CN112380365A - 一种多媒体的字幕交互方法、装置、设备及介质 - Google Patents

Abstract

本公开实施例涉及一种多媒体的字幕交互方法、装置、设备及介质，其中该方法包括：接收用户对多媒体展示界面上多媒体的字幕内容的交互输入触发操作，其中，多媒体展示界面上展示有多媒体以及字幕内容；确定交互输入触发操作对应的文本起止位置，文本起止位置包括起始字和终止字；基于文本起止位置确定目标字幕，获取目标字幕的字幕交互内容。采用上述技术方案，可以将用户交互输入触发操作选择的文本精确到字幕内容中的词内，也即精确到字，能够精确地帮助用户进行字幕交互内容的输入，处理的粒度更加精细，提高了字幕交互的准确性，进而提高了用户的字幕交互体验效果。

Description

一种多媒体的字幕交互方法、装置、设备及介质

技术领域

本公开涉及多媒体技术领域，尤其涉及一种多媒体的字幕交互方法、装置、设备及介质。

背景技术

随着智能设备和视频技术的不断发展，在智能设备中播放音频以及视频越来越成为人们生活中不可或缺的一部分。

用户在播放音频或视频的过程中，可以同步浏览对应的字幕文字，以准确了解音频或视频的相关内容。目前，音频或视频的字幕所支持的与用户之间的字幕交互的准确性较低，不能满足用户的需求，导致用户交互体验不佳。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种多媒体的字幕交互方法、装置、设备及介质。

本公开实施例提供了一种多媒体的字幕交互方法，所述方法包括：

接收用户对多媒体展示界面上多媒体的字幕内容的交互输入触发操作，其中，所述多媒体展示界面上展示有所述多媒体以及所述字幕内容；

确定所述交互输入触发操作对应的文本起止位置，所述文本起止位置包括起始字和终止字；

基于所述文本起止位置确定目标字幕，获取所述目标字幕的字幕交互内容。

本公开实施例还提供了一种多媒体的字幕交互装置，所述装置包括：

字幕交互触发模块，用于接收用户对多媒体展示界面上多媒体的字幕内容的交互输入触发操作，其中，所述多媒体展示界面上展示有所述多媒体以及所述字幕内容；

起止确定模块，用于确定所述交互输入触发操作对应的文本起止位置，所述文本起止位置包括起始字和终止字；

字幕交互内容模块，用于基于所述文本起止位置确定目标字幕，获取所述目标字幕的字幕交互内容。

本公开实施例还提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现如本公开实施例提供的多媒体的字幕交互方法。

本公开实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行如本公开实施例提供的多媒体的字幕交互方法。

本公开实施例提供的技术方案与现有技术相比具有如下优点：本公开实施例提供的多媒体的字幕交互方案，接收用户对多媒体展示界面上多媒体的字幕内容的交互输入触发操作，其中，多媒体展示界面上展示有多媒体以及字幕内容；确定交互输入触发操作对应的文本起止位置，文本起止位置包括起始字和终止字；基于文本起止位置确定目标字幕，获取目标字幕的字幕交互内容。采用上述技术方案，可以将用户交互输入触发操作选择的文本精确到字幕内容中的词内，也即精确到字，能够精确地帮助用户进行字幕交互内容的输入，处理的粒度更加精细，提高了字幕交互的准确性，进而提高了用户的字幕交互体验效果。

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为本公开实施例提供的一种多媒体的字幕交互方法的流程示意图；

图2为本公开实施例提供的一种字幕片段的示意图；

图3为本公开实施例提供的另一种字幕片段的示意图；

图4为本公开实施例提供的一种多媒体展示界面的示意图；

图5为本公开实施例提供的另一种多媒体的字幕交互方法的流程图示意图；

图6为本公开实施例提供的一种多媒体的字幕交互装置的结构示意图；

图7为本公开实施例提供的一种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。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

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。

目前，用户在浏览多媒体的字幕文本时，当用户选择文本进行评论，由于最小粒度为词，通常会以用户选择的文本为基础放大到词的维度，受到结构化数据的粒度限制，实现较为简单，准确性较低。例如一个词是“天气真好”，当用户选择“天”去评论时，会忽略用户的选择，而是选择该文本最小粒度的词“天气”进行评论。为了解决上述问题，本公开实施例提供了一种多媒体的字幕交互方法，下面结合具体的实施例对该方法进行介绍。

图1为本公开实施例提供的一种多媒体的字幕交互方法的流程示意图，该方法可以由多媒体的字幕交互装置执行，其中该装置可以采用软件和/或硬件实现，一般可集成在电子设备中。如图1所示，该方法包括：

步骤101、接收用户对多媒体展示界面上多媒体的字幕内容的交互输入触发操作，其中，多媒体展示界面上展示有多媒体以及字幕内容。

其中，多媒体展示界面是指用于对多种类型的多媒体信息进行展示的界面，多媒体展示界面中可以设置多媒体区域、字幕区域等区域，分别用于展示多媒体以及多媒体的字幕内容等，多媒体可以包括音频和/或视频，具体不限。交互输入触发操作是指用户想要对当前多媒体展示界面上多媒体的字幕内容进行交互内容输入的触发操作。

字幕内容可以是一种结构化文本。在一些应用场景中，字幕内容可以通过对多媒体语音识别得到的文本进行结构化处理得到。结构化处理的结构单元包括以下至少一者：词、句和段。对多媒体采用语音识别(Automatic Speech Recognition，ASR)技术可以识别得到语音信息，并对语音信息转换得到的文本内容进行结构化处理，即可得到包括上述结构单元的字幕内容。具体的语音识别技术本公开实施例中不作限定，例如可以采用随机模型法或人工神经网络的方法等。本公开实施例中语音识别得到的字幕内容可以被抽象成包括词、句和段三层结构的结构化数据，也即字幕内容可以包括多个字幕片段(又称字幕段落)，每个字幕片段可以包括多个字幕语句，每个字幕语句可以包括多个词，具体字幕片段、字幕语句和词的数量不作限定，根据实际情况得到。

示例性的，图2为本公开实施例提供的一种字幕片段的示意图，如图2所示，该字幕片段中可以包括三个字幕语句，分别为图中的句1、句2和句3，每个字幕语句中可以包括多个词，句2中词与词之间存在空格。

具体的，当用户浏览多媒体展示界面时，可以接收用户对多媒体展示界面上的字幕内容的交互输入触发操作。交互输入触发操作的形式可以包括多种，具体不限，例如交互输入触发操作可以包括对字幕内容中的文本进行的点击操作、拖动操作加悬停操作，点击操作和拖动操作实现了对文本的选择，之后的悬停操作实现了对选中文本的输入触发。

