CN112699687A - 内容编目方法、装置和电子设备 - Google Patents

Abstract

本公开实施例公开了一种内容编目方法、装置、电子设备和计算机可读存储介质。其中该内容编目方法包括：获取待编目音频；对所述待编目音频进行识别转写得到所述待编目音频的文本内容以及所述文本内容对应的时间轴；对所述文本内容进行语义分析得到文本内容的编目结果；其中，编目结果表示所述文本内容被划分为预设的格式的文本；将所述时间轴与所述编目结果进行对应得到带时间轴的编目结果。上述方法通过对音频内容进行语义分析得到带有时间轴的编目结果，解决了现有技术中用户无法在音视频中快速定位的技术问题。

Description

内容编目方法、装置和电子设备

技术领域

本公开涉及语音处理领域，尤其涉及一种内容编目方法、装置、电子设备及计算机可读存储介质。

背景技术

随着互联网信息技术的进步，从图片、文字到视频，内容创作与分享的升维加速正在进行。当前的视频内容一方面依靠视频标题、标签、播放热度等吸引用户流量，另一方面，视频平台对视频标题、标签、用户画像等建立推荐系统来引流，言而总之，对于视频内容本身的利用还处于浅层次阶段。

对于视频内容的分析，有基于视频帧图像转文字的，如image2text，其主要面向于帧图像的场景识别与理解、目标的检测和识别、图像融合等；有基于图像文字识别的，如OCR；而基于视频语音内容识别的方案较少，且场景相对有限。

在某些场景下，用户对音视频内容信息深度利用需求较为迫切，如线上教育、线上会议、演讲、节目主持等，要求实时字幕、内容摘要、章节整理等；在线上教育平台，课程视频时常一般在45分钟左右不等并且涉及到不同知识点，用户希望快速定位到感兴趣的内容章节。

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。

为了解决上述技术问题，第一方面，本公开实施例提供一种内容编目方法，包括：

获取待编目音频；

对所述待编目音频进行识别转写得到所述待编目音频的文本内容以及所述文本内容对应的时间轴；

对所述文本内容进行语义分析得到文本内容的编目结果；其中，编目结果表示所述文本内容被划分为预设的格式的文本；

将所述时间轴与所述编目结果进行对应得到带时间轴的编目结果。

进一步的，所述获取待编目音频，包括：

获取待编目视频；

获取所述待编目视频中的待编目音频。

进一步的，所述对所述待编目音频进行识别转写得到所述待编目音频的文本内容以及所述文本内容对应的时间轴，包括：

对所述待编目音频进行语音识别得到所述待编目音频中的分句文本以及每一个分句所对应的时间轴。

进一步的，所述对所述文本内容进行语义分析得到文本内容的编目结果，包括：

将所述分句文本进行段落划分得到至少一个文本段落；

生成所述文本段落的标题，其中所述标题以所述文本段落中的关键词表示。

进一步的，所述将所述分句文本进行段落划分得到至少一个文本段落，包括：

将所述分句文本按照其时间轴排序得到分句文本序列；

分析所述分句文本序列中的每一个分句文本与其前后的分句文本的语义关联关系；

根据所述语义关联关系将至少一个分句文本划分为一个文本段落。

进一步的，所述分析所述分句文本序列中的每一个分句文本与其前后的分句文本的语义关联关系，包括：

设置分析窗口大小，所述窗口大小为奇数；

在所述分句文本序列中移动所述分析窗口得到待分析的分句文本集合；

对所述分句文本集合中的分句文本进行分析，得到所述窗口的中间分句文本与所述窗口中的其他位置的分句文本的关联关系。

进一步的，所述根据所述语义关联关系将至少一个分句文本划分为一个文本段落，包括：

如果分句文本与其前边的分句文本和/或后边的分句文本语义关联，则将所述分句文本、所述分句文本前边的分句文本和所述分句文本后边的分句文本划分在同一个文本段落；

如果所述分句文本与其前边的分句文本和后边的分句文本均无语义关联，则将所述分句文本划分为一个文本段落。

进一步的，所述生成所述文本段落的标题，包括：

在所述文本段落中检测第一次出现所述标题的关键词的位置以及关键词的内容，其中所述关键词的位置用关键词首位两个字在所述文本段落中的位置表示，所述关键词的内容为所述首位两个字中间的内容。

