CN112397104A - 音频与文本的同步方法、装置、可读介质和电子设备 - Google Patents

音频与文本的同步方法、装置、可读介质和电子设备 Download PDF

Info

Publication number
CN112397104A
CN112397104A CN202011355859.6A CN202011355859A CN112397104A CN 112397104 A CN112397104 A CN 112397104A CN 202011355859 A CN202011355859 A CN 202011355859A CN 112397104 A CN112397104 A CN 112397104A
Authority
CN
China
Prior art keywords
page
text
audio
playing
identifier
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
Application number
CN202011355859.6A
Other languages
English (en)
Other versions
CN112397104B (zh
Inventor
张玮维
陈冬禹
杨华鹏
郑佳锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202011355859.6A priority Critical patent/CN112397104B/zh
Publication of CN112397104A publication Critical patent/CN112397104A/zh
Priority to US17/928,573 priority patent/US20230229382A1/en
Priority to PCT/CN2021/127303 priority patent/WO2022111206A1/zh
Priority to JP2022571224A priority patent/JP7548678B2/ja
Application granted granted Critical
Publication of CN112397104B publication Critical patent/CN112397104B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
    • G11B27/11—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information not detectable on the record carrier
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/44—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • User Interface Of Digital Computer (AREA)
  • Management Or Editing Of Information On Record Carriers (AREA)
  • Signal Processing For Digital Recording And Reproducing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本公开涉及一种音频与文本的同步方法、装置、可读介质和电子设备，涉及电子信息技术领域，该方法包括：响应于展示界面上显示的第一页面更新为第二页面，确定第二页面是否包括多媒体内容，其中，在显示第一页面的同时播放第一页面中文本对应的音频，若第二页面包括多媒体内容且多媒体内容处于静音播放状态，控制音频继续播放，确定多媒体内容停止播放时音频的第一播放标识，根据第一播放标识确定对应的目标文本，在展示界面上将第二页面更新为第三页面，第三页面包括目标文本。本公开通过识别翻页后展示的第二页面内包括的多媒体内容，对音频的播放和展示界面上展示的内容进行控制，能够在多媒体内容正常展示的基础上，使音频与文本保持同步。