步骤102、确定交互输入触发操作对应的文本起止位置，文本起止位置包括起始字和终止字。

其中，文本起止位置是指用户进行触发操作所确定的连续文本的起始位置和终止位置，可以表示字幕内容中文本选区的起始点和终止点，可能跨越多种结构元素，例如跨句或跨段等。本公开实施例中，文本起止位置精确到结构化数据的词内，也即精确到字，文本起止位置可以包括起始字和终止字。

本公开实施例中，确定交互输入触发操作对应的文本起止位置，包括：确定交互输入触发操作对应的选择标识起始位置和选择标识终止位置；基于选择标识移动方向，将距离选择标识起始位置最近的字确定为起始字，以及将距离选择标识终止位置最近的字确定为终止字。

确定交互输入触发操作对应的文本起始位置可以调用文本范围选择方法实现，文本范围选择(Range)方法可以为一种预先定义的用于获取用户选择文本的接口函数，通过调用该接口函数可以确定用户所选择的文本范围。选择标识是指用于表征用户操作位置的标识，本公开实施例中的选择标识以光标为例进行说明。选择标识起始位置是指用户开始插入选择标识的位置，选择标识终止位置是指用户结束插入选择标识的位置，选择标识起始位置和选择标识终止位置可以为具体的坐标值，并且可以通过选择(Selection)对象函数进行获取。选择标识起始位置和选择标识终止位置之间所对应的是用户所选择的文本范围。

接收到用户的交互输入触发操作之后，可以获取当前交互输入触发操作对应的选择标识起始位置和选择标识终止位置，并确定选择标识移动方向，根据选择标识移动方向将距离选择标识起始位置最近的字确定为起始字，以及将距离选择标识终止位置最近的字确定为终止字。由于距离选择标识起始位置最近的字一般是两个，将选择标识移动方向一侧的字确定为起始字，终止字的确定也是同理。示例性的，如果光标起始位置在“今天天气真好”中的“天”和“气”之间，光标移动方向从左到右，则起始字为“气”。

步骤103、基于文本起止位置确定目标字幕，获取目标字幕的字幕交互内容。

其中，字幕交互内容是指用户针对多媒体的字幕内容输入的交互内容，字幕交互内容中可以包括多种不同类型的内容，本公开实施例中字幕交互内容可以包括字幕评论和/或字幕表情等。

本公开实施例中，基于文本起止位置确定目标字幕，可以包括：将文本起止位置中起始字和终止字之间的文本确定为目标字幕。基于上个步骤中确定的文本起止位置，将起始字和终止字之间的全部文本确定为目标字幕，也即用户选择的具体文本范围。

示例性的，图3为本公开实施例提供的另一种字幕片段的示意图，如图3所示，用户选择文本起点是指文本起止位置中的起始字，用户选择文本终点是指文本起止位置中的终止字，该字幕片段中句2中的第一个词中的一个字为起始字，句3中的第一个词中的一个字为中终止字，起始字和终止字之间填充灰度的文本范围即为当前的目标字幕。

可选的，获取目标字幕的字幕交互内容，包括：展示交互输入界面，其中，交互输入界面中包括至少一个交互组件；基于交互组件获取目标字幕的字幕交互内容。其中，交互组件可以包括评论组件和/或表情组件。交互输入界面可以为用于提供交互输入功能的界面，本公开实施例中对交互输入界面的具体形式不作限定，例如交互输入界面可以为矩形或圆形。交互输入界面中可以设置多个交互组件，交互组件是指用于进行交互内容的输入、编辑和发布等操作的功能组件。本公开实施例中，交互组件可以包括评论组件和/或表情组件。

接收到用户在多媒体展示界面上对字幕内容的交互输入触发操作之后，可以展示包括交互组件的交互输入界面给用户，基于交互组件获取用户输入的字幕交互内容。

示例性的，图4为本公开实施例提供的一种多媒体展示界面的示意图，如图4所示，多媒体展示界面10中可以包括第一区域11和第二区域12，第二区域12中展示字幕内容，其中添加有背景色和下划线的“转多云”为用户当前选择的目标字幕，图中展示了用户3和用户4输入的对目标字幕的评论，分别为“这个结论应该是没有确定的”以及“这个我赞同”。

参见图4，第一区域11中可以展示当前音频的相关信息，图中第一区域11的顶部区域展示有当前音频的相关图片，图片下方展示有参与者信息，图中展示了参与者的头像，第一区域11的底部区域展示了音频的三个相关链接，每个相关链接中包括标题以及链接来源，例如第一个相关链接为用户1分享的文档标题为1的文档，当前用户还可以根据实际情况点击右侧的链接添加按钮进行更多相关链接的添加。图2中在多媒体展示界面10的顶部区域还展示了多媒体的标题“团队回顾会议”以及其他相关内容，图中“2019.12.20上午10:00”表示多媒体的开始时间，“1h30m30s”表示多媒体的时长为1小时30分20秒，“16”表示参与者的数量。

本公开实施例提供的多媒体的字幕交互方案，接收用户对多媒体展示界面上多媒体的字幕内容的交互输入触发操作，其中，多媒体展示界面上展示有多媒体以及字幕内容；确定交互输入触发操作对应的文本起止位置，文本起止位置包括起始字和终止字；基于文本起止位置确定目标字幕，获取目标字幕的字幕交互内容。采用上述技术方案，可以将用户交互输入触发操作选择的文本精确到字幕内容中的词内，也即精确到字，能够精确地帮助用户进行字幕交互内容的输入，处理的粒度更加精细，提高了字幕交互的准确性，进而提高了用户的字幕交互体验效果。

在一些实施例中，基于文本起止位置确定目标字幕之后，还可以包括：基于文本起止位置对目标字幕进行渲染展示。渲染展示是指采用与当前字幕内容展示方式不同的方式进行展示，用于与其他字幕进行区分。可选的，基于文本起止位置对目标字幕进行渲染展示，可以包括：基于文本起止位置确定目标字幕所在目标字幕语句的相对位置数据；基于目标字幕语句的相对位置数据对目标字幕进行渲染展示。其中，相对位置数据包括目标字幕在目标字幕语句中的文本长度和目标字幕相对于目标字幕语句起始点的文本距离。可选的，渲染展示的方式包括添加背景色、加粗展示和添加下划线中的至少一个。

其中，目标字幕语句是指目标字幕所在的字幕语句，目标字幕语句中包括目标字幕，范围大于或等于目标字幕。相对位置数据可以为用户选择的文本相对文本所在句子的位置数据，具体可以包括目标字幕在目标字幕语句中的文本长度以及目标字幕相对于目标字幕语句起始点的文本距离，例如当目标字幕为一整个目标字幕语句时，目标字幕在目标字幕语句中的文本长度为目标字幕语句的文本长度，目标字幕相对于目标字幕语句起始点的文本距离为零。渲染展示的方式可以是任何可行的、能够与字幕内容的其它部分区分开的展示方式，例如渲染展示的方式可以包括但不限于添加背景色、加粗展示和添加下划线中的至少一个。

