多媒体文档的生成方法及装置.pdf

本发明公开了一种多媒体文档的生成方法，包括：接收音频数据和图片数据；将所述音频数据转换为文本信息；在预设文档中插入所述文本信息和图片数据，以生成多媒体文档。本发明还公开了一种多媒体文档的生成装置。本发明实现了自动根据音频文件和图片文件生成文档，在新闻工作者进行采访工作后，能够自动根据采访过程中生成的音频数据和图片数据生成新闻采访稿，提高了新闻工作者的工作效率。

1.  一种多媒体文档的生成方法，其特征在于，所述多媒体文档的生成方法包括：
接收音频数据和图片数据；
将所述音频数据转换为文本信息；
在预设文档中插入所述文本信息和图片数据，以生成多媒体文档。

2.  如权利要求1所述的多媒体文档的生成方法，其特征在于，所述将所述音频数据转换为文本信息的步骤包括：
提取各个所述图片数据的第一创建时间信息，以及所述音频数据的第二创建时间信息；
根据所述第一创建时间信息和第二创建时间信息将所述音频数据划分为若干第一子音频数据；
分别将各个所述第一子音频数据转换为子文本信息。

3.  如权利要求2所述的多媒体文档的生成方法，其特征在于，所述在预设文档中插入所述文本信息和图片数据的步骤包括：
在预设文档中插入各个所述子文本信息；
在两相邻的子文本信息之间插入用于划分所述两相邻的子文本信息的第一创建时间对应的图片数据。

4.  如权利要求1所述的多媒体文档的生成方法，其特征在于，所述将所述音频数据转换为文本信息的步骤包括：
按照音频特征参数将所述音频数据划分为若干第二子音频数据；
分别将各个所述第二子音频数据转换为文本信息，且不同的第二子音频数据所对应的文本信息的显示参数不同。

5.  如权利要求1所述的多媒体文档的生成方法，其特征在于，所述接收音频数据和图片数据的步骤之后，所述多媒体文档的生成方法还包括：
创建以当前日期命名的文件夹；
将接收的所述音频数据和图片数据存储在创建的所述文件夹中。

6.  一种多媒体文档的生成装置，其特征在于，所述多媒体文档的生成装置包括：
接收模块，用于接收音频数据和图片数据；
转换模块，用于将所述音频数据转换为文本信息；
插入模块，用于在预设文档中插入所述文本信息和图片数据，以生成多媒体文档。

7.  如权利要求6所述的多媒体文档的生成装置，其特征在于，所述转换模块包括：
提取单元，用于提取各个所述图片数据的第一创建时间信息，以及所述音频数据的第二创建时间信息；
第一划分单元，用于根据所述第一创建时间信息和第二创建时间信息将所述音频数据划分为若干第一子音频数据；
第一转换单元，用于分别将各个所述第一子音频数据转换为子文本信息。

8.  如权利要求7所述的多媒体文档的生成装置，其特征在于，所述插入模块包括：
第一插入单元，用于在预设文档中插入各个所述子文本信息；
第二插入单元，用于在两相邻的子文本信息之间插入用于划分所述两相邻的子文本信息的第一创建时间对应的图片数据。

9.  如权利要求6所述的多媒体文档的生成装置，其特征在于，所述转换模块包括：
第二划分单元，用于按照音频特征参数将所述音频数据划分为若干第二子音频数据；
第二转换单元，用于分别将各个所述第二子音频数据转换为文本信息，且不同的第二子音频数据所对应的文本信息的显示参数不同。

10.  如权利要求6所述的多媒体文档的生成装置，其特征在于，所述多媒体文档的生成装置还包括：
创建模块，用于创建以当前日期命名的文件夹；
存储模块，用于将接收的所述音频数据和图片数据存储在创建的所述文件夹中。

多媒体文档的生成方法及装置
技术领域
本发明涉及多媒体技术领域，尤其涉及一种多媒体文档的生成方法及装置。
背景技术
目前，新闻工作者在采访过程中，一般需要录音和拍照，在采访完成后，需要将录制的音频文件和拍摄的图片文件手动整理，最终生成一篇配有图片的文档。现有技术的缺陷在于无法自动在文档中插入图片文件和与音频文件对应的文本信息，新闻工作者必须手动将图片文件和音频文件对应的文字信息插入文档中。
发明内容
本发明的主要目的在于提供一种多媒体文档的生成方法及装置，旨在实现自动在文档中插入图片文件和与音频文件对应的文本信息。
本发明提供的多媒体文档的生成方法包括：
接收音频数据和图片数据；
将所述音频数据转换为文本信息；
在预设文档中插入所述文本信息和图片数据，以生成多媒体文档。
优选地，所述将所述音频数据转换为文本信息的步骤包括：
提取各个所述图片数据的第一创建时间信息，以及所述音频数据的第二创建时间信息；
根据所述第一创建时间信息和第二创建时间信息将所述音频数据划分为若干第一子音频数据；
分别将各个所述第一子音频数据转换为子文本信息。
优选地，所述在预设文档中插入所述文本信息和图片数据的步骤包括：
