(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210689216.8 (22)申请日 2022.06.16 (71)申请人 安徽听见 科技有限公司 地址 230000 安徽省合肥市高新区习友路 3333号中国声谷A区2号科研楼16 -19F (72)发明人 王玮　周旸旻　程旭　王强　 方世煌　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 孟省 (51)Int.Cl. G06F 40/40(2020.01) G06V 20/40(2022.01) G06V 10/74(2022.01) G06V 30/10(2022.01)G10L 15/26(2006.01) H04N 21/488(2011.01) (54)发明名称 翻译方法、 装置、 电子设备及存 储介质 (57)摘要 本发明提供一种翻译方法、 装置、 电子设备 及存储介质， 其中方法包括： 对源语种视频进行 音视频分离， 得到源语种音 频和源语种视频帧序 列； 对所述源语种视频帧序列进行关键帧抽取， 得到源语种关键帧； 将所述源语种关键帧翻译至 目标语种， 得到目标语种关键帧； 基于所述目标 语种关键帧， 以及对所述源语种音频翻译所得的 目标语种字幕， 合成目标语种视频。 本发明提供 的翻译方法、 装置、 电子设备及存储介质， 将目标 语种关键帧与对源语种音频翻译所得的目标语 种字幕进行结合， 从而能够完整、 全面地反映视 频翻译的内容， 并且针对源语种视频帧序列进行 了关键帧抽取， 在保证翻译后的视频信息完整性 的同时， 提高了翻译的效率。 权利要求书2页 说明书12页 附图4页 CN 115034233 A 2022.09.09 CN 115034233 A 1.一种翻译方法， 其特 征在于， 包括： 对源语种视频进行音视频分离， 得到源语种音频和源语种视频帧序列； 对所述源语种视频帧序列进行关键帧抽取， 得到源语种关键帧； 将所述源语种关键帧翻译至目标语种， 得到目标语种关键帧； 基于所述目标语种关键帧， 以及对所述源语种音频翻译所得的目标语种字幕， 合成目 标语种视频。 2.根据权利要求1所述的翻译方法， 其特征在于， 所述对所述源语种视频帧序列进行关 键帧抽取， 得到源语种关键帧， 包括： 基于所述源语种视频帧序列， 确定候选帧序列； 基于所述候选帧序列中的候选帧之间的相似度， 从所述候选帧序列中抽取源语种关键 帧。 3.根据权利要求2所述的翻译方法， 其特征在于， 所述基于所述源语种视频帧序列， 确 定候选帧序列， 包括： 基于所述源语种视频帧序列中各视频帧的编码信息从所述源语种视频帧序列中抽取 所述候选帧序列。 4.根据权利要求2所述的翻译方法， 其特征在于， 所述基于所述候选帧序列中的候选帧 之间的相似度， 从所述 候选帧序列中抽取源语种关键帧， 包括： 在所述候选帧序列中的当前候选帧与下一候选帧之间的相似度大于预设阈值的情况 下， 删除所述下一 候选帧， 并将下 下一候选帧更新 为下一候选帧； 在所述候选帧序列中的当前候选帧与下一候选帧之间的相似度小于等于预设阈值的 情况下， 将所述下一 候选帧更新 为所述当前候选帧， 直至所述当前候选帧为 最尾的候选帧； 将所述候选帧序列中的各候选帧确定为源语种关键帧。 5.根据权利要求1至4中任一项所述的翻译方法， 其特征在于， 所述将所述源语种关键 帧翻译至目标语种， 得到目标语种关键帧， 包括： 对所述源语种关键帧进行文字识别， 得到所述源语种关键帧中包括的源语种文本， 以 及所述源语种文本的位置信息； 将所述源语种文本翻译至目标语种， 得到目标语种文本； 基于所述源语种文本的位置信息， 将所述目标语种文本合成在所述源语种关键帧上， 得到所述目标语种关键帧。 6.根据权利要求1至4中任一项所述的翻译方法， 其特征在于， 所述基于所述目标语种 关键帧， 以及对所述源语种音频翻译所 得的目标语种字幕， 合成目标语种视频， 包括： 基于所述目标语种关键帧， 以及目标语种关键帧对应源语种关键帧的展示时段， 合成 初始视频； 所述展示时段基于对应的源语种关键帧和下一源语种关键帧在所述源语种视频 中的播放时间确定； 将所述目标语种字幕叠加在所述初始视频 上， 得到所述目标语种视频。 7.根据权利要求6所述的翻译方法， 其特征在于， 所述基于所述目标语种关键帧， 以及 目标语种关键帧对应源语种关键帧的展示时段， 合成初始视频， 包括： 拼接所述目标语种关键帧 以及所述目标语种关键帧对应的源语种关键帧， 得到多语种 关键帧；权　利　要　求　书 1/2 页 2 CN 115034233 A 2基于所述多语种关键帧， 以及所述多语种关键帧对应源语种关键帧的展示时段， 合成 初始视频。 8.一种翻译装置， 其特 征在于， 包括： 音视频分离单元， 用于对源语种视频进行音视频分离， 得到源语种音频和源语种视频 帧序列； 关键帧确定单 元， 用于对所述源语种视频帧序列进行关键帧抽取， 得到源语种关键帧； 关键帧翻译单 元， 用于将所述源语种关键帧翻译至目标语种， 得到目标语种关键帧； 视频合成单元， 用于基于所述目标语种关键帧， 以及对所述源语种音频翻译所得的目 标语种字幕， 合成目标语种视频。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 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至7任一项所 述翻译方法。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处 理器执行时实现如权利要求1至7任一项所述翻译方法。权　利　要　求　书 2/2 页 3 CN 115034233 A 3