一種匹配檢測方法及裝置制造方法
【專利摘要】本發(fā)明實施例公開了一種匹配檢測方法及裝置，其中的方法可包括：構(gòu)建音頻文件的音頻特征序列和字幕文件的字幕特征序列；根據(jù)所述音頻特征序列和所述字幕特征序列，確定相關(guān)因子；采用所述相關(guān)因子進行相關(guān)運算，獲得相關(guān)函數(shù)序列；根據(jù)所述相關(guān)函數(shù)序列，對所述音頻文件和所述字幕文件進行匹配檢測。本發(fā)明能夠?qū)σ纛l文件和字幕文件進行匹配檢測，滿足對音頻文件的應(yīng)用需求，提升音頻文件的應(yīng)用智能性。
【專利說明】-種匹配檢測方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及互聯(lián)網(wǎng)【技術(shù)領(lǐng)域】，具體涉及音頻處理【技術(shù)領(lǐng)域】，尤其涉及一種匹配檢 測方法及裝置。

【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，互聯(lián)網(wǎng)音頻庫中收錄了大量的諸如歌曲、歌曲片段等音 頻文件，關(guān)于互聯(lián)網(wǎng)音頻的應(yīng)用也日漸增多，例如：K歌系統(tǒng)、聽歌系統(tǒng)等等。在應(yīng)用音頻文 件的過程中，用戶通常希望播放音頻文件的同時獲得對應(yīng)的字幕信息，例如：用戶在演唱或 收聽某歌曲時，希望查看對應(yīng)的歌詞；等等，然而，音頻文件與字幕文件常常會出現(xiàn)不匹配 的情況，無法滿足用戶對音頻文件的使用需求，從而降低了音頻文件的應(yīng)用智能性。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明實施例所要解決的技術(shù)問題在于，提供一種匹配檢測方法及裝置，能夠?qū)?音頻文件和字幕文件進行匹配檢測，滿足對音頻文件的應(yīng)用需求，提升音頻文件的應(yīng)用智 能性。
[0004] 本發(fā)明實施例第一方面提供一種匹配檢測方法，可包括：
[0005] 構(gòu)建音頻文件的音頻特征序列和字幕文件的字幕特征序列；
[0006] 根據(jù)所述音頻特征序列和所述字幕特征序列，確定相關(guān)因子；
[0007] 采用所述相關(guān)因子進行相關(guān)運算，獲得相關(guān)函數(shù)序列；
[0008] 根據(jù)所述相關(guān)函數(shù)序列，對所述音頻文件和所述字幕文件進行匹配檢測。
[0009] 本發(fā)明實施例第二方面提供一種匹配檢測裝置，可包括：
[0010] 構(gòu)建模塊，用于構(gòu)建音頻文件的音頻特征序列和字幕文件的字幕特征序列；
[0011] 因子確定模塊，用于根據(jù)所述音頻特征序列和所述字幕特征序列，確定相關(guān)因 子；
[0012] 相關(guān)運算模塊，用于采用所述相關(guān)因子進行相關(guān)運算，獲得相關(guān)函數(shù)序列；
[0013] 匹配檢測模塊，用于根據(jù)所述相關(guān)函數(shù)序列，對所述音頻文件和所述字幕文件進 行匹配檢測。
[0014] 實施本發(fā)明實施例，具有如下有益效果：
[0015] 本發(fā)明實施例中，可根據(jù)音頻文件的音頻特征序列和字幕文件的字幕特征序列， 構(gòu)建相關(guān)函數(shù)序列；通過分析所述相關(guān)函數(shù)序列，了解所述音頻文件與所述字幕文件之間 的相關(guān)性，從而實現(xiàn)了對音頻文件和字幕文件之間的匹配檢測，既滿足了用戶對于音頻文 件的應(yīng)用過程中的實際需求，又提升了音頻文件的應(yīng)用智能性。