在预设文档中插入各个所述子文本信息；
在两相邻的子文本信息之间插入用于划分所述两相邻的子文本信息的第 一创建时间对应的图片数据。
优选地，所述将所述音频数据转换为文本信息的步骤包括：
按照音频特征参数将所述音频数据划分为若干第二子音频数据；
分别将各个所述第二子音频数据转换为文本信息，且不同的第二子音频数据所对应的文本信息的显示参数不同。
优选地，所述接收音频数据和图片数据的步骤之后，所述多媒体文档的生成方法还包括：
创建以当前日期命名的文件夹；
将接收的所述音频数据和图片数据存储在创建的所述文件夹中。
此外，本发明提供的多媒体文档的生成装置包括：
接收模块，用于接收音频数据和图片数据；
转换模块，用于将所述音频数据转换为文本信息；
插入模块，用于在预设文档中插入所述文本信息和图片数据，以生成多媒体文档。
优选地，所述转换模块包括：
提取单元，用于提取各个所述图片数据的第一创建时间信息，以及所述音频数据的第二创建时间信息；
第一划分单元，用于根据所述第一创建时间信息和第二创建时间信息将所述音频数据划分为若干第一子音频数据；
第一转换单元，用于分别将各个所述第一子音频数据转换为子文本信息。
优选地，所述插入模块包括：
第一插入单元，用于在预设文档中插入各个所述子文本信息；
第二插入单元，用于在两相邻的子文本信息之间插入用于划分所述两相邻的子文本信息的第一创建时间对应的图片数据。
优选地，所述转换模块包括：
第二划分单元，用于按照音频特征参数将所述音频数据划分为若干第二子音频数据；
第二转换单元，用于分别将各个所述第二子音频数据转换为文本信息，且不同的第二子音频数据所对应的文本信息的显示参数不同。
优选地，所述多媒体文档的生成装置还包括：
创建模块，用于创建以当前日期命名的文件夹；
存储模块，用于将接收的所述音频数据和图片数据存储在创建的所述文件夹中。
本发明提供的多媒体文档的生成方法及装置，通过将接收到的音频数据转换为文本信息，并在预设文档中插入所述文本信息和图片数据，以生成多媒体文档，在新闻工作者进行采访工作后，能够自动根据采访过程中生成的音频数据和图片数据生成新闻采访稿，提高了新闻工作者的工作效率。
附图说明
图1为实现本发明各个实施例的移动终端的硬件结构示意；
图2为如图1所示的移动终端的无线通信系统示意图；
图3为本发明多媒体文档的生成方法第一实施例的流程示意图；
图4为本发明多媒体文档的生成方法中将音频数据转换为文本信息步骤第一实施例的细化流程示意图；
图5为本发明多媒体文档的生成方法中将音频数据转换为文本信息步骤第二实施例的细化流程示意图；
图6为本发明多媒体文档的生成装置第一实施例的功能模块示意图；
图7为本发明多媒体文档的生成装置中转换模块第一实施例的细化功能模块示意图；
图8为本发明多媒体文档的生成装置中转换模块第二实施例的细化功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
现在将参考附图描述实现本发明各个实施例的移动终端。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，"模块"与"部件"可以混合地使用。
移动终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。下面，假设终端是移动终端。然而，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。
图1为实现本发明各个实施例的移动终端的硬件结构示意。
移动终端100可以包括无线通信单元110、A/V(音频/视频)输入单元120、用户输入单元130、感测单元140、输出单元150、存储器160、接口单元170、控制器180和电源单元190等等。图1示出了具有各种组件的移动终端，但是应理解的是，并不要求实施所有示出的组件。可以替代地实施更多或更少的组件。将在下面详细描述移动终端的元件。
无线通信单元110通常包括一个或多个组件，其允许移动终端100与无线通信系统或网络之间的无线电通信。例如，无线通信单元可以包括广播接收模块111、移动通信模块112、无线互联网模块113、短程通信模块114和位置信息模块115中的至少一个。