Description

音频与文本的同步方法、装置、可读介质和电子设备
技术领域
本公开涉及电子信息技术领域，具体地，涉及一种音频与文本的同步方法、装置、可读介质和电子设备。
背景技术
在电子信息技术领域中，随着智能终端在日常生活中越来越普及，用户可以通过智能终端上的阅读软件随时随地进行阅读。然而，在很多使用场景中，单纯通过阅读已经无法满足用户的需求，在用户阅读小说的过程中，可以添加该小说对应的音频进行同步播放，使得用户可以边读边听，从视觉和听觉两个维度来获取小说信息，提高了用户的阅读体验。由于小说中经常会插入一些多媒体内容(例如：推广内容、调查问卷等)，这些多媒体内容会对音频与小说之间的同步造成干扰。
发明内容
提供该发明内容部分以便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。该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。
第一方面，本公开提供一种音频与文本的同步方法，所述方法包括：
响应于展示界面上显示的第一页面更新为第二页面，确定所述第二页面是否包括多媒体内容；其中，在显示所述第一页面的同时播放所述第一页面中文本对应的音频；
若所述第二页面包括所述多媒体内容且所述多媒体内容处于静音播放状态，控制所述音频继续播放；
确定所述多媒体内容停止播放时所述音频的第一播放标识，根据所述第一播放标识确定对应的目标文本；
在所述展示界面上将所述第二页面更新为第三页面，所述第三页面包括所述目标文本。
第二方面，本公开提供一种音频与文本的同步装置，所述装置包括：
第一确定模块，用于响应于展示界面上显示的第一页面更新为第二页面，确定所述第二页面是否包括多媒体内容；其中，在显示所述第一页面的同时播放所述第一页面中文本对应的音频；
控制模块，用于若所述第二页面包括所述多媒体内容且所述多媒体内容处于静音播放状态，控制所述音频继续播放；
第二确定模块，用于确定所述多媒体内容停止播放时所述音频的第一播放标识，根据所述第一播放标识确定对应的目标文本；
更新模块，还用于在所述展示界面上将所述第二页面更新为第三页面，所述第三页面包括所述目标文本。
第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
通过上述技术方案，本公开在将展示界面上显示的第一页面更新为第二页面的场景中，首先确定第二页面是否包括多媒体内容，其中，在展示界面显示第一页面的同时，还播放有第一页面中文本对应的音频。之后，如果第二页面包括多媒体内容，并且多媒体内容是静音播放状态，那么可以控制音频继续播放，再确定多媒体内容停止播放时，音频的第一播放标识，从而根据第一播放标识确定对应的目标文本，最后在展示界面上将第二页面更新为包括了目标文本的第三页面。本公开通过识别翻页后展示的第二页面内包括的多媒体内容，对音频的播放和展示界面上展示的内容进行控制，能够在多媒体内容正常展示的基础上，使音频与文本保持同步。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
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。在附图中：
图1是根据一示例性实施例示出的一种音频与文本的同步方法的流程图；
图2是根据一示例性实施例示出的展示界面的示意图；
图3是根据一示例性实施例示出的另一种音频与文本的同步方法的流程图；
图4是根据一示例性实施例示出的另一种音频与文本的同步方法的流程图；
图5是根据一示例性实施例示出的另一种音频与文本的同步方法的流程图；
图6是根据一示例性实施例示出的另一种音频与文本的同步方法的流程图；
图7是根据一示例性实施例示出的另一种音频与文本的同步方法的流程图；
图8是根据一示例性实施例示出的另一种音频与文本的同步方法的流程图；
图9是根据一示例性实施例示出的展示界面的示意图；
图10是根据一示例性实施例示出的一种音频与文本的同步装置的框图；
图11是根据一示例性实施例示出的另一种音频与文本的同步装置的框图；
图12是根据一示例性实施例示出的另一种音频与文本的同步装置的框图；
图13是根据一示例性实施例示出的另一种音频与文本的同步装置的框图；
图14是根据一示例性实施例示出的一种电子设备的框图。
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。
图1是根据一示例性实施例示出的一种音频与文本的同步方法的流程图，如图1所示，该方法可以包括以下步骤：
步骤101，响应于展示界面上显示的第一页面更新为第二页面，确定第二页面是否包括多媒体内容。其中，在显示第一页面的同时播放第一页面中文本对应的音频。
举例来说，用户可以通过终端设备上安装的阅读软件来阅读文件，文件中可以包括文本，还可以包括多媒体内容，多媒体内容例如可以是图片、视频、音频等格式，也可以是图片、视频、音频等格式的组合。阅读软件可以将文件中的内容展示在终端设备的展示界面(例如：显示屏)上，同时还可以通过终端设备的播放设备(例如：扬声器)播放文件中包括的文本对应的音频。可以理解为，阅读软件中包括了阅读器和播放器两部分，阅读器用于控制展示界面上展示的内容，播放器用于控制播放设备播放音频。展示界面在某个时刻展示的内容可以理解为一个页面，该页面中可以包括文本，也可以包括多媒体内容。其中，用户阅读的文件可以是一部电子书(例如小说)，也可以是其他类型的文件，例如新闻、公众号文章、博客等。文件可以是任意格式，例如.txt、.chm(英文：Compiled HTML Help file)、.pdf(英文：Portable Document Format)、.epub(英文：Electronic Publication)、.mobi等格式，本公开对此不作具体限定。文件中包括的文本，例如可以是小说中的一个或多个章节，也可以是一个或多个段落，还可以是一个或多个语句。相应的，文件中包括的文本对应的音频例如可以是通过TTS(英文：Text To Speech，中文：从文本到语音)服务对文本进行转换得到的音频文件，也可以是根据文本录制的音频文件。音频可以是任意格式的文件，例如MP3、.WAV、.WMA(英文：Windows Media Audio)、.AMR(英文：Adaptive Multi-Rate)等格式的文件，本公开对此不作具体限定。
在展示界面上展示第一页面时，还可以播放第一页面中文本对应的音频，以便用户可以边读边听。若音频的播放标识指示需要翻页，或者用户触发了翻页指令时，可以将展示界面上显示的第一页面更新为第二页面(即执行翻页操作)。第二页面中包括的内容，可以是用户阅读的文件中，与第一页面包括的文本相邻，且位于第一页面包括的文本之后的内容，也可以是阅读软件在第一页面之后插入的内容。第二页面中包括的内容可以是文本，也可以是多媒体内容。
其中，可以将多媒体内容理解为不属于用户预期阅读的内容，例如可以是：推广内容、调查问卷、打赏内容、评论内容等，会对音频与文本的同步造成干扰。因此，可以针对翻页操作(即将第一页面更新为第二页面)，对第二页面是否包括多媒体内容进行判断。例如，展示界面展示的第一页面如图2中的(a)所示，当第一页面中文本对应的音频播放到“谢谢你！”时，将展示界面上显示的第一页面更新为第二页面，第二页面如图2中的(b)所示，第二页面中包括打赏内容(即多媒体内容)。
步骤102，若第二页面包括多媒体内容且多媒体内容处于静音播放状态，控制音频继续播放。
示例的，如果判断第二页面不包括多媒体内容(即第二页面包括的是文本)，那么可以控制音频继续播放，此时音频与第二页面包括的文本保持同步。如果判断第二页面包括多媒体内容，那么可以进一步判断多媒体内容的播放状态，并根据多媒体内容的播放状态来控制音频的播放。播放状态可以分为静音播放状态和有声播放状态。若多媒体内容的播放状态为有声播放状态，那么可以控制音频暂停播放，以使用户可以听到多媒体内容中的声音，并在多媒体内容播放完成之后，再继续播放音频。若多媒体内容的播放状态为静音播放状态，那么可以控制音频继续播放，这样不影响用户通过音频获取信息。其中，多媒体内容的播放状态为静音播放状态可以分为两种场景，场景一，多媒体内容本身不包括声音(例如多媒体内容为评论内容)，场景二，多媒体内容包括声音，根据阅读软件中的设置，不播放多媒体内容包括的声音。
步骤103，确定多媒体内容停止播放时音频的第一播放标识。
步骤104，根据第一播放标识确定对应的目标文本。
示例的，在多媒体内容播放的过程中，音频继续播放，此时展示界面上并没有展示音频对应的文本，音频和文本没有同步。因此，在多媒体内容停止播放时，可以获取音频此时的第一播放标识，以确定对应的目标文本。第一播放标识可以理解为音频此时播放到的一个或多个音频帧，也可以理解为音频此时的播放进度，还可以理解为在多个音频文件中，播放的是哪一个音频文件。其中，多媒体内容停止播放，可以理解为多媒体内容播放完毕，或者多媒体内容展示了预设的时长(例如30s)，还可以是用户进行了预设的操作关闭了多媒体内容。
之后，可以根据第一播放标识，和预先建立的音频的播放标识和文本之间的映射关系，来确定第一播放标识对应的目标文本。具体的，可以预先建立音频的播放标识和文本之间的映射关系，映射关系中存储有多个映射记录，每个映射记录中包括文本与播放标识的对应关系。然后在映射关系中，找到第一播放标识匹配的映射记录，从而根据该映射记录确定目标文本。目标文本可以理解为，用户阅读的文件中，与第一播放标识匹配的文本，即音频播放到第一播放标识指示的音频帧包括的声音内容，与目标文本包括的文字内容对应。
步骤105，在展示界面上将第二页面更新为第三页面，第三页面包括目标文本。
