[发明专利]一种显示直播字幕的方法、装置、服务器及介质

说明书

本发明实施例提供了一种显示直播字幕的方法、装置、服务器及介质，涉及信息处理技术领域。本申请实施例的方案包括：接收直播管理系统发送的直播任务指令，基于直播任务指令接收并缓存直播管理系统发送的音频数据和视频帧数据，并对音频数据进行语音识别，得到音频数据对应的文本数据，然后根据文本数据的时间戳和视频帧数据的时间戳，将文本数据叠加至与文本数据的时间戳相同的视频帧数据，得到携带字幕信息的视频帧数据，并输出由携带字幕信息的视频帧数据和音频数据组成的媒体流。采用该方法可以实现为直播视频显示字幕。

技术领域

本发明涉及信息处理技术领域，特别是涉及一种显示直播字幕的方法、装置、服务器及介质。

背景技术

目前，大多数视频内容都有字幕，比如春节晚会、电视剧、电影等，都会在播放过程中同步显示字幕。这类视频中的字幕都是在离线状态由人工录入的，即视频录制完成后，先由人工录入字幕，然后才能实现在播放过程中同步显示字幕。

而对于直播视频，需在录制的同时进行播放，所以无法先由人工录制字幕再播放，导致目前在直播过程中无法同步显示直播视频的字幕。

发明内容

本发明实施例的目的在于提供一种显示直播字幕的方法、装置、电子设备及介质，以解决直播视频在直播过程中无法同步显示字幕的问题。具体技术方案如下：

第一方面，本申请实施例提供一种显示直播字幕的方法，所述方法应用于服务器，所述方法包括：

接收直播管理系统发送的直播任务指令；

基于所述直播任务指令接收并缓存所述直播管理系统发送的音频数据和视频帧数据，并对所述音频数据进行语音识别，得到所述音频数据对应的文本数据；

根据所述文本数据的时间戳和所述视频帧数据的时间戳，将所述文本数据叠加至与所述文本数据的时间戳相同的视频帧数据，得到携带字幕信息的视频帧数据；

输出由所述携带字幕信息的视频帧数据和所述音频数据组成的媒体流。

在一种可能的实现方式中，所述基于所述直播任务指令接收并缓存所述直播管理系统发送的音频数据和视频数据，并对所述音频数据进行语音识别，得到所述音频数据对应的文本数据，包括：

解析所述直播任务指令；

若所述直播任务指令中携带语音识别参数，则接收并缓存所述直播管理系统发送的音频数据和视频数据，同时对所述音频数据进行语音识别，得到所述音频数据对应的文本数据。

在一种可能的实现方式中，所述对所述音频数据进行语音识别，得到所述音频数据对应的文本数据，包括：

对所述音频数据进行重采样，得到指定采样率的脉冲编码调制PCM数据，并基于所述音频数据的时间戳为所述PCM数据添加时间戳；

将PCM数据组合为指定大小的PCM包；

每隔预设时间间隔对一个PCM包中的PCM数据进行语音识别，得到所述PCM包中的PCM数据对应的文本数据；

将所述PCM包中的PCM数据对应的文本数据缓存至文本处理队列。

在一种可能的实现方式中，所述根据所述文本数据的时间戳和所述视频帧数据的时间戳，将所述文本数据叠加值与所述文本数据时间戳相同的视频帧数据，得到携带字幕信息的视频帧数据，包括：

当存在视频帧数据缓存超时时，从所述文本处理队列获取与所述视频帧数据时间戳相同的文本数据，将获取到的文本数据作为字幕信息叠加至所述视频帧数据，得到携带字幕信息的视频帧数据。

在一种可能的实现方式中，在所述将获取到的文本数据作为字幕信息叠加至所述视频帧数据，得到携带字幕信息的视频帧数据之后，所述方法还包括：