广播接收模块111经由广播信道从外部广播管理服务器接收广播信号和/或广播相关信息。广播信道可以包括卫星信道和/或地面信道。广播管理服务器可以是生成并发送广播信号和/或广播相关信息的服务器或者接收之前生成的广播信号和/或广播相关信息并且将其发送给终端的服务器。广播信号可以包括TV广播信号、无线电广播信号、数据广播信号等等。而且，广播信号可以进一步包括与TV或无线电广播信号组合的广播信号。广播相关信息也可以经由移动通信网络提供，并且在该情况下，广播相关信息可以由移动通信模块112来接收。广播信号可以以各种形式存在，例如，其可以以数字多媒体广播(DMB)的电子节目指南(EPG)、数字视频广播手持(DVB-H)的电子服务指南(ESG)等等的形式而存在。广播接收模块111可以通过使用各种类型的广播 系统接收信号广播。特别地，广播接收模块111可以通过使用诸如多媒体广播-地面(DMB-T)、数字多媒体广播-卫星(DMB-S)、数字视频广播-手持(DVB-H)，前向链路媒体(MediaFLO^@)的数据广播系统、地面数字广播综合服务(ISDB-T)等等的数字广播系统接收数字广播。广播接收模块111可以被构造为适合提供广播信号的各种广播系统以及上述数字广播系统。经由广播接收模块111接收的广播信号和/或广播相关信息可以存储在存储器160(或者其它类型的存储介质)中。
移动通信模块112将无线电信号发送到基站(例如，接入点、节点B等等)、外部终端以及服务器中的至少一个和/或从其接收无线电信号。这样的无线电信号可以包括语音通话信号、视频通话信号、或者根据文本和/或多媒体消息发送和/或接收的各种类型的数据。
无线互联网模块113支持移动终端的无线互联网接入。该模块可以内部或外部地耦接到终端。该模块所涉及的无线互联网接入技术可以包括WLAN(无线LAN)(Wi-Fi)、Wibro(无线宽带)、Wimax(全球微波互联接入)、HSDPA(高速下行链路分组接入)等等。
短程通信模块114是用于支持短程通信的模块。短程通信技术的一些示例包括蓝牙^TM、射频识别(RFID)、红外数据协会(IrDA)、超宽带(UWB)、紫蜂^TM等等。
位置信息模块115是用于检查或获取移动终端的位置信息的模块。位置信息模块的典型示例是GPS(全球定位系统)。根据当前的技术，GPS模块115计算来自三个或更多卫星的距离信息和准确的时间信息并且对于计算的信息应用三角测量法，从而根据经度、纬度和高度准确地计算三维当前位置信息。当前，用于计算位置和时间信息的方法使用三颗卫星并且通过使用另外的一颗卫星校正计算出的位置和时间信息的误差。此外，GPS模块115能够通过实时地连续计算当前位置信息来计算速度信息。
A/V输入单元120用于接收音频或视频信号。A/V输入单元120可以包括相机121和麦克风1220，相机121对在视频捕获模式或图像捕获模式中由图像捕获装置获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元151上。经相机121处理后的图像帧可以存储在存储器160(或其它存储介质)中或者经由无线通信单元110进行发送，可以根据移动 终端的构造提供两个或更多相机1210。麦克风122可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由移动通信模块112发送到移动通信基站的格式输出。麦克风122可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。
用户输入单元130可以根据用户输入的命令生成键输入数据以控制移动终端的各种操作。用户输入单元130允许用户输入各种类型的信息，并且可以包括键盘、锅仔片、触摸板(例如，检测由于被接触而导致的电阻、压力、电容等等的变化的触敏组件)、滚轮、摇杆等等。特别地，当触摸板以层的形式叠加在显示单元151上时，可以形成触摸屏。
感测单元140检测移动终端100的当前状态，(例如，移动终端100的打开或关闭状态)、移动终端100的位置、用户对于移动终端100的接触(即，触摸输入)的有无、移动终端100的取向、移动终端100的加速或减速移动和方向等等，并且生成用于控制移动终端100的操作的命令或信号。例如，当移动终端100实施为滑动型移动电话时，感测单元140可以感测该滑动型电话是打开还是关闭。另外，感测单元140能够检测电源单元190是否提供电力或者接口单元170是否与外部装置耦接。感测单元140可以包括接近传感器1410将在下面结合触摸屏来对此进行描述。
接口单元170用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。识别模块可以是存储用于验证用户使用移动终端100的各种信息并且可以包括用户识别模块(UIM)、客户识别模块(SIM)、通用客户识别模块(USIM)等等。另外，具有识别模块的装置(下面称为"识别装置")可以采取智能卡的形式，因此，识别装置可以经由端口或其它连接装置与移动终端100连接。接口单元170可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端和外部装置之间传输数据。
