CN113361404A - 用于识别文本的方法、装置、设备、存储介质及程序产品 - Google Patents

Abstract

本申请公开了用于识别文本的方法、装置、电子设备、存储介质及计算机程序产品，涉及图像识别、语音识别技术领域。方法的一具体实施方式包括：获取待识别图像；识别待识别图像，得到正文文本、正文文本中的被标注文本和标注信息；在正文文本中，对应于被标注文本标注标注信息，得到识别后文本。本申请识别待识别图像中的正文文本、被标注文本和标注信息，参照待识别图像中的标注格式排版正文文本、被标注文本和标注信息得到识别后文本，降低了设备的存储空间，提高了用户的查阅体验度。

Description

用于识别文本的方法、装置、设备、存储介质及程序产品

技术领域

本申请涉及图像处理领域，具体涉及图像识别、语音识别技术领域，尤其涉及用于识别文本的方法、装置、电子设备、存储介质以及计算机程序产品。

背景技术

在查阅纸质书籍过程中，阅读者往往喜欢在纸质书籍中进行标注。由于纸质书籍不利于携带，在纸质书籍上标注的内容无法被随时随地地查阅，而对标注页进行拍摄获取图像又会占用用户手机上的内存，且不利于归类，后续查阅时，查找困难。

发明内容

本申请提供了一种用于识别文本的方法、装置、电子设备、存储介质以及计算机程序产品。

根据第一方面，提供了一种用于识别文本的方法，包括：获取待识别图像；识别待识别图像，得到正文文本、正文文本中的被标注文本和标注信息；在正文文本中，对应于被标注文本标注标注信息，得到识别后文本。

根据第二方面，提供了一种用于识别文本的装置，包括：获取单元，被配置成获取待识别图像；识别单元，被配置成识别待识别图像，得到正文文本、正文文本中的被标注文本和标注信息；标注单元，被配置成在正文文本中，对应于被标注文本标注标注信息，得到识别后文本。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面任一实现方式描述的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面任一实现方式描述的方法。

根据第五方面，提供了一种计算机程序产品，包括：计算机程序，计算机程序在被处理器执行时实现如第一方面任一实现方式描述的方法。

根据本申请的技术，识别待识别图像中的正文文本、被标注文本和标注信息，参照待识别图像中的标注格式排版正文文本、被标注文本和标注信息，得到识别后文本，降低了设备的存储空间，提高了用户的查阅体验度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请的一个实施例可以应用于其中的示例性***架构图；

图2是根据本申请的用于识别文本的方法的一个实施例的流程图；

图3是根据本实施例的用于识别文本的方法的应用场景的示意图；

图4是根据本申请的用于识别文本的方法的又一个实施例的流程图；

图5是根据本申请的用于识别文本的装置的一个实施例的结构图；

图6是适于用来实现本申请实施例的计算机***的结构示意图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1示出了可以应用本申请的用于识别文本的方法及装置的示例性架构100。

如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。终端设备101、102、103之间通信连接构成拓扑网络，网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103可以是支持网络连接从而进行数据交互和数据处理的硬件设备或软件。当终端设备101、102、103为硬件时，其可以是支持网络连接，信息获取、交互、显示、处理等功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如获取用户通过终端设备101、102、103发送的待识别图像，识别待识别图像中的正文文本、正文文本中的被标注文本和标注信息，并参照待识别图像中的标注格式排版正文文本、被标注文本和标注信息得到识别后文本的后台处理服务器。可选的，后台处理服务器以将识别后文本反馈至终端设备。作为示例，服务器105可以是云端服务器。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

还需要说明的是，本申请的实施例所提供的用于识别文本的方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，用于识别文本的装置包括的各个部分(例如各个单元)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当用于识别文本的方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该***架构可以仅包括用于识别文本的方法运行于其上的电子设备(例如服务器或终端设备)。

请参考图2，图2为本申请实施例提供的一种用于识别文本的方法的流程图，其中，流程200包括以下步骤：

步骤201，获取待识别图像。

本实施例中，用于识别文本的方法的执行主体(例如，图1中的终端设备或服务器)可以获取待识别图像。

待识别图像中包括正文部分、被标注部分和标注部分等多部分的文本信息。其中，被标注部分包含于正文部分，是正文部分的一部分。作为示例，待识别图像可以是表征读书笔记的图像。

