本申请提供了一种视频字幕添加方法、装置、电子设备和可读存储介质，涉及视频处理技术领域。该方法包括：获取待添加视频和字幕文案，并按照视频播放顺序，将待添加视频拆分为多帧图像，以及以标点符号为分隔符，将字幕文案拆分为多个语句；确定每个语句对应的图像帧数，以及确定每个语句对应的起始图像和结尾图像，并将每个语句包含的文字，添加至其对应的起始图像与结尾图像之间的图像上，得到添加字幕后的多帧目标图像；按照视频播放顺序，将多帧目标图像进行合并，生成添加字幕后的目标视频。本申请实现了更加简便的视频字幕添加，提高了添加效率，降低了添加错误率，并且两句话的字幕之间具有一定的时间间隔，实现语句之间的停顿。的停顿。的停顿。
【技术实现步骤摘要】
一种视频字幕添加方法、装置、电子设备和可读存储介质
[0001]本申请涉及视频处理
，尤其是涉及到一种视频字幕添加方法、视频字幕添加装置、电子设备和可读存储介质。
技术介绍
[0002]近年来，自媒体的发展如火如荼，各大短视频平台应运而生，用户利用短视频生成技术实现短视频的生成，进而进行发布。具体地，将文案文本转译为对应的音频，利用嘴形驱动技术，用音频让某一形象“动起来”，最后再利用语音识别技术将音频识别为文字，将文字添加至视频。
[0003]但是，语音识别算法的训练需要大量训练数据，且为更好的效果，针对不同的话术场景需要不同的训练数据，开发过程耗时费力；并且，由于语音识别算法存在错误率，这就导致生成的字幕存在一定量的错别字，则需要人工进行检查修改。
技术实现思路
[0004]有鉴于此，本申请提供了一种视频字幕添加方法、视频字幕添加装置、电子设备和可读存储介质，实现了更加简便的视频字幕添加，提高了视频字幕添加效率，降低了视频字幕添加错误率。
[0005]第一方面，本申请实施例提供了一种视频字幕添加方法，包括：获取待添加视频和字幕文案，并按照视频播放顺序，将待添加视频拆分为多帧图像，以及以标点符号为分隔符，将字幕文案拆分为多个语句；确定每个语句对应的图像帧数，以及确定每个语句对应的起始图像和结尾图像，并将每个语句包含的文字，添加至其对应的起始图像与结尾图像之间的图像上，得到添加字幕后的多帧目标图像；按照视频播放顺序，将多帧目标图像进行合并，生成添加字幕后的目标视频。
[0006]根据本申请实施例的上述方法，还可以具有以下附加技术特征：
[0007]在上述技术方案中，可选地，根据每个语句向每帧图像添加字幕，得到添加字幕后的多帧目标图像，具体包括：确定每个语句对应的图像帧数，以及确定每个语句对应的起始图像和结尾图像；将每个语句包含的文字，添加至其对应的起始图像与结尾图像之间的图像上，得到添加字幕后的多帧目标图像。
[0008]在上述任一技术方案中，可选地，确定每个语句对应的图像帧数，具体包括：根据多帧图像的总数量和字幕文案的文字总字数，计算字幕文案的每个文字对应的图像帧数；根据每个文字对应的图像帧数和语句包含的文字字数，计算每个语句对应的图像帧数。
[0009]在上述任一技术方案中，可选地，字幕文案的文字总字数不包括标点符号的数量。
[0010]在上述任一技术方案中，可选地，在将每个语句包含的文字，添加至其对应的起始图像与结尾图像之间的图像上之前，还包括：若语句对应的图像帧数不为整数，且图像帧数的小数部分大于或等于0.5，则图像帧数向上取整；若语句对应的图像帧数不为整数，且图像帧数的小数部分小于0.5，则图像帧数向下取整。
[0011]在上述任一技术方案中，可选地，对于第i个语句，将第i个语句包含的文字，添加至其对应的起始图像与结尾图像之间的图像上，具体包括：将第i个语句包含的文字，添加至第一图像与第二图像之间的每帧图片上；其中，第一图像为第i个语句的起始图像的后a个图像，第二图像为第i个语句的结尾图像的前b个图像，a、b均为大于或等于1，且小于或等于4的整数，i为大于或等于1，且小于或等于多个语句的总数量。
[0012]在上述任一技术方案中，可选地，目标视频的视频时长小于或等于3分钟。
[0013]在上述任一技术方案中，可选地，字幕文案为文案编辑人员所编辑的，且在以标点符号为分隔符，将字幕文案拆分为多个语句之前，还包括：对字幕文案进行校正，保留有效文案。
[0014]第二方面，本申请实施例提供了一种视频字幕添加装置，包括：获取模块，用于获取待添加视频和字幕文案；拆分模块，用于按照视频播放顺序，将待添加视频拆分为多帧图像，以及以标点符号为分隔符，将字幕文案拆分为多个语句；字幕添加模块，用于确定每个语句对应的图像帧数，以及确定每个语句对应的起始图像和结尾图像，并将每个语句包含的文字，添加至其对应的起始图像与结尾图像之间的图像上，得到添加字幕后的多帧目标图像；图像合并模块，用于按照视频播放顺序，将多帧目标图像进行合并，生成添加字幕后的目标视频。