另外，当移动终端100与外部底座连接时，接口单元170可以用作允许通过其将电力从底座提供到移动终端100的路径或者可以用作允许从底座输入的各种命令信号通过其传输到移动终端的路径。从底座输入的各种命令信号或电力可以用作用于识别移动终端是否准确地安装在底座上的信号。输出单元150被构造为以视觉、音频和/或触觉方式提供输出信号(例如，音频信号、视频信号、警报信号、振动信号等等)。输出单元150可以包括显示单元151、音频输出模块152、警报单元153等等。
显示单元151可以显示在移动终端100中处理的信息。例如，当移动终端100处于电话通话模式时，显示单元151可以显示与通话或其它通信(例如，文本消息收发、多媒体文件下载等等)相关的用户界面(UI)或图形用户界面(GUI)。当移动终端100处于视频通话模式或者图像捕获模式时，显示单元151可以显示捕获的图像和/或接收的图像、示出视频或图像以及相关功能的UI或GUI等等。
同时，当显示单元151和触摸板以层的形式彼此叠加以形成触摸屏时，显示单元151可以用作输入装置和输出装置。显示单元151可以包括液晶显示器(LCD)、薄膜晶体管LCD(TFT-LCD)、有机发光二极管(OLED)显示器、柔性显示器、三维(3D)显示器等等中的至少一种。这些显示器中的一些可以被构造为透明状以允许用户从外部观看，这可以称为透明显示器，典型的透明显示器可以例如为TOLED(透明有机发光二极管)显示器等等。根据特定想要的实施方式，移动终端100可以包括两个或更多显示单元(或其它显示装置)，例如，移动终端可以包括外部显示单元(未示出)和内部显示单元(未示出)。触摸屏可用于检测触摸输入压力以及触摸输入位置和触摸输入面积。
音频输出模块152可以在移动终端处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将无线通信单元110接收的或者在存储器160中存储的音频数据转换音频信号并且输出为声音。而且，音频输出模块152可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出模块152可以包括扬声器、蜂鸣器等等。
警报单元153可以提供输出以将事件的发生通知给移动终端100。典型的事件可以包括呼叫接收、消息接收、键信号输入、触摸输入等等。除了音频 或视频输出之外，警报单元153可以以不同的方式提供输出以通知事件的发生。例如，警报单元153可以以振动的形式提供输出，当接收到呼叫、消息或一些其它进入通信(incoming communication)时，警报单元153可以提供触觉输出(即，振动)以将其通知给用户。通过提供这样的触觉输出，即使在用户的移动电话处于用户的口袋中时，用户也能够识别出各种事件的发生。警报单元153也可以经由显示单元151或音频输出模块152提供通知事件的发生的输出。
存储器160可以存储由控制器180执行的处理和控制操作的软件程序等等，或者可以暂时地存储己经输出或将要输出的数据(例如，电话簿、消息、静态图像、视频等等)。而且，存储器160可以存储关于当触摸施加到触摸屏时输出的各种方式的振动和音频信号的数据。
存储器160可以包括至少一种类型的存储介质，所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等等。而且，移动终端100可以与通过网络连接执行存储器160的存储功能的网络存储装置协作。
控制器180通常控制移动终端的总体操作。例如，控制器180执行与语音通话、数据通信、视频通话等等相关的控制和处理。另外，控制器180可以包括用于再现(或回放)多媒体数据的多媒体模块1810，多媒体模块1810可以构造在控制器180内，或者可以构造为与控制器180分离。控制器180可以执行模式识别处理，以将在触摸屏上执行的手写输入或者图片绘制输入识别为字符或图像。
电源单元190在控制器180的控制下接收外部电力或内部电力并且提供操作各元件和组件所需的适当的电力。
这里描述的各种实施方式可以以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施，这里描述的实施方式可以通过使用特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至 少一种来实施，在一些情况下，这样的实施方式可以在控制器180中实施。对于软件实施，诸如过程或功能的实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施，软件代码可以存储在存储器160中并且由控制器180执行。
