CN113825009B - 音视频播放方法、装置、电子设备及存储介质 - Google Patents
音视频播放方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113825009B CN113825009B CN202111274227.1A CN202111274227A CN113825009B CN 113825009 B CN113825009 B CN 113825009B CN 202111274227 A CN202111274227 A CN 202111274227A CN 113825009 B CN113825009 B CN 113825009B
- Authority
- CN
- China
- Prior art keywords
- audio
- segmentation
- target
- time
- text
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000011218 segmentation Effects 0.000 claims abstract description 68
- 238000006243 chemical reaction Methods 0.000 claims abstract description 24
- 239000012634 fragment Substances 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 12
- 230000005236 sound signal Effects 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000009432 framing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/432—Content retrieval operation from a local storage medium, e.g. hard-disk
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/439—Processing of audio elementary streams
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明涉及人工智能技术，揭露一种音视频播放方法，包括：对待播放影音文件进行音频转化，得到目标音频；利用目标音频中的静音片段对目标音频进行切分，得到多个切分音频片段；对每个切分音频片段转换为切分文本，并根据切分音频片段的开始时间对对应的切分文本进行标记；将所有切分文本按标记的开始时间的先后顺序显示在预设的显示界面上；当在显示界面上进行文本点击操作时，识别点击操作点击的切分文本，得到目标切分文本；根据目标切分文本标记的开始时间对待播放影音文件进行定点播放。本发明还涉及一种区块链技术，所述切分文本可以存储在区块链节点中。本发明还提出一种音视频播放装置、设备以及介质。本发明可以提高音视频播放的效率。
Description
技术领域
本发明涉及人工智能技术，尤其涉及一种音视频播放方法、装置、电子设备及存储介质。
背景技术
随着视频直播行业的发展的越来越快，直播暴露的问题也就原来越多，由于直播的即时性较强，如果错过直播，需要对直播的视频或音频进行回看播放，找到自己感兴趣的地方。视频或者音频内容会实时保存在后台服务器上，方便没来得及参加直播或想巩固知识点的学员多次回看；
但是当前对音视频进行回看播放时只能倍速播放或跳动播放寻找想看的点或想听的点，需要耗费较多的时间才能找到需要的音视频内容进行播放，音视频播放的效率较低。
发明内容
本发明提供一种音视频播放方法、装置、电子设备及存储介质，其主要目的在于提高了音视频播放的效率。
为实现上述目的，本发明提供的一种音视频播放方法，包括：
获取待播放影音文件，对所述待播放影音文件进行音频转化，得到目标音频；
对所述目标音频进行静音片段标记，根据标记的静音片段对所述目标音频进行切分，得到多个切分音频片段；
对每个所述切分音频片段进行文本转换，得到对应的切分文本，并根据所述切分音频片段的开始时间对对应的所述切分文本进行标记；
将所有所述切分文本按标记的所述开始时间的先后顺序显示在预设的显示界面上；
当在所述显示界面上进行文本点击操作时，识别所述点击操作点击的切分文本，得到目标切分文本；
根据所述目标切分文本标记的所述开始时间对所述待播放影音文件进行定点播放。
可选地，所述对所述目标音频进行静音片段标记，包括：
利用预设帧长将所述目标音频进行分帧，得到多个音频帧；
将所有所述目标音频帧按照时间先后顺序组合，得到音频帧序列；
识别所述目标音频帧中的静音帧，并选取所述目标音频帧序列中大于预设帧数量的连续静音帧；
根据选取的连续静音帧中第一帧的开始时间及最后一帧的结束时间构建时间区间；
将所述目标音频中每个所述时间区间内的音频片段标记为静音片段。
可选地，所述识别所述目标音频帧中的静音帧，包括：
计算每个所述目标音频帧的短时能量；
将所述短时能量小于预设能量阈值的音频帧标记为静音帧；
计算所述短时能量不小于预设能量阈值的音频帧的短时过零率；
将所述短时能量不小于预设能量阈值且所述短时过零率不大于预设过零率阈值的音频帧标记为静音帧。
可选地，所述对每个所述切分音频片段进行文本转换，得到对应的切分文本，并根据所述切分音频片段的开始时间对对应的所述切分文本进行标记，包括：
利用模数转换器对所述切分音频进行采样，得到切分音频信号；
对所述切分音频信号进行预加重操作，得到切分音频滤波信号；
对所述切分音频滤波信号进行短时傅里叶变换，得到所述切分音频频谱；
利用预构建的语音转文本模型对所述切分音频频谱进行文本转换，得到对应的所述切分文本。
可选地，所述对所述待播放影音文件进行音频转化，得到目标音频，包括：
判断所述待播放影音文件的数据格式是否为预设音频格式；
当所述数据格式为预设音频格式则将所述待播放影音文件进行PCM音频解码，得到所述目标音频；
当所述数据格式不为预设音频格式，则获取所述待播放影音文件中的音频，得到初始音频；
将所述初始音频进行PCM音频解码，得到所述目标音频。
可选地，所述根据标记的静音片段对所述目标音频进行切分，得到多个切分音频片段，包括：
将所述静音片段作为切分节点对所述目标音频进行切分，得到多个初始切分音频片段；
将时间大于或等于预设时间阈值的所述初始切分音频片段确定为所述切分音频片段。
可选地，所述根据所述目标切分文本标记的所述开始时间对所述待播放影音文件进行定点播放，包括：
将所述目标切分文本标记的所述开始时间确定为播放时间；
播放所述待播放影音文件，并将所述待播放影音文件的播放开始时间调整为所述播放时间。
为了解决上述问题，本发明还提供一种音视频播放装置，所述装置包括：
音频切分模块，用于获取待播放影音文件，对所述待播放影音文件进行音频转化，得到目标音频；对所述目标音频进行静音片段标记，根据标记的静音片段对所述目标音频进行切分，得到多个切分音频片段；
时间标记模块，用于对每个所述切分音频片段进行文本转换，得到对应的切分文本，并根据所述切分音频片段的开始时间对对应的所述切分文本进行标记；将所有所述切分文本按标记的所述开始时间的先后顺序显示在预设的显示界面上；
定点播放模块，用于当在所述显示界面上进行文本点击操作时，识别所述点击操作点击的切分文本，得到目标切分文本；根据所述目标切分文本标记的所述开始时间对所述待播放影音文件进行定点播放。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的计算机程序以实现上述所述的音视频播放方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的音视频播放方法。
本发明实施例根据所述目标切分文本标记的所述开始时间对所述待播放影音文件进行定点播放，通过文本内容可以更快的找到需要看的内容进而跳转到对应的时间点进行定点播放，提高了音视频播放的效率，因此本发明实施例提出的音视频播放方法、装置、电子设备及可读存储介质提高了音视频播放的效率。
附图说明
图1为本发明一实施例提供的音视频播放方法的流程示意图；
图2为本发明一实施例提供的音视频播放装置的模块示意图；
图3为本发明一实施例提供的实现音视频播放方法的电子设备的内部结构示意图；
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。
本发明实施例提供一种音视频播放方法。所述音视频播放方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述音视频播放方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示的本发明一实施例提供的音视频播放方法的流程示意图，在本发明实施例中，所述音视频播放方法包括：
S1、获取待播放影音文件，对所述待播放影音文件进行音频转化，得到目标音频；
详细地，本发明实施例中所述待播放影音文件为直播课程的整段视频文件或音频文件。
进一步地，本发明实施例中识别待播放影音文件中的中音频的内容，需要对所述待播放影音文件进行音频转化。
详细地，本发明实施例中判断所述待播放影音文件的数据格式是否为预设音频格式，若所述数据格式为预设音频格式则将所述待播放影音文件进行PCM(Pulse CodeModulation，脉冲编码调制)音频解码，得到所述目标音频，可选地，所述目标音频为PCM语音数据；若所述数据格式不为预设音频格式，则获取所述待播放影音文件中的音频，得到初始音频，将所述初始音频进行PCM音频解码，得到所述目标音频。所述目标音频格式为PCM格式。可选地，本发明实施例中可以利用录音、格式转换等方法获取所述待播放影音文件中的音频。
例如：所述待播放影音文件的文件格式为MP4文件，所述预设的音频格式为PCM格式，那么获取所述待播放影音文件中的音频，得到所述初始音频，对所述初始音频进行PCM音频解码，得到所述目标音频。
S2、对所述目标音频进行静音片段标记，根据标记的静音片段对所述目标音频进行切分，得到多个切分音频片段；
本发明实施例中为了更好的对所述目标音频进行切分，需要对所述目标音频进行静音片段标记，包括：
利用预设帧长将所述目标音频进行分帧，得到多个音频帧；
可选地，本发明是实施例中所述预设帧长可以为20ms。
将所有所述目标音频帧按照时间先后顺序组合，得到音频帧序列；
识别所述目标音频帧中的静音帧，并选取所述目标音频帧序列中大于预设帧数量的连续静音帧；
本发明实施例中静音的部分往往是说话停顿的部分，由于字与字间的停顿和句与句间的停顿是有差异的，因此，需要通过静音的时长来筛选我们需要的静音片段，从而选取所述目标音频帧序列中大于预设帧数量的连续静音帧。
根据选取的连续静音帧中第一帧的开始时间及最后一帧的结束时间构建时间区间；
可选地，本发明实施例中将所述第一帧的开始时间作为区间左端点，将所述最后一帧的结束时间作为区间右端点构建时间区间。例如：所述第一帧的开始时间为5分21秒，所述最后一帧的结束时间为5分23秒，那么所述时间区间为[5:21,5:23]。
将所述目标音频中每个所述时间区间内的音频片段标记为静音片段。
例如：所述时间区间为[5:21,5:23]，那么将所述时间区间5分21秒到5分23秒内的音频片段标记为静音片段。
可选地，本发明实施例中识别所有所述目标音频帧中的静音帧，包括：
计算每个所述目标音频帧的短时能量；
将所述短时能量小于预设能量阈值的音频帧标记为静音帧；
计算所述短时能量不小于预设能量阈值的音频帧的短时过零率；
将所述短时能量不小于预设能量阈值且所述短时过零率不大于预设过零率阈值的音频帧标记为静音帧。
还需要说明的是，上述短时能量阈值和过零率阈值可以根据多次试验结果进行选择和设置。如：将短时能量阈值和过零率阈值设置为唯一不变的数值，具体数据可以根据试验结果进行设置。
详细地，本发明实施例中根据标记的静音片段对所述目标音频进行切分，得到多个切分音频片段，包括：
将所述静音片段作为切分节点对所述目标音频进行切分，得到多个初始切分音频片段；
例如：所述目标音频共有2分钟，共有两个静音片段，分别为00:00:31-00:00:50及00:01:20-00:01:30，那么将所述静音片段作为切分节点对所述目标音频进行切分，得到00:00:00-00:00:30、00:00:51-00:01:19、00:01:31-00:02:00共三个初始切分音频片段。
进一步地，若初始切分音频片段对应的时间过短，则该初始切分音频片段的信息量较低，因此，本发明实施例中将时间大于或等于预设时间阈值的初始切分音频片段确定为切分音频片段。
本发明另一实施例中，为了保证切分速度，不需要对切分的片段进行进一步筛选，因此，所述根据标记的静音片段对所述目标音频进行切分，得到多个切分音频片段，包括：将所述静音片段作为切分节点对所述目标音频进行切分，得到所述切分音频片段。
例如：所述目标音频共有2分钟，共有两个静音片段，分别为00:00:31-00:00:50及00:01:20-00:01:30，那么将所述静音片段作为切分节点对所述目标音频进行切分，得到00:00:00-00:00:30、00:00:51-00:01:19、00:01:31-00:02:00共三个切分音频片段。
S3、对每个所述切分音频片段进行文本转换，得到对应的切分文本，并根据所述切分音频片段的开始时间对对应的所述切分文本进行标记；
详细地，本发明实施例为了对所述待播放影音文件的快速播放，需要将音频内容转换为文本内容，因此，对每个所述切分音频片段进行文本转换，得到对应的切分文本。
详细地，本发明实施例中由于音频是模拟信号，为了便于对切分音频进行频谱特征提取需要对切分音频进行数字采样，因此，本发明实施例中利用模/数转换器对所述切分音频进行采样，得到切分音频信号；对所述切分音频信号进行预加重操作，得到切分音频滤波信号；对所述切分音频滤波信号进行短时傅里叶变换，得到所述切分音频频谱。
