[发明专利]数据处理方法、装置、电子设备及存储介质

说明书

本发明实施例公开了一种数据处理方法、装置、电子设备及存储介质。其中，方法包括：采集视频流，从所述视频流中提取音频数据和视频数据；对所述音频数据进行切分，得到音频切分结果；对所述音频切分结果中各语音片段进行语音处理，得到相应语音片段对应的识别结果片段；将所述至少一个语音片段中各语音片段对应的识别结果片段，添加至从所述视频数据中确定的相应语音片段对应的视频片段；将至少一个添加有语音的视频片段和至少一个静音片段对应的视频片段合并，得到目标视频流；所述语音片段对应的视频片段用于在所述语音片段对应的识别结果片段被播放时进行呈现，所述静音片段对应的视频片段用于在所述静音片段被播放时进行呈现。

技术领域

本发明涉及同声传译领域，尤其涉及一种数据处理方法、装置、电子设备及存储介质。

背景技术

随着人工智能(AI，Artificial Intelligence)技术不断发展与成熟，运用人工智能技术解决生活中常见问题的产品不断涌现。其中，机器同声传译(又称为机器同传、AI同声传译、AI同传)，结合了语音识别(ASR，Automatic Speech Recognition)、机器翻译(MT，Machine Translation)、语音合成(TTS，Text-To-Speech)等技术，被广泛应用于会议、访谈节目等场景，替代或部分替代了人工，实现同声传译(SI，Simultaneous Interpretation)。

相关机器同传系统中，应用于视频直播场景时，由于必须在演讲者说完一句话之后才能对所说的话进行翻译，导致图像和传译音频不同步，对于用户而言，音画不同步的呈现效果会给人眼睛和耳朵不一致的感觉，体验度不佳。

发明内容

为解决相关存在的技术问题，本发明实施例提供一种数据处理方法、装置、电子设备及存储介质。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种数据处理方法，包括：

采集视频流，从所述视频流中提取音频数据和视频数据；

对所述音频数据进行切分，得到音频切分结果；所述音频切分结果包括：至少一个语音片段、至少一个静音片段；

对所述音频切分结果中各语音片段进行语音处理，得到相应语音片段对应的识别结果片段；所述识别结果片段对应的语种与所述语音片段对应的语种不同；

将所述至少一个语音片段中各语音片段对应的识别结果片段，添加至从所述视频数据中确定的相应语音片段对应的视频片段；将至少一个添加有语音的视频片段和至少一个静音片段对应的视频片段合并，得到目标视频流；所述语音片段对应的视频片段用于在所述语音片段对应的识别结果片段被播放时进行呈现，所述静音片段对应的视频片段用于在所述静音片段被播放时进行呈现。

上述方案中，所述对所述音频数据进行切分，得到音频切分结果，包括：

对所述音频数据进行端点检测，根据检测得到的端点切分所述音频数据，得到至少一个片段；所述端点表征所述音频数据中语音片段和静音片段的分界点。

上述方案中，所述方法还包括：

确定所述音频切分结果中符合预设条件的语音片段；所述预设条件表征所述语音片段包含有语音内容；

所述对所述音频切分结果中各语音片段进行语音处理，包括：

对所述音频切分结果中各语音片段进行翻译，得到相应语音片段对应的识别结果片段。

上述方案中，所述对所述音频切分结果中各语音片段进行翻译，包括以下之一：

对所述音频切分结果中各语音片段进行语音识别，得到相应语音片段对应的识别文本；对所述识别文本进行文本翻译，得到翻译文本；根据所述翻译文本进行语音合成，得到相应语音片段对应的识别结果片段；