CN111832279B - 文本划分方法、装置、设备和计算机可读介质 - Google Patents

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：基于目标文本的长度，确定目标文本对应的目标语音中的第一静默语音片段的时长阈值；基于时长阈值，确定第一文本划分位置；在第一文本划分位置处划分目标文本，得到第一文本片段集合；划分第一文本片段集合中长度超过第一预设阈值的文本片段，得到第二文本片段集合。该实施方式解决了文本划分结果琐碎和划分结果过长的问题，为后续完整工整地将文本展现在尺寸有限的显示屏上提供了技术支持。

Description

文本划分方法、装置、设备和计算机可读介质

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，现有的分段方法存在分段结果琐碎或分段结果过长的问题，使文本段不能完整工整地显示在显示屏上，影响用户观看视频的体验。

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方法，该方法包括：基于目标文本的长度，确定目标文本对应的目标语音中的第一静默语音片段的时长阈值；基于时长阈值，确定第一文本划分位置；在第一文本划分位置处划分目标文本，得到第一文本片段集合；划分第一文本片段集合中长度超过第一预设阈值的文本片段，得到第二文本片段集合。

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，配置用于基于目标文本的长度，确定目标文本对应的目标语音中的第一静默语音片段的时长阈值；第二确定单元，配置用于基于时长阈值，确定第一文本划分位置；第一划分单元，配置用于在第一文本划分位置处划分目标文本，得到第一文本片段集合；第二划分单元，配置用于划分第一文本片段集合中长度超过第一预设阈值的文本片段，得到第二文本片段集合。

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：通过利用文本对应的语音总静默语音片段时长确定文本划分位置，提高了文本划分的合理性。通过为不同长度的文本设置不同的时长阈值，解决了文本划分结果琐碎的问题。通过对第一次划分结果中过长的文本片段再划分，解决了划分结果过长的问题。为后续完整工整地将文本展现在尺寸有限的显示屏上提供了技术支持。

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根据是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是根据本公开的文本划分方法的另一些实施例的流程图；

图4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5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1A-1B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。

如图1A所示，图1A示出了目标文本长度大于或等于预设文本长度阈值时的应用场景示意图。在此基础上，计算设备101可以首先确定附图标记102中文本“大家好我叫张三能够和大家见面真的很高兴”的长度。之后，根据上述文本的长度确定时长阈值为第一预设时长阈值。在本实施例中，第一预设时长阈值为1秒。下一步，确定文本对应的语音中时长超过上述时长阈值的静默语音片段，如附图标记103中虚线框内的部分。然后，通过上述静默语音片段的位置确定为文本划分的位置，以及，在所确定的文本划分位置划分上述目标文本，得到第一文本片段集合104。再下一步，确定上述第一文本片段集合中是否有长度超过第一预设阈值的文本片段。在此应用场景中，附图标记104中文本“能够和大家见面真的非常高兴”的长度超过了第一预设阈值。在本应用场景中，第一预设阈值为10。在此基础上，上述计算设备101根据目标语音105，在长度超过第一预设阈值的文本中确定第二文本划分位置。如附图标记105中虚线框内的部分。以及，在上述第二文本划分位置处划分目标文本，得到第二文本片段集合106。

如图1B所示，图1B示出了目标文本长度小于预设文本长度阈值时的应用场景示意图。在此基础上，计算设备101可以首先确定附图标记107中文本“哈哈哈”的长度。之后，根据上述文本的长度确定时长阈值为第二预设时长阈值。在本实施例中，第二预设阈值为1.5秒。下一步，确定文本对应的语音中时长超过上述时长阈值的静默语音片段，如附图标记108中虚线框内的部分。然后，通过上述静默语音片段的位置确定为文本划分的位置，以及，在所确定的文本划分位置划分上述目标文本，得到第一文本片段集合109。再下一步，确定上述第一文本片段集合中是否有长度超过第一预设阈值的文本片段。在此实施例中，第一文本片段集合109中的文本片段均未超过第一预设阈值10。在此基础上，上述计算设备101直接得到第二文本片段集合109。

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，基于目标文本的长度，确定目标文本对应的目标语音中的第一静默语音片段的时长阈值。

