所述时长的权重；
基于所述时长和所述权重，确定第二文本划分位置；
在所述第二文本划分位置处划分所述第一文本片段，得到第二文本片段集合。
10.一种文本划分装置，包括：
第一确定单元，被配置成确定目标文本中每个字的语义停顿置信度；
第二确定单元，被配置成基于目标文本对应的语音，确定目标文本中每个字的时间停顿置信度；
第三确定单元，被配置成基于所述语义停顿置信度和所述时间停顿置信度，确定所述目标文本中每个字的停顿置信度；
第一划分单元，被配置成在基于所述停顿置信度确定的文本划分位置处划分所述目标文本，得到第一文本片段集合。
11.一种电子设备，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1-9中任一所述的方法。
12.一种计算机可读介质，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1-9中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010548785.1A CN111652002B (zh) | 2020-06-16 | 2020-06-16 | 文本划分方法、装置、设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010548785.1A CN111652002B (zh) | 2020-06-16 | 2020-06-16 | 文本划分方法、装置、设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111652002A true CN111652002A (zh) | 2020-09-11 |
| CN111652002B CN111652002B (zh) | 2023-04-18 |
Family
ID=72352356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010548785.1A Active CN111652002B (zh) | 2020-06-16 | 2020-06-16 | 文本划分方法、装置、设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111652002B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113824899A (zh) * | 2021-09-18 | 2021-12-21 | 北京百度网讯科技有限公司 | 视频处理方法、装置、电子设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014187096A1 (en) * | 2013-05-24 | 2014-11-27 | Tencent Technology (Shenzhen) Company Limited | Method and system for adding punctuation to voice files |
| US20160295132A1 (en) * | 2015-03-31 | 2016-10-06 | Sony Computer Entertainment Europe Limited | System and method of subtitling |
| CN106331893A (zh) * | 2016-08-31 | 2017-01-11 | 科大讯飞股份有限公司 | 实时字幕显示方法及系统 |
| CN108090038A (zh) * | 2016-11-11 | 2018-05-29 | 科大讯飞股份有限公司 | 文本断句方法及系统 |
| CN109614604A (zh) * | 2018-12-17 | 2019-04-12 | 北京百度网讯科技有限公司 | 字幕处理方法、装置及存储介质 |
| WO2019176816A1 (ja) * | 2018-03-12 | 2019-09-19 | 株式会社Ｊｖｃケンウッド | 字幕生成装置、字幕生成方法及びプログラム |
| CN110705254A (zh) * | 2019-09-27 | 2020-01-17 | 科大讯飞股份有限公司 | 文本断句方法、装置、电子设备和存储介质 |
-
2020
- 2020-06-16 CN CN202010548785.1A patent/CN111652002B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014187096A1 (en) * | 2013-05-24 | 2014-11-27 | Tencent Technology (Shenzhen) Company Limited | Method and system for adding punctuation to voice files |
| US20160295132A1 (en) * | 2015-03-31 | 2016-10-06 | Sony Computer Entertainment Europe Limited | System and method of subtitling |
| CN106331893A (zh) * | 2016-08-31 | 2017-01-11 | 科大讯飞股份有限公司 | 实时字幕显示方法及系统 |
| CN108090038A (zh) * | 2016-11-11 | 2018-05-29 | 科大讯飞股份有限公司 | 文本断句方法及系统 |
| WO2019176816A1 (ja) * | 2018-03-12 | 2019-09-19 | 株式会社Ｊｖｃケンウッド | 字幕生成装置、字幕生成方法及びプログラム |
| CN109614604A (zh) * | 2018-12-17 | 2019-04-12 | 北京百度网讯科技有限公司 | 字幕处理方法、装置及存储介质 |
| CN110705254A (zh) * | 2019-09-27 | 2020-01-17 | 科大讯飞股份有限公司 | 文本断句方法、装置、电子设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113824899A (zh) * | 2021-09-18 | 2021-12-21 | 北京百度网讯科技有限公司 | 视频处理方法、装置、电子设备及介质 |
| CN113824899B (zh) * | 2021-09-18 | 2022-11-04 | 北京百度网讯科技有限公司 | 视频处理方法、装置、电子设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111652002B (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111583904B (zh) | 语音合成方法、装置、存储介质及电子设备 | |
| CN111986655B (zh) | 音频内容识别方法、装置、设备和计算机可读介质 | |
| CN112311656B (zh) | 消息聚合、展示方法、装置、电子设备和计算机可读介质 | |
| CN110958481A (zh) | 视频页面显示方法、装置、电子设备和计算机可读介质 | |
| CN111309962A (zh) | 提取音频片段的方法、装置以及电子设备 | |
| CN113362811A (zh) | 模型的训练方法、语音识别方法、装置、介质及设备 | |
| CN111652002B (zh) | 文本划分方法、装置、设备和计算机可读介质 | |
| CN111968657B (zh) | 语音处理方法、装置、电子设备和计算机可读介质 | |
| CN112752118A (zh) | 视频生成方法、装置、设备及存储介质 | |
| CN111756953A (zh) | 视频处理方法、装置、设备和计算机可读介质 | |
| CN111681661A (zh) | 语音识别的方法、装置、电子设备和计算机可读介质 | |
| CN111832279B (zh) | 文本划分方法、装置、设备和计算机可读介质 | |
| CN114038465B (zh) | 语音处理方法、装置和电子设备 | |
| CN114550728B (zh) | 用于标记说话人的方法、装置和电子设备 | |
| CN114765025A (zh) | 语音识别模型的生成方法、识别方法、装置、介质及设备 | |
| CN112017685B (zh) | 语音生成方法、装置、设备和计算机可读介质 | |
| CN115272760A (zh) | 适用于森林火灾烟雾检测的小样本烟雾图像细分类方法 | |
| CN115129845A (zh) | 文本信息处理方法、装置和电子设备 | |
| CN114429629A (zh) | 图像处理方法、装置、可读存储介质及电子设备 | |
| CN114067800A (zh) | 语音识别方法、装置和电子设备 | |
| CN111797263A (zh) | 图像标签生成方法、装置、设备和计算机可读介质 | |
| CN112820280A (zh) | 规则语言模型的生成方法及装置 | |
| CN111625745A (zh) | 推荐方法、装置、电子设备和计算机可读介质 | |
| CN115328811B (zh) | 用于工控网络仿真的程序语句测试方法、装置、电子设备 | |
| CN113779979A (zh) | 文本信息生成方法、装置、电子设备和计算机可读介质 |
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 | ||
| CB02 | Change of applicant information |
Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Applicant after: Tiktok vision (Beijing) Co.,Ltd. Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Applicant before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd. Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Applicant after: Douyin Vision Co.,Ltd. Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Applicant before: Tiktok vision (Beijing) Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |