[发明专利]字幕处理方法、系统、电子设备和存储介质

权利要求书

1.一种字幕处理方法，其特征在于，包括：

获取第一视频对应的文本集合，所述文本集合包括N个字幕文本，每个字幕文本携带第一时间信息；所述文本集合与第二视频相关联，所述第二视频为所述第一视频中包含人声的部分视频，N为正整数；

对于任意一个所述字幕文本，基于所述第一时间信息，确定第二视频中与所述字幕文本所对应的目标视频区间；

基于所述目标视频区间与所述第一视频之间的映射关系、所述第一时间信息，确定所述字幕文本的目标时间信息，所述目标时间信息用于指示在所述第一视频播放过程中，所述字幕文本的显示时间段；

将所述字幕文本携带的所述第一时间信息，修改为所述目标时间信息。

2.根据权利要求1所述的方法，其特征在于，所述目标时间信息包括第一目标端点时刻，所述基于所述目标视频区间与所述第一视频之间的映射关系、所述第一时间信息，确定所述字幕文本的目标时间信息，包括：

基于所述第一时间信息，确定所述字幕文本的第一端点时刻与所述目标视频区间的第二端点时刻之间的差值；

基于所述目标视频区间与所述第一视频之间的映射关系，确定所述第二端点时刻对应的第一视频的第三端点时刻；

基于所述第三端点时刻与所述差值，确定所述字幕文本的所述第一目标端点时刻。

3.根据权利要求2所述的方法，其特征在于，所述目标时间信息包括第二目标端点时刻，所述基于所述目标视频区间与所述第一视频之间的映射关系、所述第一时间信息，确定所述字幕文本的目标时间信息，还包括：

基于所述第一时间信息，确定所述字幕文本的持续时长；

基于所述持续时长和所述第一目标端点时刻，确定所述字幕文本的所述第二目标端点时刻。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述第二视频的实际时长与理想时长之间的时长比例；

利用所述时长比例，对所述目标时间信息进行修正。

5.根据权利要求4所述的方法，其特征在于，所述利用所述时长比例，对所述目标时间信息进行修正，包括：

当所述目标时间信息包括第一目标端点时刻时，获取所述第一目标端点时刻的数值与所述时长比例之间的第一乘积，得到修正后的第一目标端点时刻；和/或，

当所述目标时间信息包括第二目标端点时刻时，获取所述第二目标端点时刻的数值与所述时长比例之间的第二乘积，得到修正后的第二目标端点时刻。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

提取所述第一视频中的音频数据；

提取所述音频数据中的人声数据；

基于所述人声数据，截取所述第一视频中包含人声的各视频区间；

将所述包含人声的各视频区间进行拼接，得到所述第二视频。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

对于所述第二视频中的任意一个所述视频区间，基于所述视频区间在所述第一视频中的时间信息，构建所述视频区间与所述第一视频之间的映射关系。

8.根据权利要求6所述的方法，其特征在于，所述基于所述人声数据，截取所述第一视频中包含人声的各视频区间，包括：

基于所述人声数据确定目标截取区间，所述目标截取区间对应的人声音量大于预设的第一预设阈值；所述人声音量基于所述人声数据确定；

根据所述目标截取区间，对所述第一视频进行截取，得到包含人声的各视频区间。

9.根据权利要求8所述的方法，其特征在于，所述基于所述人声数据确定目标截取区间，包括：

基于所述人声数据，确定所述第一视频对应的多个候选截取区间；任意一个所述候选截取区间对应的人声音量大于所述第一预设阈值；

对所述候选截取区间的至少一个区间端点向外扩张，得到所述目标截取区间。