进一步的，所述将所述时间轴与所述编目结果进行对应得到带时间轴的编目结果，包括：

获取所述文本段落中的分句文本的时间轴中的最小时间点和最大时间点；

根据所述最小时间点和最大时间点生成所述文本段落的时间轴。

进一步的，所述方法还包括：

将所述带时间轴的编目结果以预设格式显示。

第二方面，本公开实施例提供一种内容编目装置，包括：

音频获取模块，用于获取待编目音频；

转写模块，用于对所述待编目音频进行识别转写得到所述待编目音频的文本内容以及所述文本内容对应的时间轴；

编目模块，用于对所述文本结果进行语义分析得到文本内容的编目结果；其中，编目结果表示文本内容被划分为预设的格式；将所述时间轴与所述编目结果进行对应得到带时间轴的编目结果。

进一步的，所述音频获取模块，还用于：

获取待编目视频；

获取所述待编目视频中的待编目音频。

进一步的，所述转写模块，还用于：

对所述待编目音频进行语音识别得到所述待编目音频中的分句文本以及每一个分句所对应的时间轴。

进一步的，所述编目模块，还用于：

将所述分句文本进行段落划分得到至少一个文本段落；

生成所述文本段落的标题，其中所述标题以所述文本段落中的关键词表示。

进一步的，所述编目模块，还用于：

将所述分句文本按照其时间轴排序得到分句文本序列；

分析所述分句文本序列中的每一个分句文本与其前后的分句文本的语义关联关系；

根据所述语义关联关系将至少一个分句文本划分为一个文本段落。

进一步的，所述编目模块，还用于：

设置分析窗口大小，所述窗口大小为奇数；

在所述分句文本序列中移动所述分析窗口得到待分析的分句文本集合；

对所述分句文本集合中的分句文本进行分析，得到所述窗口的中间分句文本与所述窗口中的其他位置的分句文本的关联关系。

进一步的，所述编目模块，还用于：

如果分句文本与其前边的分句文本和/或后边的分句文本语义关联，则将所述分句文本、所述分句文本前边的分句文本和所述分句文本后边的分句文本划分在同一个文本段落；

如果所述分句文本与其前边的分句文本和后边的分句文本均无语义关联，则将所述分句文本划分为一个文本段落。

进一步的，所述编目模块，还用于：

在所述文本段落中检测第一次出现所述标题的关键词的位置以及关键词的内容，其中所述关键词的位置用关键词首位两个字在所述文本段落中的位置表示，所述关键词的内容为所述首位两个字中间的内容。

进一步的，所述编目模块，还用于：

获取所述文本段落中的分句文本的时间轴中的最小时间点和最大时间点；

根据所述最小时间点和最大时间点生成所述文本段落的时间轴。

进一步的，所述内容编目装置，还包括：

显示模块，用于将所述带时间轴的编目结果以预设格式显示。

第三方面，本公开实施例提供一种电子设备，包括：至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述中的任一所述方法。

第四方面，本公开实施例提供一种非暂态计算机可读存储介质，其特征在于，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行前述中的任一所述方法。

本公开实施例公开了一种内容编目方法、装置、电子设备和计算机可读存储介质。其中该内容编目方法包括：获取待编目音频；对所述待编目音频进行识别转写得到所述待编目音频的文本内容以及所述文本内容对应的时间轴；对所述文本内容进行语义分析得到文本内容的编目结果；其中，编目结果表示所述文本内容被划分为预设的格式的文本；将所述时间轴与所述编目结果进行对应得到带时间轴的编目结果。上述方法通过对音频内容进行语义分析得到带有时间轴的编目结果，解决了现有技术中用户无法在音视频中快速定位的技术问题。

