一种字幕生成模型设计方法、装置、存储介质和程序产品

本发明提供一种字幕生成模型设计方法、装置、存储介质和程序产品，涉及自然语言处理技术领域。其中，字幕生成模型设计方法包括：输入一段语音和对应的正确内容，以及字幕单行最大限制字数；使用基于深度学习的人声检测模型进行人声检测；使用预训练的深度模型进行语音识别；使用所述正确内容与识别文字进行匹配、校正，得到字幕文字；根据字幕单行最大限制字数，对字幕文字进行分行、整合，得到最终字幕成果。本发明生成的字幕综合考虑实际的语音停顿及文本语言习惯，字幕与音频呈现更高的匹配度，且字幕文字更加易读；本发明同时考虑了设备限制或人为规定的字幕单行最大限制字数，进一步提高了生成字幕的可读性。