一种基于人工智能的字幕生成方法和装置

摘要

本申请实施例公开了一种基于人工智能的字幕生成方法和装置，至少涉及人工智能中的语音处理技术和自然语言处理技术，针对多个语音片段，通过语音识别得到多个语音片段分别对应的文本并确定静音片段的时间长度。根据音频流时间轴的顺序，从目标语音片段开始依次确定静音片段的时长是否大于预设时长，将处于大于预设时长的目标静音片段与目标语音片段之间的语音片段所对应文本加入待处理文本组，以待处理文本组中的分隔符作为确定字幕文本的依据。分隔符间的文本部分属于完整句子，能够体现合理的语义，且根据预设时长可以确定出静音片段是否为句子间的表达停顿，从而降低字幕文本出现不完整句子的可能性，能够帮助收看音视频的用户理解音视频内容。