视频处理方法、装置、电子设备、可读存储介质及系统制造方法及图纸

本申请公开一种视频处理方法、装置、电子设备、可读存储介质及系统，视频处理方法包括：获取原始多媒体视频，原始多媒体视频包括具有第一语种的原始音频、视频文件和具有第二语种的字幕文本；将原始音频裁剪成与字幕文本中说话人的语句字幕对应的音频片段；提取音频片段中说话人的特征信息；根据说话人的语句字幕和说话人的特征信息生成具有第二语种的目标音频；将目标音频、视频文件和字幕文本合成目标多媒体视频。本申请可以提高所合成的多媒体视频中音频的逼真度。频中音频的逼真度。频中音频的逼真度。

【技术实现步骤摘要】
视频处理方法、装置、电子设备、可读存储介质及系统


[0001]本申请涉及多媒体
，具体涉及一种视频处理方法、装置、电子设备、可读存储介质及系统。

技术介绍

[0002]随着技术的发展，电子设备的应用越来越广泛。人们经常使用电子设备观看视频。例如，当观看的视频是国外剧时，视频中采用的视频语种通常是外语(不是用户的母语)，并配有用户的母语字幕，当用户听不懂该外语时，可以借助字幕来理解视频内容，这使得用户的注意力都集中在字幕上，而错过视频中的其他重要细节。
[0003]相关技术中，一般采用视频文件配音的方法将原视频中的音频消除，使用用户熟悉的语种进行配音得到新视频，但是新视频中配音形成的音频比较单一，不能体现出原视频中说话人的个性化音频特征，影响新视频中音频的逼真度。

技术实现思路

[0004]本申请实施例提供一种视频处理方法、装置、电子设备、可读存储介质及系统，可以提高所合成的多媒体视频中音频的逼真度。
[0005]第一方面，本申请实施例提供一种视频处理方法，包括：获取原始多媒体视频，原始多媒体视频包括具有第一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频处理方法，其特征在于，包括：获取原始多媒体视频，所述原始多媒体视频包括具有第一语种的原始音频、视频文件和具有第二语种的字幕文本；将所述原始音频裁剪成与所述字幕文本中说话人的语句字幕对应的音频片段；提取所述音频片段中说话人的特征信息；根据所述说话人的语句字幕和所述说话人的特征信息生成具有第二语种的目标音频；将所述目标音频、所述视频文件和所述字幕文本合成目标多媒体视频。2.根据权利要求1所述的视频处理方法，其特征在于，所述提取所述音频片段中说话人的特征信息，包括：提取所述音频片段中说话人的特征信息；若所述说话人的特征信息符合第一预设条件，则根据所述说话人的特征信息获取所述说话人的目标特征信息；若所述说话人的特征信息符合第二预设条件，则确定所述说话人的目标特征信息。3.根据权利要求2所述的视频处理方法，其特征在于，所述说话人的特征信息包括声音特征信息，所述若所述说话人的特征信息符合第一预设条件，则根据所述说话人的特征信息获取所述说话人的目标特征信息，包括：若所述说话人的声音特征信息符合所述第一预设条件，则根据所述说话人的声音特征信息获取所述说话人的目标特征信息。4.根据权利要求3所述的视频处理方法，其特征在于，所述目标特征信息包括情绪、年龄和性别中的至少一种，所述若所述说话人的声音特征信息符合所述第一预设条件，则根据所述说话人的声音特征信息获取所述说话人的目标特征信息，包括：若所述说话人的声音特征信息符合所述第一预设条件，则据所述说话人的声音特征信息获取所述说话人的情绪、年龄和性别中的至少一种。5.根据权利要求2所述的视频处理方法，其特征在于，所述说话人的特征信息包括声音特征信息，所述若所述说话人的特征信息符合第二预设条件，则获取所述说话人的目标特征信息，包括：若所述说话人的声音特征信息符合所述第二预设条件，则确定所述说话人的目标特征信息。6.根据权利要求5所述的视频处理方法，其特征在于，所述目标特征信息包括情绪、年龄和性别中的至少一种，所述若所述说话人的声音特征信息符合所述第二预设条件，则确定所述说话人的目标特征信息，包括：所述若所述说话人的声音特征信息符合所述第二预设条件，则确定所述说话人的情绪、年龄和性别中的至少一种。7.根据权利要求2至6任一项所述的视频处理方法，其特征在于，根据所述说话人的语句字幕和所述说话人的特征信息生成具有第二语种的目标音频，包括：根据所述字幕文本中说话人的语句字幕与对应音频片段中说话人的目标特征信息生成目标音频片段；根据所述目标音频片段生成所述目标音频。8.根据权利要求3至6中任一项所述的视频处理方法，其特征在于，所述声音特征信息
包括音高或音色。9.根据权利要求1所述的视频处理方法，其特征在...

【专利技术属性】
技术研发人员：阿迪亚，
申请(专利权)人：深圳市万普拉斯科技有限公司，
类型：发明
国别省市：