【專利附圖】

【附圖說明】
[0016] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可 以根據(jù)這些附圖獲得其他的附圖。
[0017] 圖1為本發(fā)明實施例提供的一種匹配檢測方法的流程圖；
[0018] 圖2為本發(fā)明實施例提供的另一種匹配檢測方法的流程圖；
[0019] 圖3為圖2所示的步驟S201的一個實施例的流程圖；
[0020] 圖4a為本發(fā)明實施例提供的一種構(gòu)建音頻文件的音頻特征序列的方法的流程 圖；
[0021] 圖4b為本發(fā)明實施例提供的一種構(gòu)建字幕文件的字幕特征序列的方法的流程 圖；
[0022] 圖5a為本發(fā)明實施例提供的一種確定相關(guān)因子的方法的流程圖；
[0023] 圖5b為本發(fā)明實施例提供的另一種確定相關(guān)因子的方法的流程圖；
[0024] 圖6a為本發(fā)明實施例提供的一種根據(jù)相關(guān)函數(shù)序列進行匹配檢測的方法的流程 圖；
[0025] 圖6b為本發(fā)明實施例提供的另一種根據(jù)相關(guān)函數(shù)序列進行匹配檢測的方法的流 程圖；
[0026] 圖7為本發(fā)明實施例提供的一種匹配檢測裝置的結(jié)構(gòu)示意圖；
[0027] 圖8為本發(fā)明實施例提供的另一種匹配檢測裝置的結(jié)構(gòu)示意圖；
[0028] 圖9為本發(fā)明實施例提供的一種預(yù)處理模塊的結(jié)構(gòu)示意圖；
[0029] 圖10a為本發(fā)明實施例提供的一種構(gòu)建模塊的結(jié)構(gòu)示意圖；
[0030] 圖10b為本發(fā)明實施例提供的另一種構(gòu)建模塊的結(jié)構(gòu)示意圖；
[0031] 圖11a為本發(fā)明實施例提供的一種因子確定模塊的結(jié)構(gòu)示意圖；
[0032] 圖lib為本發(fā)明實施例提供的另一種因子確定模塊的結(jié)構(gòu)示意圖；
[0033] 圖12a為本發(fā)明實施例提供的一種匹配檢測模塊的結(jié)構(gòu)示意圖；
[0034] 圖12b為本發(fā)明實施例提供的另一種匹配檢測模塊的結(jié)構(gòu)示意圖。

【具體實施方式】
[0035] 下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于 本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0036] 本發(fā)明實施例中，音頻文件可以包括但不限于：歌曲、歌曲片段等文件。字幕文件 可以包括但不限于：歌詞、歌詞片段等文件。一個音頻文件可由至少一個音頻單句順序排列 而成，該至少一個音頻單句的集合描述了音頻文件中演唱內(nèi)容部分；音頻單句之間還可包 括無演唱內(nèi)容部分。以歌曲A為例，歌曲A的描述可表示如下：
[0037] [661,770], [661,20] &1 [661,60] a2 [721,170] a3 [891,200] a4 [1091,70] a5 [1161, 180]a6[1341,20]a7[1361,50]a8
[0038] [1541,180], [1541,20]b![1561,50]b2[1611,20]bs[1631,30]b 4[1661,0]b5[1661, 10]b6[1671,20]b 7[1701,30]b8
[0039] [1871,730]， [1871,60]Cl[1931，100]c2[2031，110]c3[2141,200]c 4[2341,70] c5 [2411，60]c6[2471，50]c7[2421，80]c8
[0040] ......