[0015]第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器和存储器，存储器存储可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面的方法的步骤。
[0016]第四方面，本申请实施例提供了一种可读存储介质，该可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第一方面的方法的步骤。
[0017]第五方面，本申请实施例提供了一种芯片，该芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现如第一方面的方法。
[0018]第六方面，本申请实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面的方法。
[0019]在本申请实施例中，在获取到待添加视频后，按照视频播放顺序，也即图像帧的时间顺序，将待添加视频拆分为M帧图像，以及获取需要添加为视频字幕的字幕文案，该字幕文案由文字、字母、标点符号等构成，并将字幕文案按照其包含的标点符号拆分为Z个语句，M为大于1的整数，Z为大于1的整数。进一步地，将图像帧数与字幕字数映射起来，从而实现向图像添加字幕，得到添加字幕后的多帧目标图像。最后，再按照视频播放顺序，也即图像帧的时间顺序，将多帧目标图像进行合并，得到添加字幕后的目标视频。并且，在根据每个语句向每帧图像添加字幕时，对于任一语句，确定该语句对应的图像帧数，再确定该语句对应的起始图像和结尾图像，最后将该语句包含的文字，添加至起始图像与结尾图像之间的图像上。也就是说，该语句对应的起始图像和结尾图像上不添加文字，使得每个语句之间至少有两帧图像上没有文字，由此使得两句话的字幕之间具有一定的时间间隔，实现语句之间的停顿。
[0020]本申请实施例中，一方面，添加至视频的字幕直接来自于原字幕文案，方法操作简单，字幕添加速度快。相比于相关技术中利用语音识别模型的方法，无需收集语音数据训练语音识别模型，避免视频开发过程耗时费力，且降低了视频字幕添加错误率。另一方面，在
语句对应的起始图像与结尾图像之间的图像上添加文字，使得两句话的字幕之间具有一定的时间间隔，实现语句之间的停顿，保证更好的视觉感觉。
[0021]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0022]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0023]图1示出了本申请实施例的视频字幕添加方法的流程示意图；
[0024]图2示出了本申请实施例的视频字幕添加装置的结构框图；
[0025]图3示出了本申本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种视频字幕添加方法，其特征在于，包括：获取待添加视频和字幕文案，并按照视频播放顺序，将所述待添加视频拆分为多帧图像，以及以标点符号为分隔符，将所述字幕文案拆分为多个语句；确定每个所述语句对应的图像帧数，以及确定每个所述语句对应的起始图像和结尾图像，并将每个所述语句包含的文字，添加至其对应的起始图像与结尾图像之间的图像上，得到添加字幕后的多帧目标图像；按照所述视频播放顺序，将多帧所述目标图像进行合并，生成添加字幕后的目标视频。2.根据权利要求1所述的方法，其特征在于，确定每个所述语句对应的图像帧数，具体包括：根据多帧所述图像的总数量和所述字幕文案的文字总字数，计算所述字幕文案的每个文字对应的图像帧数；根据每个文字对应的图像帧数和所述语句包含的文字字数，计算每个所述语句对应的图像帧数。3.根据权利要求1所述的方法，其特征在于，所述字幕文案的文字总字数不包括所述标点符号的数量。4.根据权利要求1所述的方法，其特征在于，在将每个所述语句包含的文字，添加至其对应的起始图像与结尾图像之间的图像上之前，还包括：若所述语句对应的图像帧数不为整数，且图像帧数的小数部分大于或等于0.5，则所述图像帧数向上取整；若所述语句对应的图像帧数不为整数，且图像帧数的小数部分小于0.5，则所述图像帧数向下取整。5.根据权利要求1所述的方法，其特征在于，对于第i个语句，将所述第i个语句包含的文字，添加至其对应的起始图像与结尾图像之间的图像上，具体包括：将所述第i个语句包含的文字，添加至第一图像与第二图像之间的每帧图片上；其中，所述第一图像为...
【专利技术属性】
技术研发人员：王月宝，黄明星，李银锋，刘海伦，许垒，沈鹏，胡尧，周晓波，
申请(专利权)人：北京水滴科技集团有限公司，
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。