至此，己经按照其功能描述了移动终端。下面，为了简要起见，将描述诸如折叠型、直板型、摆动型、滑动型移动终端等等的各种类型的移动终端中的滑动型移动终端作为示例。因此，本发明能够应用于任何类型的移动终端，并且不限于滑动型移动终端。
如图1中所示的移动终端100可以被构造为利用经由帧或分组发送数据的诸如有线和无线通信系统以及基于卫星的通信系统来操作。
现在将参考图2描述其中根据本发明的移动终端能够操作的通信系统。
这样的通信系统可以使用不同的空中接口和/或物理层。例如，由通信系统使用的空中接口包括例如频分多址(FDMA)、时分多址(TDMA)、码分多址(CDMA)和通用移动通信系统(UMTS)(特别地，长期演进(LTE))、全球移动通信系统(GSM)等等。作为非限制性示例，下面的描述涉及CDMA通信系统，但是这样的教导同样适用于其它类型的系统。
参考图2，CDMA无线通信系统可以包括多个移动终端100、多个基站(BS)270、基站控制器(BSC)275和移动交换中心(MSC)280。MSC280被构造为与公共电话交换网络(PSTN)290形成接口。MSC280还被构造为与可以经由回程线路耦接到基站270的BSC275形成接口。回程线路可以根据若干己知的接口中的任一种来构造，所述接口包括例如E1/T1、ATM，IP、PPP、帧中继、HDSL、ADSL或xDSL。将理解的是，如图2中所示的系统可以包括多个BSC2750。
每个BS270可以服务一个或多个分区(或区域)，由多向天线或指向特定方向的天线覆盖的每个分区放射状地远离BS270。或者，每个分区可以由用于分集接收的两个或更多天线覆盖。每个BS270可以被构造为支持多个频率分配，并且每个频率分配具有特定频谱(例如，1.25MHz,5MHz等等)。
分区与频率分配的交叉可以被称为CDMA信道。BS270也可以被称为基站收发器子系统(BTS)或者其它等效术语。在这样的情况下，术语"基站"可以 用于笼统地表示单个BSC275和至少一个BS270。基站也可以被称为"蜂窝站"。或者，特定BS270的各分区可以被称为多个蜂窝站。
如图2中所示，广播发射器(BT)295将广播信号发送给在系统内操作的移动终端100。如图1中所示的广播接收模块111被设置在移动终端100处以接收由BT295发送的广播信号。在图2中，示出了几个全球定位系统(GPS)卫星300。卫星300帮助定位多个移动终端100中的至少一个。
在图2中，描绘了多个卫星300，但是理解的是，可以利用任何数目的卫星获得有用的定位信息。如图1中所示的GPS模块115通常被构造为与卫星300配合以获得想要的定位信息。替代GPS跟踪技术或者在GPS跟踪技术之外，可以使用可以跟踪移动终端的位置的其它技术。另外，至少一个GPS卫星300可以选择性地或者额外地处理卫星DMB传输。
作为无线通信系统的一个典型操作，BS270接收来自各种移动终端100的反向链路信号。移动终端100通常参与通话、消息收发和其它类型的通信。特定基站270接收的每个反向链路信号被在特定BS270内进行处理。获得的数据被转发给相关的BSC275。BSC提供通话资源分配和包括BS270之间的软切换过程的协调的移动管理功能。BSC275还将接收到的数据路由到MSC280，其提供用于与PSTN290形成接口的额外的路由服务。类似地，PSTN290与MSC280形成接口，MSC与BSC275形成接口，并且BSC275相应地控制BS270以将正向链路信号发送到移动终端100。
基于上述移动终端100硬件结构以及通信系统，本发明提供一种多媒体文档的生成方法，在以下多媒体文档的生成方法的各个实施例中，均以上述移动终端100作为执行主体为例进行描述。
参照图3，图3为本发明多媒体文档的生成方法第一实施例的流程示意图，本发明提出的多媒体文档的生成方法包括以下步骤：
步骤S10，接收音频数据和图片数据；
在本实施例中，可以在侦测到移动终端启动录音机时接收音频数据或在侦测到移动终端启动拍照模式时接收图片数据，也可以在移动终端与外部设备建立连接时接收来自外部设备的音频数据和图片数据，或者在接收到多媒体文件获取指令时，直接从移动终端内的存储器预设路径中获取音频数据和 图片数据。应当说明的是，在移动终端接收到视频数据(可以为接收到的来自外部设备的视频数据，或者为移动终端录制的视频数据)，且在接收到提取指令时，提取接收到的视频数据的音频数据；在提取到音频数据时，可视为接收到了音频数据。上述提取指令的形式可以根据实际需要进行设置，例如，可以在移动终端设置一提取控件，在用户触发该提取控件时，则视为接收到了提取指令。
步骤S20，将所述音频数据转换为文本信息；
在本实施例中，可以通过现有的语音转换文字软件将音频数据转换为文本信息，例如，语音转换文字软件可以为AudioNote，Viovoice等，在此不作限定。