当上述执行主体为具有图像拍摄功能的终端设备时，待识别图像可以是终端设备拍摄的图像。当上述执行主体为与终端设备通信连接的服务器时，待识别图像可以是从终端设备获取的图像。

步骤202，识别待识别图像，得到正文文本、正文文本中的被标注文本和标注信息。

本实施例中，上述执行主体识别待识别图像，得到正文文本、正文文本中的被标注文本和标注信息。

作为示例，上述执行主体可以通过预先训练的识别模型，识别待识别图像，得到正文文本、正文文本中的被标注文本和标注信息。其中，识别模型表征待处理图像与正文文本、被标注文本和标注信息之间的对应关系，可以采用具有文本识别功能的神经网络模型。

作为又一示例，上述执行主体可以在待识别图像中标记正文文本、被标注文本和标注信息一一对应的图像区域，进而根据OCR(Optical Character Recognition，光学字符识别)技术识别各图像区域，依次得到正文文本、被标注文本和标注信息。

步骤203，在正文文本中，对应于被标注文本标注标注信息，得到识别后文本。

本实施例中，上述执行主体可以在正文文本中，对应于被标注文本标注标注信息，得到识别后文本。

作为示例，上述执行主体可以参照待识别图像中正文文本、被标注文本和标注信息之间的相对位置信息，排版正文文本、被标注文本和标注信息，得到识别后文本。其中，正文文本中被标注文本可以以划线、高亮等形式突出显示。

本实施例中，识别待识别图像中的正文文本、被标注文本和标注信息，参照待识别图像中的标注格式排版正文文本、被标注文本和标注信息得到识别后文本，降低了设备的存储空间，提高了用户的查阅体验度。

继续参见图3，图3是根据本实施例的用于识别文本的方法的应用场景的一个示意图300。在图3的应用场景中，用户301通过终端设备302拍摄读书笔记获取待识别图像3021。终端设备302将待识别图像3021发送至服务器303，服务器303识别待识别图像3021，得到正文文本30211、正文文本中的被标注文本30212和标注信息30213；在正文文本30211中，对应于被标注文本30212标注标注信息30213，得到识别后文本，并通过终端设备302向用户301展示识别后文本3022。

在本实施例的一些可选的实现方式中，针对于待识别图像中的被标注部分被预设标记标记的情形，上述执行主体可以通过如下方式执行上述步骤202：

响应于确定待识别图像中的正文部分包括预设标记，识别待识别图像中的正文部分、正文部分中被预设标记所标记的被标注部分和标注部分，依次得到正文文本、被标注文本和标注信息。

其中，预设标记可以是具有标记功能的任意标记符，例如，划线、括号、特定颜色的涂画等。

作为示例，上述执行主体可以通过ICR(Intelligent Character Recognition，智能字符识别)技术，识别待识别图像中的正文部分、被标注部分和标注部分，依次得到正文文本、被标注文本和标注信息。此情形下，上述执行主体直接确定并识别待识别图像中的各部分文本，可以快速地进行文本识别。

在本实施例的一些可选的实现方式中，针对于待识别图像中的被标注部分未被预设标记标记的情形，上述执行主体可以通过如下方式执行上述步骤203：

第一，响应于确定待识别图像中的正文部分不包括预设标记，接收待识别语音。

待识别语音用于使得上述执行主体确定正文部分中的被标注部分。作为示例，待识别语音可以是与被标注文本完全匹配的语音(用户阅读被标注部分的被标注文本而形成的语音)，也可以是只表征被标注文本的开始部分和结束部分的语音，还可以是表征被标注部分在正文部分中的位置信息的语音。

第二，识别待识别语音，得到语音文本，并将正文文本中与语音文本匹配的文本确定为被标注文本。

当待识别语音是与被标注文本完全匹配的语音时，上述执行主体可直接识别待识别语音确定语音文本；当待识别语音是表征被标注文本的开始部分和结束部分的语音时，上述执行主体识别开始部分和结束部分的文本后，与正文文本匹配，将正文文本中起始于开始部分的文本，终止于结束部分的文本的部分确定为被标注文本；当待识别语音是表征被标注部分在正文部分中的位置信息的语音时，上述执行主体可以对语音文本进行语义识别，确定位置信息，进而根据位置信息从正文文本中确定出被标注文本。

