本申请提供一种视频解说文案的创建方、创建装置、电子设备及计算机存储介质。所述创建方法包括：通过语义神经网络模型对获取的视频对象的多模态信息进行理解，获得一组语义向量；通过所述语义神经网络模型建立所述一组语义向量之间的映射关系；根据所述一组语义向量之间的映射关系，将所述一组语义向量融合为多模态语义向量；对所述多模态语义向量进行解码，获得所述视频解说文案。基于对多模态信息的理解和融合，通过训练的语义模型自动生成能够全面反应对象特点的长文案。够全面反应对象特点的长文案。够全面反应对象特点的长文案。
【技术实现步骤摘要】
视频解说文案的创建方法及装置
[0001]本申请涉及互联网
，具体涉及一种视频解说文案的创建方法、创建装置、电子设备及计算机可读介质，用于电商类短视频制作。
技术介绍
[0002]随着流量从图文媒体向视频媒体的转移，视频场景在电商行业变得越来越丰富，也越来越重要。通过视频的方式向消费者展示商品，相较于文字、图片而言的展示方式而言，更加直观、更具有吸引力。因此，视频的展示方式已经成为电商平台主流的商品展示模式。
[0003]对于电商而言，视频媒体的要求要明显高于图文媒体。在电商类短视频制作的过程中，不仅需要拍摄视频并进行剪辑，还需要配合音频解说，从而更加直接地向消费者展示商品的特点和卖点。为视频创建一段吸引用户且与视频内容相互呼应的音频解说文案显得尤为关键。
[0004]音频解说对视频的创建者而言，不仅要求其具备优秀的文案功底，还要求深入了解商品本身的卖点以及用户的。因此解说文案的创建，对于视频创建者而言，要求高、难度较大。此外，创建的解说文案需要进一步专业配音人员来完成配音并录制音频。对于视频创建者而言，成本较高。因此，根据商品的信息，自动生成符合商品特点和卖点的解说文案，并自动嵌入视频中，将有效降低视频创建的人力和时间成本，提升宣传效率。
技术实现思路
[0005]为了解决自动生成的文案字数较短，将文案嵌入视频的成本较高等问题，本申请提供一种视频解说文案的创建方法、创建装置、电子设备和计算机可读介质。
[0006]根据本申请的第一方面，提供的视频解说文案的创建方法，包括：
[0007]通过语义神经网络模型对获取的视频对象的多模态信息进行理解，获得一组语义向量；
[0008]通过所述语义神经网络模型建立所述一组语义向量之间的映射关系；
[0009]根据所述一组语义向量之间的映射关系，将所述一组语义向量融合为多模态语义向量；
[0010]对所述多模态语义向量进行解码，获得所述视频解说文案。
[0011]根据本申请的一些实施例，所述语义神经网络模型包括，经过学习和训练的语义模型；对所述多模态语义向量进行解码包括，使用经过学习和训练获得的解码模型对所述多模态语义向量进行解码。
[0012]根据本申请的一些实施例，所述解说文案的字数包括：80
‑
150字。
[0013]根据本申请的一些实施例，所述多模态信息包括：视频、图片、标题、属性中的一种或多种。
[0014]根据本申请的一些实施例，所述属性的表达形式包括：表格。
[0015]根据本申请的一些实施例，所述创建方法还包括：将所述视频解说文案转换为解说音频，并将所述解说音频嵌入所述视频。
[0016]根据本申请的第二方面，提供的短视频解说文案的创建装置，包括：
[0017]语义理解模块，用于通过语义神经网络模型对获取的视频对象的多模态信息进行理解，获得一组语义向量；
[0018]语义对齐模块，用于通过所述语义神经网络模型建立所述一组语义向量之间的映射关系；
[0019]语义融合模块，用于根据所述一组语义向量之间的映射关系，将所述一组语义向量融合为多模态语义向量；
[0020]语义解码模块，用于对所述多模态语义向量进行解码，获得所述视频解说文案。
[0021]根据本申请的一些实施例，所述创建装置还包括：
[0022]音频合成模块，用于将所述视频解说文案转换为解说音频，并将所述解说音频嵌入所述视频。
[0023]根据本申请的另一方面，还提供一种电子设备，包括：
[0024]一个或多个处理器；
[0025]存储装置，用于存储一个或多个处理程序；
[0026]当所述一个或多个处理程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述视频解说文案的创建方法。
[0027]根据本申请的另一方面，还提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述视频解说文案的创建方法。
[0028]本申请提供的视频解说文案的创建方法，基于对商品的原始多模态信息的理解和融合，通过训练的语义模型自动生成能够突出商品特点的长文案，提升视频的展示质量，降低创作者的成本。
附图说明
[0029]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图，而并不超出本申请要求保护的范围。
[0030]图1示出了根据本申请第一示例实施例的视频解说文案的创建方法流程图；
[0031]图2示出了根据本申请示例实施例的多模态信息示意图；
[0032]图3示出了根据本申请示例实施例的长解说文案示意图；
[0033]图4示出了根据本申请第二示例实施例的视频解说文案的创建方法流程图；
[0034]图5示出了根据本申请第一示例实施例的视频解说文案的创建装置组成框图；
[0035]图6示出了根据本申请第二示例实施例的视频解说文案的创建装置组成框图；
[0036]图7示出了根据本申请示例实施例的电子设备组成框图。
具体实施方式
[0037]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0038]本申请的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0039]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0040]本专利技术人发现，现有的文案自动创建方法存在以下问题：一方面，所创建的文案字数较短，通常在30字以内，无法适用于视频解说对于长文案(例如，80
‑
150字)的要求；另一方面，无法直接输出音频解说文案，不符合视频解说的文案需求。
[0041]为了解决上述问题，更加高效地创建出与商品特点相符的视频解说文案，本申请提供了一种视频解说文案的创建方法，通过对多模态的输入信息进行理解，经过学习和编码，从而自动生成能够展现商品特点的长文案；进一步通过语音合成，将文字形式的文案转化为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种视频解说文案的创建方法，其特征在于，包括：通过语义神经网络模型对获取的视频对象的多模态信息进行理解，获得一组语义向量；通过所述语义神经网络模型建立所述一组语义向量之间的映射关系；根据所述一组语义向量之间的映射关系，将所述一组语义向量融合为多模态语义向量；对所述多模态语义向量进行解码，获得所述视频解说文案。2.根据权利要求1所述的创建方法，其特征在于，所述语义神经网络模型包括，经过学习和训练的语义模型；对所述多模态语义向量进行解码包括，使用经过学习和训练获得的解码模型对所述多模态语义向量进行解码。3.根据权利要求1所述的创建方法，其特征在于，所述解说文案的字数包括：80
‑
150字。4.根据权利要求1所述的创建方法，其特征在于，所述多模态信息包括：视频、图片、标题、属性中的一种或多种。5.根据权利要求4所述的创建方法，其特征在于，所述属性的表达形式包括：表格。6.根据权利要求1所述的创建方法，其特征在于，所述创建方法还包括：将所述视频解说文案转换为解说音频，并将所述解说音频嵌入所述视频。7.一种视频解...
【专利技术属性】
技术研发人员：侯兴林，葛铁铮，姜宇宁，
申请(专利权)人：阿里巴巴中国有限公司，
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。