上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

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内容编目方法的流程示意图；

图2为本公开实施例提供的内容编目方法的进一步流程示意图；

图3为本公开实施例提供的内容编目方法的进一步流程示意图；

图4为本公开实施例提供的内容编目方法的进一步流程示意图；

图5为本公开实施例提供的语义关联模型的示例示意图；

图6为本公开实施例提供的内容编目方法的进一步流程示意图；

图7为本公开实施例提供的关键词抽取模型的示例示意图；

图8为本公开实施例提供的内容编目方法的进一步流程示意图；

图9为本公开实施例提供的语音增强效果的控制装置实施例的结构示意图；

图10为根据本公开实施例提供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。

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为本公开实施例提供的内容编目方法实施例的流程图，本实施例提供的该内容编目方法可以由一内容编目装置来执行，该内容编目装置可以实现为软件，或者实现为软件和硬件的组合，该内容编目装置可以集成设置在内容编目系统中的某设备中，比如内容编目服务器或者内容编目终端设备中。如图1所示，该方法包括如下步骤：

步骤S101，获取待编目音频。

本公开中的所述编目，表示将待编目的内容按照预定的格式顺序进行组织以得到符合预定格式顺序的编目结果。

所述待编目音频为包含语音的音频，本公开中所需要编目的内容为音频中的语音内容。

可以理解的，所述音频可以是录音等方式得到的音频，也可以是从视频中拾取的音频。可选的，所述步骤S101包括：

获取待编目视频；

获取所述待编目视频中的待编目音频。

所述获取待编目视频中的待编目音频，可以通过对所述待编目视频中的音频进行录音或者抽取所述待编目视频中的音频轨道的方式得到，在此不再赘述。

返回附图1，所述内容编目方法还包括：

步骤S102，对所述待编目音频进行识别转写得到所述待编目音频的文本内容以及所述文本内容对应的时间轴。

在该步骤中，对所述待编目音频进行识别转写。其中所述识别转写包括识别所述待目标音频中的语音，并将语音内容转写成文本内容。该步骤可以使用任何语音识别算法实现。所述文本内容可以根据语音识别算法的不同呈现不同的格式。

可选的，所述步骤S102包括：

对所述待编目音频进行语音识别得到所述待编目音频中的分句文本以及每一个分句所对应的时间轴。

在该可选实施例中，所述语音识别算法识别所述待编目音频中的分句文本，其中分句文本以句子为最小组织单位，并且每个句子都对应一个时间轴；所述时间轴表示分句文本中的一个分句在所述待编目音频中的时间偏移值，所述时间轴中包括两个时间点，第一个时间点表示该分句在所述待编目音频中的开始时间，第二个时间点表示该分句在所述待编目音频中的结束时间。

示例性的，一段语音包括：“变量类型变量存储在内存中的值这就意味着在创建变量时会在内存中开辟一个空间”，则将其进行上述识别转写，输出为“变量类型00:00:00～00:00:05”“变量存储在内存中的值00:00:05～00:00:15”“这就意味着在创建变量时会在内存中开辟一个空间00:00:15～0000:25”。

返回附图1，所述内容编目方法还包括：

步骤S103，对所述文本内容进行语义分析得到文本内容的编目结果。

其中，所述编目结果表示编目结果表示所述文本内容被划分为预设的格式的文本。

可选的，所述编目结果表示所述文本内容被划分为文本段落，每个文本段落包括该文本段落的标题。所述步骤S103进一步包括：

步骤S201，将所述分句文本进行段落划分得到至少一个文本段落；

步骤S202，生成所述文本段落的标题，其中所述标题以所述文本段落中的关键词表示。

在步骤S201中，根据分句文本的语义将所述文本内容按照语义进行划分得到至少一个文本段落，所述文本段落中包括至少一个所述分句文本。

之后在步骤S202中，针对每一个在步骤S201中得到的文本段落，生成该文本段落的标题。所述标题为所述文本段落中的关键词。

通过上述步骤，即可将语音内容转换成可视的、可检索的文本内容。

具体的，所述步骤S201包括：

步骤S301，将所述分句文本按照其时间轴排序得到分句文本序列；

步骤S302，分析所述分句文本序列中的每一个分句文本与其前后的分句文本的语义关联关系；

步骤S303，根据所述语义关联关系将至少一个分句文本划分为一个文本段落。

在上述步骤中，首先将分句文本按照时间顺序排列，得到一个分句文本序列。之后分析这个序列中每一个分句文本与其前后的分句文本的语义关联关系，其中所述前后的分句文本包括一个或多个分句文本，如待分析的分句在所述分句文本序列中的位置为i，则在分析语义关联关系时，可以分析第i句第i句之前n句的语义关联关系和第i句第i句之后n句的语义关联关系。

