一种视频的字幕添加方法、装置、电子设备及可读介质与流程

本公开实施例涉及计算机技术领域，尤其涉及一种视频的字幕添加方法、装置、电子设备及可读介质。

背景技术：

随着社会经济的不断发展，各式各样的终端营运而生，由于终端中的一些应用程序，尤其是视频播放类应用程序，是用户休闲娱乐的首选。而对于一些视频文件来说，用户往往会选择为视频文件添加字幕，使视频文件的内容更加清晰，或者更具有趣味性。

在现有技术中，对视频添加字幕的方式是采用专业的视频处理软件，将字幕中的文字编辑上去，再合成视频文件，这样不仅字幕文件编辑方式较为复杂，而且对于专业的处理软件操作要求高，很难被用户所使用。

技术实现要素：

本公开实施例提供一种视频的字幕添加方法、装置、电子设备及可读介质，可以实现简化为视频文件添加字幕的流程的目的。

第一方面，本公开实施例提供了一种视频的字幕添加方法，该方法包括：

获取录制视频的语音信息；

控制所述语音信息进行语义识别，得到字幕信息；

将所述字幕信息添加到所述录制视频中，形成视频字幕。

进一步的，将所述字幕信息添加到所述录制视频中，形成视频字幕，包括：

将所述字幕信息转化为字幕贴纸；

将所述字幕贴纸添加到所述录制视频中，形成视频字幕。

进一步的，在将所述字幕贴纸添加到所述录制视频中，形成视频字幕之后，所述方法还包括：

在属性显示区显示所述字幕贴纸的属性信息；其中，所述属性信息包括字幕内容、字幕大小、字幕位置以及字幕显示时间轴信息中的至少一种；

若检测到用户对所述属性信息的变更操作，将变更后的属性信息作为字幕贴纸的属性信息。

进一步的，控制所述语音信息进行语义识别，得到字幕信息，包括：

将所述语音信息发送至服务器，通过所述服务器提供语义识别服务，得到由服务器返回的字幕信息。

第二方面，本公开实施例还提供了一种视频的字幕添加装置，该装置包括：

语音信息获取模块，用于获取录制视频的语音信息；

字幕信息确定模块，用于控制所述语音信息进行语义识别，得到字幕信息；

视频字幕添加模块，用于将所述字幕信息添加到所述录制视频中，形成视频字幕。

进一步的，所述视频字幕添加模块包括：

字幕贴纸转化单元，用于将所述字幕信息转化为字幕贴纸；

字幕贴纸添加单元，用于将所述字幕贴纸添加到所述录制视频中，形成视频字幕。

进一步的，所述视频字幕添加模块还包括：

属性信息显示单元，用于在属性显示区显示所述字幕贴纸的属性信息；其中，所述属性信息包括字幕内容、字幕大小、字幕位置以及字幕显示时间轴信息中的至少一种；

属性信息变更单元，用于若检测到用户对所述属性信息的变更操作，将变更后的属性信息作为字幕贴纸的属性信息。

进一步的，所述字幕信息确定模块包括：

字幕信息确定单元，用于将所述语音信息发送至服务器，通过所述服务器提供语义识别服务，得到由服务器返回的字幕信息。

第三方面，本公开实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本公开实施例所述的视频的字幕添加方法。

第四方面，本公开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，该程序被处理器执行时实现如本公开实施例所述的视频的字幕添加方法。

本公开实施例所提供的技术方案，通过获取录制视频的语音信息；控制所述语音信息进行语义识别，得到字幕信息；将所述字幕信息添加到所述录制视频中，形成视频字幕。通过采用本公开所提供的技术方案，可以实现简化为视频文件添加字幕的流程的目的。

附图说明

图1是本公开实施例一提供的视频的字幕添加方法的流程图；

图2是本公开实施例一提供的视频的字幕添加方法的流程图；

图3是本公开实施例二提供的视频的字幕添加装置的结构示意图；

图4是本公开实施例三提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。

实施例一

图1是本公开实施例一提供的视频的字幕添加方法的流程图，本实施例可适用视频制作的情况，该方法可以由本公开实施例所提供的视频的字幕添加装置来执行，该装置可以由软件和/或硬件的方式来实现，并可集成于客户端、服务器以及智能终端等电子设备中。