可选的，基于文本起止位置确定目标字幕所在目标字幕语句的相对位置数据，包括：基于文本起止位置确定目标字幕在字幕内容中的位置范围；基于目标字幕的位置范围确定目标字幕语句的相对位置数据。可选的，基于文本起止位置确定目标字幕在字幕内容中的位置范围，包括：如果文本起止位置中的起始字和终止字位于同一字幕语句，则目标字幕的位置范围在句内，目标字幕语句为目标字幕所在的字幕语句。

可选的，基于文本起止位置确定目标字幕在字幕内容中的位置范围，包括：如果文本起止位置中的起始字所在起始句和终止字所在终止句不同，并且起始句和终止句位于同一字幕片段，则目标字幕的位置范围为跨句。可选的，基于文本起止位置确定目标字幕在字幕内容中的位置范围，包括：如果文本起止位置中的起始字所在起始句和终止字所在终止句不同，并且起始句和终止句所在的字幕片段不同，则目标字幕的位置范围为跨段。

本公开实施例中，文本起止位置可以包括三种位置情况：文本起止位置在句内、文本起止位置在段内但跨句以及文本起止位置跨段，对应的，目标字幕也可以包括上述三种位置范围。如果起始字和终止字位于同一字幕语句，则目标字幕的位置范围为在句内，目标字幕语句仅为一个，目标字幕为目标字幕语句的一部分；如果起始字所在起始句和终止字所在终止句不同，则目标字幕为跨句或跨段；如果起始句和终止句位于同一字幕片段，则目标字幕的位置范围为跨句，如果起始句和终止句所在的字幕片段不同，则目标字幕的位置范围为跨段。对于跨句和跨段这两种位置情况，目标字幕语句的数量为至少两个，目标字幕语句为起始句和终止句之间的字幕语句，其中包括起始句和终止句。

上述方案中，根据文本起止位置可以确定用户选中文本在字幕内容中的各种不同的位置情况，基于不同的位置情况可以差异化处理后续确定相对位置数据的步骤，进而提高处理效率。

可选的，基于目标字幕的位置范围确定目标字幕语句的相对位置数据，可以包括：如果目标字幕的位置范围为跨句，则先确定起始句和终止句的相对位置数据，再确定起始句和终止句之间的目标字幕语句的相对位置数据。可选的，基于目标字幕的位置范围确定目标字幕语句的相对位置数据，包括：如果目标字幕的位置范围为跨段，则先确定起始字所在起始段和终止字所在终止段中包括的目标字幕语句的相对位置数据，再确定起始段和终止段之间的字幕片段中每个目标字幕语句的相对位置数据。

在上述步骤中确定目标字幕的位置范围之后，可以基于目标字幕的三种位置范围来确定目标字幕语句的相对位置数据。具体的，如果目标字幕语句在句内，则直接通过预设的程序或算法确定该目标字幕语句的相对位置数据。如果目标字幕为跨句，则按照先起始句和终止句，再起始句和终止句之间的目标字幕语句的顺序，依次确定相对位置数据。可以理解的是，若跨句的目标字幕仅包括起始句和终止句，则可以仅确定起始句和终止句的相对位置数据。如果目标字幕为跨段，则按照先起始字所在起始段和终止字所在终止段，再起始段和终止段之间的字幕片段的顺序，依次对各段中包括的目标字幕语句确定其相对位置数据。

本公开实施例中，在确定目标字幕之后，针对目标字幕在字幕内容中三种不同的位置情况可以采用不同的处理顺序，确定其所在目标字幕语句的相对位置数据，在目标字幕为跨句或跨段的情况时，由于起点和终点的处理粒度可细化到字，而对目标字幕除起点和终点之外的其它部分的处理粒度无需细化到字。从而，通过将起点和终点进行粒度到“字”的处理，而对中间的部分批量处理，提高了确定位置数据的效率，有利于后续高效地实现对目标字幕的渲染。

在一些实施例中，基于目标字幕语句的相对位置数据对目标字幕进行渲染展示，可以包括：基于目标字幕语句的相对位置数据确定目标字幕语句中目标字幕的待渲染目标，其中，待渲染目标包括起始字、终止字以及结构化词中的至少一个；基于待渲染目标对目标字幕进行渲染展示。

其中，待渲染目标是指目标字幕语句中即将进行渲染的最小单位，可以包括结构化词或字。本公开实施例中，以句为单位进行渲染展示，确定各目标字幕语句的相对位置数据之后，可以基于相对位置数据定位各目标字幕语句中目标字幕的待渲染目标，之后对待渲染目标进行渲染展示，具体渲染展示的方式不限，处理的最小粒度是字。由于文本起止位置精确到字，起始字和终止字在确定待渲染目标时可能会被单独划分，待渲染目标可以包括起始字、终止字和结构化词中的至少一个，其中结构化词可以为初始结构化处理之后的词。

例如，假设目标字幕语句为“今天天气会晴转多云”，目标字幕为“转多云”，确定目标字幕语句的相对位置数据中目标字幕在目标字幕语句中的文本长度为3，目标字幕相对于目标字幕语句起始点的文本距离为5，确定的待渲染目标包括起始字“转”和结构化词“多云”，对待渲染目标“转”和“多云”可以采用添加背景色的方式进行渲染展示。

本公开实施例中，目标字幕的位置范围不同，各目标字幕语句中确定的待渲染目标不同。当目标字幕在句内，目标字幕语句的待渲染目标包括起始字、终止字和/或词；当目标字幕为跨句或跨段，目标字幕语句中起始句的待渲染目标为起始字和/或结构化词，目标字幕语句中终止句的待渲染目标为终止字和/或结构化词，起始句和终止句之间的目标字幕语句的待渲染目标为结构化词。目标字幕在字幕内容中可以包括三种位置范围，当目标字幕在句内，待渲染目标可以仅为起始字或终止字，还可以为包括起始字和/或终止字的结构化词，还可以包括起始字、终止字和不限数量的结构化词；当目标字幕为跨句或跨段，目标字幕语句均包括起始句和终止句，起始句的待渲染目标可以仅为起始字，还可以仅为包括起始字的结构化词，还可以包括起始字和不限数量的结构化词，终止句的待渲染目标可以仅为终止字，还可以仅为包括终止字的结构化词，还可以包括终止字和不限数量的结构化词；而对于起始句和终止句之间的目标字幕语句，待渲染目标为不限数量的结构化词。