由于人声的发音***会抑制高频部分，在本实施例中，通过预加重操作，可以对数字语音信号进行补偿，以提升高频部分能量，使高频部分的语音能量和低频部分的语音能量有相似的幅度，使信号的频谱变得平坦，保持在低频到高频的整个频带中能用同样的信噪比。
具体地，本发明实施例可通过函数y(t)＝x(t)-μx(t-1)对所述切分音频信号进行预加重操作，其中，x(t)为切分音频信号，t为时间，y(t)为所述切分音频滤波信号，μ为所述预加重操作的调节值，μ的取值范围为[0.9,1.0]。
进一步地，本发明实施例利用预构建的语音转文本模型对所述切分音频频谱进行文本转换，得到对应的切分文本。
可选地，本发明实施例中所述语音转文本模型可以为人工智能模型如ASR模型。
本发明另一实施例中获取预设的语音识别软件对所述切分音频片段进行语音识别的识别结果，得到对应的所述切分文本，其中，所述语音识别软件为可以将语音识别为文本的程序。
进一步地，本发明实施例并根据所述切分音频片段的开始时间对对应的所述切分文本进行标记。例如：所述切分音频片段对应的时间为00:00:51-00:01:19，那么将所述切分音频片段的开始时间00:00:51标记所述切分音频片段对应的切分文本。
本发明另一实施例中，所述切分文本可以存储在区块链节点中，利用区块链节点高吞吐的特性，提高数据的取用效率。
S4、将所有所述切分文本按标记的所述开始时间的先后顺序显示在预设的显示界面上；
详细地，本发明实施例中为了便于用户可是从前到后依次查看所述目标音频中的内容，将所有所述切分文本按标记的所述开始时间的先后顺序显示在预设的显示界面上。
可选地，所述显示界面为用户的智能设备的显示界面，所述智能设备包括：手机、电脑、平板等。
S5、当在所述显示界面上进行文本点击操作时，识别所述点击操作点击的切分文本，得到目标切分文本；
本发明实施例中所述文本点击操作包括但不限于：触摸点击、鼠标点击等。
S6、根据所述目标切分文本标记的所述开始时间对所述待播放影音文件进行定点播放。
详细地，本发明实施例中将所述目标切分文本标记的所述开始时间确定为播放时间；进一步地，播放所述待播放影音文件，并将所述待播放影音文件的播放开始时间调整为所述播放时间。
例如：所述目标切分文本标记的开始时间为5分21秒，那么就将5分21秒确定为播放时间，从所述待播放影音文件的5分21秒处开始播放所述待播放影音文件。
本发明另一实施例中为了降低播放资源，不需要每次播放都加载整个待播放影音文件，因此，所述根据所述目标切分文本标记的所述开始时间对所述待播放影音文件进行定点播放，包括：将所述目标切分文本标记的所述开始时间作为切分节点对所述待播放影音文件进行切分，得到目标播放文件，进一步地，播放所述目标播放文件。
例如：所述目标切分文本标记的开始时间为5分21秒，那么就将5分21秒确定为切分节点，将所述待播放影音文件的5分21秒及其之后的部分切分出来作为目标播放文件。
如图2所示，是本发明音视频播放装置的功能模块图。
本发明所述音视频播放装置100可以安装于电子设备中。根据实现的功能，所述音视频播放装置可以包括音频切分模块101、时间标记模块102、定点播放模块103，本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述音频切分模块101用于获取待播放影音文件，对所述待播放影音文件进行音频转化，得到目标音频；对所述目标音频进行静音片段标记，根据标记的静音片段对所述目标音频进行切分，得到多个切分音频片段；
所述时间标记模块102用于对每个所述切分音频片段进行文本转换，得到对应的切分文本，并根据所述切分音频片段的开始时间对对应的所述切分文本进行标记；将所有所述切分文本按标记的所述开始时间的先后顺序显示在预设的显示界面上；
所述定点播放模块103用于当在所述显示界面上进行文本点击操作时，识别所述点击操作点击的切分文本，得到目标切分文本；根据所述目标切分文本标记的所述开始时间对所述待播放影音文件进行定点播放。
如图3所示，是本发明实现音视频播放方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如音视频播放程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如音视频播放程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如音视频播放程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述通信总线12可以是外设部件互连标准(perIPheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障分类电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