如图1所示，所述视频的字幕添加方法包括：

s110、获取录制视频的语音信息。

其中，可以通过编辑器对视频添加字幕。编辑器可以是视频录制应用程序，也可以是视频播放应用程序，也可以是在原有的应用程序的基础上，通过在上面添加sdk(软件开发工具包，softwaredevelopmentkit，sdk)模块所形成的编辑器。编辑器可以包括视频预览区，字幕编辑区以及其他功能区域，可以根据用户的选择确定编辑器界面中保留哪些功能区域。

其中，录制视频可以是用户刚刚录制完成的视频，还可以是在视频库中的视频，例如下载的视频或者已经录制后存储在智能终端中的视频。语音信息可以是从声音信息中获取到的，例如通过设置带通滤波器，从声音信息中获取符合人说话声音的频段，将其他高频和低频的声音信息滤除，就可以得到录制视频的语音信息。

s120、控制所述语音信息进行语义识别，得到字幕信息。

其中，可以通过控制智能终端的语义识别模块对该语音信息进行语义识别，进而得到字幕信息，还可以通过将语音信息发送至外部设备进行语义识别，例如专门用于做语义识别的设备，如语义识别服务器等。本技术方案这样设置的好处是可以将语音信息自动转化为字幕信息，而无需有人工录入。其中，可以通过机器学习手段对语音信息进行语义识别，得到相对准确的字幕信息，由于机器学习手段所需要的算法较多，而且相对复杂，所以可以采用外部的语义识别的装置来识别。这样可以避免对智能终端自身的内存消耗过大而影响智能终端自身的运行速度。在本技术方案中，得到字幕信息之后，用户可以查看字幕信息，这样用户可以对其中是否存在撰写错误进行检查，便于用户对字幕信息进行确认。

s130、将所述字幕信息添加到所述录制视频中，形成视频字幕。

将字幕信息添加到录制视频中，形成视频字幕。其中视频字幕的字幕文件可以与视频文件本身分离设置，其他用户打开视频时，可以通过视频播放软件打开该字幕文件。除此之外，字幕文件可以是以贴纸形式添加在视频文件中的，可以把每一句话的字幕作为一个贴纸，这样设置的好处是可以有利于用户对每个字幕文件的编辑。还可以对不同的字幕文件的位置和显示时间等进行设置，可以使字幕信息的显示可以根据用户的需求进行设置，提高用户的使用体验。

本公开实施例所提供的技术方案，通过获取录制视频的语音信息；控制所述语音信息进行语义识别，得到字幕信息；将所述字幕信息添加到所述录制视频中，形成视频字幕。通过采用本公开所提供的技术方案，可以实现简化为视频文件添加字幕的流程的目的。

在上述技术方案的基础上，可选的，将所述字幕信息添加到所述录制视频中，形成视频字幕，包括：将所述字幕信息转化为字幕贴纸；将所述字幕贴纸添加到所述录制视频中，形成视频字幕。其中，将所述字幕信息转化为字幕贴纸，可以是将语音信息中每一句话的字幕信息转化为一个字幕贴纸。其中，字幕贴纸的贴纸属性是可以编辑的。这样设置的好处是可以对字幕信息进行编辑，而且每句话所形成的字幕信息可以单独作为一个贴纸，这样就可以对每个字幕的内容、显示位置以及显示时间等进行编辑，避免出现字幕与用户的语音的内容或者时间不对应的问题。

图2是本公开实施例一提供的视频的字幕添加方法的流程图。本技术方案是在上述技术方案中的各个可选方案为基础进行具体化。具体优化为：在将所述字幕贴纸添加到所述录制视频中，形成视频字幕之后，所述方法还包括：在属性显示区显示所述字幕贴纸的属性信息；其中，所述属性信息包括字幕内容、字幕大小、字幕位置以及字幕显示时间轴信息中的至少一种；若检测到用户对所述属性信息的变更操作，将变更后的属性信息作为字幕贴纸的属性信息。

如图2所示，所述视频的字幕添加方法包括：

s210、获取录制视频的语音信息。

s220、控制所述语音信息进行语义识别，得到字幕信息。

s230、将所述字幕信息转化为字幕贴纸。

s240、将所述字幕贴纸添加到所述录制视频中，形成视频字幕。

s250、在属性显示区显示所述字幕贴纸的属性信息；其中，所述属性信息包括字幕内容、字幕大小、字幕位置以及字幕显示时间轴信息中的至少一种。

其中，字幕内容即为通过语义识别得到的字幕信息，字幕大小可以是字幕中文字的格式大小，字幕位置可以是字幕的中心在视频画面中的位置，字幕的显示时间轴信息可以是一个字幕贴纸开始显示和终止显示之间的时间段的信息。字幕贴纸的属性信息可以包括上述信息中的一种或者多种。