在一些实施例中，文本划分方法的执行主体(例如图1所示的计算设备)可以按照目标文本长度和预设权重，确定上述时长阈值。作为示例，可以将上述目标文本长度与上述预设权重的乘积确定为上述时长阈值。

在一些实施例的一些可选的实现方式中，上述执行主体可以在上述目标文本的长度小于第一预设阈值的情况下，将第一预设时长阈值确定为上述目标文本对应的目标语音中的第一静默语音片段的时长阈值。以及，在上述目标文本的长度大于或等于第一预设阈值的情况下，将第二预设时长阈值确定为上述目标文本对应的目标语音中的第一静默语音片段的时长阈值。

步骤202，基于时长阈值，确定第一文本划分位置。

在一些实施例中，上述执行主体可以通过以下步骤确定第一文本划分位置：

步骤一，确定上述目标语音中时长超过上述时长阈值的第一静默语音片段。

步骤二，根据上述时长超过时长阈值的第一静默语音片段在上述目标语音中的位置，确定第一文本划分位置。

步骤203，在第一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。

步骤204，划分第一文本片段集合中长度超过第一预设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以下步骤得到第二文本片段集合：

步骤一，基于第一文本片段对应的语音中第二静默语音片段的时长，确定上述第一文本片段中的第二文本划分位置。

作为示例，可以将上述时长最长的第二静默语音片段的位置确定定位上述第二文本划分位置。

步骤二，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。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤得到第二文本片段集合：

步骤一，确定第一文本片段对应的语音中的第二静默语音片段。

步骤二，基于第一文本片段对应的语音中第二静默语音片段与上述第一文本片段对应的语音的中间位置的距离，确定第一文本片段对应的语音中第二静默语音片段时长的权重。

步骤三，基于上述权重确定第二静默语音片段的得分。

作为示例，上述执行主体可以将按照上述权重与上述距离成正比的关系，确定上述权重。举例来说，在第一文本片段对应的语音中有奇数个第二静默语音片段的基础上。中间位置的第二静默语音片段时长的权重可以为1。中间位置左侧相邻的第二静默语音片段时长的权重和右侧相邻的第二静默语音片段时长的权重可以为0.9。作为示例，上述执行主体确定第二静默语音片段的得分的方式可以是：通过第二静默语音片段的权重与该第二静默语音片段的时长相乘来计算。

步骤四，基于上述得分，确定第二文本划分位置。

作为示例，上述执行主体可以按照权重从大到小的顺序，选择第一数目个权重，以及，根据上述第一数目个权重对应的第二静默语音片段在上述目标语音中的位置，确定第二文本划分位置。

步骤五，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。

本公开的一些实施例提供的方法通过利用文本对应的语音总静默语音片段时长确定文本划分位置，提高了文本划分的可靠性。通过为不同长度的文本设置不同的时长阈值，解决了文本划分结果琐碎的问题。通过对第一次划分结果中过长的文本片段再划分，解决了划分结果过长的问题。

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，将目标文本对应的原语音中每个说话语音片段的尖峰信号调整到说话语音片段的中间位置，得到目标文本对应的目标语音。

在一些实施例中，文本划分方法的执行主体(例如图1所示的计算设备)可以通过语音处理神经网络或者语音处理软件将目标文本对应的原语音中每个说话语音片段的尖峰信号调整到说话语音片段的中间位置，得到目标文本对应的目标语音。

步骤302，基于目标文本的长度，确定目标文本对应的目标语音中的第一静默语音片段的时长阈值。

在一些实施例中，上述执行主体可以按照预设目标文本长度和上述时长阈值的比例关系，确定上述时长阈值。

在一些实施例的一些可选的实现方式中，上述执行主体可以在上述目标文本的长度小于第一预设阈值的情况下，将第一预设时长阈值确定为上述目标文本对应的目标语音中的第一静默语音片段的时长阈值。以及，在上述目标文本的长度大于或等于第一预设阈值的情况下，将第二预设时长阈值确定为上述目标文本对应的目标语音中的第一静默语音片段的时长阈值。