参照图4，图4为本发明多媒体文档的生成方法中将音频数据转换为文本信息步骤第一实施例的细化流程示意图，步骤S20包括：
步骤S21，提取各个所述图片数据的第一创建时间信息，以及所述音频数据的第二创建时间信息；
在本实施例中，第一创建时间信息即为图片数据的创建时间，第二创建时间信息即为音频数据的创建时间。例如，在某一次采访过程中，共创建了3张图片文件和1段录音文件，其中，三张图片文件的创建时间分别为9:10、9:30和9:45，录音文件的创建时间为9:00，且录音文件的时长为1个小时，即录音文件的录制时间为由9:00持续至10:00。
步骤S22，根据所述第一创建时间信息和第二创建时间信息将所述音频数据划分为若干第一子音频数据。
例如，可以先分别计算各个所述第一创建时间信息与所述第二创建时间信息之间的时间差值；
在本实施例中，各个图片文件的创建时间与录音文件创建时间之间的差值分别为10分钟、30分钟和45分钟。
按照各个所述时间差值和所述音频文件的时长将所述音频数据划分为若干第一子音频数据；
在本实施例中，录音文件的时长为60分钟，以第10分、第30分和第45分为分界点，将录音文件划分为4个第一子音频数据，即将第0分至第10分划分为一个第一子音频数据，第10至30分划分为一个第一子音频数据，第 30至第45分划分为一个第一子音频数据，第45分至第60分划分为一个第一子音频数据。
步骤S23，分别将各个所述第一子音频数据转换为子文本信息。
在本实施例中，可以通过现有的语音转换文字软件将各个第一子音频数据转换为子文本信息，例如，语音转换文字软件可以为AudioNote，Viovoice等，在此不作限定。因此，每一第一子音频数据获得一段子文本信息，共获得四段子文本信息。
步骤S30，在预设文档中插入所述文本信息和图片数据，以生成多媒体文档。
在本实施例中，预设文档可以为空白的word文件、pdf文件以及ppt文件等，具体可以根据实际需要进行选择，在此不作限定。将文本信息与图片数据共同保存至文档中，从而自动生成配有图片的采访稿。
优选地，步骤S30包括：
在预设文档中插入各个所述子文本信息；
在两相邻的子文本信息之间插入用于划分所述两相邻的子文本信息的第一创建时间对应的图片数据。
在本实施例中，对于创建时间为9:10分的图片文件，其对应的时间差值为10分钟，对于创建时间为9:30的图片文件，其对应的时间差值为30分钟，对于创建时间为9:45的图片文件，其对应的时间差值为45分钟，各个时间差值将上述录音文件划分为4个第一子音频数据，根据上述分析，以差值10分钟作为分界点所划分的两第一子音频数据分别为第0分至第10分的第一子音频数据和第10至30分的第一子音频数据，因此，将创建时间为9:10分的图片文件插入这两个第一子音频数据对应的文本信息之间，以此类推，最终生成文档。
本发明提供的多媒体文档的生成方法，通过将接收到的音频数据转换为文本信息，并在预设文档中插入所述文本信息和图片数据，在新闻工作者进行采访工作后，能够自动根据采访过程中生成的音频数据和图片数据生成新闻采访稿，提高了新闻工作者的工作效率。
进一步的，基于本发明多媒体文档的生成方法的第一实施例，本发明还 提出了多媒体文档的生成方法的第二实施例，参照图5，图5为本发明多媒体文档的生成方法中将音频数据转换为文本信息步骤第二实施例的细化流程示意图，与第一实施例不同的是，步骤S20包括：
步骤S24，按照音频特征参数将所述音频数据划分为若干第二子音频数据；
在本实施例中，音频特征参数可以为音色参数、音质参数和音量参数等，优选为音色参数。通过按照音色参数将音频数据划分为若干第二子音频数据，能够将不同的人对应的音频数据加以区分。
步骤S25，分别将各个所述第二子音频数据转换为文本信息，且不同的第二子音频数据所对应的文本信息的显示参数不同，以使得不同的第二子音频数据对应的文本信息在生成的文档中显示不同的格式。
在本实施例中，各个文本信息的格式可以根据实际需要进行设置，例如，各个文本信息可以对应不同的颜色、不同的字体等。例如，在生成的文档中，将各个文本信息以不同的颜色进行显示，从而更加利于新闻工作者对不同被访者对应的文本信息加以区分，更加便于新闻工作者提高工作效率。
优选地，步骤S30包括：
确定各个所述第二子音频数据对应的时间区间；
确定各个图片文件的第一创建时间信息所在的所述时间区间；
将各个图片文件分别插入其对应的时间区间对应的第二子音频数据的文本信息中。例如，可以将图片文件插入确定的文字信息的中间，也可以插入确定的文字信息的头部或尾部。
应当说明的是，上述多媒体文档的生成方法的第二实施例和第一实施例可以结合，例如，可以对第一实施例获得的各个第一子音频数据按照音频特征参数划分为若干第二子音频数据，即，步骤S20还可以包括：
