[发明专利]音频处理方法、装置、电子设备及介质

权利要求书

1.一种音频处理方法，其特征在于，包括：

获取待处理音频；

确定所述待处理音频的至少一个初始分段时间点；

确定所述待处理音频中各所述初始分段时间点各自对应的至少一个静音片段；

根据各所述初始分段时间点各自对应的至少一个静音片段，确定各所述初始分段时间点对应的目标分段时间点；

根据各所述目标分段时间点，得到所述待处理音频的各音频片段；

对各所述音频片段进行语音识别，并基于各所述音频片段的语音识别结果得到对应于目标语言的文本。

2.根据权利要求1所述的方法，其特征在于，所述对各所述音频片段进行语音识别，并基于各所述音频片段的语音识别结果得到对应于目标语言的文本，包括：

通过多线程并行对各所述音频片段进行语音识别，并基于各所述音频片段的语音识别结果得到对应于目标语言的文本。

3.根据权利要求1所述的方法，其特征在于，对于任一所述初始分段时间点，所述初始分段时间点对应的至少一个静音片段包括待处理音频中所述初始分段时间点相邻的设定数量的静音片段，或者待处理音频中以所述初始分段时间点为基准时间点的预设时长内的静音片段。

4.根据权利要求1所述的方法，其特征在于，所述根据各所述初始分段时间点各自对应的至少一个静音片段，确定各所述初始分段时间点对应的目标分段时间点，包括：

对于任一所述初始分段时间点，根据所述初始分段时间点对应的至少一个静音片段中时长最长的静音片段，确定所述初始分段时间点对应的目标分段时间点。

5.根据权利要求1所述的方法，其特征在于，所述确定所述待处理音频的至少一个初始分段时间点，包括：

根据以下信息中的至少一项，确定所述待处理音频的至少一个初始分段时间点：

语音识别倍速，分段数目，预设分段时长。

6.根据权利要求5所述的方法，其特征在于，各所述初始分段时间点为所述待处理音频的均分时间点；

所述确定所述待处理音频中各所述初始分段时间点各自对应的至少一个静音片段之前，还包括：

确定各所述初始分段时间点对应的初始分段的时长；

若所述初始分段的时长小于所述预设时长，则根据所述预设时长调整各所述初始分段时间点。

7.根据权利要求1所述的方法，其特征在于，所述对各所述音频片段进行语音识别，并基于各所述音频片段的语音识别结果得到对应于目标语言的文本之后，还包括：

将所述文本通过客户端展示给用户。

8.根据权利要求7所述的方法，其特征在于，若所述待处理音频为视频中的音频；

所述将所述文本通过客户端展示给用户，包括：

通过所述客户端，将所述文本以字幕的方式与所述视频的画面同步展示给用户。

9.根据权利要求7或8所述的方法，其特征在于，所述方法还包括：

在获取到用户针对所展示的文本的修改操作时，根据所述修改操作对所展示的文本进行相应的修改，并将修改后的文本展示给用户。

10.根据权利要求1所述的方法，其特征在于，所述获取待处理音频，包括：

获取待处理的初始音频数据；

提取所述初始音频数据中的目标音轨的音轨数据；

将所述目标音轨的音轨数据确定为所述待处理音频。

11.根据权利要求10所述的方法，其特征在于，所述提取所述初始音频数据中的目标音轨的音轨数据，包括：

从所述初始音频数据包含的各音轨的音轨数据中提取指定音轨的音轨数据，将所述指定音轨的音轨数据确定为目标音轨的音轨数据；

或者，

提取所述初始音频数据中各音轨的音轨数据，并将所述各音轨的音轨数据展示给用户，根据用户针对所述各音轨的音轨数据的选择操作确定目标音轨的音轨数据。