步骤303，基于时长阈值，确定第一文本划分位置。

在一些实施例中，上述执行主体可以通过以下步骤确定第一文本划分位置：

步骤一，确定上述目标语音中时长超过上述时长阈值的第一静默语音片段。

步骤二，根据上述时长超过时长阈值的第一静默语音片段在上述目标语音中的位置，确定第一文本划分位置。

步骤304，在第一文本划分位置处划分目标文本，得到第一文本片段集合。

步骤305，划分第一文本片段集合中长度超过第一预设阈值的文本片段，得到第二文本片段集合。

在一些实施例中，上述执行主体可以在上述第一文本片段集合中长度超过第一预设阈值的文本片段中确定时长最长的一个第三静默语音片段，然后在该第三静默语音片段对应的文本位置划分上述划分第一文本片段集合中长度超过第一预设阈值的文本片段。

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得到第二文本片段集合：

步骤一，确定第一文本片段对应的语音中的第二静默语音片段。

步骤二，基于第一文本片段对应的语音中第二静默语音片段与上述第一文本片段对应的语音的中间位置的距离，确定第一文本片段对应的语音中第二静默语音片段时长的权重。

步骤三，基于上述权重确定第二静默语音片段的得分。

作为示例，上述执行主体可以将按照上述权重与上述距离成正比的关系，确定上述权重。举例来说，在第一文本片段对应的语音中有奇数个第二静默语音片段的基础上。中间位置的第二静默语音片段时长的权重可以为1。中间位置左侧相邻的第二静默语音片段时长的权重和右侧相邻的第二静默语音片段时长的权重可以为0.9。作为示例，上述执行主体确定第二静默语音片段的得分的方式可以是：通过第二静默语音片段的权重与该第二静默语音片段的时长相乘来计算。

步骤四，基于上述得分，确定第二文本划分位置。

作为示例，上述执行主体可以按照权重从大到小的顺序，选择第一数目个权重，以及，根据上述第一数目个权重对应的第二静默语音片段在上述目标语音中的位置，确定第二文本划分位置。

步骤五，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。

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。

步骤306，接收用户输入的针对目标文本进行划分的反馈信息。

在一些实施例中，上述执行主体可以通过有线连接方式或者无线连接方式从用户利用其进行文本划分的终端接收用户输入的反馈信息。

在一些实施例中，上述反馈信息可以是添加了人工标注的文本划分位置的目标文本。

步骤307，基于反馈信息和第二文本片段集合，确定文本划分准确率与文本划分召回率。

在一些实施例中，上述反馈信息可以是添加了人工标注的文本划分位置的目标文本。

在此基础上，在一些实施例中，上述执行主体可以将上述第二文本片段集合中与上述反馈信息适配的第二文本片段的个数与上述第二文本片段集合中第二文本片段的个数的商确定为文本划分准确率。

在此基础上，在一些实施例中，上述执行主体可以将上述第二文本片段集合中与上述反馈信息适配的第二文本片段的个数与上述反馈信息中人工标注的文本划分位置的个数的商确定为文本划分召回率。

步骤308，基于文本划分准确率与文本划分召回率，纠正时长阈值对应的预设时长阈值。

在一些实施例中，作为示例，上述执行主体可以在上述文本划分准确率低于预设准确率阈值时，将时长阈值对应的预设时长阈值减少0.1秒。在召回率低于预设召回率阈值时，将时长阈值对应的预设时长阈值增加0.1秒。

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通过对目标文本对应的原语音进行调整，使确定的目标语音中静默语音片段的时长更加可靠，进而更准确地确定文本划分位置。此外，通过使用文本划分准确率和文本划分召回率纠正时长阈值对应的预设时长阈值，使文本划分方法可以进一步优化，从而提高文本划分的准确率和召回率。

进一步参考图4，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4所示，一些实施例的文本划分装置400包括：第一确定单元401、第二确定单元402、第一划分单元403、第二划分单元404。其中，第一确定单元401配置用于基于目标文本的长度，确定目标文本对应的目标语音中的第一静默语音片段的时长阈值；第二确定单元402配置用于基于时长阈值，确定第一文本划分位置；第一划分单元403配置用于在第一文本划分位置处划分目标文本，得到第一文本片段集合；第二划分单元404配置用于划分第一文本片段集合中长度超过第一预设阈值的文本片段，得到第二文本片段集合。