示例的，在确定目标文本之后，可以将展示界面上显示的第二页面，更新为包括目标文本的第三页面，由于在上述过程中音频一直在播放，因此音频播放到第一播放标识指示的音频帧时，展示界面上显示了第一播放标识对应的目标文本，使得音频和目标文本保持了同步。这样，用户在浏览多媒体内容之后，音频仍然能够和展示界面上显示的第三页面保持同步，使得用户可以继续边读边听，提高了用户的阅读体验。
综上所述，本公开在将展示界面上显示的第一页面更新为第二页面的场景中，首先确定第二页面是否包括多媒体内容，其中，在展示界面显示第一页面的同时，还播放有第一页面中文本对应的音频。之后，如果第二页面包括多媒体内容，并且多媒体内容是静音播放状态，那么可以控制音频继续播放，再确定多媒体内容停止播放时，音频的第一播放标识，从而根据第一播放标识确定对应的目标文本，最后在展示界面上将第二页面更新为包括了目标文本的第三页面。本公开通过识别翻页后展示的第二页面内包括的多媒体内容，对音频的播放和展示界面上展示的内容进行控制，能够在多媒体内容正常展示的基础上，使音频与文本保持同步。
图3是根据一示例性实施例示出的另一种音频与文本的同步方法的流程图，如图3所示，第一播放标识包括播放时间标识，步骤104可以包括：
步骤1041，在预设的第一映射关系中，确定与播放时间标识匹配的第一映射记录。其中，第一映射关系中包括至少一个映射记录，映射记录包括文本与音频播放时间范围的对应关系，播放时间标识属于第一映射记录中的播放时间范围。
步骤1042，根据第一映射记录确定目标文本。
在一种场景中，第一播放标识可以包括播放时间标识，播放时间标识用于指示音频播放到了哪个音频帧，或者播放到了哪个时刻。相应的，要确定第一播放标识对应的目标文本，那么可以先获取音频播放时间范围与文本对应的第一映射关系，第一映射关系中存储有多个映射记录，每个映射记录中包括文本与音频播放时间范围的对应关系。
其中，文本可以是用户阅读的文件中的一个或多个语句，或者可以是一个或多个段落，再或者一个或多个章节。文本例如可以用语句标识来表示，也可以用段落标识来表示，还可以用章节标识来表示。相应的，播放时间范围用于指示相应的文本对应音频的起止时刻，例如可以为帧序号范围，也可以为时间范围。例如，一个映射记录中包括的播放时间范围为5s-20s，对应的文本的语句标识为0x57AD，那么该映射记录表示音频在播放到第5s至第20s时，对应的是语句标识为0x57AD的文本。或者，另一个映射记录中包括的播放时间范围为35帧-80帧，对应的文本的段落标识为0106，那么该映射记录表示音频在播放到第35帧至第80帧时，对应的是段落标识为0106的文本。之后，在第一映射关系中查找第一映射记录，播放时间标识属于第一映射记录中的播放时间范围。从而将第一映射记录中的文本作为目标文本。
需要说明的是，第一映射关系可以是预先建立并存储在服务器中的，当终端设备播放音频时，可以从服务器获取第一映射关系。第一映射关系可以是在利用TTS服务对文本进行转换得到音频时得到的，也可以根据音频中每个音频帧包括的声音内容，和文本中的文字内容的对应关系得到的。
图4是根据一示例性实施例示出的另一种音频与文本的同步方法的流程图，如图4所示，音频包括至少一个音频文件，第一播放标识包括播放时间标识和音频标识，相应的，步骤104可以包括：
步骤1043，在预设的第二映射关系中，确定与音频标识匹配的第二映射记录，第二映射关系中包括至少一个映射记录，映射记录包括音频文件与分段文本的对应关系，音频标识所指示的目标音频文件为第二映射记录中的音频文件。
步骤1044，根据第二映射记录确定目标分段文本。
在另一种场景中，音频可以包括至少一个音频文件，相应的，第一播放标识可以包括播放时间标识和音频标识，播放时间标识用于指示音频播放到了哪个音频帧，或者播放到了哪个时刻。音频标识用于指示当前播放的是至少一个音频文件中的哪个音频文件。
要确定第一播放标识对应的目标文本，可以先获取音频文件与分段文本对应的第二映射关系，第二映射关系中存储有多个映射记录，每个映射记录中包括分段文本与音频文件的对应关系。其中，分段文本可以理解为用户阅读的文件中的一个或多个章节(相应的，文本可以理解为章节中的段落，或者语句)，也可以理解为一个或多个段落(相应的，文本可以理解为章节中的语句)。分段文本可以用章节标识来表示，也可以用段落标识来表示。例如，一个映射记录中包括的音频文件的音频标识为a1，对应的分段文本的章节标识为0x1005，那么该映射记录表示在播放音频文件a1时，对应的是章节标识为0x1005的分段文本。再比如，一个映射记录中包括的音频文件的音频标识为b1，对应的分段文本的段落标识为0xAA00，那么该映射记录表示在播放音频文件b1时，对应的是段落标识为0xAA00的分段文本。之后，可以在第二映射关系中查找第二映射记录，第二映射记录中的音频文件，与第一播放标识包括的音频标识指示的目标音频文件相同。从而将第二映射记录中的分段文本作为目标分段文本。
步骤1045，在预设的第三映射关系中，确定与播放时间标识匹配的第三映射记录，第三映射关系包括至少一个映射记录，映射记录包括目标分段文本中文本与目标音频文件播放时间范围的对应关系，播放时间标识属于第三映射记录中的播放时间范围。
步骤1046，根据第三映射记录确定目标分段文本中的目标文本。
示例的，在确定目标分段文本之后，可以获取目标分段文本中文本与目标音频文件播放时间范围对应的第三映射关系，第三映射关系中存储有多个映射记录，每个映射记录中包括目标分段文本中文本与目标音频文件播放时间范围的对应关系。
若目标文段文本为用户阅读的文件中的一个章节，那么文本可以是目标分段文本中的一个段落，若目标文段文本为用户阅读的文件中的一个段落，那么文本可以是目标分段文本中的一个语句。相应的，播放时间范围用于指示相应的文本对应音频的起止时刻，例如可以为帧序号范围，也可以为时间范围。例如，一个映射记录中包括的目标音频文件播放时间范围为100s-250s，对应的目标分段文本中文本的语句标识为0x281D，那么该映射记录表示音频在播放到目标音频文件的第100s至第250s时，对应的是目标分段文本语句标识为0x281D的文本。之后，在第三映射关系中查找第三映射记录，第一播放标识中包括的播放时间标识属于第三映射记录中的播放时间范围。从而将第三映射记录中的文本作为目标文本。
需要说明的是，第二映射关系、第三映射关系均可以是预先建立并存储在服务器中的，当终端设备播放音频时，可以从服务器获取第二映射关系、第三映射关系。第二映射关系、第三映射关系可以是在利用TTS服务对文本进行转换得到音频时得到的，也可以根据音频中每个音频帧包括的声音内容，和文本中的文字内容的对应关系得到的。
图5是根据一示例性实施例示出的另一种音频与文本的同步方法的流程图，如图5所示，该方法还可以包括：
步骤106，根据展示界面上展示第一页面时音频的第二播放标识，确定第二播放标识对应的第一文本。
步骤107，确定第一文本中末尾预设数量个元素是否展示在展示界面的目标区域内。
举例来说，在展示界面上展示第一页面时，同时播放有第一页面中文本对应的音频，以便用户可以边读边听。可以根据音频当前的第二播放标识，确定第二播放标识对应的第一文本。确定第一文本的方式与图3、图4中所示的确定目标文本的方式相同，此处不再赘述。之后，可以确定第一文本是否完整地展示在展示界面的目标区域内。在展示界面展示文本时，往往出现跨页的现象，也就是说文本无法在展示界面的目标区域内一次性完全展示，这样根据音频的第二播放标识确定对应的文本，很难准确地翻页，导致音频和文本难以保持同步。因此需要判断当前时刻第一文本是否完整地展示在展示界面的目标区域内。第一文本可以包括一个或多个元素，元素可以理解为组成第一文本的最小单位，若第一文本为语句或者段落，那么元素可以为一个字(或者一个单词)。其中，目标区域例如可以是展示界面内最后一个文本所在的区域，或者可以是预先指定的区域(例如：展示界面的中部区域，上部区域、下部区域等)。
第一文本完整地展示在目标区域内，表示当前时刻，组成第一文本的所有元素都展示在目标区域内。第一文本没有完整地展示在目标区域内，可以分为三种场景：场景一，第一文本中的开头的预设数量个元素没有展示在目标区域内。场景二，第一文本中的末尾的预设数量个元素没有展示在目标区域内。场景三，第一文本中的开头的预设数量个元素、末尾的预设数量个元素均没有展示在目标区域内。其中，预设数量例如可以是1或者2，还可以是其他数值，本公开对此不作具体限定。为了音频和文本能够保持同步，需要在场景二和场景三中，确定合适的时刻执行翻页操作。因此，可以判断第一文本中末尾的预设数量个元素是否展示在目标区域内。
步骤108，若第一文本中末尾预设数量个元素未展示在目标区域内，确定第一文本中展示在目标区域内的元素，与第一文本包括的元素的目标比例。
步骤109，根据第二播放标识和目标比例，确定是否将第一页面更新为第二页面。
示例的，如果第一文本中末尾的预设数量个元素未展示在目标区域内，那么表示第一文本没有完整地展示在目标区域内，此时可以确定第一文本中展示在目标区域内的元素，与第一文本包括的元素的比值，即目标比例。目标比例可以理解为目标区域内展示的元素的数量，占组成第一文本的所有元素总数量的比例，也可以理解为目标区域内展示的元素所占的面积，占第一文本的所有元素总面积的比例，还可以理解为目标区域内展示的元素的字节数，占第一文本的所有元素总字节数的比例。例如，第一文本为“这是一篇样例文本”这个语句，第一文本中只有“这是一篇样”展示在了目标区域内，即第一文本的最后三个元素“例文本”未展示在目标区域内。此时，第一文本中展示在目标区域内的元素的数量，占第一文本的所有元素总数量的目标比例，即为5/8。最后，可以根据第二播放标识和目标比例，确定是否将第一页面更新为第二页面。