为了实现上述分析，所述步骤S302进一步包括：

步骤S401,设置分析窗口大小，所述窗口大小为奇数；

步骤S402,在所述分句文本序列中移动所述分析窗口得到待分析的分句文本集合；

步骤S403,对所述分句文本集合中的分句文本进行分析，得到所述窗口的中间分句文本与所述窗口中的其他位置的分句文本的关联关系。

在上述步骤中，为了能够分析当前分句文本与前后分句文本的关系，设置一个分析窗口，所述分析窗口在所述分句文本序列上滑动以得到每次分析的对象。为了保证当前分句位于窗口的正中间，设置窗口的大小为奇数。如设置分析窗口大小为M，其中M＝2k+1,k为正整数。示例性的，k＝1，获取当前分句文本Li、分句文本Li+1以及分句文本Li-1作为待分析的分句文本集合。

在步骤S403中，可以使用预先训练的语义关联模型对所述分句文本集合进行分析。所述语义关联模型使用预先标注的训练样本进行训练，所述训练样本中包括所述分析窗口大小的分句文本集合，并带有标注数据，所述标注数据表示所述分句文本集合中的中间分句与其他分句的关系。以上述窗口大小为3为例。所述标注数据表示Li与Li-1和Li+1的语义关联关系。示例性的，可以通过一个数据对表示所述语义关联关系，如果Li与Li-1和Li+1都语义关联，则标注为(0,0)；如果Li与Li-1语义关联，与Li+1语义不关联，则标注为(0,1)；如果Li与Li-1语义不关联，与Li+1语义关联，则标注为(1,0)；如果Li与Li-1和Li+1都语义不关联，则标注为(1,1)。由此可以训练所述语义关联模型，使得该语义关联模型输入窗口大小的分句文本集合，输出两个值y1和y2，其中y1表示输入的分句文本集合中的中间分句与其之前的分句的语义关联结果，y2表示输入的分句文本集合中的中间分句与其之后的分句的语义关联结果。

在进行语义关联分析时，通过上述分析窗口，将所述分句文本转换成所述语义关联模型的输入，经过所述语义关联模型输出数据对(y1,y2)，即可得到分析窗口中的中间分句与其他分句的语义关系。

图5为所述语义关联模型的示例示意图。其中，所述语义关联模型包括输入层LookupTable、字嵌入层WordEmbedding、双向循环网络编码层Bi-RNNEncoder、线性全连接层DenseLayer、多目标激活输出层SoftmaxActivation。使用的时候，文本通过输入层转换为向量X＝(x1,x2,……,xn)；向量X经过字嵌入层，映射为一个新的固定长度的向量，表示为E＝(e1,e2,……en)，再进一步通过双向循环网络编码层计算得到当前文本标注为各类标签的概率分布，并通过全连接层进行全连接之后，通过多目标激活输出层输出，获取整个句子语义关联概率最大的标签结果输出，其中y1表示当前分句文本与上一句分句文本是否存在语义关联，y2表示当前分句文本与下一句分句文本是否存在语义关联。

可以理解的，图5中的示意图仅为示例，也可以用其他结构的模型代替图5中的模型对所述分句文本进行分析得到分句文本与其前后分句文本的语义关联，在此不再赘述。

在得到语义关联之后，可选的，所述步骤S303包括：

步骤S601,如果分句文本与其前边的分句文本和/或后边的分句文本语义关联，则将所述分句文本、所述分句文本前边的分句文本和所述分句文本后边的分句文本划分在同一个文本段落；

步骤S602,如果所述分句文本与其前边的分句文本和后边的分句文本均无语义关联，则将所述分句文本划分为一个文本段落。

如果一个分句与其前边的分句或者后边的分句语义关联，则表示这些分句在描述同一个对象或事情，则将他们划分在同一个文本段落中。其中如果分句文本仅与其之前的分句文本语义关联，则表示该分句文本为一个文本段落的最后一个分句文本；如果分句文本仅与其之后的分句文本语义关联，则表示该分句文本为一个文本段落的第一个分句文本；如果分句文本与其之后和之后的分句文本均语义关联，则表示该分句文本为一个文本段落中间分句文本。