[0041] 上述歌曲 A 的描述中，諸如"a^a^asaj^ag"、"b^bgb^bjjbX"、"(^(32(33(3 4(35(36(37(38" 可分別用于表示一個音頻單句，各音頻單句之前的"[]"用于描述對應(yīng)的音頻單句的時間 屬性，其單位時間通常為ms,例如：上述[661,770]用于描述音頻單句"aia^aAajjaA"的 時間屬性，其中的"661"表示音頻單句1%----%?"的開始時間，"770"表示音頻單 句，'的持續(xù)時間，假設(shè)歌曲A共5分鐘，音頻單句，'貝1J從第 661ms開始演唱，持續(xù)770ms結(jié)束演唱。各音頻單句中，每個音頻字之前的"[]"用于描述對 應(yīng)的音頻字的時間屬性，其單位時間通常為ms，例如：上述[661，20]用于描述音頻字"a/' 的時間屬性，其中的"661"表示音頻字"a/'的開始時間，"20"表示音頻字"a/'的持續(xù)時間。 按照開始時間的先后順序，可確定音頻文件包含的各音頻單句的順序，例如：根據(jù)上述歌曲 A的描述，音頻單句"aia2a3a4a5a 6a7a8"為第一個音頻單句，其在歌曲A中的順序為1 ;音頻單 句"卟21^4咕6￥8"為第二個音頻單句，其在歌曲A中的順序為2 ;以此類推?？梢岳斫獾?是，每個音頻單句開始之前或結(jié)束之后還可包含無演唱內(nèi)容，例如：上述歌曲A的0-661ms 時間段則為無演唱內(nèi)容部分，該部分可包含前奏信息。
[0042] 一個字幕文件可由至少一個顯示字符單句順序排列而成，該至少一個顯示字符單 句的集合描述了字幕文件中的顯示內(nèi)容部分；顯示字符單句之間還可包括空白字符，空白 字符描述了字幕文件中無顯示內(nèi)容部分。
[0043] 下面將結(jié)合圖1-圖6,對本發(fā)明實施例提供的匹配檢測方法進行詳細介紹。
[0044] 請參見圖1，為本發(fā)明實施例提供的一種匹配檢測方法的流程圖；該方法可包括 以下步驟S101-步驟S104。
[0045] S101，構(gòu)建音頻文件的音頻特征序列和字幕文件的字幕特征序列。
[0046] 所述音頻特征序列可由至少一個音頻元素通過其取值及索引構(gòu)建形成，其中，音 頻元素的索引指該音頻元素在所述音頻特征序列中的順序，可用于表征所述音頻文件的時 間特征；音頻元素的值可用于體現(xiàn)所述音頻文件的演唱特征；例如：某音頻元素的值為第 一預(yù)設(shè)值（例如：第一預(yù)設(shè)值為1)，可表示音頻文件中該音頻元素的索引所表征的時間片 為演唱內(nèi)容部分；或者，某音頻元素的值為第二預(yù)設(shè)值（例如：第二預(yù)設(shè)值為〇)，可表示音 頻文件中該音頻元素的索引所表征的時間片為無演唱內(nèi)容部分。
[0047] 所述字幕特征序列可由至少一個字幕元素通過其取值及索引構(gòu)建形成，其中，字 幕元素的索引指該字幕元素在所述字幕特征序列中的順序，可用于表征所述字幕文件的時 間特征；字幕元素的值可用于體現(xiàn)所述字幕文件的字符特征；例如：某字幕元素的值為第 一預(yù)設(shè)值（例如：第一預(yù)設(shè)值為1)，可表示字幕文件中該字幕元素的索引所表征的時間片 為顯示內(nèi)容部分；或者，某字幕元素的值為第二預(yù)設(shè)值（例如：第二預(yù)設(shè)值為0)，可表示字 幕文件中該字幕元素的索引所表征的時間片為無顯示內(nèi)容部分。
[0048] S102,根據(jù)所述音頻特征序列和所述字幕特征序列，確定相關(guān)因子。
[0049] S103,采用所述相關(guān)因子進行相關(guān)運算，獲得相關(guān)函數(shù)序列。
[0050] 其中，所述相關(guān)因子可用于表征所述音頻特征序列的音頻元素和所述字幕特征序 列的字幕元素之間的關(guān)系。采用所述相關(guān)因子進行相關(guān)運算，獲得相關(guān)函數(shù)序列，所述相關(guān) 函數(shù)序列可以表征所述音頻文件和所述字幕文件的相關(guān)性。