具体的，可以认为音频中播放每个元素对应的声音时速度是相同的，那么可以根据第二播放标识确定音频播放到了第一文本的哪个元素，如果根据第二播放标识确定音频播放到的元素，对应第一文本展示在目标区域内的最后一个元素，那么可以将第一页面更新为第二页面，如果根据第二播放标识确定音频播放到的元素，不对应第一文本展示在目标区域内最后一个元素，那么可以不将第一页面更新为第二页面，继续播放音频。
图6是根据一示例性实施例示出的另一种音频与文本的同步方法的流程图，如图6所示，该方法还可以包括：
步骤110，确定展示界面内是否展示有第一文本中的元素。
相应的，步骤107可以为：
若展示界面内展示有第一文本中的任一个元素，确定第一文本中末尾预设数量个元素是否展示在目标区域内。
在一种实现场景中，在确定第一文本之后，还可以判断第一页面中是否包括第一文本。也就是说，判断第一页面和音频是否同步。由于用户在阅读时，可能会手动翻页，导致音频和展示界面上展示的页面不同步。例如，音频当前的播放标识对应语句标识为0x330的文本，第一页面包括语句标识为0x330的文本，之后用户手动向前翻页两次，那么展示界面上展示的页面中将不包括语句标识为0x330的文本，展示界面上展示的页面和音频不再同步。
具体的，可以先确定展示界面内是否展示有第一文本中的任一个元素。如果第一文本中没有一个元素展示在展示界面内，那么表示此时音频与文本不同步，此时可以控制音频继续播放，并在展示界面上继续展示原有的页面(即不执行翻页操作)。如果第一文本中存在一个或多个元素展示在展示界面内，那么表示此时音频与文本同步，可以进一步再确定第第一文本中末尾预设数量个个元素是否展示在目标区域内。
图7是根据一示例性实施例示出的另一种音频与文本的同步方法的流程图，如图7所示，该方法还可以包括以下步骤：
步骤111，若第二页面包括多媒体内容且多媒体内容未处于播放状态，控制多媒体内容在展示界面上播放预设时长。
在一种应用场景中，第二页面包括多媒体内容，并且多媒体内容未处于播放状态，那么可以控制多媒体内容在展示界面上播放预设时长(例如可以是3s)。在预设时长之后，可以停止播放多媒体内容。
在另一种应用场景中，第二页面包括多媒体内容，并且多媒体内容未处于播放状态，可以判断是否接收到针对多媒体内容的触发指令。触发指令可以理解为用户查看多媒体内容后，点击多媒体内容发出的指令。例如，多媒体内容为推广内容，用户对该推广内容感兴趣，想进一步了解，那么可以点击该推广内容。在接收到触发指令后，可以根据多媒体内容中包括的跳转链接获取对应的多媒体文件，并控制多媒体文件在展示界面展示上预设时长。其中，多媒体文件可以是文本文件、图片文件、视频文件、音频文件等，也可以是上述多种文件的组合。跳转链接可以理解为能够获取多媒体文件的地址，例如可以是URL(英文：Uniform Resource Locator，中文：统一资源定位器)地址。
图8是根据一示例性实施例示出的另一种音频与文本的同步方法的流程图，如图8所示，该方法还可以包括：
步骤112，若第二页面包括多媒体内容且接收到翻页指令，在展示界面上将第二页面更新为第四页面，第四页面包括翻页指令指示的第二文本。
在又一种应用场景中，如果第二页面包括多媒体内容，并且接收到了翻页指令，那么可以停止在展示界面上播放多媒体内容，并将第二页面更新为包括翻页指令指示的第二文本的第四页面。例如，第二页面包括的多媒体内容为评论内容，用户对该评论内容不感兴趣，点击了展示界面上的“翻页”按钮发出翻页指令，那么可以停止播放评论内容，并将第二页面更新为第四页面。第二文本例如可以是用户阅读的文件中，与第一页面包括的文本相邻，且位于第一页面包括的文本之后的文本。
进一步的，还可以根据多媒体内容的展示属性，确定是否对翻页指令做出相响应。展示属性用于指示多媒体内容是否为强制展示。例如，若多媒体内容的展示属性为强制展示，那么在预设的强制展示时长(例如5s)内，用户点击展示界面上的“翻页”按钮发出翻页指令，终端设备不会对翻页指令做出响应，即不会将第二页面更新为第四页面。若多媒体内容的展示属性不为强制展示，那么用户点击展示界面上的“翻页”按钮发出翻页指令，终端设备对翻页指令做出响应，即将第二页面更新为第四页面。
需要说明的是，上述实施例中的翻页操作(即将第一页面更新为第二页面、将第二页面更新为第三页面、将第二页面更新为第四页面等)可以包括：横向翻页操作，或者滚动翻页操作。
相应的，若翻页操作为横向翻页操作，步骤105的实现方式可以为：
在展示界面上按照预设翻页效果，将第二页面替换为第三页面，预设翻页效果包括：翻页动画、覆盖动画、平移动画中的任一种。
若翻页操作为滚动翻页操作，步骤105的实现方式可以为：
在展示界面上按照预设速度，从第二页面滚动至第三页面。
示例的，如果翻页操作为横向翻页操作，那么每次执行翻页操作，可以理解为将展示界面上，由当前的内容切换为下一个要展示的页面，在切换的过程中，可以增加各种预设翻页效果，例如：翻页动画、覆盖动画、平移动画等。其中，翻页动画可以理解为能够展示纸张实际翻页效果的动画，覆盖动画可以理解为能够展示一页纸张覆盖在另一页纸张上的效果的动画，平移动画可以理解为能够展示一页纸张从另一页纸张上移开的效果的动画。预设翻页效果还可以是其他动画，本公开对此不作具体限定。相应的，在步骤105中，可以在展示界面上按照预设翻页效果，将第二页面替换为第三页面，也就是可以在将第二页面切换至第三页面的过程中，加入预设翻页效果。
如果翻页操作为滚动翻页操作，那么每次执行翻页操作，可以理解为将展示界面上，由当前的内容逐渐滚动，滚动到下一个要展示的页面，在滚动的过程中，可以按照预设速度(例如：3行/秒)向下滚动一定时长(例如：5s)，也可以按照预设速度向下滚动至指定位置。相应的，在步骤105中，可以在展示界面上按照预设速度，从第二页面滚动至第三页面，也就是按照预设速度执行滚动翻页操作，直至展示界面能够完整展示第三页面为止。
上述实施例中在显示第一页面的同时播放第一页面中文本对应的音频的实现方式，可以包括：
步骤1)根据展示界面上展示第一页面时音频的第三播放标识，确定第三播放标识对应的第三文本。
步骤2)在展示界面上按照预设显示模式标注第三文本，预设显示模式包括：高亮显示、下划线显示、加粗显示中的至少一种。
举例来说，在展示界面上展示第一页面时，同时播放有第一页面中文本对应的音频，以便用户可以边读边听。可以根据音频当前的第三播放标识，确定第三播放标识对应的第三文本。确定第三文本的方式与图3、图4中所示的确定目标文本的方式相同，此处不再赘述。为了使用户能够直观查看第三播放标识对应在第三文本，可以将第三文本按照预设显示模式进行标注。其中，预设显示模式包括：高亮显示、下划线显示、加粗显示中的至少一种。例如，展示界面展示的第一页面中，第三文本为“这是一篇样例文本”，可以按照高亮显示对第三文本进行标注，效果如图9所示。
综上所述，本公开在将展示界面上显示的第一页面更新为第二页面的场景中，首先确定第二页面是否包括多媒体内容，其中，在展示界面显示第一页面的同时，还播放有第一页面中文本对应的音频。之后，如果第二页面包括多媒体内容，并且多媒体内容是静音播放状态，那么可以控制音频继续播放，再确定多媒体内容停止播放时，音频的第一播放标识，从而根据第一播放标识确定对应的目标文本，最后在展示界面上将第二页面更新为包括了目标文本的第三页面。本公开通过识别翻页后展示的第二页面内包括的多媒体内容，对音频的播放和展示界面上展示的内容进行控制，能够在多媒体内容正常展示的基础上，使音频与文本保持同步。
图10是根据一示例性实施例示出的一种音频与文本的同步装置的框图，如图10所示，该装置200包括：
第一确定模块201，用于响应于展示界面上显示的第一页面更新为第二页面，确定第二页面是否包括多媒体内容。其中，在显示第一页面的同时播放第一页面中文本对应的音频。
控制模块202，用于若第二页面包括多媒体内容且多媒体内容处于静音播放状态，控制音频继续播放。
第二确定模块203，用于确定多媒体内容停止播放时音频的第一播放标识，根据第一播放标识确定对应的目标文本。
更新模块204，还用于在展示界面上将第二页面更新为第三页面，第三页面包括目标文本。
在一种应用场景中，第一播放标识包括播放时间标识，第二确定模块203可以用于执行以下步骤：
步骤1)在预设的第一映射关系中，确定与播放时间标识匹配的第一映射记录。其中，第一映射关系中包括至少一个映射记录，映射记录包括文本与音频播放时间范围的对应关系，播放时间标识属于第一映射记录中的播放时间范围。
步骤2)根据第一映射记录确定目标文本。
在另一种应用场景中，音频包括至少一个音频文件，第一播放标识包括播放时间标识和音频标识，第二确定模块203可以用于执行以下步骤：
步骤3)在预设的第二映射关系中，确定与音频标识匹配的第二映射记录，第二映射关系中包括至少一个映射记录，映射记录包括音频文件与分段文本的对应关系，音频标识所指示的目标音频文件为第二映射记录中的音频文件。
步骤4)根据第二映射记录确定目标章节。
步骤5)在预设的第三映射关系中，确定与播放时间标识匹配的第三映射记录，第三映射关系包括至少一个映射记录，映射记录包括目标分段文本中文本与目标音频文件播放时间范围的对应关系，播放时间标识属于第三映射记录中的播放时间范围。
步骤6)根据第三映射记录确定分段文本中的目标文本。
图11是根据一示例性实施例示出的另一种音频与文本的同步装置的框图，如图11所示，该装置200还包括：
第三确定模块205，用于根据展示界面上展示第一页面时音频的第二播放标识，确定第二播放标识对应的第一文本。确定第一文本中末尾预设数量个元素是否展示在展示界面的目标区域内。
第四确定模块206，用于若第一文本中末尾预设数量个元素未展示在目标区域内，确定第一文本中展示在目标区域内的元素，与第一文本包括的元素的目标比例。根据第二播放标识和目标比例，确定是否将第一页面更新为第二页面。
在一种应用场景中，第三确定模块205用于：
确定展示界面内是否展示有第一文本中的元素。若展示界面内展示有第一文本中的任一个元素，确定第一文本中末尾预设数量个元素是否展示在目标区域内。