可选地，所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地，所述通信接口13还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的音视频播放程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
获取待播放影音文件，对所述待播放影音文件进行音频转化，得到目标音频；
对所述目标音频进行静音片段标记，根据标记的静音片段对所述目标音频进行切分，得到多个切分音频片段；
对每个所述切分音频片段进行文本转换，得到对应的切分文本，并根据所述切分音频片段的开始时间对对应的所述切分文本进行标记；
将所有所述切分文本按标记的所述开始时间的先后顺序显示在预设的显示界面上；
当在所述显示界面上进行文本点击操作时，识别所述点击操作点击的切分文本，得到目标切分文本；
根据所述目标切分文本标记的所述开始时间对所述待播放影音文件进行定点播放。
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以是非易失性的，也可以是易失性的。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明实施例还可以提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取待播放影音文件，对所述待播放影音文件进行音频转化，得到目标音频；
对所述目标音频进行静音片段标记，根据标记的静音片段对所述目标音频进行切分，得到多个切分音频片段；
对每个所述切分音频片段进行文本转换，得到对应的切分文本，并根据所述切分音频片段的开始时间对对应的所述切分文本进行标记；
将所有所述切分文本按标记的所述开始时间的先后顺序显示在预设的显示界面上；
当在所述显示界面上进行文本点击操作时，识别所述点击操作点击的切分文本，得到目标切分文本；
根据所述目标切分文本标记的所述开始时间对所述待播放影音文件进行定点播放。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种音视频播放方法，其特征在于，所述方法包括：
获取待播放影音文件，对所述待播放影音文件进行音频转化，得到目标音频；
对所述目标音频进行静音片段标记，将标记的静音片段作为切分节点对所述目标音频进行切分，得到多个初始切分音频片段，将时间大于或等于预设时间阈值的所述初始切分音频片段确定为所述切分音频片段；
利用模数转换器对所述切分音频片段进行采样，得到切分音频信号，对所述切分音频信号进行预加重操作，得到切分音频滤波信号，对所述切分音频滤波信号进行短时傅里叶变换，得到所述切分音频频谱，利用预构建的语音转文本模型对所述切分音频频谱进行文本转换，得到对应的切分文本，并根据所述切分音频片段的开始时间对对应的所述切分文本进行标记；
将所有所述切分文本按标记的所述开始时间的先后顺序显示在预设的显示界面上；
当在所述显示界面上进行文本点击操作时，识别所述点击操作点击的切分文本，得到目标切分文本；
根据所述目标切分文本标记的所述开始时间对所述待播放影音文件进行定点播放。
2.如权利要求1所述的音视频播放方法，其特征在于，所述对所述目标音频进行静音片段标记，包括：
利用预设帧长将所述目标音频进行分帧，得到多个音频帧；
将所有所述目标音频帧按照时间先后顺序组合，得到音频帧序列；
识别所述目标音频帧中的静音帧，并选取所述目标音频帧序列中大于预设帧数量的连续静音帧；
根据选取的连续静音帧中第一帧的开始时间及最后一帧的结束时间构建时间区间；
将所述目标音频中每个所述时间区间内的音频片段标记为静音片段。
3.如权利要求1所述的音视频播放方法，其特征在于，所述识别所述目标音频帧中的静音帧，包括：
计算每个所述目标音频帧的短时能量；
将所述短时能量小于预设能量阈值的音频帧标记为静音帧；
计算所述短时能量不小于预设能量阈值的音频帧的短时过零率；
将所述短时能量不小于预设能量阈值且所述短时过零率不大于预设过零率阈值的音频帧标记为静音帧。
4.如权利要求1所述的音视频播放方法，其特征在于，所述对所述待播放影音文件进行音频转化，得到目标音频，包括：
判断所述待播放影音文件的数据格式是否为预设音频格式；
当所述数据格式为预设音频格式则将所述待播放影音文件进行PCM音频解码，得到所述目标音频；
当所述数据格式不为预设音频格式，则获取所述待播放影音文件中的音频，得到初始音频；
将所述初始音频进行PCM音频解码，得到所述目标音频。
5.如权利要求1至4中任意一项所述的音视频播放方法，其特征在于，所述根据所述目标切分文本标记的所述开始时间对所述待播放影音文件进行定点播放，包括：