示例性的，参见图3，从句2中第一个词中的起始字到句3中第一词中的终止字之间的目标字幕，通过添加灰色背景色进行渲染展示，上述背景色的添加仅为示例。

本公开实施例中，在用户对字幕内容中的目标字幕进行触发之后，可以对目标字幕实现更加精确地渲染展示，渲染展示的最小粒度是字，使用户更加直观地浏览到选择的精确文本，进而提高了后续进行交互内容输入的准确性，提高了用户的交互输入体验效果。

在一些实施例中，本公开实施例中的多媒体的字幕交互方法还可以包括：在多媒体展示界面上关联目标字幕所在的字幕片段，展示字幕交互聚合标识，其中，每个包括字幕交互内容的字幕片段对应一个字幕交互聚合标识。其中，字幕交互聚合标识中可以包括针对关联的字幕片段的字幕交互内容的数量。

字幕片段是指对字幕内容拆分得到的片段，例如字幕内容可以按照语义拆分为两个或两个以上的字幕片段，一个字幕片段可以表征一个沟通主题。字幕内容可以包括至少两个字幕片段，每个字幕片段中可以包括一部分字幕内容，字幕片段的具体数量不作限定。获取到字幕交互内容之后，可以在多媒体展示界面上展示字幕交互聚合标识，具体可以联目标字幕所在的字幕片段展示字幕交互聚合标识，目标字幕所在的字幕片段可能为一个字幕片段，也可以为两个或两个以上不同的字幕片段，在每个目标字幕所在的字幕片段均展示对应的字幕交互聚合标识。字幕交互聚合标识具体所在位置不限，可以根据实际情况进行设定。

示例性的，参见图4，图中第二区域12中的字幕内容包括三个字幕片段，用户3和用户4对目标字幕“转多云”进行了评论，目标字幕“转多云”所在字幕片段为第二个字幕片段，也即用户2下方的字幕片段，因此字幕交互聚合标识14关联展示在第二个字幕片段中第一行文本的右侧，并且字幕交互聚合标识14中的2表示了有两个字幕交互内容，也即两个评论。图2中字幕交互聚合标识14的展示位置仅为示例，其他可以与字幕片段关联展示的位置也可以适用，例如字幕交互聚合标识14也可以展示在第二个字幕片段中第一行文本的左侧。

上述方案中，在获取字幕交互内容之后，即可展示一个聚合表征标识以提示用户此处具有字幕交互内容，提高了字幕交互内容的提示效果，使用户可以快速确定具有交互内容的字幕位置。

在一些实施例中，本公开实施例中的多媒体的字幕交互方法还可以包括：接收用户对字幕交互聚合标识的触发操作；在字幕交互窗口中展示字幕交互聚合标识关联的字幕片段的字幕交互内容，其中，目标字幕的字幕交互内容展示在字幕交互窗口中。

其中，字幕交互窗口是指用于展示字幕交互内容的窗口。接收到用户对字幕交互聚合标识的触发操作之后，可以将字幕交互聚合标识关联的字幕片段所包括的字幕交互内容从隐藏状态变为在字幕交互窗口中进行展示的状态，目标字幕的字幕交互内容是其中一个。字幕交互窗口可以关联字幕交互聚合标识进行展示，也即字幕交互窗口可以在字幕交互聚合标识的位置附近进行展示。

本公开实施例中，基于字幕交互聚合标识的触发可以快捷展示针对多媒体的字幕内容的多个字幕交互内容，提高了字幕交互内容的展示效率，字幕交互聚合标识不被触发时仅仅展示一个标识，相较于通常的展示方式，可以根据用户的选择进行展示，更加灵活，展示效果更佳。

在一些实施例中，本公开实施例中的多媒体的字幕交互方法还可以包括：在多媒体界面上多媒体的播放时间轴上，目标字幕对应时间戳的位置处展示字幕交互提示标识。可选的，接收用户对字幕交互提示标识的触发操作；在字幕交互窗口中展示目标字幕的字幕交互内容。

其中，字幕交互提示标识是指用户针对字幕内容输入交互内容之后设置的用于提示此位置具有字幕交互内容的一个标识，字幕交互提示标识与上述字幕交互聚合标识的表现形式可以相同，也可以不同，具体可以根据实际情况进行设置。当获取目标字幕的字幕交互内容之后，可以确定目标字幕的时间戳，并在多媒体的播放时间轴上目标字幕的时间戳的位置处展示字幕交互提示标识。之后，当接收到用户对多媒体的播放时间轴上的字幕交互提示标识的触发操作之后，可以在上述字幕交互窗口中展示目标字幕的字幕交互内容。

示例性的，参见图4，图中多媒体展示界面10中音频的播放时间轴上展示了四个字幕交互提示标识，包括三个评论标识和一个表情标识，仅为标识展示的示例。从左开始第一个评论标识上的箭头可以表示用户对该字幕交互提示标识的触发操作，之后可以在字幕交互窗口13中展示目标字幕“转多云”的两个评论。

上述方案中，基于对多媒体的播放时间轴上的字幕交互提示标识的触发操作，该字幕交互提示标识对应的针对多媒体的多媒体交互内容也可以展示在字幕交互窗口中；对字幕交互聚合标识和字幕交互提示标识的触发，均可以展示对应的字幕交互内容，进一步提高了字幕交互内容的展示效果，展示更加灵活。

在一些实施例中，接收用户对字幕交互提示标识的触发操作之后，还包括：基于目标字幕的时间戳播放多媒体；将多媒体的字幕内容跳转到目标字幕所在位置，并突出展示目标字幕以及目标字幕的字幕交互内容。

本公开实施例中的字幕内容是通过对多媒体的语音识别得到的，字幕内容中的每个文本均具备对应的语音信息，进而可以对应到多媒体中的一个时间戳。本公开实施例中，当接收到用户对多媒体的播放时间轴上的字幕交互提示标识的触发操作之后，可以确定目标字幕的时间戳，并基于该时间戳播放多媒体。并且，可以将字幕内容进行跳转，跳转到目标字幕所在位置，并将目标字幕以及目标字幕的字幕交互内容突出展示，字幕交互内容在字幕交互窗口中进行突出展示。可选的，在多媒体的后续播放过程中，可以依次对目标字幕之后的与多媒体的播放进度对应的字幕语句进行突出展示。

上述方案中，基于对多媒体的播放时间轴上的字幕交互提示标识的触发操作，字幕交互提示标识在多媒体和字幕内容中对应的部分均可以关联互动，使用户更好地了解字幕交互提示标识关联的内容，更能满足用户的交互需求，提高用户的交互体验效果。

