CN104751846A - 语音到文本转换的方法及装置 - Google Patents

Abstract

本发明公开了一种语音到文本转换的方法，该方法包括：获取音频文件；根据所述音频文件的时间轴顺序将所述音频文件中含有的语音转换为文本以生成第一文本信息；将所述音频文件中的录音打点标记转换为文本标记；将所述文本标记***到所述第一文本信息中的对应位置，以生成第二文本信息。本发明还公开了一种语音到文本转换的装置。采用本发明的技术方案，对转换后的文本进行标记，方便人们对文本进行查看、编辑等操作。

Description

语音到文本转换的方法及装置

技术领域

本发明涉及通信技术领域，尤其涉及一种语音到文本转换的方法及装置。

背景技术

随着信息时代的迅速发展，信息输入/输出功能的重要性在电子设备中已经被加强。人们可通过手机或录音笔(或其他具有录音功能的设备)进行录音，方便记录信息；在录音过程中，还可以使用打点功能，如在听讲座时，可以一边听一边录音，对重要的内容在录的时候事先标记上，最后生成录音文件，人们可在后续通过该录音文件继续回听以前的讲座内容时，可直接从标记开始处听，而不需要整个录音听一遍；如在开会议时，可以一边讨论一边录音，对重要的会议内容在录的时候事先标记上，最后生成录音文件，人们可在后续通过该录音文件继续回听以前的会议内容时，可直接从标记开始处听，而不需要整个录音听一遍。语音识别技术应用越来越广泛，现有技术中，已实现了将语音文件转换成文本文件进行显示，但是，现有技术在将具有标记的语音文件转成文本文件时，对打点标记不进行识别，而是直接将语音文件转换成文本文件，不方便人们对文本文件的读取、编辑，如人们想看之前在语音文件中打点标记处的内容(了解记录的重点)，不能快速找到，需要从文本开始处慢慢找。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种语音到文本转换的方法及装置，旨在对转换后的文本进行标记，方便人们对文本进行查看、编辑等操作。

为实现上述目的，本发明提供一种语音到文本转换的方法，该方法包括：

获取音频文件；

根据所述音频文件的时间轴顺序将所述音频文件中含有的语音转换为文本以生成第一文本信息；

将所述音频文件中的录音打点标记转换为文本标记；

将所述文本标记***到所述第一文本信息中的对应位置，以生成第二文本信息。

优选地，所述将所述音频文件中的录音打点标记转换为文本标记的步骤包括：

获取所述音频文件中的录音打点标记；

根据预设的录音打点标记与文本标记映射表，查找所述获取的录音打点标记对应的文本标记。

优选地，在将所述文本标记***到所述第一文本信息中，以生成第二文本信息的步骤之后，该方法还包括：

将所述第二文本信息中的相同且相邻的两个文本标记之间的文字内容进行突出显示，以生成第三文本信息。

优选地，所述将所述第二文本信息中的相同且相邻的两个文本标记之间的文字内容进行突出显示，以生成第三文本信息的步骤包括：

顺序读取所述第二文本信息；

若当前读取到文本标记，则判断所述当前读取的文本标记是否与上一次读取的文本标记相同；

若所述当前读取的文本标记与上一次读取的文本标记相同，则将所述当前读取的文本标记与上一次读取的文本标记之间的文字内容进行突出显示，以生成第三文本信息。

优选地，所述则将所述当前读取的文本标记与上一次读取的文本标记之间的文字内容进行突出显示，以生成第三文本信息的步骤包括：

根据预设的文本标记与突出显示方式映射表，查找该当前读取的文本标记对应的突出显示方式；

将所述当前读取的文本标记与上一次读取的文本标记之间的文字内容按照所述查找的突出显示方式进行突出显示，以生成第三文本信息。

此外，为实现上述目的，本发明还提供一种语音到文本转换的装置，包括：

获取模块，用于获取音频文件；

第一生成模块，用于根据所述音频文件的时间轴顺序将所述音频文件中含有的语音转换为文本以生成第一文本信息；

第一转换模块，用于将所述音频文件中的录音打点标记转换为文本标记；

第二生成模块，用于将所述文本标记***到所述第一文本信息中的对应位置，以生成第二文本信息。

优选地，所述第一转换模块包括：

第一获取单元，用于获取所述音频文件中的录音打点标记；

第一查找单元，用于根据预设的录音打点标记与文本标记映射表，查找所述获取的录音打点标记对应的文本标记。

优选地，该装置还包括：

第三生成模块，用于将所述第二文本信息中的相同且相邻的两个文本标记之间的文字内容进行突出显示，以生成第三文本信息。

优选地，所述第三生成模块包括：

读取单元，用于顺序读取所述第二文本信息；

判断单元，用于在所述读取单元当前读取到文本标记时，判断所述当前读取的文本标记是否与上一次读取的文本标记相同；

突出显示单元，用于在所述当前读取的文本标记与上一次读取的文本标记相同时，将所述当前读取的文本标记与上一次读取的文本标记之间的文字内容进行突出显示，以生成第三文本信息。

