一种基于语音理解的短视频自动生成字幕的方法及系统
本发明公开了一种基于语音理解的短视频自动生成字幕的方法及系统,用于自然语言处理领域,该方法包括以下步骤:收集短视频的语音数据样本和文本数据;构建语音识别模型,同时依据文本数据构建语言理解模型;通过改进Bagging算法构建端到端语音理解模型;结合阈值法和视频信息的端点检测算法,提取出音频数据;将提取的音频数据输入端到端语音理解模型,生成对应的文本语义信息;将文本语义信息与视频时序信息相结合,自动渲染生成字幕;提供交互接口,对语音识别的错误结果进行校正。本发明共享语义表示,两任务互促进,语音编码器提取的语义特征可同时服务于语音识别和语言理解任务,两任务在统一模型中进行联合优化。
《一种基于语音理解的短视频自动生成字幕的方法及系统》是一发明专利,专利号为 2023112546805,当前法律状态为已下证,由北京华星酷娱文化传媒有限公司提出申请,发明人为李志阳;孔丽红;李鸿禹;栾晓静,申请日期为2023-09-27,公开(公告)日期为2024-04-09,国际专利分类号(IPC)为 G10L 15/18 (2013.01),高新资质:未报高企,所属技术领域包括:短视频AI文化传媒。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于语音理解的短视频自动生成字幕的方法及系统,用于自然语言处理领域,该方法包括以下步骤:收集短视频的语音数据样本和文本数据;构建语音识别模型,同时依据文本数据构建语言理解模型;通过改进Bagging算法构建端到端语音理解模型;结合阈值法和视频信息的端点检测算法,提取出音频数据;将提取的音频数据输入端到端语音理解模型,生成对应的文本语义信息;将文本语义信息与视频时序信息相结合,自动渲染生成字幕;提供交互接口,对语音识别的错误结果进行校正。本发明共享语义表示,两任务互促进,语音编码器提取的语义特征可同时服务于语音识别和语言理解任务,两任务在统一模型中进行联合优化。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