在一些实施例的可选实现方式中，文本划分装置400的第一生成单元401中的目标文本对应的目标语音可以是通过将目标文本对应的原语音中每个说话语音片段的尖峰信号调整到说话语音片段的中间位置得到的。

在一些实施例的可选实现方式中，第一生成单元401进一步被配置成：响应于文本的长度大于或等于预设文本长度阈值，将第一预设时长阈值确定为第一静默语音片段的时长阈值。

在一些实施例的可选实现方式中，第一生成单元401进一步被配置成：响应于文本的长度小于预设文本长度阈值，将第二预设时长阈值确定为第一静默语音片段的时长阈值。

在一些实施例的可选实现方式中，第二划分单元404进一步被配置成：确定上述第一文本片段对应的语音中的第二静默语音片段；基于上述第一文本片段对应的语音中第二静默语音片段与上述第一文本片段对应的语音的中间位置的距离，确定上述第一文本片段对应的语音中第二静默语音片段时长的权重；基于上述权重确定第二静默语音片段的得分；基于上述得分，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。

在一些实施例的可选实现方式中，文本划分装置400还可以包括：接收单元，配置用于接收用户输入的针对目标文本进行划分的反馈信息；第三确定单元，配置用于基于反馈信息和第二文本片段集合，确定文本划分准确率与文本划分召回率；纠正单元，配置用于基于文本划分准确率与文本划分召回率，纠正时长阈值对应的预设时长阈值。

可以理解的是，该装置400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400及其中包含的单元，在此不再赘述。

下面参考图5，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)500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5示出的电子设备/终端设备/服务器仅仅是一个示例，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5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：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506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，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5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509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501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：基于目标文本的长度，确定目标文本对应的目标语音中的第一静默语音片段的时长阈值；基于时长阈值，确定第一文本划分位置；在第一文本划分位置处划分目标文本，得到第一文本片段集合；划分第一文本片段集合中长度超过第一预设阈值的文本片段，得到第二文本片段集合。

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、第一划分单元和第二划分单元。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，第一划分单元还可以被描述为“划分目标文本的单元”。

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，基于目标文本的长度，确定目标文本对应的目标语音中的第一静默语音片段的时长阈值；基于时长阈值，确定第一文本划分位置；在第一文本划分位置处划分目标文本，得到第一文本片段集合；划分第一文本片段集合中长度超过第一预设阈值的文本片段，得到第二文本片段集合。

根据本公开的一个或多个实施例，目标文本对应的目标语音是通过将目标文本对应的原语音中每个说话语音片段的尖峰信号调整到说话语音片段的中间位置得到的。

根据本公开的一个或多个实施例，基于目标文本的长度，确定目标文本对应的目标语音中第一静默语音片段的时长阈值，包括：响应于文本的长度大于或等于预设文本长度阈值，将第一预设时长阈值确定为第一静默语音片段的时长阈值。

根据本公开的一个或多个实施例，基于目标文本的长度，确定目标文本对应的目标语音中第一静默语音片段的时长阈值，还包括：响应于文本的长度小于预设文本长度阈值，将第二预设时长阈值确定为第一静默语音片段的时长阈值。

根据本公开的一个或多个实施例，划分第一文本片段集合中长度超过第一预设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的语音中的第二静默语音片段；基于上述第一文本片段对应的语音中第二静默语音片段与上述第一文本片段对应的语音的中间位置的距离，确定上述第一文本片段对应的语音中第二静默语音片段时长的权重；基于上述权重确定第二静默语音片段的得分；基于上述得分，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，方法还包括：接收用户输入的针对目标文本进行划分的反馈信息；基于反馈信息和第二文本片段集合，确定文本划分准确率与文本划分召回率；基于文本划分准确率与文本划分召回率，纠正时长阈值对应的预设时长阈值。

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、第二确定单元、第一划分单元、第二划分单元。其中，第一确定单元配置用于基于目标文本的长度，确定目标文本对应的目标语音中的第一静默语音片段的时长阈值；第二确定单元配置用于基于时长阈值，确定第一文本划分位置；第一划分单元配置用于在第一文本划分位置处划分目标文本，得到第一文本片段集合；第二划分单元配置用于划分第一文本片段集合中长度超过第一预设阈值的文本片段，得到第二文本片段集合。