示例性的，图5为本公开实施例提供的另一种多媒体的字幕交互方法的流程图示意图，如图5所示，该方法可以包括：步骤201、开始。步骤202、获取用户选择的文本起点位置和终点位置。也即确定文本起止位置，包括起始字和终止字。步骤203、判断文本起止位置。如果起始字和终止字在同一句，则执行步骤204和步骤205；如果起始字和终止字在同一段但是不同句，则执行步骤206和步骤207；如果起始字和终止字在不同段，则执行步骤208和步骤209。步骤204、句内选择。确定目标字幕在句内。步骤205、处理该句。步骤205之后，执行步骤210。步骤206、跨句选择。确定目标字幕为跨句。步骤207、先处理第一句和最后一句，再处理中间句。具体先确定第一句和最后一句的相对位置数据，再确定中间句的相对位置数据。步骤207之后，执行步骤210。步骤208、跨段选择。确定目标字幕为跨段。步骤209、先处理第一段和最后一段，再处理中间段。具体先确定第一段和最后一段中各句的相对位置数据，再确定中间段中各句的相对位置数据。步骤209之后，执行步骤210。步骤210、给文本加上背景色。步骤211、记录目标字幕对应的时间和字幕交互内容。步骤212、结束。

上述步骤中处理的核心是，将用户选择的跨段、跨句和句内的目标字幕，在底层数据结构梳理上细化到句的维度，记录该目标字幕相对所在句子起始点的距离和目标字幕的文本长度，但在渲染时再匹配拆分到每个词，给每个词内用户选择的文本加上背景颜色，处理的最小粒度是句内的字。当目标字幕跨句或者跨段的情况，处理起点和终点后再批量处理中间的句子。在对目标字幕进行评论时，根据用户选择的文本起止位置，定位到该目标字幕在多媒体的时间并记录，当用户点击目标字幕时，切换多媒体的播放时间到目标字幕对应的时间进行播放。

本公开实施例中，多媒体语音识别得到的字幕内容具有段、句和词的结构，同时每个段、句和词都有相应的起止时间，在多媒体展示界面上展示时会聚合成段展示，同时当多媒体在播放时候，说话人对应的字幕会随之突出展示。在此基础上，可以支持针对字幕内容选择后可交互的功能，由于字幕内容具有起止时间属性，字幕交互内容记录的不止是内容，它结合了结构化数据的起止时间，可以对字幕进行突出展示，同时字幕交互内容可以与字幕内容、多媒体具有关联互动。

本公开实施例中，可以将用户选择的文本精确对应到结构化数据的词内，也即精确到字，当用户选择词的一部分内容时，精确的帮助用户进行字幕交互内容的输入；并且可以将字幕交互内容关联到当前词对应的起止时间，在点击字幕交互内容时，多媒体和字幕内容可以实现关联互动。用户选择的文本然后进行评论时是可能跨句或者跨段的，在处理时将该字幕交互内容对应的文本，映射到对每个句子的相对位置数据，当跨句或者跨段时候，处理起点和终点后再批量处理中间的句子；在给用户选择的文本加上背景颜色时，根据该字幕交互内容在每个句子内的相对位置数据计算出该文本在词内的位置，对该词拆分节点，给选中的文本加上背景色；在输入字幕交互内容时记录对应的多媒体的时间戳，点击字幕交互内容时可以跳转到对应的时间播放多媒体。

图6为本公开实施例提供的一种多媒体的字幕交互装置的结构示意图，该装置可由软件和/或硬件实现，一般可集成在电子设备中。如图6所示，该装置包括：

字幕交互触发模块301，用于接收用户对多媒体展示界面上多媒体的字幕内容的交互输入触发操作，其中，所述多媒体展示界面上展示有所述多媒体以及所述字幕内容；

起止确定模块302，用于确定所述交互输入触发操作对应的文本起止位置，所述文本起止位置包括起始字和终止字；

字幕交互内容模块303，用于基于所述文本起止位置确定目标字幕，获取所述目标字幕的字幕交互内容。

可选的，所述字幕内容通过对所述多媒体语音识别得到的文本进行结构化处理得到，所述结构化处理的结构单元包括以下至少一者：词、句和段。

可选的，所述起止确定模块302具体用于：

确定所述交互输入触发操作对应的选择标识起始位置和选择标识终止位置；

基于选择标识移动方向，将距离所述选择标识起始位置最近的字确定为所述起始字，以及将距离所述选择标识终止位置最近的字确定为所述终止字。

可选的，所述选择标识包括光标。

可选的，所述字幕交互内容模块303具体用于：

将所述文本起止位置中所述起始字和所述终止字之间的文本确定为所述目标字幕。

可选的，所述装置还包括渲染模块，具体用于：基于所述文本起止位置确定目标字幕之后，

基于所述文本起止位置对所述目标字幕进行渲染展示。

可选的，所述渲染模块包括：

相对位置单元，用于基于所述文本起止位置确定所述目标字幕所在目标字幕语句的相对位置数据；

展示单元，用于基于所述目标字幕语句的相对位置数据对所述目标字幕进行渲染展示。

可选的，所述相对位置数据包括所述目标字幕在所述目标字幕语句中的文本长度和所述目标字幕相对于所述目标字幕语句起始点的文本距离。

可选的，所述相对位置单元包括：

位置范围子单元，用于基于所述文本起止位置确定所述目标字幕在所述字幕内容中的位置范围；

数据确定子单元，用于基于所述目标字幕的位置范围确定所述目标字幕语句的相对位置数据。

可选的，所述位置范围子单元具体用于：

如果所述文本起止位置中的起始字和终止字位于同一字幕语句，则所述目标字幕的位置范围在句内，所述目标字幕语句为所述目标字幕所在的字幕语句。

可选的，所述位置范围子单元具体用于：

如果所述文本起止位置中的起始字所在起始句和终止字所在终止句不同，并且所述起始句和所述终止句位于同一字幕片段，则所述目标字幕的位置范围为跨句。

可选的，所述数据确定子单元具体用于：

如果所述目标字幕的位置范围为跨句，则先确定所述起始句和所述终止句的相对位置数据，再确定所述起始句和所述终止句之间的目标字幕语句的相对位置数据。

可选的，所述位置范围子单元具体用于：

如果所述文本起止位置中的起始字所在起始句和终止字所在终止句不同，并且所述起始句和所述终止句所在的字幕片段不同，则所述目标字幕的位置范围为跨段。

可选的，所述数据确定子单元具体用于：

如果所述目标字幕的位置范围为跨段，则先确定所述起始字所在起始段和所述终止字所在终止段中包括的目标字幕语句的相对位置数据，再确定所述起始段和所述终止段之间的字幕片段中每个目标字幕语句的相对位置数据。