在另一种应用场景中，控制模块202还可以用于：
若第二页面包括多媒体内容且多媒体内容未处于播放状态，控制多媒体内容在展示界面上播放预设时长。
在又一种应用场景中，控制模块202还可以用于：
若第二页面包括多媒体内容且接收到翻页指令，在展示界面上将第二页面更新为第四页面，第四页面包括翻页指令指示的第二文本。
图12是根据一示例性实施例示出的另一种音频与文本的同步装置的框图，如图12所示，更新模块204可以包括：
第一更新子模块2041，用于在展示界面上按照预设翻页效果，将第二页面替换为第三页面，预设翻页效果包括：翻页动画、覆盖动画、平移动画中的任一种。
第二更新子模块2042，用于在展示界面上按照预设速度，从第二页面滚动至第三页面。
图13是根据一示例性实施例示出的另一种音频与文本的同步装置的框图，如图13所示，该装置200还可以包括：
标注模块207，用于根据展示界面上展示第一页面时音频的第三播放标识，确定第三播放标识对应的第三文本。在展示界面上按照预设显示模式标注第三文本，预设显示模式包括：高亮显示、下划线显示、加粗显示中的至少一种。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
综上所述，本公开在将展示界面上显示的第一页面更新为第二页面的场景中，首先确定第二页面是否包括多媒体内容，其中，在展示界面显示第一页面的同时，还播放有第一页面中文本对应的音频。之后，如果第二页面包括多媒体内容，并且多媒体内容是静音播放状态，那么可以控制音频继续播放，再确定多媒体内容停止播放时，音频的第一播放标识，从而根据第一播放标识确定对应的目标文本，最后在展示界面上将第二页面更新为包括了目标文本的第三页面。本公开通过识别翻页后展示的第二页面内包括的多媒体内容，对音频的播放和展示界面上展示的内容进行控制，能够在多媒体内容正常展示的基础上，使音频与文本保持同步。
下面参考图14，其示出了适于用来实现本公开实施例的电子设备(例如上述音频与文本的同步方法的执行主体)300的结构示意图。本公开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14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14所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：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306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图14示出了具有各种装置的电子设备300，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309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的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，终端设备、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：响应于展示界面上显示的第一页面更新为第二页面，确定所述第二页面是否包括多媒体内容；其中，在显示所述第一页面的同时播放所述第一页面中文本对应的音频；若所述第二页面包括所述多媒体内容且所述多媒体内容处于静音播放状态，控制所述音频继续播放；确定所述多媒体内容停止播放时所述音频的第一播放标识，根据所述第一播放标识确定对应的目标文本；在所述展示界面上将所述第二页面更新为第三页面，所述第三页面包括所述目标文本。
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模块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，模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一确定模块还可以被描述为“确定页面是否包括多媒体内容的模块”。
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，示例1提供了一种音频与文本的同步方法，包括：响应于展示界面上显示的第一页面更新为第二页面，确定所述第二页面是否包括多媒体内容；其中，在显示所述第一页面的同时播放所述第一页面中文本对应的音频；若所述第二页面包括所述多媒体内容且所述多媒体内容处于静音播放状态，控制所述音频继续播放；确定所述多媒体内容停止播放时所述音频的第一播放标识，根据所述第一播放标识确定对应的目标文本；在所述展示界面上将所述第二页面更新为第三页面，所述第三页面包括所述目标文本。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述第一播放标识包括播放时间标识，所述根据所述第一播放标识确定对应的目标文本，包括：在预设的第一映射关系中，确定与所述播放时间标识匹配的第一映射记录；其中，所述第一映射关系中包括至少一个映射记录，所述映射记录包括文本与音频播放时间范围的对应关系，所述播放时间标识属于所述第一映射记录中的播放时间范围；根据所述第一映射记录确定所述目标文本。
根据本公开的一个或多个实施例，示例3提供了示例1的方法，所述音频包括至少一个音频文件，所述第一播放标识包括播放时间标识和音频标识，所述根据所述第一播放标识确定对应的目标文本，包括：在预设的第二映射关系中，确定与所述音频标识匹配的第二映射记录，所述第二映射关系中包括至少一个映射记录，所述映射记录包括音频文件与分段文本的对应关系，所述音频标识所指示的目标音频文件为所述第二映射记录中的音频文件；根据所述第二映射记录确定目标分段文本；在预设的第三映射关系中，确定与所述播放时间标识匹配的第三映射记录，所述第三映射关系包括至少一个映射记录，所述映射记录包括所述目标分段文本中文本与所述目标音频文件播放时间范围的对应关系，所述播放时间标识属于所述第三映射记录中的播放时间范围；根据所述第三映射记录确定所述目标分段文本中的所述目标文本。
根据本公开的一个或多个实施例，示例4提供了示例1的方法，所述方法还包括：根据所述展示界面上展示所述第一页面时所述音频的第二播放标识，确定所述第二播放标识对应的第一文本；确定所述第一文本中末尾预设数量个元素是否展示在所述展示界面的目标区域内；若所述第一文本中末尾预设数量个元素未展示在所述目标区域内，确定所述第一文本中展示在所述目标区域内的元素，与所述第一文本包括的元素的目标比例；根据所述第二播放标识和所述目标比例，确定是否将所述第一页面更新为所述第二页面。
根据本公开的一个或多个实施例，示例5提供了示例4的方法，所述方法还包括：确定所述展示界面内是否展示有所述第一文本中的元素；所述确定所述第一文本中末尾预设数量个元素是否展示在所述展示界面的目标区域内，包括：若所述展示界面内展示有所述第一文本中的任一个元素，确定所述第一文本中末尾预设数量个元素是否展示在所述目标区域内。
根据本公开的一个或多个实施例，示例6提供了示例1的方法，所述方法还包括：若所述第二页面包括所述多媒体内容且所述多媒体内容未处于播放状态，控制所述多媒体内容在所述展示界面上播放预设时长。
根据本公开的一个或多个实施例，示例7提供了示例1的方法，所述方法还包括：若所述第二页面包括所述多媒体内容且接收到翻页指令，在所述展示界面上将所述第二页面更新为第四页面，所述第四页面包括所述翻页指令指示的第二文本。
根据本公开的一个或多个实施例，示例8提供了示例1的方法，所述在所述展示界面上将所述第二页面更新为第三页面，包括：在所述展示界面上按照预设翻页效果，将所述第二页面替换为所述第三页面，所述预设翻页效果包括：翻页动画、覆盖动画、平移动画中的任一种；或者，在所述展示界面上按照预设速度，从所述第二页面滚动至所述第三页面。
根据本公开的一个或多个实施例，示例9提供了示例1至示例8中的方法，所述在显示所述第一页面的同时播放所述第一页面中文本对应的音频，具体包括：根据所述展示界面上展示所述第一页面时所述音频的第三播放标识，确定所述第三播放标识对应的第三文本；在所述展示界面上按照预设显示模式标注所述第三文本，所述预设显示模式包括：高亮显示、下划线显示、加粗显示中的至少一种。
根据本公开的一个或多个实施例，示例10提供了一种音频与文本的同步装置，包括：第一确定模块，用于响应于展示界面上显示的第一页面更新为第二页面，确定所述第二页面是否包括多媒体内容；其中，在显示所述第一页面的同时播放所述第一页面中文本对应的音频；控制模块，用于若所述第二页面包括所述多媒体内容且所述多媒体内容处于静音播放状态，控制所述音频继续播放；第二确定模块，用于确定所述多媒体内容停止播放时所述音频的第一播放标识，根据所述第一播放标识确定对应的目标文本；更新模块，还用于在所述展示界面上将所述第二页面更新为第三页面，所述第三页面包括所述目标文本。
根据本公开的一个或多个实施例，示例11提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1至示例9中所述方法的步骤。
根据本公开的一个或多个实施例，示例12提供了一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1至示例9中所述方法的步骤。
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。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (12)

