本公开涉及一种视频生成方法和装置、存储介质和电子设备，所述方法包括：获取用户输入的视频文案，并确定所述视频文案中各场景对应的文案子句；基于各场景对应的所述文案子句，检索各场景对应的视频资源和/或图像资源；基于所述视频文案生成配音音频；将所述视频资源和/或图像资源整合为目标视频，并将所述配音音频插入至所述目标视频。本公开可以提升视频制作效率。制作效率。制作效率。
【技术实现步骤摘要】
视频生成方法和装置、存储介质和电子设备
[0001]本公开涉及视频制作领域，具体地，涉及一种视频生成方法和装置、存储介质和电子设备。
技术介绍
[0002]视频是一种常见的多媒体形式，可以同时展示声音和图像，信息的传递效率很高。人们可以通过视频获取大量的信息，也可以通过制作视频传递信息。但是，目前的视频制作从选材、配音、合成等步骤均由人手动完成，效率较低。
技术实现思路
[0003]提供该
技术实现思路
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该
技术实现思路
部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0004]第一方面，本公开提供一种视频生成方法，所述方法包括：获取用户输入的视频文案，并确定所述视频文案中各场景对应的文案子句；基于各场景对应的所述文案子句，检索各场景对应的视频资源和/或图像资源；基于所述视频文案生成配音音频；将所述视频资源和/或图像资源整合为目标视频，并将所述配音音频插入至所述目标视频。
[0005]第二方面，本公开提供一种视频生成装置，所述装置包括：获取模块，用于获取用户输入的视频文案，并确定所述视频文案中各场景对应的文案子句；检索模块，用于基于各场景对应的所述文案子句，检索各场景对应的视频资源和/或图像资源；生成模块，用于基于所述视频文案生成配音音频；合成模块，用于将所述视频资源和/或图像资源整合为目标视频，并将所述配音音频插入至所述目标视频。
[0006]第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
[0007]第四方面，本公开提供一种电子设备，包括存储装置和处理装置，存储装置上存储有计算机程序的，处理装置用于执行所述计算机程序，以实现本公开第一方面所述方法的步骤。
[0008]通过上述技术方案，可以基于用户输入的视频文案中各场景对应的文案子句自动获取各场景对应的视频、图像资源，并自动生成配音，从而合成出与视频文案相适应的视频，解决了目前视频制作中需要人工进行资源的获取和音频的制作导致的制作效率较低的问题，提高了视频的制作效率。
[0009]本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0010]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理
解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
[0011]图1是根据一示例性公开实施例示出的一种视频生成方法的流程图。
[0012]图2是根据一示例性公开实施例示出的一种视频生成界面的示意图。
[0013]图3是根据一示例性公开实施例示出的一种视频生成装置的框图。
[0014]图4是根据一示例性公开实施例示出的一种电子设备的框图。
具体实施方式
[0015]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0016]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0017]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0018]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0019]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0020]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0021]图1是根据一示例性公开实施例示出的一种视频生成方法的流程图，如图1所示，所述方法包括以下步骤：
[0022]S11、获取用户输入的视频文案，并确定所述视频文案中各场景对应的文案子句。
[0023]视频文案可以是由用户分段输入的，每一个段落对应一个场景，视频文案还可以是整体输入的，可以通过用于区分场景的模型进行场景划分得到各场景对应的段落。在得到各场景对应的段落之后，可以根据各段落对应的子句确定各场景对应的子句。值得说明的是，本公开中提到的“段落”并不指代文学作品中的自然段，本公开中的段落可以包括多个自然段，也可以由一个自然段构成。
[0024]在一种可能的实施方式中，获取用户分段输入的视频文案，以及该视频文案的各段落对应的输入位置，其中，一个输入位置对应一个场景；将各输入位置对应的段落的文案子句确定为该输入位置对应的场景所对应的文案子句。也就是说，可以预先设置各场景对应的输入位置，根据在各输入位置输入的内容确定各场景对应的文案子句。
[0025]可选的，还可以在各输入位置之上或周围设置用于接收用户的点击操作的控件，基于用户对控件的点击操作，添加、删除、拆分或合并场景，同时对场景对应的输入位置和文案内容进行对应的更改。
[0026]在一种可能的实施方式中，将用户输入的视频文案进行分句，得到多个文案子句，并通过场景判别模型，判别所述文案子句在所述视频文案中所属的场景。
[0027]可以通过场景判别模型，判别文案子句在文案内容中所属的场景，文案内容的可以包括开端、发展、高光、结尾等结构性场景，还可以包括背景、生平、代表作、发展前景等内容性场景，根据不同的视频制作需要，还可以包括其他任意的场景类型。
[0028]在一种可能的实施方式中，场景判别模型是通过以下方式训练得到的：将标注场景分割点的第一样本文案输入所述场景判别模型，以使所述场景判别模型基于所述第一样本文案和预设的损失函数调整所述场景判别模型中的参数。
[0029]该场景判别模型可以通过标注了场景分割点的文案训练得到，该文案可以是与待制作的视频同类视频的字幕内容或旁白内容，还可以是与待制作的视频同题材的文章内容。例如，当待制作的视频是百科类视频时，可以获取多个百科视频，并将其字幕或旁白的文案按照场景进行分割，并标注场景分割点；或者，将百科类读物按照场景进行分割，并标注场景分割点。值得说明的是，不同题材的文案的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种视频生成方法，其特征在于，所述方法包括：获取用户输入的视频文案，并确定所述视频文案中各场景对应的文案子句；基于各场景对应的所述文案子句，检索视频资源和/或图像资源；基于所述视频文案生成配音音频；将所述视频资源和/或图像资源整合为目标视频，并将所述配音音频插入至所述目标视频。2.根据权利要求1所述的方法，其特征在于，所述获取用户输入的视频文案，并确定所述视频文案中各场景对应的文案子句，包括：获取用户分段输入的视频文案，以及该视频文案的各段落对应的输入位置，其中，一个输入位置对应一个场景；将各输入位置对应的段落的文案子句确定为该输入位置对应的场景所对应的文案子句。3.根据权利要求1所述的方法，其特征在于，所述确定所述视频文案中各场景对应的文案子句，包括：将用户输入的视频文案进行分句，得到多个文案子句；通过场景判别模型，判别所述文案子句在所述视频文案中所属的场景。4.根据权利要求1所述的方法，其特征在于，所述基于各场景对应的所述文案子句，检索各场景对应的视频资源和/或图像资源，包括：通过各场景对应的关键词提取模型，提取各场景对应的文案子句的关键词；基于各场景对应的文案子句的关键词，检索该场景对应的视频资源和/或图像资源。5.根据权利要求2所述的方法，其特征在于，所述方法还包括：将用户输入的视频文案进行分句，得到多个文案子句；所述基于所述视频文案生成配音音频，包括：将各场景对应的多个文案子句的输入风格预测模型，并获取所述风格预测模型基于所述场景和所述文案子句的文本内容输出的风格标签，并基于各场景对应的风格标签和文案子句，生成该场景的配音音频；或者，通过风格预测模型，确定各文案子句的风格标签，并基于各文案子句对应的风格标签，将各文案子句转换为音频。6.根据权利要求1所述的方法，其特征在于，在检索到的内容为视频资源的情况下，所述方法还包括：基于人脸识别算法，从至少一个视频资源中提取包括人脸图像的视频片段；基于人脸分类算法，对所述人脸图像进行聚类，得到多个人物分类；基于用户对人物分类的选择操作，从所述多个人物分类...
【专利技术属性】
技术研发人员：张昊宇，张同新，姚佳立，陈婉君，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。