对应的，如果分句文本与其前边的分句文本和后边的分句文本均无语义关联，在该分句文本独立成一个文本段落。

在得到文本内容的文本段落之后，进一步对每个文本段落生成段落的标题。

可选的，所述步骤S202包括：在所述文本段落中检测第一次出现所述标题的关键词的位置以及关键词的内容，其中所述关键词的位置用关键词首位两个字在所述文本段落中的位置表示，所述关键词的内容为所述首位两个字中间的内容。在该步骤中，可以使用分词的方式将所述文本段落进行分词，得到多个关键词，之后将出现次数最多的关键词作为该文本段落的标题。

在一个实施例中，上述步骤可以通过预先训练的关键词抽取模型实现。具体的，所述关键词抽取模型通过标注了关键词的文本段落样本进行训练，其中所述文本段落样本中标注了作为标题使用的关键词的首字位置以及尾字位置，首尾两个字中间的内容为所述关键词。训练时，输入为整个文本段落，将这个文本段落转换为字索引的向量表示之后输入到关键词抽取模型；输出为两个双指针结构，用来指示关键词的首尾两个位置；通过输出的位置和标注的位置对关键词抽取模型的参数进行调整得到训练好的关键词抽取模型。

图7为所述关键词抽取模型的示意图。其中，所述关键词抽取模型包括输入层、预训练模型编码层、双指针全连接层、双指针激活输出层。所述预训练模型可选择BERT等预训练模型，以提高编码效果。使用的时候，文本段落的字符经过预处理得到文本段落的字符索引X＝([CLS],Tok1,Tok2,……,TokM),之后将该字符索引转换为对应的向量表示，将向量表示输入预训练模型编码层转换为相应的文本向量表示，经过双指针全连接层全连接计算之后，通过双指针激活输出层输出两个指针位置Start/End Span,用来表示关键词的首尾字的位置。

可以理解的，图7中的示意图仅为示例，也可以用其他结构的模型代替图7中的模型对所述分句文本进行关键词抽取，在此不再赘述。

在该步骤S103中，通过对文本内容进行语义分析，得到对所述文本内容进行编目的编目结果。在上述实施例中，所述编目结果为对所述文本内容进行段落划分的结果以及每个给每个段落生成对应的标题。

返回附图1，所述内容编目方法还包括：

步骤S104，将所述时间轴与所述编目结果进行对应得到带时间轴的编目结果。

在该步骤中，在编目结果中加入时间轴，以方便后续使用时对编目结果中的文本内容进行检索。

可选的，所述步骤S104包括：

步骤S801，获取所述文本段落中的分句文本的时间轴中的最小时间点和最大时间点；

步骤S802，根据所述最小时间点和最大时间点生成所述文本段落的时间轴。

在上述步骤中，根据文本段落中的分句文本的时间轴中的最小时间点和做大时间点生成所述文本段落的时间轴。具体的，获取文本段落中第一个分句文本的时间轴的第一个时间点作为所述最小时间点，获取文本段落中最后一个分句文本的时间轴的第二个时间点作为最大时间点，以此生成所述文本段落的时间轴。可以理解的，可以将所述文本段落的时间轴作为一级时间轴，将所述文本段落中的分句文本的时间轴作为二级时间轴，以方便后续做分级索引。

通过上述步骤S101-步骤S104，即得到了带有时间轴的编目结果。该编目结果使得用户在观看视频之前或者之后，收听音频之前或者之后可以对所述视频和音频的内容进行预先了解或者回顾，另外由于编目结果带有时间轴，因此用户可以方便的通过编目结果检索对应的视频内容或音频内容，如果加入音视频的控制，还可以快速跳转到编目结果所对应的音视频内容，使得用户可以方便的对音视频内容进行检索。

进一步的，为了防止执行上述方法时出现错误，在上述步骤S104之后，还可以包括：将所述带时间轴的编目结果以预设格式显示。在显示所述编目结果时，可以同时提供编辑接口，以便用户对所述编目结果进行校验，如果发现出现错误，可以通过所述编辑接口对编目结果进行编辑并保存，以对编目结果进行修正。