可以对字幕贴纸的属性进行默认设置，也可以根据用户的选择确定贴纸的部分或者全部属性。例如字幕贴纸在视频中的显示位置以及显示大小，可以在选择字幕贴纸之后，默认设置为一些数值，而这些数值也可以接收用户的改写操作，并且根据改写后的属性信息，将字幕贴纸在视频中的显示位置和显示大小进行变更。

s260、若检测到用户对所述属性信息的变更操作，将变更后的属性信息作为字幕贴纸的属性信息。

当把字幕贴纸的上述信息属性化配置之后，可以根据用户的操作，将其中的属性信息进行变更操作。例如，原来的显示位置的像素点为(1600，50)，可以通过用户的变更操作，将其修改为(1600，100)，也就是将字幕在视频画面中的高度整体提高。其中，像素点的位置可以是在以视频画面的左下角为坐标原点，向右和向上分别为x轴正向和y轴正向。除此之外，还可以将字幕的显示位置进行旋转，在视频画面的左侧边和右侧边上进行显示。

本技术方案提供了一种可以根据用户需求来对字幕贴纸的属性信息进行变更的方法，这样设置的好处是用户可以对字幕的显示位置、显示时间以及其他属性进行个性化设置，提高了用户对视频字幕添加过程中的兴趣度，同时还可以简化用户的设置操作，提高用户的使用体验。

在上述各技术方案的基础上，可选的，控制所述语音信息进行语义识别，得到字幕信息，包括：将所述语音信息发送至服务器，通过所述服务器提供语义识别服务，得到由服务器返回的字幕信息。其中，可以把语音信息发送至服务器，通过服务器中的语音识别模块，对语音信息进行语义识别，得到字幕信息，并将字幕信息返回给智能终端。这样设置的好处是可以将语义识别过程交给外部设备来操作，避免语义识别过程影响智能终端的运行速度，可以降低对于智能终端的硬件配置需求，扩大本技术方案的适用范围。

实施例二

图3是本公开实施例二提供的视频的字幕添加装置的结构示意图。如图3所示，所述视频的字幕添加装置，包括：

语音信息获取模块310，用于获取录制视频的语音信息；

字幕信息确定模块320，用于控制所述语音信息进行语义识别，得到字幕信息；

视频字幕添加模块330，用于将所述字幕信息添加到所述录制视频中，形成视频字幕。

本公开实施例所提供的技术方案，通过获取录制视频的语音信息；控制所述语音信息进行语义识别，得到字幕信息；将所述字幕信息添加到所述录制视频中，形成视频字幕。通过采用本公开所提供的技术方案，可以实现简化为视频文件添加字幕的流程的目的。

在上述各实施例的基础上，可选的，所述视频字幕添加模块包括：

字幕贴纸转化单元，用于将所述字幕信息转化为字幕贴纸；

字幕贴纸添加单元，用于将所述字幕贴纸添加到所述录制视频中，形成视频字幕。

在上述各实施例的基础上，可选的，所述视频字幕添加模块还包括：

属性信息显示单元，用于在属性显示区显示所述字幕贴纸的属性信息；其中，所述属性信息包括字幕内容、字幕大小、字幕位置以及字幕显示时间轴信息中的至少一种；

属性信息变更单元，用于若检测到用户对所述属性信息的变更操作，将变更后的属性信息作为字幕贴纸的属性信息。

在上述各实施例的基础上，可选的，所述字幕信息确定模块包括：

字幕信息确定单元，用于将所述语音信息发送至服务器，通过所述服务器提供语义识别服务，得到由服务器返回的字幕信息。

上述产品可执行本公开任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

实施例三

图4是本公开实施例三提供的一种电子设备的结构示意图。下面参考图4，其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开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)、车载电子设备(例如车载导航电子设备)等等的电子设备以及诸如数字tv、台式计算机等等的固定电子设备。图4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4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ram403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、rom402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4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rom402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介质或者是上述两者的任意组合。计算机可读介质例如可以是——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。

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：获取录制视频的语音信息；控制所述语音信息进行语义识别，得到字幕信息；将所述字幕信息添加到所述录制视频中，形成视频字幕。

或者，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：获取录制视频的语音信息；控制所述语音信息进行语义识别，得到字幕信息；将所述字幕信息添加到所述录制视频中，形成视频字幕。

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。

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，模块、单元的名称在某种情况下并不构成对该模块、单元本身的限定。

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。