按照音频特征参数将所述第一子音频数据划分为若干第二子音频数据；
分别将各个所述第二子音频数据转换为文本信息，且不同的第二子音频数据所对应的文本信息的格式不同，以使得不同的第二子音频数据对应的文本信息在生成的文档中显示不同的格式。
进一步地，为了便于新闻工作者整理采访过程中获取的音频数据和图片 数据，在步骤S10之后，所述多媒体文档的生成方法还包括：
创建以当前日期命名的文件夹；
将接收的所述音频数据和图片数据存储在创建的所述文件夹中。
此外，也可以在终端接收到多媒体文件获取指令时，创建以当前日期命名的文件夹，例如，在侦测到移动终端启动了录音模式或拍照模式时，则视为接收到了多媒体文件获取指令；或者可以在移动终端上设置一控件，在用户触发该控件时，则视为接收到了多媒体文件获取指令；或者可以预设若干时间区间，在当前时刻等于某一时间区间的起始时刻时，则视为接收到了多媒体文件获取指令。
在新闻工作者进行采访时，每天可能进行多个采访，一般每个采访都会进行录音和拍照。新闻工作者在开始进行某一采访时，可以触发上述控件，则移动终端创建相应的文件夹，文件夹名优选为当前日期和编号。例如，若新闻工作者在某天进行了3个采访，当天采访日期为2015.04.20，第一个采访所对应的文件夹名可以为2015.04.20.1，第二个采访所对应的文件夹名可以为2015.04.20.2，第三个采访的文件夹名可以为2015.04.20.3。
优选地，可以将多媒体文件按照时间进行排序，并存储在创建的文件夹中。
本发明进一步提供一种多媒体文档的生成装置。
参照图6，图6为本发明多媒体文档的生成装置第一实施例的功能模块示意图，本发明提供的多媒体文档的生成装置包括：
接收模块10，用于接收音频数据和图片数据；
在本实施例中，可以在侦测到移动终端启动录音机时接收音频数据或在侦测到移动终端启动拍照模式时接收图片数据，也可以在移动终端与外部设备建立连接时接收来自外部设备的音频数据和图片数据，或者在接收到多媒体文件获取指令时，直接从移动终端内的存储器预设路径中获取音频数据和图片数据。应当说明的是，在接收模块10接收到视频数据(可以为接收到的来自外部设备的视频数据，或者为移动终端录制的视频数据)，且在接收到提取指令时，提取接收到的视频数据的音频数据；在提取到音频数据时，可视为接收到了音频数据。上述提取指令的形式可以根据实际需要进行设置，例 如，可以在移动终端设置一提取控件，在用户触发该提取控件时，则视为接收到了提取指令。
转换模块20，用于将所述音频数据转换为文本信息；
在本实施例中，可以通过现有的语音转换文字软件将音频数据转换为文本信息，例如，语音转换文字软件可以为AudioNote，Viovoice等，在此不作限定。
参照图7，图7为本发明多媒体文档的生成装置中转换模块第一实施例的细化功能模块示意图，转换模块20包括：
提取单元21，用于提取各个所述图片数据的第一创建时间信息，以及所述音频数据的第二创建时间信息；
在本实施例中，第一创建时间信息即为图片数据的创建时间，第二创建时间信息即为音频数据的创建时间。例如，在某一次采访过程中，共创建了3张图片文件和1段录音文件，其中，三张图片文件的创建时间分别为9:10、9:30和9:45，录音文件的创建时间为9:00，且录音文件的时长为1个小时，即录音文件的录制时间为由9:00持续至10:00。
第一划分单元22，用于根据所述第一创建时间信息和第二创建时间信息将所述音频数据划分为若干第一子音频数据；
例如，可以先分别计算各个所述第一创建时间信息与所述第二创建时间信息之间的时间差值；
在本实施例中，各个图片文件的创建时间与录音文件创建时间之间的差值分别为10分钟、30分钟和45分钟。
按照各个所述时间差值和所述音频文件的时长将所述音频数据划分为若干第一子音频数据；
在本实施例中，录音文件的时长为60分钟，以第10分、第30分和第45分为分界点，将录音文件划分为4个第一子音频数据，即将第0分至第10分划分为一个第一子音频数据，第10至30分划分为一个第一子音频数据，第30至第45分划分为一个第一子音频数据，第45分至第60分划分为一个第一子音频数据。
第一转换单元23，用于分别将各个所述第一子音频数据转换为子文本信息。
在本实施例中，可以通过现有的语音转换文字软件将各个第一子音频数据转换为子文本信息，例如，语音转换文字软件可以为AudioNote，Viovoice等，在此不作限定。因此，每一第一子音频数据获得一段子文本信息，共获得四段子文本信息。
插入模块30，用于在预设文档中插入所述文本信息和图片数据，以生成多媒体文档。