1.一种音频与文本的同步方法，其特征在于，所述方法包括：
响应于展示界面上显示的第一页面更新为第二页面，确定所述第二页面是否包括多媒体内容；其中，在显示所述第一页面的同时播放所述第一页面中文本对应的音频；
若所述第二页面包括所述多媒体内容且所述多媒体内容处于静音播放状态，控制所述音频继续播放；
确定所述多媒体内容停止播放时所述音频的第一播放标识，根据所述第一播放标识确定对应的目标文本；
在所述展示界面上将所述第二页面更新为第三页面，所述第三页面包括所述目标文本。
2.根据权利要求1所述的方法，其特征在于，所述第一播放标识包括播放时间标识，所述根据所述第一播放标识确定对应的目标文本，包括：
在预设的第一映射关系中，确定与所述播放时间标识匹配的第一映射记录；其中，所述第一映射关系中包括至少一个映射记录，所述映射记录包括文本与音频播放时间范围的对应关系，所述播放时间标识属于所述第一映射记录中的播放时间范围；
根据所述第一映射记录确定所述目标文本。
3.根据权利要求1所述的方法，其特征在于，所述音频包括至少一个音频文件，所述第一播放标识包括播放时间标识和音频标识，所述根据所述第一播放标识确定对应的目标文本，包括：
在预设的第二映射关系中，确定与所述音频标识匹配的第二映射记录，所述第二映射关系中包括至少一个映射记录，所述映射记录包括音频文件与分段文本的对应关系，所述音频标识所指示的目标音频文件为所述第二映射记录中的音频文件；
根据所述第二映射记录确定目标分段文本；
在预设的第三映射关系中，确定与所述播放时间标识匹配的第三映射记录，所述第三映射关系包括至少一个映射记录，所述映射记录包括所述目标分段文本中文本与所述目标音频文件播放时间范围的对应关系，所述播放时间标识属于所述第三映射记录中的播放时间范围；
根据所述第三映射记录确定所述目标分段文本中的所述目标文本。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述展示界面上展示所述第一页面时所述音频的第二播放标识，确定所述第二播放标识对应的第一文本；
确定所述第一文本中末尾预设数量个元素是否展示在所述展示界面的目标区域内；
若所述第一文本中末尾预设数量个元素未展示在所述目标区域内，确定所述第一文本中展示在所述目标区域内的元素，与所述第一文本包括的元素的目标比例；
根据所述第二播放标识和所述目标比例，确定是否将所述第一页面更新为所述第二页面。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
确定所述展示界面内是否展示有所述第一文本中的元素；
所述确定所述第一文本中末尾预设数量个元素是否展示在所述展示界面的目标区域内，包括：
若所述展示界面内展示有所述第一文本中的任一个元素，确定所述第一文本中末尾预设数量个元素是否展示在所述目标区域内。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述第二页面包括所述多媒体内容且所述多媒体内容未处于播放状态，控制所述多媒体内容在所述展示界面上播放预设时长。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述第二页面包括所述多媒体内容且接收到翻页指令，在所述展示界面上将所述第二页面更新为第四页面，所述第四页面包括所述翻页指令指示的第二文本。
8.根据权利要求1所述的方法，其特征在于，所述在所述展示界面上将所述第二页面更新为第三页面，包括：
在所述展示界面上按照预设翻页效果，将所述第二页面替换为所述第三页面，所述预设翻页效果包括：翻页动画、覆盖动画、平移动画中的任一种；
或者，在所述展示界面上按照预设速度，从所述第二页面滚动至所述第三页面。
9.根据权利要求1-8中任一项所述的方法，其特征在于，所述在显示所述第一页面的同时播放所述第一页面中文本对应的音频，具体包括：
根据所述展示界面上展示所述第一页面时所述音频的第三播放标识，确定所述第三播放标识对应的第三文本；
在所述展示界面上按照预设显示模式标注所述第三文本，所述预设显示模式包括：高亮显示、下划线显示、加粗显示中的至少一种。
10.一种音频与文本的同步装置，其特征在于，所述装置包括：
第一确定模块，用于响应于展示界面上显示的第一页面更新为第二页面，确定所述第二页面是否包括多媒体内容；其中，在显示所述第一页面的同时播放所述第一页面中文本对应的音频；
控制模块，用于若所述第二页面包括所述多媒体内容且所述多媒体内容处于静音播放状态，控制所述音频继续播放；
第二确定模块，用于确定所述多媒体内容停止播放时所述音频的第一播放标识，根据所述第一播放标识确定对应的目标文本；
更新模块，还用于在所述展示界面上将所述第二页面更新为第三页面，所述第三页面包括所述目标文本。
11.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-9中任一项所述方法的步骤。
12.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-9中任一项所述方法的步骤。
CN202011355859.6A 2020-11-26 2020-11-26 音频与文本的同步方法、装置、可读介质和电子设备 Active CN112397104B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202011355859.6A CN112397104B (zh) 2020-11-26 2020-11-26 音频与文本的同步方法、装置、可读介质和电子设备
US17/928,573 US20230229382A1 (en) 2020-11-26 2021-10-29 Method and apparatus for synchronizing audio and text, readable medium, and electronic device
PCT/CN2021/127303 WO2022111206A1 (zh) 2020-11-26 2021-10-29 音频与文本的同步方法、装置、可读介质和电子设备
JP2022571224A JP7548678B2 (ja) 2020-11-26 2021-10-29 オーディオとテキストとの同期方法、装置、読取可能な媒体及び電子機器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011355859.6A CN112397104B (zh) 2020-11-26 2020-11-26 音频与文本的同步方法、装置、可读介质和电子设备