可选的，所述展示单元具体用于：

基于所述目标字幕语句的相对位置数据确定所述目标字幕语句中目标字幕的待渲染目标，其中，所述待渲染目标包括所述起始字、所述终止字以及结构化词中的至少一个；

基于所述待渲染目标对所述目标字幕进行渲染展示。

可选的，所述渲染展示的方式包括添加背景色、加粗展示和添加下划线中的至少一个。

可选的，所述字幕交互内容模块具体用于：

展示交互输入界面，其中，所述交互输入界面中包括至少一个交互组件；

基于所述交互组件获取所述目标字幕的字幕交互内容。

可选的，所述交互组件包括评论组件和/或表情组件，所述字幕交互内容包括字幕评论和/或字幕表情。

可选的，所述装置还包括聚合标识模块，具体用于：

在所述多媒体展示界面上关联所述目标字幕所在的字幕片段，展示所述字幕交互聚合标识，其中，每个包括字幕交互内容的字幕片段对应一个字幕交互聚合标识。

可选的，所述装置还包括标识触发模块，具体用于：

接收用户对所述字幕交互聚合标识的触发操作；

在字幕交互窗口中展示所述字幕交互聚合标识关联的字幕片段的字幕交互内容，其中，所述目标字幕的字幕交互内容展示在所述字幕交互窗口中。

可选的，所述装置还包括提示标识模块，具体用于：

在所述多媒体界面上所述多媒体的播放时间轴上，所述目标字幕对应时间戳的位置处展示字幕交互提示标识。

可选的，所述装置还包括提示触发模块，具体用于：

接收用户对所述字幕交互提示标识的触发操作；

在字幕交互窗口中展示所述目标字幕的字幕交互内容。

可选的，所述装置还包括关联互动模块，具体用于：接收用户对所述字幕交互提示标识的触发操作之后，

基于所述目标字幕的时间戳播放所述多媒体；

将所述多媒体的字幕内容跳转到所述目标字幕所在位置，并突出展示所述目标字幕以及所述目标字幕的字幕交互内容。

本公开实施例所提供的多媒体的字幕交互装置可执行本公开任意实施例所提供的多媒体的字幕交互方法，具备执行方法相应的功能模块和有益效果。

图7为本公开实施例提供的一种电子设备的结构示意图。下面具体参考图7，其示出了适于用来实现本公开实施例中的电子设备400的结构示意图。本公开实施例中的电子设备400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7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：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406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备400，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。

特别地，根据本公开的实施例，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，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态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。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的多媒体的字幕交互方法中限定的上述功能。

需要说明的是，本公开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：接收用户对多媒体展示界面上多媒体的字幕内容的交互输入触发操作，其中，所述多媒体展示界面上展示有所述多媒体以及所述字幕内容；确定所述交互输入触发操作对应的文本起止位置，所述文本起止位置包括起始字和终止字；基于所述文本起止位置确定目标字幕，获取所述目标字幕的字幕交互内容。

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操作的计算机程序代码，上述程序设计语言包括但不限于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。

描述于本公开实施例中所涉及到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。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

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。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，本公开提供了一种多媒体的字幕交互方法，包括：

接收用户对多媒体展示界面上多媒体的字幕内容的交互输入触发操作，其中，所述多媒体展示界面上展示有所述多媒体以及所述字幕内容；

确定所述交互输入触发操作对应的文本起止位置，所述文本起止位置包括起始字和终止字；

基于所述文本起止位置确定目标字幕，获取所述目标字幕的字幕交互内容。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述字幕内容通过对所述多媒体语音识别得到的文本进行结构化处理得到，所述结构化处理的结构单元包括以下至少一者：词、句和段。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述确定所述交互输入触发操作对应的文本起止位置，包括：

确定所述交互输入触发操作对应的选择标识起始位置和选择标识终止位置；

基于选择标识移动方向，将距离所述选择标识起始位置最近的字确定为所述起始字，以及将距离所述选择标识终止位置最近的字确定为所述终止字。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述选择标识包括光标。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述基于所述文本起止位置确定目标字幕，包括：

将所述文本起止位置中所述起始字和所述终止字之间的文本确定为所述目标字幕。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述基于所述文本起止位置确定目标字幕之后，还包括：

基于所述文本起止位置对所述目标字幕进行渲染展示。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述基于所述文本起止位置对所述目标字幕进行渲染展示，包括：

基于所述文本起止位置确定所述目标字幕所在目标字幕语句的相对位置数据；

基于所述目标字幕语句的相对位置数据对所述目标字幕进行渲染展示。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述相对位置数据包括所述目标字幕在所述目标字幕语句中的文本长度和所述目标字幕相对于所述目标字幕语句起始点的文本距离。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述基于所述文本起止位置确定所述目标字幕所在目标字幕语句的相对位置数据，包括：

基于所述文本起止位置确定所述目标字幕在所述字幕内容中的位置范围；

基于所述目标字幕的位置范围确定所述目标字幕语句的相对位置数据。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述基于所述文本起止位置确定所述目标字幕在所述字幕内容中的位置范围，包括：

如果所述文本起止位置中的起始字和终止字位于同一字幕语句，则所述目标字幕的位置范围在句内，所述目标字幕语句为所述目标字幕所在的字幕语句。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述基于所述文本起止位置确定所述目标字幕在所述字幕内容中的位置范围，包括：

如果所述文本起止位置中的起始字所在起始句和终止字所在终止句不同，并且所述起始句和所述终止句位于同一字幕片段，则所述目标字幕的位置范围为跨句。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，基于所述目标字幕的位置范围确定所述目标字幕语句的相对位置数据，包括：

如果所述目标字幕的位置范围为跨句，则先确定所述起始句和所述终止句的相对位置数据，再确定所述起始句和所述终止句之间的目标字幕语句的相对位置数据。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述基于所述文本起止位置确定所述目标字幕在所述字幕内容中的位置范围，包括：

如果所述文本起止位置中的起始字所在起始句和终止字所在终止句不同，并且所述起始句和所述终止句所在的字幕片段不同，则所述目标字幕的位置范围为跨段。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，基于所述目标字幕的位置范围确定所述目标字幕语句的相对位置数据，包括：

如果所述目标字幕的位置范围为跨段，则先确定所述起始字所在起始段和所述终止字所在终止段中包括的目标字幕语句的相对位置数据，再确定所述起始段和所述终止段之间的字幕片段中每个目标字幕语句的相对位置数据。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述基于目标字幕语句的相对位置数据对所述目标字幕进行渲染展示，包括：

基于所述目标字幕语句的相对位置数据确定所述目标字幕语句中目标字幕的待渲染目标，其中，所述待渲染目标包括所述起始字、所述终止字以及结构化词中的至少一个；

基于所述待渲染目标对所述目标字幕进行渲染展示。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述渲染展示的方式包括添加背景色、加粗展示和添加下划线中的至少一个。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述获取所述目标字幕的字幕交互内容，包括：

展示交互输入界面，其中，所述交互输入界面中包括至少一个交互组件；

基于所述交互组件获取所述目标字幕的字幕交互内容。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述交互组件包括评论组件和/或表情组件，所述字幕交互内容包括字幕评论和/或字幕表情。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，还包括：