[0051] S104,根據(jù)所述相關(guān)函數(shù)序列，對所述音頻文件和所述字幕文件進行匹配檢測。
[0052] 由于所述相關(guān)函數(shù)序列可用于表征所述音頻文件和所述字幕文件的相關(guān)性，本步 驟中，通過分析所述相關(guān)函數(shù)序列，可檢測所述音頻文件和所述字幕文件的匹配情況。具體 地，若所述音頻文件和所述字幕文件的相關(guān)性越高，所述音頻文件和所述字幕文件越匹配； 反之，若所述音頻文件和所述字幕文件的相關(guān)性越低，所述音頻文件和所述字幕文件越不 匹配。
[0053] 本發(fā)明實施例中，可根據(jù)音頻文件的音頻特征序列和字幕文件的字幕特征序列， 構(gòu)建相關(guān)函數(shù)序列；通過分析所述相關(guān)函數(shù)序列，了解所述音頻文件與所述字幕文件之間 的相關(guān)性，從而實現(xiàn)了對音頻文件和字幕文件之間的匹配檢測，既滿足了用戶對于音頻文 件的應(yīng)用過程中的實際需求，又提升了音頻文件的應(yīng)用智能性。
[0054] 請參見圖2,為本發(fā)明實施例提供的另一種匹配檢測方法的流程圖；該方法可包 括以下步驟S201-步驟S205。
[0055] S201，對所述音頻文件和所述字幕文件進行預(yù)處理。
[0056] 本步驟中，對所述音頻文件和所述字幕文件進行預(yù)處理的目的在于：使所述音頻 文件的播放時長與所述字幕文件的顯示時長相統(tǒng)一，以使后續(xù)的匹配檢測結(jié)果更為準(zhǔn)確。
[0057] S202,構(gòu)建音頻文件的音頻特征序列和字幕文件的字幕特征序列。
[0058] S203,根據(jù)所述音頻特征序列和所述字幕特征序列，確定相關(guān)因子。
[0059] S204,采用所述相關(guān)因子進行相關(guān)運算，獲得相關(guān)函數(shù)序列。
[0060] S205,根據(jù)所述相關(guān)函數(shù)序列，對所述音頻文件和所述字幕文件進行匹配檢測。
[0061] 本實施例的步驟S202-步驟S205可參見圖1所示實施例的步驟S101-步驟S104， 在此不贅述。
[0062] 本發(fā)明實施例中，可根據(jù)音頻文件的音頻特征序列和字幕文件的字幕特征序列， 構(gòu)建相關(guān)函數(shù)序列；通過分析所述相關(guān)函數(shù)序列，了解所述音頻文件與所述字幕文件之間 的相關(guān)性，從而實現(xiàn)了對音頻文件和字幕文件之間的匹配檢測，既滿足了用戶對于音頻文 件的應(yīng)用過程中的實際需求，又提升了音頻文件的應(yīng)用智能性。
[0063] 請參見圖3,為圖2所示的步驟S201的一個實施例的流程圖；該步驟S201可包括 以下步驟slOOl-步驟sl004。
[0064] S1001，獲取所述音頻文件的源播放時長和所述字幕文件的源顯示時長。
[0065] 所述音頻文件的源播放時長為：所述音頻文件中演唱內(nèi)容部分的時長和無演唱內(nèi) 容部分的時長總和，例如：假設(shè)歌曲A共5分鐘，其中演唱內(nèi)容部分的時長為4分鐘，無演唱 內(nèi)容部分的時長為1分鐘，則本步驟所獲取的所述音頻文件的源播放時長為5分鐘。
[0066] 所述字幕文件的源顯示時長為：所述字幕文件中顯示內(nèi)容部分的時長和無顯示內(nèi) 容部分的時長總和，例如：假設(shè)歌曲A的歌詞文件共需要顯示4. 5分鐘，其中顯示內(nèi)容部分 的時長為4分鐘，無顯示內(nèi)容部分的時長為0. 5分鐘，則本步驟所獲取的所述字幕文件的源 顯示時長為4. 5分鐘。
[0067] sl002,選取所述源播放時長和所述源顯示時長二者中的最大者，將所選取的最大 者作為基準(zhǔn)時長。
[0068] 按照步驟slOOl中所示例子，所述源播放時長為5分鐘，所述源顯示時長為4. 5分 鐘，本步驟則選取5分鐘作為基準(zhǔn)時長，該基準(zhǔn)時長可表示為Tmax。
[0069] S1003,采用所述基準(zhǔn)時長對所述音頻文件的源播放時長進行歸整處理，獲得所述 音頻文件的目標(biāo)播放時長。