Publications (2)

Publication Number Publication Date
CN112397104A true CN112397104A (zh) 2021-02-23
CN112397104B CN112397104B (zh) 2022-03-29

Family

ID=74605312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011355859.6A Active CN112397104B (zh) 2020-11-26 2020-11-26 音频与文本的同步方法、装置、可读介质和电子设备

Country Status (4)

Country Link
US (1) US20230229382A1 (zh)
JP (1) JP7548678B2 (zh)
CN (1) CN112397104B (zh)
WO (1) WO2022111206A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113778307A (zh) * 2021-09-27 2021-12-10 口碑(上海)信息技术有限公司 一种信息交互方法及装置
CN115062168A (zh) * 2022-06-28 2022-09-16 北京字跳网络技术有限公司 媒体内容展示方法、装置、设备及存储介质
WO2022206198A1 (zh) * 2021-03-31 2022-10-06 北京字节跳动网络技术有限公司 一种音频和文本的同步方法、装置、设备以及介质
WO2022242351A1 (zh) * 2021-05-19 2022-11-24 北京字跳网络技术有限公司 一种多媒体处理方法、装置、设备及介质

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1091567A (zh) * 1992-10-30 1994-08-31 罗伊·J·曼科维茨 用于音乐及歌词广播的方法及设备
CN1279805A (zh) * 1997-10-22 2001-01-10 索尼康公司 通过听觉表示html数据页的系统和方法
CN1385030A (zh) * 1999-09-07 2002-12-11 朴奎珍 使用数字文档和电话机的数字动态图像广告的广告方法
CN1595397A (zh) * 2004-07-14 2005-03-16 华南理工大学 可听文本的自动制作和播放的方法
WO2005079172A2 (en) * 2004-02-21 2005-09-01 Samsung Electronics Co., Ltd. Information storage medium having recorded thereon text subtitle data synchronized with av data, and reproducing method and apparatus therefor
CN101383937A (zh) * 2007-09-06 2009-03-11 华为技术有限公司 播放视频广告和文字信息的方法、系统、服务器和终端
US20120036429A1 (en) * 2010-05-07 2012-02-09 For-Side.Com Co., Ltd. Electronic book system and content server
US8290777B1 (en) * 2009-06-12 2012-10-16 Amazon Technologies, Inc. Synchronizing the playing and displaying of digital content
CN102842326A (zh) * 2012-07-11 2012-12-26 杭州联汇数字科技有限公司 一种视音频及图文同步播放方法
CN103365533A (zh) * 2012-03-21 2013-10-23 雅马哈株式会社 音乐内容显示设备和方法
CN104662604A (zh) * 2012-08-02 2015-05-27 奥德伯公司 对应媒体内容部分的对齐
CN105763925A (zh) * 2014-12-17 2016-07-13 珠海金山办公软件有限公司 演示文稿视频录制方法及装置
EP3276623A1 (en) * 2016-07-29 2018-01-31 Booktrack Holdings Limited System and methods for automatic-creation of soundtracks for text
EP3285188A1 (en) * 2010-01-11 2018-02-21 Apple Inc. Electronic text manipulation and display
CN108462892A (zh) * 2018-03-26 2018-08-28 百度在线网络技术（北京）有限公司 图像和音频同步播放的处理方法及设备
CN108512874A (zh) * 2017-02-27 2018-09-07 上海谦问万答吧云计算科技有限公司 一种在线答疑数据的同步方法及装置
CN109766305A (zh) * 2018-12-11 2019-05-17 中新金桥数字科技(北京)有限公司 基于Android系统的Epub电子书文本与音视频对照阅读方法及系统
CN109889859A (zh) * 2019-03-11 2019-06-14 杭州雅顾科技有限公司 一种直播视频与文档翻页的同步方法
CN110677689A (zh) * 2019-09-29 2020-01-10 杭州当虹科技股份有限公司 一种基于用户视角的vr视频广告无缝插播方法
CN111970257A (zh) * 2020-08-04 2020-11-20 腾讯科技（深圳）有限公司 一种文稿显示控制方法、装置、电子设备和存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5018352B2 (ja) 2007-09-04 2012-09-05 大日本印刷株式会社 書籍コンテンツに広告を挿入配信するサーバ装置
TWI488174B (zh) 2011-06-03 2015-06-11 Apple Inc 自動地建立文字資料與音訊資料間之映射
US9940307B2 (en) * 2012-12-31 2018-04-10 Adobe Systems Incorporated Augmenting text with multimedia assets
US9558787B2 (en) 2014-01-29 2017-01-31 Google Inc. Media application backgrounding
WO2018078463A1 (en) * 2016-10-24 2018-05-03 Sony Mobile Communications Inc Methods, computer program products and devices for automatically synchronizing an audio track with a plurality of pages
CN106777099A (zh) * 2016-12-14 2017-05-31 掌阅科技股份有限公司 业务语音数据的处理方法、装置及终端设备
US10671251B2 (en) 2017-12-22 2020-06-02 Arbordale Publishing, LLC Interactive eReader interface generation based on synchronization of textual and audial descriptors