此类情形中，上述执行主体可以基于语音识别技术确定被标注文本，提高了用户使用本申请的便利性。

针对于标注信息为手写体文本的情形，文本识别可能出现识别错误的情形，此情形下，上述执行主体可以通过如下方式执行上述步骤202：

第一，识别正文部分、被标注部分，依次得到正文文本、被标注文本。

正文部分和被标注部分一般为印刷体文本，针对印刷体文本的文本识别准确度较高。

第二，对标注部分进行图像分割，得到图像形式的标注信息。

本实现方式中，为避免对于标注部分的标注信息的识别错误问题，上述执行主体直接对标注部分进行图像分割，提高了信息处理的准确度。

在本实施例的一些可选的实现方式中，上述执行主体可以显示识别后文本。作为示例，上述执行主体首次识别待识别图像得到识别后文本后，默认向用户显示识别后文本。在后续的查看过程中，可以基于用户的查看请求向用户显示识别后文本。

本实现方式中，上述执行主体中可以方便灵活地向用户显示识别后文本，提高了文本显示的灵活性和用户的体验度。

在本实施例的一些可选的实现方式中，上述执行主体接收用户的编辑操作，并根据编辑操作，编辑识别后文本。

其中，编辑操作可以是对识别后文本进行编辑的任意操作，包括但不限于增加、删除、调整、修改等操作。作为示例，编辑操作为删除操作，上述执行主体可以将识别后文本中与被标文本无关的内容删除。

本实现方式中，用户可以灵活地对识别后文本进行编辑，提高了本申请的灵活性和实用性。

继续参考图4，示出了根据本申请的方法的一个用于识别文本的方法实施例的示意性流程400，包括以下步骤：

步骤401，获取待识别图像。

步骤402，响应于确定待识别图像中的正文部分包括预设标记，识别待识别图像中的正文部分、正文部分中被预设标记所标记的被标注部分和标注部分，依次得到正文文本、被标注文本和标注信息。

步骤403，响应于确定待识别图像中的正文部分不包括预设标记，接收待识别语音。

步骤404，识别待识别语音，得到语音文本，并将正文文本中与语音文本匹配的文本确定为被标注文本。

步骤405，显示识别后文本。

步骤406，接收用户的编辑操作，并根据编辑操作，编辑识别后文本。

从本实施例中可以看出，与图2对应的实施例相比，本实施例中的用于识别文本的方法的流程400具体说明了不同情形下的文本识别过程、文本的编辑过程，提高了文本识别的灵活性和实用性。

继续参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于识别文本的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，用于识别文本的装置包括：获取单元501，被配置成获取待识别图像；识别单元502，被配置成识别待识别图像，得到正文文本、正文文本中的被标注文本和标注信息；标注单元503，被配置成在正文文本中，对应于被标注文本标注标注信息，得到识别后文本。

在一些实施例中，识别单元502进一步被配置成：响应于确定待识别图像中的正文部分包括预设标记，识别待识别图像中的正文部分、正文部分中被预设标记所标记的被标注部分和标注部分，依次得到正文文本、被标注文本和标注信息。

在一些实施例中，识别单元502进一步被配置成：响应于确定待识别图像中的正文部分不包括预设标记，接收待识别语音；识别待识别语音，得到语音文本，并将正文文本中与语音文本匹配的文本确定为被标注文本。

在一些实施例中，识别单元502进一步被配置成：识别正文部分、被标注部分，依次得到正文文本、被标注文本；对标注部分进行图像分割，得到图像形式的标注信息。

在一些实施例中，上述装置还包括：显示单元(图中未示出)，被配置成显示识别后文本。

在一些实施例中，上述装置还包括：编辑单元(图中未示出)，被配置成接收用户的编辑操作，并根据编辑操作，编辑识别后文本。

本实施例识别待识别图像中的正文文本、被标注文本和标注信息，参照待识别图像中的标注格式排版正文文本、被标注文本和标注信息得到识别后文本，降低了设备的存储空间，提高了用户的查阅体验度。

根据本公开的实施例，本公开还提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现上述任意实施例所描述的用于识别文本的方法。