[0070] S1004,采用所述基準(zhǔn)時長對所述音頻文件的源顯示時長進行歸整處理，獲得所述 字幕文件的目標(biāo)顯示時長。
[0071] 步驟sl003-sl004中，歸整處理的目的是使所述音頻文件的播放時長與所述字幕 文件的顯示時長相統(tǒng)一，以使后續(xù)的匹配檢測結(jié)果更為準(zhǔn)確。具體地，由于基準(zhǔn)時長T max等 于所述音頻文件的源播放時長，因此，步驟S1003中可直接將該基準(zhǔn)時長Tmax作為所述音 頻文件的目標(biāo)播放時長。由于基準(zhǔn)時長T max大于所述字幕文件的源顯示時長，因此，步驟 S1004中的歸整處理過程可包括：在所述字幕文件的結(jié)束時間點之后插入空白字符，使所 述字幕文件的源顯示時長增加至Tmax，歸整處理之后，所述字幕文件的目標(biāo)顯示時長也為該 基準(zhǔn)時長T max。
[0072] 本發(fā)明實施例中，可根據(jù)音頻文件的音頻特征序列和字幕文件的字幕特征序列， 構(gòu)建相關(guān)函數(shù)序列；通過分析所述相關(guān)函數(shù)序列，了解所述音頻文件與所述字幕文件之間 的相關(guān)性，從而實現(xiàn)了對音頻文件和字幕文件之間的匹配檢測，既滿足了用戶對于音頻文 件的應(yīng)用過程中的實際需求，又提升了音頻文件的應(yīng)用智能性。
[0073] 請參見圖4a，為本發(fā)明實施例提供的一種構(gòu)建音頻文件的音頻特征序列的方法的 流程圖；本實施例可以為圖1所示的步驟S101的具體細化流程，也可以為圖2所示的步驟 S202的具體細化流程。該方法可包括以下步驟s2001-步驟s2006。
[0074] S2001，按照預(yù)設(shè)時間刻度對所述音頻文件的目標(biāo)播放時長進行等分處理，獲得至 少一個播放時間片。
[0075] 所述預(yù)設(shè)時間刻度可根據(jù)實際需要進行設(shè)定，例如：可考慮節(jié)拍因素，一個節(jié)拍通 常為200ms，可將時間刻度設(shè)定為節(jié)拍的倍數(shù)，諸如：100ms、200ms、400ms等等。所述預(yù)設(shè)時 間刻度可采用T表示，本步驟中，可采用公式（1)進行等分處理，該公式（1)可表示如下：
[0076] N = Tmax/T (1)
[0077] 上述公式（1)中，N為正整數(shù)。通過上述公式（1)，所述音頻文件的目標(biāo)播放時長 Tmax被劃分為N個播放時間片；例如：假設(shè)N為10, Tmax等于5分鐘（0-4分59秒），則第一 個播放時間片為0-29秒，第二個播放時間片為30秒-59秒，以此類推，第N個播放時間片 為4分30秒 -4分59秒。
[0078] S2002,根據(jù)所述至少一個播放時間片的數(shù)量，確定構(gòu)建所述音頻特征序列的音頻 元素的數(shù)量。
[0079] 所述播放時間片的數(shù)量等于所述音頻元素的數(shù)量。本步驟中，可確定構(gòu)建所述音 頻特征序列的音頻元素的數(shù)量為N，即確定所述音頻特征序列由N個音頻元素構(gòu)成。
[0080] S2003,根據(jù)所述至少一個播放時間片中各播放時間片的順序，確定構(gòu)建所述音頻 特征序列的各音頻元素的索引。
[0081] 所述播放時間片的順序與所述音頻元素的索引一一對應(yīng)；具體地，第一個播放時 間片的順序為1，該第一個播放時間片對應(yīng)的音頻元素的索引為1 ;第二個播放時間片的順 序為2,該第二個播放時間片對應(yīng)的音頻元素的索引為2 ;以此類推，第N個播放時間片的順 序為，該第N個播放時間片對應(yīng)的音頻元素的索引為N。
[0082] s2004,計算所述各播放時間片內(nèi)的能量。