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1091567A (zh) * 1992-10-30 1994-08-31 罗伊·J·曼科维茨 用于音乐及歌词广播的方法及设备
CN1279805A (zh) * 1997-10-22 2001-01-10 索尼康公司 通过听觉表示html数据页的系统和方法
CN1385030A (zh) * 1999-09-07 2002-12-11 朴奎珍 使用数字文档和电话机的数字动态图像广告的广告方法
WO2005079172A2 (en) * 2004-02-21 2005-09-01 Samsung Electronics Co., Ltd. Information storage medium having recorded thereon text subtitle data synchronized with av data, and reproducing method and apparatus therefor
CN1595397A (zh) * 2004-07-14 2005-03-16 华南理工大学 可听文本的自动制作和播放的方法
CN101383937A (zh) * 2007-09-06 2009-03-11 华为技术有限公司 播放视频广告和文字信息的方法、系统、服务器和终端
US8290777B1 (en) * 2009-06-12 2012-10-16 Amazon Technologies, Inc. Synchronizing the playing and displaying of digital content
EP3285188A1 (en) * 2010-01-11 2018-02-21 Apple Inc. Electronic text manipulation and display
US20120036429A1 (en) * 2010-05-07 2012-02-09 For-Side.Com Co., Ltd. Electronic book system and content server
CN103365533A (zh) * 2012-03-21 2013-10-23 雅马哈株式会社 音乐内容显示设备和方法
CN102842326A (zh) * 2012-07-11 2012-12-26 杭州联汇数字科技有限公司 一种视音频及图文同步播放方法
CN104662604A (zh) * 2012-08-02 2015-05-27 奥德伯公司 对应媒体内容部分的对齐
CN105763925A (zh) * 2014-12-17 2016-07-13 珠海金山办公软件有限公司 演示文稿视频录制方法及装置
EP3276623A1 (en) * 2016-07-29 2018-01-31 Booktrack Holdings Limited System and methods for automatic-creation of soundtracks for text
CN108512874A (zh) * 2017-02-27 2018-09-07 上海谦问万答吧云计算科技有限公司 一种在线答疑数据的同步方法及装置
CN108462892A (zh) * 2018-03-26 2018-08-28 百度在线网络技术（北京）有限公司 图像和音频同步播放的处理方法及设备
CN109766305A (zh) * 2018-12-11 2019-05-17 中新金桥数字科技(北京)有限公司 基于Android系统的Epub电子书文本与音视频对照阅读方法及系统
CN109889859A (zh) * 2019-03-11 2019-06-14 杭州雅顾科技有限公司 一种直播视频与文档翻页的同步方法
CN110677689A (zh) * 2019-09-29 2020-01-10 杭州当虹科技股份有限公司 一种基于用户视角的vr视频广告无缝插播方法
CN111970257A (zh) * 2020-08-04 2020-11-20 腾讯科技（深圳）有限公司 一种文稿显示控制方法、装置、电子设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵姝等: "基于EPUB+SMIL的同步发声电子书开发技术研究", 《现代教育技术》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022206198A1 (zh) * 2021-03-31 2022-10-06 北京字节跳动网络技术有限公司 一种音频和文本的同步方法、装置、设备以及介质
WO2022242351A1 (zh) * 2021-05-19 2022-11-24 北京字跳网络技术有限公司 一种多媒体处理方法、装置、设备及介质
CN113778307A (zh) * 2021-09-27 2021-12-10 口碑(上海)信息技术有限公司 一种信息交互方法及装置
CN113778307B (zh) * 2021-09-27 2023-09-19 口碑(上海)信息技术有限公司 一种信息交互方法及装置
CN115062168A (zh) * 2022-06-28 2022-09-16 北京字跳网络技术有限公司 媒体内容展示方法、装置、设备及存储介质

Also Published As

Publication number Publication date
WO2022111206A1 (zh) 2022-06-02
US20230229382A1 (en) 2023-07-20
JP7548678B2 (ja) 2024-09-10
CN112397104B (zh) 2022-03-29
JP2023529571A (ja) 2023-07-11

Similar Documents

Publication Publication Date Title
CN112397104B (zh) 音频与文本的同步方法、装置、可读介质和电子设备
CN111510760B (zh) 视频信息展示方法和装置、存储介质和电子设备
WO2022042593A1 (zh) 字幕编辑方法、装置和电子设备
CN110764671B (zh) 信息展示方法、装置、电子设备和计算机可读介质
US11423112B2 (en) Document input content processing method and apparatus, electronic device, and storage medium
WO2014154097A1 (en) Automatic page content reading-aloud method and device thereof
US20240007718A1 (en) Multimedia browsing method and apparatus, device and mediuim
CN112380365A (zh) 一种多媒体的字幕交互方法、装置、设备及介质
WO2023035835A1 (zh) 一种信息展示方法、装置、设备及介质
EP4343583A1 (en) Text input method and apparatus, and electronic device and storage medium
CN113128185A (zh) 交互方法、装置和电子设备
CN112291614A (zh) 一种视频生成方法及装置
CN111753558A (zh) 视频翻译方法和装置、存储介质和电子设备
CN112015505A (zh) 模式切换方法、装置和电子设备
CN112954453B (zh) 视频配音方法和装置、存储介质和电子设备
CN111125480A (zh) 背景音乐的播放方法、设备、客户端装置及电子设备
CN110381356B (zh) 音视频生成方法、装置、电子设备及可读介质
JP2023525091A (ja) 画像特殊効果の設定方法、画像識別方法、装置および電子機器
US20140297285A1 (en) Automatic page content reading-aloud method and device thereof
CN115269920A (zh) 交互方法、装置、电子设备和存储介质
JP2024521940A (ja) マルチメディア処理方法、装置、デバイスおよび媒体
CN110366002B (zh) 视频文件合成方法、系统、介质和电子设备
CN112530472B (zh) 音频与文本的同步方法、装置、可读介质和电子设备
CN114626332A (zh) 内容展示方法、装置和电子设备
CN113132789A (zh) 一种多媒体的交互方法、装置、设备及介质

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
GR01 Patent grant
GR01 Patent grant