优选地，所述突出显示单元包括：

第二查找单元，用于在所述当前读取的文本标记与上一次读取的文本标记相同时，根据预设的文本标记与突出显示方式映射表，查找该当前读取的文本标记对应的突出显示方式；

突出显示子单元，用于将所述当前读取的文本标记与上一次读取的文本标记之间的文字内容按照所述第二查找单元查找的突出显示方式进行突出显示，以生成第三文本信息。

本发明通过获取音频文件；根据所述音频文件的时间轴顺序将所述音频文件中含有的语音转换为文本以生成第一文本信息；将所述音频文件中的录音打点标记转换为文本标记；将所述文本标记***到所述第一文本信息中的对应位置，以生成第二文本信息。在将音频文件转换为文本文件时，将音频文件中的录音打点标记转换成文本标记，并将该文本标记***到所述第一文本信息中的对应位置，以生成第二文本信息，可方便人们对转换后的文本进行查看、编辑等操作。

附图说明

图1为本发明语音到文本转换的方法第一实施例的流程示意图；

图2为图1中步骤S30的细化流程示意图；

图3为本发明语音到文本转换的方法第二实施例的流程示意图；

图4为图3中步骤S50的细化流程示意图；

图5为图4中步骤S53的细化流程示意图；

图6为本发明语音到文本转换的装置第一实施例的功能模块示意图；

图7为本发明语音到文本转换的装置第二实施例的功能模块示意图；

图8为图7中第三生成模块的详细结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明语音到文本转换的方法第一实施例的流程示意图。

本发明提供一种语音到文本转换的方法，包括

S10、获取音频文件。

在该步骤S10中，可通过有线或无线的方式获取音频文件，如：可从网上下载获取音频文件，比如从网上下载了一份讲座音频文件。该音频文件包括录音打点标记。

S20、根据该音频文件的时间轴顺序将该音频文件中含有的语音转换为文本以生成第一文本信息。

在该步骤S20中，通过语音至文本(Speech To Test，STT)功能或算法将语音转换成文本，根据该音频文件的时间轴顺序，依次提取语音，并将提取的语音转换为文本，将转换生成的各文本合成第一文本信息。

S30、将该音频文件中的录音打点标记转换为文本标记。

在该步骤S30中，将音频文件中的录音打点标记转换为文本标记，该文本标记样式多样，可以为各种颜色或各种形状的图案标记。

S40、将该文本标记***到该第一文本信息中的对应位置，以生成第二文本信息。

在该步骤S40中，根据该文本标记对应的录音打点标记在音频文件的位置，将文本标记***到第一文本信息中的对应位置生成第二文本信息，使得该第二文本信息既包括由语音转换成的文本，又包括由录音打点标记转换成的文本标记。

本发明实施例，在将语音到文本转换的过程中，将音频文件中含有的语音转换为文本以生成第一文本信息，将音频文件中的录音打点标记转换为文本标记，再将转换后的文本标记***到该第一文本信息中的对应位置，以生成第二文本信息；即生成后的第二文本信息既包括由语音转换成的文本，又包括由录音打点标记转换成的文本标记。用户可方便的对第二文本信息进行查看、编辑等操作，如用户通过查看文本标记可在该第二文本信息中一目了然的找到之前做了录音打点标记处的地方，而不需要从第二文本信息的开始处依次查看。