[0083] 設(shè)定一個播放時間片內(nèi)包括L(L為小于等于N的正整數(shù)）個音頻幀，一個播放時 間片內(nèi)的音頻可以為該L個音頻幀順序排列構(gòu)成，則一個播放時間片內(nèi)的音頻序列可表示 為其中x(j)，j為整數(shù)，且〇彡j彡L-1。本實施例中，N個播放時間片中每個播放時間片內(nèi) 的音頻序列可表示為 Xl (j)，i為整數(shù)，且〇彡i彡N-l，i表示播放時間片的順序或音頻元 素的索引。具體地，第一個播放時間片的音頻序列可表示為&(·]_)，第二個播放時間片的音 頻序列可表示為 Xl(j)，以此類推，第N個播放時間片的音頻序列可表示為XN_i(j)。
[0084] 本步驟中，可采用公式（2)計算各播放時間片內(nèi)的能量，該公式（2)可表示如下：
[0085]

【權(quán)利要求】
1. 一種匹配檢測方法，其特征在于，包括： 構(gòu)建音頻文件的音頻特征序列和字幕文件的字幕特征序列； 根據(jù)所述音頻特征序列和所述字幕特征序列，確定相關(guān)因子； 采用所述相關(guān)因子進行相關(guān)運算，獲得相關(guān)函數(shù)序列； 根據(jù)所述相關(guān)函數(shù)序列，對所述音頻文件和所述字幕文件進行匹配檢測。
2. 如權(quán)利要求1所述的方法，其特征在于，所述構(gòu)建音頻文件的音頻特征序列和字幕 文件的字幕特征序列之前，還包括： 對所述音頻文件和所述字幕文件進行預(yù)處理。
3. 如權(quán)利要求2所述的方法，其特征在于，所述對所述音頻文件和所述字幕文件進行 預(yù)處理，包括： 獲取所述音頻文件的源播放時長和所述字幕文件的源顯示時長； 選取所述源播放時長和所述源顯示時長二者中的最大者，將所選取的最大者作為基準(zhǔn) 時長； 采用所述基準(zhǔn)時長對所述音頻文件的源播放時長進行歸整處理，獲得所述音頻文件的 目標(biāo)播放時長； 采用所述基準(zhǔn)時長對所述音頻文件的源顯示時長進行歸整處理，獲得所述字幕文件的 目標(biāo)顯示時長。
4. 如權(quán)利要求3所述的方法，其特征在于，所述構(gòu)建音頻文件的音頻特征序列，包括： 按照預(yù)設(shè)時間刻度對所述音頻文件的目標(biāo)播放時長進行等分處理，獲得至少一個播放 時間片； 根據(jù)所述至少一個播放時間片的數(shù)量，確定構(gòu)建所述音頻特征序列的音頻元素的數(shù) 量； 根據(jù)所述至少一個播放時間片中各播放時間片的順序，確定構(gòu)建所述音頻特征序列的 各音頻元素的索引； 計算所述各播放時間片內(nèi)的能量； 根據(jù)所述各播放時間片內(nèi)的能量，設(shè)置構(gòu)建所述音頻特征序列的各音頻元素的值； 按照構(gòu)建所述音頻特征序列的各音頻元素的值及索引，構(gòu)建所述音頻文件的音頻特征 序列。
5. 如權(quán)利要求4所述的方法，其特征在于，所述構(gòu)建字幕文件的字幕特征序列，包括： 按照預(yù)設(shè)時間刻度對所述字幕文件的目標(biāo)顯示時長進行等分處理，獲得至少一個顯示 時間片； 根據(jù)所述至少一個顯示時間片的數(shù)量，確定構(gòu)建所述字幕特征序列的字幕元素的數(shù) 量； 根據(jù)所述至少一個顯示時間片中各顯示時間片的順序，確定構(gòu)建所述字幕特征序列的 各字幕元素的索引； 根據(jù)所述各顯示時間片與所述字幕文件中包含的字符的對應(yīng)關(guān)系，設(shè)置構(gòu)建所述字幕 特征序列的各字幕元素的值； 按照構(gòu)建所述字幕特征序列的各字幕元素的值及索引，構(gòu)建所述字幕文件的字幕特征 序列。
6. 如權(quán)利要求1-5任一項所述的方法，其特征在于，所述根據(jù)所述音頻特征序列和所 述字幕特征序列，確定相關(guān)因子，包括： 對所述音頻特征序列進行循環(huán)移動，獲得所述音頻文件的音頻轉(zhuǎn)換序列； 統(tǒng)計所述音頻轉(zhuǎn)換序列與所述字幕特征序列中等值元素的數(shù)量，獲得第一相關(guān)因子； 統(tǒng)計所述音頻轉(zhuǎn)換序列與所述字幕特征序列中非等值元素的數(shù)量，獲得第二相關(guān)因 子。