本公开实施例公开了一种内容编目方法，该内容编目方法包括：获取待编目音频；对所述待编目音频进行识别转写得到所述待编目音频的文本内容以及所述文本内容对应的时间轴；对所述文本内容进行语义分析得到文本内容的编目结果；其中，编目结果表示所述文本内容被划分为预设的格式的文本；将所述时间轴与所述编目结果进行对应得到带时间轴的编目结果。上述方法通过对音频内容进行语义分析得到带有时间轴的编目结果，解决了现有技术中用户无法在音视频中快速定位的技术问题。

在上文中，虽然按照上述的顺序描述了上述方法实施例中的各个步骤，本领域技术人员应清楚，本公开实施例中的步骤并不必然按照上述顺序执行，其也可以倒序、并行、交叉等其他顺序执行，而且，在上述步骤的基础上，本领域技术人员也可以再加入其他步骤，这些明显变型或等同替换的方式也应包含在本公开的保护范围之内，在此不再赘述。

图9为本公开实施例提供的内容编目装置实施例的结构示意图，如图9所示，该装置900包括：音频获取模块901、转写模块902和编目模块903。其中，

音频获取模块901，用于获取待编目音频；

转写模块902，用于对所述待编目音频进行识别转写得到所述待编目音频的文本内容以及所述文本内容对应的时间轴；

编目模块903，用于对所述文本结果进行语义分析得到文本内容的编目结果；其中，编目结果表示文本内容被划分为预设的格式；将所述时间轴与所述编目结果进行对应得到带时间轴的编目结果。

进一步的，所述音频获取模块901，还用于：

获取待编目视频；

获取所述待编目视频中的待编目音频。

进一步的，所述转写模块902，还用于：

对所述待编目音频进行语音识别得到所述待编目音频中的分句文本以及每一个分句所对应的时间轴。

进一步的，所述编目模块903，还用于：

将所述分句文本进行段落划分得到至少一个文本段落；

生成所述文本段落的标题，其中所述标题以所述文本段落中的关键词表示。

进一步的，所述编目模块903，还用于：

将所述分句文本按照其时间轴排序得到分句文本序列；

分析所述分句文本序列中的每一个分句文本与其前后的分句文本的语义关联关系；

根据所述语义关联关系将至少一个分句文本划分为一个文本段落。

进一步的，所述编目模块903，还用于：

设置分析窗口大小，所述窗口大小为奇数；

在所述分句文本序列中移动所述分析窗口得到待分析的分句文本集合；

对所述分句文本集合中的分句文本进行分析，得到所述窗口的中间分句文本与所述窗口中的其他位置的分句文本的关联关系。

进一步的，所述编目模块903，还用于：

如果分句文本与其前边的分句文本和/或后边的分句文本语义关联，则将所述分句文本、所述分句文本前边的分句文本和所述分句文本后边的分句文本划分在同一个文本段落；

如果所述分句文本与其前边的分句文本和后边的分句文本均无语义关联，则将所述分句文本划分为一个文本段落。

进一步的，所述编目模块903，还用于：

在所述文本段落中检测第一次出现所述标题的关键词的位置以及关键词的内容，其中所述关键词的位置用关键词首位两个字在所述文本段落中的位置表示，所述关键词的内容为所述首位两个字中间的内容。

进一步的，所述编目模块903，还用于：

获取所述文本段落中的分句文本的时间轴中的最小时间点和最大时间点；

根据所述最小时间点和最大时间点生成所述文本段落的时间轴。

进一步的，所述内容编目装置900，还包括：

显示模块，用于将所述带时间轴的编目结果以预设格式显示。

图9所示装置可以执行图1-图8所示实施例的方法，本实施例未详细描述的部分，可参考对图1-图8所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图8所示实施例中的描述，在此不再赘述。

下面参考图10，其示出了适于用来实现本公开实施例的电子设备1000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10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10所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)1001，其可以根据存储在只读存储器(ROM)1002中的程序或者从存储装置1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。在RAM 1003中，还存储有电子设备1000操作所需的各种程序和数据。处理装置1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

通常，以下装置可以连接至I/O接口1005：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1006；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置1007；包括例如磁带、硬盘等的存储装置1008；以及通信装置1009。通信装置1009可以允许电子设备1000与其他设备进行无线或有线通信以交换数据。虽然图10示出了具有各种装置的电子设备1000，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1009从网络上被下载和安装，或者从存储装置1008被安装，或者从ROM 1002被安装。在该计算机程序被处理装置1001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，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：执行上述内容编目方法。

