[发明专利]一种插入音频或视频的方法以及系统

权利要求书

1.一种插入音频或视频的方法，其特征在于，包括如下步骤：

将目标音频通过语音转文字的方法，生成含有相应内容和时间标签的文本，并镜像生成与所述含有相应内容和时间标签文本对应的数据；

对所述含有相应内容和时间标签的文本，进行后续操作得到关键要素以及可插入音频或视频的时间节点，并镜像生成与关键要素对应的数据以及与可插入音频或视频的时间节点对应的数据；

其中，所述关键要素得到的方法包括：通过NLP和NLU算法对文本进行文字识别或语义识别，提取得到关键要素；

所述时间节点得到的方法包括：通过NLP算法识别文本中文字的文意，经过判断，形成可插入音频或视频的时间节点；

将上述所有得到的数据存储、整合记录，以备后续插入音频或视频。

2.根据权利要求1所述插入的方法，其特征在于，所述判断方法包括：先通过程序，基于断句、停顿的音轨区别寻找可插入音频或视频的时间节点，再经过人工判断，基于上下文的内容，确定插入音频或视频的时间节点。

3.根据权利要求1所述插入的方法，其特征在于，所述后续插入音频或视频的方法包括：在所述目标音频播放过程中，将目标音频对应的时间标签，与其所对应关键要素或可插入音频或视频的时间节点逐一比对后，插入音频或视频。

4.根据权利要求1所述插入的方法，其特征在于，所述语音转文字的方法包括：ASR语音识别和NLP自然语言处理，是基于断句、停顿的音轨差别，自动在任意文字前后添加时间标签，不局限字、词、句。

5.根据权利要求4所述插入的方法，其特征在于，所述时间标签为“[t1:t2]”,其中t1表示起始时间点，t2表示结束时间点，单位为毫秒。

6.一种插入音频或视频的系统，其特征在于，包括：

文本信息模块：用于将目标音频通过语音转文字的方法，生成含有相应内容和时间标签的文本，并镜像生成与所述含有相应内容和时间标签文本对应的数据；

内容标签模块：用于对所述含有相应内容和时间标签的文本，通过NLP和NLU算法对文本进行文字识别或语义识别，提取得到关键要素，并镜像生成与所述关键要素对应的数据；

植入点模块：用于对所述添加时间标签后的文本内容，通过NLP算法识别文字的文意，经过判断，形成可插入音频或视频的时间节点，并镜像生成与可插入音频或视频时间节点对应的数据；

存储模块：用于对文本信息模块、内容标签模块、植入点模块镜像生成的数据进行存储、整合记录，以备后续插入音频或视频。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序执行时实现权利要求1-5任一项所述插入方法的步骤。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5任一项所述插入方法的步骤。