在所述多媒体展示界面上关联所述目标字幕所在的字幕片段，展示所述字幕交互聚合标识，其中，每个包括字幕交互内容的字幕片段对应一个字幕交互聚合标识。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，还包括：

接收用户对所述字幕交互聚合标识的触发操作；

在字幕交互窗口中展示所述字幕交互聚合标识关联的字幕片段的字幕交互内容，其中，所述目标字幕的字幕交互内容展示在所述字幕交互窗口中。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，还包括：

在所述多媒体界面上所述多媒体的播放时间轴上，所述目标字幕对应时间戳的位置处展示字幕交互提示标识。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，还包括：

接收用户对所述字幕交互提示标识的触发操作；

在字幕交互窗口中展示所述目标字幕的字幕交互内容。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互方法中，所述接收用户对所述字幕交互提示标识的触发操作之后，还包括：

基于所述目标字幕的时间戳播放所述多媒体；

将所述多媒体的字幕内容跳转到所述目标字幕所在位置，并突出展示所述目标字幕以及所述目标字幕的字幕交互内容。

根据本公开的一个或多个实施例，本公开提供了一种多媒体的字幕交互装置，包括：

字幕交互触发模块，用于接收用户对多媒体展示界面上多媒体的字幕内容的交互输入触发操作，其中，所述多媒体展示界面上展示有所述多媒体以及所述字幕内容；

起止确定模块，用于确定所述交互输入触发操作对应的文本起止位置，所述文本起止位置包括起始字和终止字；

字幕交互内容模块，用于基于所述文本起止位置确定目标字幕，获取所述目标字幕的字幕交互内容。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述字幕内容通过对所述多媒体语音识别得到的文本进行结构化处理得到，所述结构化处理的结构单元包括以下至少一者：词、句和段。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述起止确定模块具体用于：

确定所述交互输入触发操作对应的选择标识起始位置和选择标识终止位置；

基于选择标识移动方向，将距离所述选择标识起始位置最近的字确定为所述起始字，以及将距离所述选择标识终止位置最近的字确定为所述终止字。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述选择标识包括光标。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述字幕交互内容模块303具体用于：

将所述文本起止位置中所述起始字和所述终止字之间的文本确定为所述目标字幕。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述装置还包括渲染模块，具体用于：基于所述文本起止位置确定目标字幕之后，

基于所述文本起止位置对所述目标字幕进行渲染展示。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述渲染模块包括：

相对位置单元，用于基于所述文本起止位置确定所述目标字幕所在目标字幕语句的相对位置数据；

展示单元，用于基于所述目标字幕语句的相对位置数据对所述目标字幕进行渲染展示。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述相对位置数据包括所述目标字幕在所述目标字幕语句中的文本长度和所述目标字幕相对于所述目标字幕语句起始点的文本距离。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述相对位置单元包括：

位置范围子单元，用于基于所述文本起止位置确定所述目标字幕在所述字幕内容中的位置范围；

数据确定子单元，用于基于所述目标字幕的位置范围确定所述目标字幕语句的相对位置数据。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述位置范围子单元具体用于：

如果所述文本起止位置中的起始字和终止字位于同一字幕语句，则所述目标字幕的位置范围在句内，所述目标字幕语句为所述目标字幕所在的字幕语句。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述位置范围子单元具体用于：

如果所述文本起止位置中的起始字所在起始句和终止字所在终止句不同，并且所述起始句和所述终止句位于同一字幕片段，则所述目标字幕的位置范围为跨句。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述数据确定子单元具体用于：

如果所述目标字幕的位置范围为跨句，则先确定所述起始句和所述终止句的相对位置数据，再确定所述起始句和所述终止句之间的目标字幕语句的相对位置数据。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述位置范围子单元具体用于：

如果所述文本起止位置中的起始字所在起始句和终止字所在终止句不同，并且所述起始句和所述终止句所在的字幕片段不同，则所述目标字幕的位置范围为跨段。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述数据确定子单元具体用于：

如果所述目标字幕的位置范围为跨段，则先确定所述起始字所在起始段和所述终止字所在终止段中包括的目标字幕语句的相对位置数据，再确定所述起始段和所述终止段之间的字幕片段中每个目标字幕语句的相对位置数据。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述展示单元具体用于：

基于所述目标字幕语句的相对位置数据确定所述目标字幕语句中目标字幕的待渲染目标，其中，所述待渲染目标包括所述起始字、所述终止字以及结构化词中的至少一个；

基于所述待渲染目标对所述目标字幕进行渲染展示。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述渲染展示的方式包括添加背景色、加粗展示和添加下划线中的至少一个。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述字幕交互内容模块具体用于：

展示交互输入界面，其中，所述交互输入界面中包括至少一个交互组件；

基于所述交互组件获取所述目标字幕的字幕交互内容。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述交互组件包括评论组件和/或表情组件，所述字幕交互内容包括字幕评论和/或字幕表情。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述装置还包括聚合标识模块，具体用于：

在所述多媒体展示界面上关联所述目标字幕所在字幕片段，展示所述字幕交互聚合标识，其中，每个包括字幕交互内容的字幕片段对应一个字幕交互聚合标识。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述装置还包括标识触发模块，具体用于：

接收用户对所述字幕交互聚合标识的触发操作；

在字幕交互窗口中展示所述字幕交互聚合标识关联的字幕片段的字幕交互内容，其中，所述目标字幕的字幕交互内容展示在所述字幕交互窗口中。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述装置还包括提示标识模块，具体用于：

在所述多媒体界面上所述多媒体的播放时间轴上，所述目标字幕对应时间戳的位置处展示字幕交互提示标识。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述装置还包括提示触发模块，具体用于：

接收用户对所述字幕交互提示标识的触发操作；

在字幕交互窗口中展示所述目标字幕的字幕交互内容。

根据本公开的一个或多个实施例，本公开提供的多媒体的字幕交互装置中，所述装置还包括关联互动模块，具体用于：接收用户对所述字幕交互提示标识的触发操作之后，

基于所述目标字幕的时间戳播放所述多媒体；

将所述多媒体的字幕内容跳转到所述目标字幕所在位置，并突出展示所述目标字幕以及所述目标字幕的字幕交互内容。

根据本公开的一个或多个实施例，本公开提供了一种电子设备，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现如本公开提供的任一所述的多媒体的字幕交互方法。

根据本公开的一个或多个实施例，本公开提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行如本公开提供的任一所述的多媒体的字幕交互方法。

以上描述仅为本公开的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，本公开中所涉及的公开范围，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公开构思的情况下，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。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (26)