7. 如權(quán)利要求1-5任一項所述的方法，其特征在于，所述根據(jù)所述音頻特征序列和所 述字幕特征序列，確定相關(guān)因子，包括： 對所述字幕特征序列進行循環(huán)移動，獲得所述字幕文件的字幕轉(zhuǎn)換序列； 統(tǒng)計所述音頻特征序列與所述字幕轉(zhuǎn)換序列中等值元素的數(shù)量，獲得第三相關(guān)因子； 統(tǒng)計所述音頻特征序列與所述字幕轉(zhuǎn)換序列中非等值元素的數(shù)量，獲得第四相關(guān)因 子。
8. 如權(quán)利要求1-5任一項所述的方法，其特征在于，所述根據(jù)所述相關(guān)函數(shù)序列，對所 述音頻文件和所述字幕文件進行匹配檢測，包括： 計算所述相關(guān)函數(shù)序列的最大值； 判斷所述最大值是否大于或等于預(yù)設(shè)閾值； 若所述最大值大于或等于所述預(yù)設(shè)閾值，確定所述音頻文件與所述字幕文件相匹配； 若所述最大值小于所述預(yù)設(shè)閾值，確定所述音頻文件與所述字幕文件不匹配。
9. 如權(quán)利要求1-5任一項所述的方法，其特征在于，所述根據(jù)所述相關(guān)函數(shù)序列，對所 述音頻文件和所述字幕文件進行匹配檢測，包括： 根據(jù)所述相關(guān)函數(shù)序列，計算所述音頻文件的播放時間與所述字幕文件的顯示時間之 間的時間差； 判斷所述時間差是否位于預(yù)設(shè)時間范圍內(nèi)； 若所述時間差位于所述預(yù)設(shè)時間范圍內(nèi)，確定所述音頻文件與所述字幕文件相匹配； 若所述時間差位于所述預(yù)設(shè)時間范圍外，確定所述音頻文件與所述字幕文件不匹配。
10. 如權(quán)利要求9所述的方法，其特征在于，所述確定所述音頻文件與所述字幕文件相 匹配之后，還包括： 根據(jù)所述時間差，對所述音頻文件的播放時間和所述字幕文件的顯示時間進行校準(zhǔn)處 理。
11. 一種匹配檢測裝置，其特征在于，包括： 構(gòu)建模塊，用于構(gòu)建音頻文件的音頻特征序列和字幕文件的字幕特征序列； 因子確定模塊，用于根據(jù)所述音頻特征序列和所述字幕特征序列，確定相關(guān)因子； 相關(guān)運算模塊，用于采用所述相關(guān)因子進行相關(guān)運算，獲得相關(guān)函數(shù)序列； 匹配檢測模塊，用于根據(jù)所述相關(guān)函數(shù)序列，對所述音頻文件和所述字幕文件進行匹 配檢測。
12. 如權(quán)利要求11所述的裝置，其特征在于，還包括： 預(yù)處理模塊，用于對所述音頻文件和所述字幕文件進行預(yù)處理。
13. 如權(quán)利要求12所述的裝置，其特征在于，所述預(yù)處理模塊包括： 時長獲取單元，用于獲取所述音頻文件的源播放時長和所述字幕文件的源顯示時長； 基準(zhǔn)選取單元，用于選取所述源播放時長和所述源顯示時長二者中的最大者，將所選 取的最大者作為基準(zhǔn)時長； 第一歸整單元，用于采用所述基準(zhǔn)時長對所述音頻文件的源播放時長進行歸整處理， 獲得所述音頻文件的目標(biāo)播放時長； 第二歸整單元，用于采用所述基準(zhǔn)時長對所述音頻文件的源顯示時長進行歸整處理， 獲得所述字幕文件的目標(biāo)顯示時長。
14. 如權(quán)利要求13所述的裝置，其特征在于，所述構(gòu)建模塊包括： 播放時長處理單元，用于按照預(yù)設(shè)時間刻度對所述音頻文件的目標(biāo)播放時長進行等分 處理，獲得至少一個播放時間片； 第一數(shù)量確定單元，用于根據(jù)所述至少一個播放時間片的數(shù)量，確定構(gòu)建所述音頻特 征序列的音頻元素的數(shù)量； 第一索引確定單元，用于根據(jù)所述至少一個播放時間片中各播放時間片的順序，確定 構(gòu)建所述音頻特征序列的各音頻元素的索引； 能量計算單元，用于計算所述各播放時間片內(nèi)的能量； 音頻元素賦值單元，用于根據(jù)所述各播放時間片內(nèi)的能量，設(shè)置構(gòu)建所述音頻特征序 列的各音頻元素的值； 第一構(gòu)建單元，用于按照構(gòu)建所述音頻特征序列的各音頻元素的值及索引，構(gòu)建所述 音頻文件的音頻特征序列。