将所述目标切分文本标记的所述开始时间确定为播放时间；
播放所述待播放影音文件，并将所述待播放影音文件的播放开始时间调整为所述播放时间。
6.一种音视频播放装置，其特征在于，包括：
音频切分模块，用于获取待播放影音文件，对所述待播放影音文件进行音频转化，得到目标音频；对所述目标音频进行静音片段标记，将标记的静音片段作为切分节点对所述目标音频进行切分，得到多个初始切分音频片段，将时间大于或等于预设时间阈值的所述初始切分音频片段确定为所述切分音频片段；
时间标记模块，用于利用模数转换器对所述切分音频片段进行采样，得到切分音频信号，对所述切分音频信号进行预加重操作，得到切分音频滤波信号，对所述切分音频滤波信号进行短时傅里叶变换，得到所述切分音频频谱，利用预构建的语音转文本模型对所述切分音频频谱进行文本转换，得到对应的切分文本，并根据所述切分音频片段的开始时间对对应的所述切分文本进行标记；
定点播放模块，用于当在显示界面上进行文本点击操作时，识别所述点击操作点击的切分文本，得到目标切分文本；根据所述目标切分文本标记的所述开始时间对所述待播放影音文件进行定点播放。
7.一种电子设备，其特征在于，所述电子设备包括：
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，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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如权利要求1至5中任一项所述的音视频播放方法。
8.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的音视频播放方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111274227.1A CN113825009B (zh) | 2021-10-29 | 2021-10-29 | 音视频播放方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111274227.1A CN113825009B (zh) | 2021-10-29 | 2021-10-29 | 音视频播放方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113825009A CN113825009A (zh) | 2021-12-21 |
| CN113825009B true CN113825009B (zh) | 2024-06-04 |
Family
ID=78917692
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111274227.1A Active CN113825009B (zh) | 2021-10-29 | 2021-10-29 | 音视频播放方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113825009B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101539929A (zh) * | 2009-04-17 | 2009-09-23 | 无锡天脉聚源传媒科技有限公司 | 利用计算机***进行的电视新闻标引方法 |
| JP2010256391A (ja) * | 2009-04-21 | 2010-11-11 | Takeshi Hanamura | 音声情報処理装置 |
| CN103200463A (zh) * | 2013-03-27 | 2013-07-10 | 天脉聚源(北京)传媒科技有限公司 | 一种视频摘要生成方法和装置 |
| CN103700370A (zh) * | 2013-12-04 | 2014-04-02 | 北京中科模识科技有限公司 | 一种广播电视语音识别***方法及*** |
| CN106953887A (zh) * | 2017-01-05 | 2017-07-14 | 北京中瑞鸿程科技开发有限公司 | 一种细粒度电台音频内容个性化组织推荐方法 |
| CN111010586A (zh) * | 2019-12-19 | 2020-04-14 | 腾讯科技（深圳）有限公司 | 基于人工智能的直播方法、装置、设备及存储介质 |
| CN112331193A (zh) * | 2019-07-17 | 2021-02-05 | 华为技术有限公司 | 语音交互方法及相关装置 |
-
2021