1.一种多媒体的字幕交互方法，其特征在于，包括：

接收用户对多媒体展示界面上多媒体的字幕内容的交互输入触发操作，其中，所述多媒体展示界面上展示有所述多媒体以及所述字幕内容；

确定所述交互输入触发操作对应的文本起止位置，所述文本起止位置包括起始字和终止字；

基于所述文本起止位置确定目标字幕，获取所述目标字幕的字幕交互内容。

2.根据权利要求1所述的方法，其特征在于，所述字幕内容通过对所述多媒体语音识别得到的文本进行结构化处理得到，所述结构化处理的结构单元包括以下至少一者：词、句和段。

3.根据权利要求1所述的方法，其特征在于，所述确定所述交互输入触发操作对应的文本起止位置，包括：

确定所述交互输入触发操作对应的选择标识起始位置和选择标识终止位置；

基于选择标识移动方向，将距离所述选择标识起始位置最近的字确定为所述起始字，以及将距离所述选择标识终止位置最近的字确定为所述终止字。

4.根据权利要求3所述的方法，其特征在于，所述选择标识包括光标。

5.根据权利要求1所述的方法，其特征在于，所述基于所述文本起止位置确定目标字幕，包括：

将所述文本起止位置中所述起始字和所述终止字之间的文本确定为所述目标字幕。

6.根据权利要求1所述的方法，其特征在于，所述基于所述文本起止位置确定目标字幕之后，还包括：

基于所述文本起止位置对所述目标字幕进行渲染展示。

7.根据权利要求6所述的方法，其特征在于，所述基于所述文本起止位置对所述目标字幕进行渲染展示，包括：

基于所述文本起止位置确定所述目标字幕所在目标字幕语句的相对位置数据；

基于所述目标字幕语句的相对位置数据对所述目标字幕进行渲染展示。

8.根据权利要求7所述的方法，其特征在于，所述相对位置数据包括所述目标字幕在所述目标字幕语句中的文本长度和所述目标字幕相对于所述目标字幕语句起始点的文本距离。

9.根据权利要求7所述的方法，其特征在于，所述基于所述文本起止位置确定所述目标字幕所在目标字幕语句的相对位置数据，包括：

基于所述文本起止位置确定所述目标字幕在所述字幕内容中的位置范围；

基于所述目标字幕的位置范围确定所述目标字幕语句的相对位置数据。

10.根据权利要求9所述的方法，其特征在于，所述基于所述文本起止位置确定所述目标字幕在所述字幕内容中的位置范围，包括：

如果所述文本起止位置中的起始字和终止字位于同一字幕语句，则所述目标字幕的位置范围在句内，所述目标字幕语句为所述目标字幕所在的字幕语句。

11.根据权利要求9所述的方法，其特征在于，所述基于所述文本起止位置确定所述目标字幕在所述字幕内容中的位置范围，包括：

如果所述文本起止位置中的起始字所在起始句和终止字所在终止句不同，并且所述起始句和所述终止句位于同一字幕片段，则所述目标字幕的位置范围为跨句。

12.根据权利要求11所述的方法，其特征在于，基于所述目标字幕的位置范围确定所述目标字幕语句的相对位置数据，包括：

如果所述目标字幕的位置范围为跨句，则先确定所述起始句和所述终止句的相对位置数据，再确定所述起始句和所述终止句之间的目标字幕语句的相对位置数据。

13.根据权利要求9所述的方法，其特征在于，所述基于所述文本起止位置确定所述目标字幕在所述字幕内容中的位置范围，包括：

如果所述文本起止位置中的起始字所在起始句和终止字所在终止句不同，并且所述起始句和所述终止句所在的字幕片段不同，则所述目标字幕的位置范围为跨段。

14.根据权利要求13所述的方法，其特征在于，基于所述目标字幕的位置范围确定所述目标字幕语句的相对位置数据，包括：

如果所述目标字幕的位置范围为跨段，则先确定所述起始字所在起始段和所述终止字所在终止段中包括的目标字幕语句的相对位置数据，再确定所述起始段和所述终止段之间的字幕片段中每个目标字幕语句的相对位置数据。

15.根据权利要求6所述的方法，其特征在于，所述基于目标字幕语句的相对位置数据对所述目标字幕进行渲染展示，包括：

基于所述目标字幕语句的相对位置数据确定所述目标字幕语句中目标字幕的待渲染目标，其中，所述待渲染目标包括所述起始字、所述终止字以及结构化词中的至少一个；

基于所述待渲染目标对所述目标字幕进行渲染展示。

16.根据权利要求6所述的方法，其特征在于，所述渲染展示的方式包括添加背景色、加粗展示和添加下划线中的至少一个。

17.根据权利要求1所述的方法，其特征在于，所述获取所述目标字幕的字幕交互内容，包括：

展示交互输入界面，其中，所述交互输入界面中包括至少一个交互组件；

基于所述交互组件获取所述目标字幕的字幕交互内容。

18.根据权利要求17所述的方法，其特征在于，所述交互组件包括评论组件和/或表情组件，所述字幕交互内容包括字幕评论和/或字幕表情。

19.根据权利要求1所述的方法，其特征在于，还包括：

在所述多媒体展示界面上关联所述目标字幕所在的字幕片段，展示字幕交互聚合标识，其中，每个包括字幕交互内容的字幕片段对应一个字幕交互聚合标识。

20.根据权利要求19所述的方法，其特征在于，还包括：

接收用户对所述字幕交互聚合标识的触发操作；

在字幕交互窗口中展示所述字幕交互聚合标识关联的字幕片段的字幕交互内容，其中，所述目标字幕的字幕交互内容展示在所述字幕交互窗口中。

21.根据权利要求1所述的方法，其特征在于，还包括：

在所述多媒体界面上所述多媒体的播放时间轴上，所述目标字幕对应时间戳的位置处展示字幕交互提示标识。

22.根据权利要求21所述的方法，其特征在于，还包括：

接收用户对所述字幕交互提示标识的触发操作；

在字幕交互窗口中展示所述目标字幕的字幕交互内容。

23.根据权利要求22所述的方法，其特征在于，所述接收用户对所述字幕交互提示标识的触发操作之后，还包括：

基于所述目标字幕的时间戳播放所述多媒体；

将所述多媒体的字幕内容跳转到所述目标字幕所在位置，并突出展示所述目标字幕以及所述目标字幕的字幕交互内容。

24.一种多媒体的字幕交互装置，其特征在于，包括：

字幕交互触发模块，用于接收用户对多媒体展示界面上多媒体的字幕内容的交互输入触发操作，其中，所述多媒体展示界面上展示有所述多媒体以及所述字幕内容；

起止确定模块，用于确定所述交互输入触发操作对应的文本起止位置，所述文本起止位置包括起始字和终止字；

字幕交互内容模块，用于基于所述文本起止位置确定目标字幕，获取所述目标字幕的字幕交互内容。

25.一种电子设备，其特征在于，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-23中任一所述的多媒体的字幕交互方法。

26.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-23中任一所述的多媒体的字幕交互方法。

Images