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。

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。

Claims (13)

1.一种内容编目方法，其特征在于，包括：

获取待编目音频；

对所述待编目音频进行识别转写得到所述待编目音频的文本内容以及所述文本内容对应的时间轴；

对所述文本内容进行语义分析得到文本内容的编目结果；其中，编目结果表示所述文本内容被划分为预设的格式的文本；

将所述时间轴与所述编目结果进行对应得到带时间轴的编目结果。

2.如权利要求1所述的内容编目方法，其特征在于，所述获取待编目音频，包括：

获取待编目视频；

获取所述待编目视频中的待编目音频。

3.如权利要求1或2中任一项所述的内容编目方法，其特征在于，所述对所述待编目音频进行识别转写得到所述待编目音频的文本内容以及所述文本内容对应的时间轴，包括：

对所述待编目音频进行语音识别得到所述待编目音频中的分句文本以及每一个分句所对应的时间轴。

4.如权利要求3所述的内容编目方法，其特征在于，所述对所述文本内容进行语义分析得到文本内容的编目结果，包括：

将所述分句文本进行段落划分得到至少一个文本段落；

生成所述文本段落的标题，其中所述标题以所述文本段落中的关键词表示。

5.如权利要求4所述的内容编目方法，其特征在于，所述将所述分句文本进行段落划分得到至少一个文本段落，包括：

将所述分句文本按照其时间轴排序得到分句文本序列；

分析所述分句文本序列中的每一个分句文本与其前后的分句文本的语义关联关系；

根据所述语义关联关系将至少一个分句文本划分为一个文本段落。

6.如权利要求5所述的内容编目方法，其特征在于，所述分析所述分句文本序列中的每一个分句文本与其前后的分句文本的语义关联关系，包括：

设置分析窗口大小，所述窗口大小为奇数；

在所述分句文本序列中移动所述分析窗口得到待分析的分句文本集合；

对所述分句文本集合中的分句文本进行分析，得到所述窗口的中间分句文本与所述窗口中的其他位置的分句文本的关联关系。

7.如权利要求5所述的内容编目方法，其特征在于，所述根据所述语义关联关系将至少一个分句文本划分为一个文本段落，包括：

如果分句文本与其前边的分句文本和/或后边的分句文本语义关联，则将所述分句文本、所述分句文本前边的分句文本和所述分句文本后边的分句文本划分在同一个文本段落；

如果所述分句文本与其前边的分句文本和后边的分句文本均无语义关联，则将所述分句文本划分为一个文本段落。

8.如权利要求4所述的内容编目方法，其特征在于，所述生成所述文本段落的标题，包括：

在所述文本段落中检测第一次出现所述标题的关键词的位置以及关键词的内容，其中所述关键词的位置用关键词首位两个字在所述文本段落中的位置表示，所述关键词的内容为所述首位两个字中间的内容。

9.如权利要求4所述的内容编目方法，其特征在于，所述将所述时间轴与所述编目结果进行对应得到带时间轴的编目结果，包括：

获取所述文本段落中的分句文本的时间轴中的最小时间点和最大时间点；

根据所述最小时间点和最大时间点生成所述文本段落的时间轴。

10.如权利要求4所述的内容编目方法，其特征在于，所述方法还包括：

将所述带时间轴的编目结果以预设格式显示。

11.一种内容编目装置，其特征在于，包括：

音频获取模块，用于获取待编目音频；

转写模块，用于对所述待编目音频进行识别转写得到所述待编目音频的文本内容以及所述文本内容对应的时间轴；

编目模块，用于对所述文本结果进行语义分析得到文本内容的编目结果；其中，编目结果表示文本内容被划分为预设的格式；将所述时间轴与所述编目结果进行对应得到带时间轴的编目结果。

12.一种电子设备，包括：

存储器，用于存储计算机可读指令；以及

处理器，用于运行所述计算机可读指令，使得所述处理器运行时实现根据权利要求1-10中任意一项所述的方法。

13.一种非暂态计算机可读存储介质，用于存储计算机可读指令，当所述计算机可读指令由计算机执行时，使得所述计算机执行权利要求1-10中任意一项所述的方法。

Images