在本实施例中，预设文档可以为空白的word文件、pdf文件以及ppt文件等，具体可以根据实际需要进行选择，在此不作限定。将文本信息与图片数据共同保存至文档中，从而自动生成配有图片的采访稿。
优选地，所述插入模块30包括：
第一插入单元，用于在预设文档中插入各个所述子文本信息；
第二插入单元，用于在两相邻的子文本信息之间插入用于划分所述两相邻的子文本信息的第一创建时间对应的图片数据。
在本实施例中，对于创建时间为9:10分的图片文件，其对应的时间差值为10分钟，对于创建时间为9:30的图片文件，其对应的时间差值为30分钟，对于创建时间为9:45的图片文件，其对应的时间差值为45分钟，各个时间差值将上述录音文件划分为4个第一子音频数据，根据上述分析，以差值10分钟作为分界点所划分的两第一子音频数据分别为第0分至第10分的第一子音频数据和第10至30分的第一子音频数据，因此，将创建时间为9:10分的图片文件插入这两个第一子音频数据对应的文本信息之间，以此类推，最终生成文档。
本发明提供的多媒体文档的生成装置，通过将接收到的音频数据转换为文本信息，并在预设文档中插入所述文本信息和图片数据，在新闻工作者进行采访工作后，能够自动根据采访过程中生成的音频数据和图片数据生成新闻采访稿，提高了新闻工作者的工作效率。
进一步的，基于本发明多媒体文档的生成装置的第一实施例，本发明还提出了多媒体文档的生成装置的第二实施例，参照图8，图8为本发明多媒体文档的生成装置中转换模块第二实施例的细化功能模块示意图，所述转换模块20包括：
第二划分单元24，用于按照音频特征参数将所述音频数据划分为若干第二子音频数据；
在本实施例中，音频特征参数可以为音色参数、音质参数和音量参数等，优选为音色参数。通过按照音色参数将音频数据划分为若干第二子音频数据，能够将不同的人对应的音频数据加以区分。
第二转换单元25，用于分别将各个所述第二子音频数据转换为文本信息，且不同的第二子音频数据所对应的文本信息的显示参数不同，以使得不同的第二子音频数据对应的文本信息在生成的文档中显示不同的格式。
在本实施例中，各个文本信息的格式可以根据实际需要进行设置，例如，各个文本信息可以对应不同的颜色、不同的字体等。例如，在生成的文档中，将各个文本信息以不同的颜色进行显示，从而更加利于新闻工作者对不同被访者对应的文本信息加以区分，更加便于新闻工作者提高工作效率。
优选地，插入模块30包括：
确定单元，用于确定各个所述第二子音频数据对应的时间区间；
确定单元还用于确定各个图片文件的第一创建时间信息所在的所述时间区间；
插入单元，用于将各个图片文件分别插入其对应的时间区间对应的第二子音频数据的文本信息中。例如，可以将图片文件插入确定的文字信息的中间，也可以插入确定的文字信息的头部或尾部。
应当说明的是，上述多媒体文档的生成方法的第二实施例和第一实施例可以结合，例如，可以对第一实施例获得的各个第一子音频数据按照音频特征参数划分为若干第二子音频数据，即，步骤S20还可以包括：
按照音频特征参数将所述第一子音频数据划分为若干第二子音频数据；
分别将各个所述第二子音频数据转换为文本信息，且不同的第二子音频数据所对应的文本信息的格式不同，以使得不同的第二子音频数据对应的文本信息在生成的文档中显示不同的格式。
进一步地，为了便于新闻工作者整理采访过程中获取的音频数据和图片数据，所述多媒体文档的生成装置还包括：
创建模块，用于创建以当前日期命名的文件夹；
存储模块，用于将接收的所述音频数据和图片数据存储在创建的所述文件夹中。
此外，也可以在终端接收到多媒体文件获取指令时，创建以当前日期命名的文件夹，例如，在侦测到移动终端启动了录音模式或拍照模式时，则视为接收到了多媒体文件获取指令；或者可以在移动终端上设置一控件，在用户触发该控件时，则视为接收到了多媒体文件获取指令；或者可以预设若干时间区间，在当前时刻等于某一时间区间的起始时刻时，则视为接收到了多媒体文件获取指令。
在新闻工作者进行采访时，每天可能进行多个采访，一般每个采访都会进行录音和拍照。新闻工作者在开始进行某一采访时，可以触发上述控件，则创建单元11创建相应的文件夹，文件夹名优选为当前日期和编号。例如，若新闻工作者在某天进行了3个采访，当天采访日期为2015.04.20，第一个采访所对应的文件夹名可以为2015.04.20.1，第二个采访所对应的文件夹名可以为2015.04.20.2，第三个采访的文件夹名可以为2015.04.20.3。
接收单元12，用于接收多媒体文件，并将接收的所述多媒体文件存储在创建的所述文件夹中。
优选地，可以将多媒体文件按照时间进行排序，并存储在创建的文件夹中。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。