根据本公开的一个或多个实施例，文本划分装置的第一生成单元中的目标文本对应的目标语音可以是通过将目标文本对应的原语音中每个说话语音片段的尖峰信号调整到说话语音片段的中间位置得到的。

根据本公开的一个或多个实施例，第一生成单元进一步被配置成：响应于文本的长度大于或等于预设文本长度阈值，将第一预设时长阈值确定为第一静默语音片段的时长阈值。

根据本公开的一个或多个实施例，第一生成单元进一步被配置成：响应于文本的长度小于预设文本长度阈值，将第二预设时长阈值确定为第一静默语音片段的时长阈值。

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的语音中的第二静默语音片段；基于上述第一文本片段对应的语音中第二静默语音片段与上述第一文本片段对应的语音的中间位置的距离，确定上述第一文本片段对应的语音中第二静默语音片段时长的权重；基于上述权重确定第二静默语音片段的得分；基于上述得分，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，文本划分装置还可以包括：接收单元，配置用于接收用户输入的针对目标文本进行划分的反馈信息；第三确定单元，配置用于基于反馈信息和第二文本片段集合，确定文本划分准确率与文本划分召回率；纠正单元，配置用于基于文本划分准确率与文本划分召回率，纠正时长阈值对应的预设时长阈值。

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 (8)

1.一种文本划分方法，包括：

基于目标文本的长度，确定目标文本对应的目标语音中的第一静默语音片段的时长阈值；

基于所述时长阈值，确定第一文本划分位置；

在所述第一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；

划分第一文本片段集合中长度超过第一预设阈值的文本片段，得到第二文本片段集合；

其中，所述基于目标文本的长度，确定目标文本对应的目标语音中第一静默语音片段的时长阈值，包括：

响应于所述文本的长度大于或等于预设文本长度阈值，将第一预设时长阈值确定为所述第一静默语音片段的时长阈值。

2.根据权利要求1所述的方法，其中，所述目标文本对应的目标语音是通过以下步骤得到的：

将目标文本对应的原语音中每个说话语音片段的尖峰信号调整到所述说话语音片段的中间位置，得到目标文本对应的目标语音。

3.根据权利要求1所述的方法，其中，所述基于目标文本的长度，确定目标文本对应的目标语音中第一静默语音片段的时长阈值，还包括：

响应于所述文本的长度小于所述预设文本长度阈值，将第二预设时长阈值确定为所述第一静默语音片段的时长阈值。

4.根据权利要求1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一预设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的语音中的第二静默语音片段；

基于所述第一文本片段对应的语音中第二静默语音片段与所述第一文本片段对应的语音的中间位置的距离，确定所述第一文本片段对应的语音中第二静默语音片段时长的权重；

基于所述权重确定第二静默语音片段的得分；

基于所述得分，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。

5.根据权利要求1所述的方法，其中，所述方法还包括：

接收用户输入的针对目标文本进行划分的反馈信息；

基于所述反馈信息和所述第二文本片段集合，确定文本划分准确率与文本划分召回率；

基于所述文本划分准确率与所述文本划分召回率，纠正时长阈值对应的预设时长阈值。

6.一种文本划分装置，包括：

第一确定单元，被配置成基于目标文本的长度，确定目标文本对应的目标语音中的第一静默语音片段的时长阈值；

第二确定单元，被配置成基于所述时长阈值，确定第一文本划分位置；

第一划分单元，被配置成在所述第一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；

第二划分单元，被配置成划分第一文本片段集合中长度超过第一预设阈值的文本片段，得到第二文本片段集合；

其中，所述基于目标文本的长度，确定目标文本对应的目标语音中第一静默语音片段的时长阈值，包括：

响应于所述文本的长度大于或等于预设文本长度阈值，将第一预设时长阈值确定为所述第一静默语音片段的时长阈值。

7.一种电子设备，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1-5中任一所述的方法。

8.一种计算机可读介质，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1-5中任一所述的方法。