根据本公开的实施例，本公开还提供了一种可读存储介质，该可读存储介质存储有计算机指令，该计算机指令用于使计算机执行时能够实现上述任意实施例所描述的用于识别文本的方法。

本公开实施例提供了一种计算机程序产品，该计算机程序在被处理器执行时能够实现上述任意实施例所描述的用于识别文本的方法。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如用于识别文本的方法。例如，在一些实施例中，用于识别文本的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的用于识别文本的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用于识别文本的方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

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***、装置或设备使用或与指令执行***、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***、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。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。

根据本公开实施例的技术方案，通过获取待识别图像；识别待识别图像，得到正文文本、正文文本中的被标注文本和标注信息；在正文文本中，对应于被标注文本标注标注信息，得到识别后文本。本申请识别待识别图像中的正文文本、被标注文本和标注信息，参照待识别图像中的标注格式排版正文文本、被标注文本和标注信息得到识别后文本，降低了设备的存储空间，提高了用户的查阅体验度。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种用于识别文本的方法，其特征在于，包括：

获取待识别图像；

识别所述待识别图像，得到正文文本、所述正文文本中的被标注文本和标注信息；

在所述正文文本中，对应于所述被标注文本标注所述标注信息，得到识别后文本。

2.根据权利要求1所述的方法，其中，所述识别所述待识别图像，得到正文文本、所述正文文本中的被标注文本和标注信息，包括：

响应于确定所述待识别图像中的正文部分包括预设标记，识别所述待识别图像中的正文部分、所述正文部分中被所述预设标记所标记的被标注部分和标注部分，依次得到所述正文文本、所述被标注文本和所述标注信息。

3.根据权利要求2所述的方法，其中，所述识别所述待识别图像，得到正文文本、所述正文文本中的被标注文本和标注信息，还包括：

响应于确定所述待识别图像中的正文部分不包括预设标记，接收待识别语音；

识别所述待识别语音，得到语音文本，并将所述正文文本中与所述语音文本匹配的文本确定为所述被标注文本。

4.根据权利要求2所述的方法，其中，所述识别所述待识别图像中的正文部分、所述正文部分中被所述预设标记所标记的被标注部分和标注部分，依次得到所述正文文本、所述被标注文本和所述标注信息，包括：

识别所述正文部分、所述被标注部分，依次得到所述正文文本、所述被标注文本；

对所述标注部分进行图像分割，得到图像形式的所述标注信息。

5.根据权利要求1-4任一所述的方法，其中，还包括：

显示所述识别后文本。

6.根据权利要求5所述的方法，其中，还包括：

接收用户的编辑操作，并根据所述编辑操作，编辑所述识别后文本。

7.一种用于识别文本的装置，其特征在于，包括：

获取单元，被配置成获取待识别图像；

识别单元，被配置成识别所述待识别图像，得到正文文本、所述正文文本中的被标注文本和标注信息；

标注单元，被配置成在所述正文文本中，对应于所述被标注文本标注所述标注信息，得到识别后文本。

8.根据权利要求7所述的装置，其中，所述识别单元，进一步被配置成：

响应于确定所述待识别图像中的正文部分包括预设标记，识别所述待识别图像中的正文部分、所述正文部分中被所述预设标记所标记的被标注部分和标注部分，依次得到所述正文文本、所述被标注文本和所述标注信息。

9.根据权利要求8所述的装置，其中，所述识别单元，进一步被配置成：

响应于确定所述待识别图像中的正文部分不包括预设标记，接收待识别语音；识别所述待识别语音，得到语音文本，并将所述正文文本中与所述语音文本匹配的文本确定为所述被标注文本。

10.根据权利要求8所述的装置，其中，所述识别单元，进一步被配置成：

识别所述正文部分、所述被标注部分，依次得到所述正文文本、所述被标注文本；对所述标注部分进行图像分割，得到图像形式的所述标注信息。

11.根据权利要求7-10任一所述的装置，其中，还包括：

显示单元，被配置成显示所述识别后文本。

12.根据权利要求11所述的装置，其中，还包括：

编辑单元，被配置成接收用户的编辑操作，并根据所述编辑操作，编辑所述识别后文本。

13.一种电子设备，其特征在于，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，

所述存储器存储有可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权利要求1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，包括：计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。

Images