15. 如權(quán)利要求14所述的裝置，其特征在于，所述構(gòu)建模塊包括： 顯示時長處理單元，用于按照預(yù)設(shè)時間刻度對所述字幕文件的目標(biāo)顯示時長進行等分 處理，獲得至少一個顯示時間片； 第二數(shù)量確定單元，用于根據(jù)所述至少一個顯示時間片的數(shù)量，確定構(gòu)建所述字幕特 征序列的字幕元素的數(shù)量； 第二索引確定單元，用于根據(jù)所述至少一個顯示時間片中各顯示時間片的順序，確定 構(gòu)建所述字幕特征序列的各字幕元素的索引； 字幕元素賦值單元，用于根據(jù)所述各顯示時間片與所述字幕文件中包含的字符的對應(yīng) 關(guān)系，設(shè)置構(gòu)建所述字幕特征序列的各字幕元素的值； 第二構(gòu)建單元，用于按照構(gòu)建所述字幕特征序列的各字幕元素的值及索引，構(gòu)建所述 字幕文件的字幕特征序列。
16. 如權(quán)利要求11-15任一項所述的裝置，其特征在于，所述因子確定模塊包括： 音頻移動單元，用于對所述音頻特征序列進行循環(huán)移動，獲得所述音頻文件的音頻轉(zhuǎn) 換序列； 第一統(tǒng)計單元，用于統(tǒng)計所述音頻轉(zhuǎn)換序列與所述字幕特征序列中等值元素的數(shù)量， 獲得第一相關(guān)因子； 第二統(tǒng)計單元，用于統(tǒng)計所述音頻轉(zhuǎn)換序列與所述字幕特征序列中非等值元素的數(shù) 量，獲得第二相關(guān)因子。
17. 如權(quán)利要求11-15任一項所述的裝置，其特征在于，所述因子確定模塊包括： 字幕移動單元，用于對所述字幕特征序列進行循環(huán)移動，獲得所述字幕文件的字幕轉(zhuǎn) 換序列； 第三統(tǒng)計單元，用于統(tǒng)計所述音頻特征序列與所述字幕轉(zhuǎn)換序列中等值元素的數(shù)量， 獲得第三相關(guān)因子； 第四統(tǒng)計單元，用于統(tǒng)計所述音頻特征序列與所述字幕轉(zhuǎn)換序列中非等值元素的數(shù) 量，獲得第四相關(guān)因子。
18. 如權(quán)利要求11-15任一項所述的裝置，其特征在于，所述匹配檢測模塊包括： 最大值計算單元，用于計算所述相關(guān)函數(shù)序列的最大值； 第一判斷單元，用于判斷所述最大值是否大于或等于預(yù)設(shè)閾值； 第一結(jié)果確定單元，用于若所述最大值大于或等于所述預(yù)設(shè)閾值，確定所述音頻文件 與所述字幕文件相匹配；或者，用于若所述最大值小于所述預(yù)設(shè)閾值，確定所述音頻文件與 所述字幕文件不匹配。
19. 如權(quán)利要求11-15任一項所述的裝置，其特征在于，所述匹配檢測模塊包括： 時間差計算單元，用于根據(jù)所述相關(guān)函數(shù)序列，計算所述音頻文件的播放時間與所述 字幕文件的顯示時間之間的時間差； 第二判斷單元，用于判斷所述時間差是否位于預(yù)設(shè)時間范圍內(nèi)； 第二確定單元，用于若所述時間差位于所述預(yù)設(shè)時間范圍內(nèi)，確定所述音頻文件與所 述字幕文件相匹配；或者，用于若所述時間差位于所述預(yù)設(shè)時間范圍外，確定所述音頻文件 與所述字幕文件不匹配。
20. 如權(quán)利要求19所述的裝置，其特征在于，所述匹配檢測模塊還包括： 校準(zhǔn)處理單元，用于根據(jù)所述時間差，對所述音頻文件的播放時間和所述字幕文件的 顯示時間進行校準(zhǔn)處理。
【文檔編號】G06F17/30GK104142989SQ201410362558
【公開日】2014年11月12日 申請日期:2014年7月28日 優(yōu)先權(quán)日:2014年7月28日
【發(fā)明者】趙偉峰 申請人:騰訊科技（深圳）有限公司