- 2021-10-29 CN CN202111274227.1A patent/CN113825009B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101539929A (zh) * | 2009-04-17 | 2009-09-23 | 无锡天脉聚源传媒科技有限公司 | 利用计算机***进行的电视新闻标引方法 |
| JP2010256391A (ja) * | 2009-04-21 | 2010-11-11 | Takeshi Hanamura | 音声情報処理装置 |
| CN103200463A (zh) * | 2013-03-27 | 2013-07-10 | 天脉聚源(北京)传媒科技有限公司 | 一种视频摘要生成方法和装置 |
| CN103700370A (zh) * | 2013-12-04 | 2014-04-02 | 北京中科模识科技有限公司 | 一种广播电视语音识别***方法及*** |
| CN106953887A (zh) * | 2017-01-05 | 2017-07-14 | 北京中瑞鸿程科技开发有限公司 | 一种细粒度电台音频内容个性化组织推荐方法 |
| CN112331193A (zh) * | 2019-07-17 | 2021-02-05 | 华为技术有限公司 | 语音交互方法及相关装置 |
| CN111010586A (zh) * | 2019-12-19 | 2020-04-14 | 腾讯科技（深圳）有限公司 | 基于人工智能的直播方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113825009A (zh) | 2021-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10410615B2 (en) | Audio information processing method and apparatus | |
| CN106486128B (zh) | 一种双音源音频数据的处理方法及装置 | |
| CN110246512A (zh) | 声音分离方法、装置及计算机可读存储介质 | |
| CN110427809A (zh) | 基于深度学习的唇语识别方法、装置、电子设备及介质 | |
| CN109582825B (zh) | 用于生成信息的方法和装置 | |
| CN113903363B (zh) | 基于人工智能的违规行为检测方法、装置、设备及介质 | |
| CN112053692B (zh) | 语音识别处理方法、装置及存储介质 | |
| CN114866807A (zh) | 虚拟形象视频生成方法、装置、电子设备及可读存储介质 | |
| CN113707173B (zh) | 基于音频切分的语音分离方法、装置、设备及存储介质 | |
| CN112116903A (zh) | 语音合成模型的生成方法、装置、存储介质及电子设备 | |
| CN111177462A (zh) | 视频分发时效的确定方法和装置 | |
| CN107680584B (zh) | 用于切分音频的方法和装置 | |
| CN113077821A (zh) | 音频质量检测方法、装置、电子设备及存储介质 | |
| CN110889008B (zh) | 一种音乐推荐方法、装置、计算装置和存储介质 | |
| CN104882146B (zh) | 音频推广信息的处理方法及装置 | |
| CN113223487B (zh) | 一种信息识别方法及装置、电子设备和存储介质 | |
| CN113825009B (zh) | 音视频播放方法、装置、电子设备及存储介质 | |
| CN110555117B (zh) | 一种数据处理方法、装置及电子设备 | |
| CN109213466B (zh) | 庭审信息的显示方法及装置 | |
| CN115331703A (zh) | 一种歌曲人声检测方法及装置 | |
| CN114049875A (zh) | 一种tts播报方法、装置、设备以及存储介质 | |
| CN114140850A (zh) | 人脸识别方法、装置和电子设备 | |
| CN113852835A (zh) | 直播音频处理方法、装置、电子设备以及存储介质 | |
| CN115312032A (zh) | 语音识别训练集的生成方法及装置 | |
| CN115132183B (zh) | 音频识别模型的训练方法、装置、设备、介质及程序产品 |
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 |