进一步的，如图2所示，该步骤S30包括：

S31、获取该音频文件中的录音打点标记。

S32、根据预设的录音打点标记与文本标记映射表，查找该获取的录音打点标记对应的文本标记。

可根据实际需要预先设置该录音打点标记与文本标记的映射表，如表一所示。

表一：

录音打点标记	文本标记
		打点标记A	五角星
打点标记B	红色圆圈
		打点标记C	绿色三角形
……	……

若在该步骤S31中获取到的录音打点标记为打点标记A，则在该步骤S32中，根据预设的录音打点标记与文本标记映射表，查找到该打点标记A对应的文本标记为五角星。

根据实际需要，还可随时更新该录音打点标记与文本标记映射表，使得该录音打点标记与文本标记映射表更符合用户的使用习惯。

参照图3，图3为本发明语音到文本转换的方法第二实施例的流程示意图。

基于上述语音到文本转换的方法第一实施例，在步骤S40之后，该方法还包括：

S50、将该第二文本信息中的相同且相邻的两个文本标记之间的文字内容进行突出显示，以生成第三文本信息。

在该步骤S50中，对相同且相邻的两个文本标记之间的文字内容进行突出显示，即可对第二文本信息进行自动编辑，对在音频文件中做了相同且相邻的两个录音打点标记之间的语音对应的文本进行自动突出显示，该突出显示的方式可以为：粗体字体、红色字体等。用户对该第三文本信息进行查看、编辑等操作时，可一目了然的查看到突出显示的文本内容，提高效率。

进一步的，如图4所示，该步骤S50包括：

S51、顺序读取该第二文本信息。

S52、若当前读取到文本标记，则判断该当前读取的文本标记是否与上一次读取的文本标记相同，若相同，则执行步骤S53。

在该步骤S52中，若当前读取到文本标记，可将当前读取的文本标记添加到已读取文本标记列表中，并从该已读取列表中查找到上一次读取的文本标记，然后判断当前读取的文本标记与上一次读取的文本标记是否相同，若相同，则执行步骤S53，若不相同，则从该当前读取到文本标记的地方继续读取第二文本信息。

S53、将该当前读取的文本标记与上一次读取的文本标记之间的文字内容进行突出显示，以生成第三文本信息。

该该步骤S53中，将当前读取的文本标记与上一次读取的文本标记之间的文字内容进行突出显示，即可对第二文本信息进行自动编辑，对在音频文件中做了相同且相邻的两个录音打点标记之间的语音对应的文本进行自动突出显示，该突出显示的方式可以为：粗体、红色等。用户对该第三文本信息进行查看、编辑等操作时，可一目了然的查看到突出显示的文本内容，提高效率。

进一步的，如图5所示，该步骤S53包括：

S531、根据预设的文本标记与突出显示方式映射表，查找该当前读取的文本标记对应的突出显示方式。

可根据实际需要预先设置该文本标记与突出显示方式映射表，如表二所示。

表二：

文本标记	突出显示方式
		五角星	粗体字体
红色圆圈	红色字体
		绿色三角形	绿色字体
……	……

如果当前读取的文本标记为红色圆圈，则在该预设的文本标记与突出显示方式映射表查找到该红色圆圈对应的突出显示方式为红色字体。

根据实际需要，还可随时更新该文本标记与突出显示方式映射表，使得该文本标记与突出显示方式映射表更符合用户的使用习惯。

S532、将该当前读取的文本标记与上一次读取的文本标记之间的文字内容按照该查找的突出显示方式进行突出显示，以生成第三文本信息。

在该步骤S532中，根据步骤S531查找到的突出显示方式对当前读取的文本标记与上一次读取的文本标记之间的文字内容进行突出显示，可自动对第二文本信息进行编辑，生成第三文本信息。用户对该第三文本信息进行查看、编辑等操作时，可一目了然的查看到突出显示的文本内容，提高效率。

参照图6，图6为本发明语音到文本转换的装置第一实施例的功能模块示意图，该装置包括：

获取模块10，用于获取音频文件；

第一生成模块20，用于根据该音频文件的时间轴顺序将该音频文件中含有的语音转换为文本以生成第一文本信息；

第一转换模块30，用于将该音频文件中的录音打点标记转换为文本标记；

第二生成模块40，用于将该文本标记***到该第一文本信息中的对应位置，以生成第二文本信息。

该获取模块10可通过有线或无线的方式获取音频文件，如：可从网上下载获取音频文件，比如从网上下载了一份讲座音频文件。该音频文件包括录音打点标记。

该第一生成模块20通过语音至文本(Speech To Test，STT)功能或算法将语音转换成文本，根据该音频文件的时间轴顺序，依次提取语音，并将提取的语音转换为文本，将转换生成的各文本合成第一文本信息。

该第一转换模块30，将音频文件中的录音打点标记转换为文本标记，该文本标记样式多样，可以为各种颜色或各种形状的图案标记。

该第二生成模块40根据该文本标记对应的录音打点标记在音频文件的位置，将文本标记***到第一文本信息中的对应位置生成第二文本信息，使得该第二文本信息既包括由语音转换成的文本，又包括由录音打点标记转换成的文本标记。

本发明实施例，在将语音到文本转换的过程中，第一生成模块20将音频文件中含有的语音转换为文本以生成第一文本信息，第一转换模块30将音频文件中的录音打点标记转换为文本标记，然后第二生成模块40再将转换后的文本标记***到该第一文本信息中的对应位置，以生成第二文本信息；即生成后的第二文本信息既包括由语音转换成的文本，又包括由录音打点标记转换成的文本标记。用户可方便的对第二文本信息进行查看、编辑等操作，如用户通过查看文本标记可在该第二文本信息中一目了然的找到之前做了录音打点标记处的地方，而不需要从第二文本信息的开始处依次查看。

进一步的，该第一转换模块30包括：第一获取单元31，用于获取该音频文件中的录音打点标记；第一查找单元32，用于根据预设的录音打点标记与文本标记映射表，查找该获取的录音打点标记对应的文本标记。

可根据实际需要预先设置该录音打点标记与文本标记的映射表，如上述表一所示。

若第一获取单元31获取到的录音打点标记为打点标记A，则该第一查找单元32根据预设的录音打点标记与文本标记映射表，查找到该打点标记A对应的文本标记为五角星。

根据实际需要，还可随时更新该录音打点标记与文本标记映射表，使得该录音打点标记与文本标记映射表更符合用户的使用习惯。

参照图7，图7为本发明语音到文本转换的装置第二实施例的功能模块示意图。

基于上述本发明语音到文本转换的装置第一实施例，该装置还包括：

第三生成模块50，用于将该第二文本信息中的相同且相邻的两个文本标记之间的文字内容进行突出显示，以生成第三文本信息。

该第三生成模块50，对相同且相邻的两个文本标记之间的文字内容进行突出显示，即可对第二文本信息进行自动编辑，对在音频文件中做了相同且相邻的两个录音打点标记之间的语音对应的文本进行自动突出显示，该突出显示的方式可以为：粗体字体、红色字体等。用户对该第三文本信息进行查看、编辑等操作时，可一目了然的查看到突出显示的文本内容，提高效率。

进一步的，如图8所示，该第三生成模块50包括：

读取单元51，用于顺序读取该第二文本信息；

判断单元52，用于在该读取单元51当前读取到文本标记时，判断该当前读取的文本标记是否与上一次读取的文本标记相同；

突出显示单元53，用于在该当前读取的文本标记与上一次读取的文本标记相同时，将该当前读取的文本标记与上一次读取的文本标记之间的文字内容进行突出显示，以生成第三文本信息。

若该读取单元51当前读取到文本标记，则该判断单元52可将当前读取的文本标记添加到已读取文本标记列表中，并从该已读取列表中查找到上一次读取的文本标记，然后判断当前读取的文本标记与上一次读取的文本标记是否相同；若不相同，则该读取单元51从该当前读取到文本标记的地方继续读取第二文本信息。

当该当前读取的文本标记与上一次读取的文本标记相同时，该突出显示单元53将当前读取的文本标记与上一次读取的文本标记之间的文字内容进行突出显示，即可对第二文本信息进行自动编辑，对在音频文件中做了相同且相邻的两个录音打点标记之间的语音对应的文本进行自动突出显示，该突出显示的方式可以为：粗体、红色等。用户对该第三文本信息进行查看、编辑等操作时，可一目了然的查看到突出显示的文本内容，提高效率。

进一步的，该突出显示单元53包括：

第二查找单元，用于在该当前读取的文本标记与上一次读取的文本标记相同时，根据预设的文本标记与突出显示方式映射表，查找该当前读取的文本标记对应的突出显示方式；

突出显示子单元，用于将该当前读取的文本标记与上一次读取的文本标记之间的文字内容按照该第二查找单元查找的突出显示方式进行突出显示，以生成第三文本信息。

可根据实际需要预先设置该文本标记与突出显示方式映射表，如上述表二所示。

如果当前读取的文本标记为红色圆圈，则第二查找单元在该预设的文本标记与突出显示方式映射表查找到该红色圆圈对应的突出显示方式为红色字体。

根据实际需要，还可随时更新该文本标记与突出显示方式映射表，使得该文本标记与突出显示方式映射表更符合用户的使用习惯。

该突出显示子单元根据该第二查找单元查找到的突出显示方式对当前读取的文本标记与上一次读取的文本标记之间的文字内容进行突出显示，可自动对第二文本信息进行编辑，生成第三文本信息。用户对该第三文本信息进行查看、编辑等操作时，可一目了然的查看到突出显示的文本内容，提高效率。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种语音到文本转换的方法，其特征在于，该方法包括：

获取音频文件；

根据所述音频文件的时间轴顺序将所述音频文件中含有的语音转换为文本以生成第一文本信息；

将所述音频文件中的录音打点标记转换为文本标记；

将所述文本标记***到所述第一文本信息中的对应位置，以生成第二文本信息。

2.如权利要求1所述的语音到文本转换的方法，其特征在于，所述将所述音频文件中的录音打点标记转换为文本标记的步骤包括：

获取所述音频文件中的录音打点标记；

根据预设的录音打点标记与文本标记映射表，查找所述获取的录音打点标记对应的文本标记。

3.如权利要求2所述的语音到文本转换的方法，其特征在于，在将所述文本标记***到所述第一文本信息中，以生成第二文本信息的步骤之后，该方法还包括：

将所述第二文本信息中的相同且相邻的两个文本标记之间的文字内容进行突出显示，以生成第三文本信息。

4.如权利要求3所述的语音到文本转换的方法，其特征在于，所述将所述第二文本信息中的相同且相邻的两个文本标记之间的文字内容进行突出显示，以生成第三文本信息的步骤包括：

顺序读取所述第二文本信息；

若当前读取到文本标记，则判断所述当前读取的文本标记是否与上一次读取的文本标记相同；

若所述当前读取的文本标记与上一次读取的文本标记相同，则将所述当前读取的文本标记与上一次读取的文本标记之间的文字内容进行突出显示，以生成第三文本信息。

5.如权利要求4所述的语音到文本转换的方法，其特征在于，所述则将所述当前读取的文本标记与上一次读取的文本标记之间的文字内容进行突出显示，以生成第三文本信息的步骤包括：

根据预设的文本标记与突出显示方式映射表，查找该当前读取的文本标记对应的突出显示方式；

将所述当前读取的文本标记与上一次读取的文本标记之间的文字内容按照所述查找的突出显示方式进行突出显示，以生成第三文本信息。

6.一种语音到文本转换的装置，其特征在于，包括：

获取模块，用于获取音频文件；

第一生成模块，用于根据所述音频文件的时间轴顺序将所述音频文件中含有的语音转换为文本以生成第一文本信息；

第一转换模块，用于将所述音频文件中的录音打点标记转换为文本标记；

第二生成模块，用于将所述文本标记***到所述第一文本信息中的对应位置，以生成第二文本信息。

7.如权利要求6所述的语音到文本转换的装置，其特征在于，所述第一转换模块包括：

第一获取单元，用于获取所述音频文件中的录音打点标记；

第一查找单元，用于根据预设的录音打点标记与文本标记映射表，查找所述获取的录音打点标记对应的文本标记。

8.如权利要求7所述的语音到文本转换的装置，其特征在于，该装置还包括：

第三生成模块，用于将所述第二文本信息中的相同且相邻的两个文本标记之间的文字内容进行突出显示，以生成第三文本信息。

9.如权利要求8所述的语音到文本转换的装置，其特征在于，所述第三生成模块包括：

读取单元，用于顺序读取所述第二文本信息；

判断单元，用于在所述读取单元当前读取到文本标记时，判断所述当前读取的文本标记是否与上一次读取的文本标记相同；

突出显示单元，用于在所述当前读取的文本标记与上一次读取的文本标记相同时，将所述当前读取的文本标记与上一次读取的文本标记之间的文字内容进行突出显示，以生成第三文本信息。

10.如权利要求9所述的语音到文本转换的装置，其特征在于，所述突出显示单元包括：

第二查找单元，用于在所述当前读取的文本标记与上一次读取的文本标记相同时，根据预设的文本标记与突出显示方式映射表，查找该当前读取的文本标记对应的突出显示方式；

突出显示子单元，用于将所述当前读取的文本标记与上一次读取的文本标记之间的文字内容按照所述第二查找单元查找的突出显示方式进行突出显示，以生成第三文本信息。