CN104837036B - 生成视频看点的方法、服务器、终端及系统 - Google Patents

Abstract

本发明公开了一种生成视频看点的方法、服务器、终端及系统，属于互联网领域。所述方法包括：接收至少一个终端发送的携带有视频标识信息的视频播放请求；向每个终端返回与视频标识信息对应的视频，使每个终端播放视频，在播放视频过程中采集并识别用户的语音数据，确定视频看点信息；获取终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频对应的视频看点。本发明通过终端在播放视频过程中采集并识别用户的语音数据，服务器获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频看点，确保在生成视频看点时，不依赖于人工，不仅能够提高生成视频看点的效率，而且能够节约视频运营成本，提高视频收益。

Description

生成视频看点的方法、服务器、终端及系统

技术领域

本发明涉及互联网领域，特别涉及一种生成视频看点的方法、服务器、终端及系统。

背景技术

目前，市面上很多的在线视频都可以提供视频看点功能，通过为在线视频提供相应的视频看点，可以使观众清楚地获得该在线视频的精彩片段所在的位置以及精彩片段的类型，从而方便用户直接跳转或者浏览该在线视频的精彩片段。因此，生成视频看点，是提供在线视频服务的装置所必不可少的一个功能。

相关技术在生成视频看点时，所采用的方法为：由视频服务提供商的工作人员预览或收集视频的精彩片段，并确定精彩片段的播放位置以及精彩片段的类型等视频看点信息，从而生成视频看点。也就是说，相关技术生成在线视频的方法主要是通过人工方式生成的。

在实现本发明的过程中，发明人发现相关技术至少存在以下问题：

由于相关技术需要通过人工的方式来生成视频看点，不仅生成视频看点的效率较低，而且会导致视频运营的成本较高。另外，由于观看视频的用户的经历、年龄、背景等不同，因此，通过人工生成的视频看点可能无法与海量用户的真实体验相契合，从而给用户带来不好的观看体验，影响视频的收益。

发明内容

为了解决相关技术的问题，本发明实施例提供了一种生成视频看点的方法、服务器、终端及系统。所述技术方案如下：

第一方面，提供了一种生成视频看点的方法，所述方法包括：

接收至少一个终端发送的携带有视频标识信息的视频播放请求；

向每个终端返回与所述视频标识信息对应的视频，使每个终端播放所述视频，在播放所述视频过程中采集并识别用户的语音数据，根据识别结果确定视频看点信息；

获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成所述视频对应的视频看点。

第二方面，提供了一种生成视频看点的方法，所述方法包括：

向服务器发送携带有视频标识信息的视频播放请求；

接收所述服务器根据所述视频标识信息返回的视频，并播放所述视频；

在播放所述视频的过程中采集用户的语音数据；

识别所述语音数据，并根据识别结果确定视频看点信息；

将所述视频看点信息提交至所述服务器，使所述服务器根据所有终端确定的视频看点信息生成所述视频对应的视频看点。

第三方面，提供了一种服务器，所述服务器包括：

第一接收模块，用于接收至少一个终端发送的携带有视频标识信息的视频播放请求；

返回模块，用于向每个终端返回与所述视频标识信息对应的视频，使每个终端播放所述视频，在播放所述视频过程中采集并识别用户的语音数据，根据识别结果确定视频看点信息；

获取模块，用于获取每个终端确定的视频看点信息；

生成模块，用于根据所有终端确定的视频看点信息生成所述视频对应的视频看点。

第四方面，提供了一种终端，所述终端包括：

发送模块，用于向服务器发送携带有视频标识信息的视频播放请求；

接收模块，用于接收所述服务器根据所述视频标识信息返回的视频；

播放模块，用于播放所述视频；

采集模块，用于在播放所述视频的过程中采集用户的语音数据；

识别模块，用于识别所述语音数据；

确定模块，用于根据识别结果确定视频看点信息；

提交模块，用于将所述视频看点信息提交至所述服务器，使所述服务器根据所有终端确定的视频看点信息生成所述视频对应的视频看点。

第五方面，提供了一种生成视频看点的系统，所述系统包括服务器和至少一个终端；

其中，所述服务器如上述第三方面所述的服务器；

所述至少一个终端中的每个终端如上述第四方面所述的终端。

本发明实施例提供的技术方案带来的有益效果是：

通过终端在播放视频过程中采集并识别用户的语音数据，使服务器获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频看点，确保服务器在生成视频看点时，不依赖于人工，不仅能够提高生成视频看点的效率，而且能够节约视频运营成本，提高视频收益。

附图说明

为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种生成视频看点的方法的实施环境示意图；

图2是本发明实施例一提供的一种生成视频看点的方法流程图；

图3是本发明实施例一提供的另一种生成视频看点的方法流程图；

图4是本发明实施例二提供的一种生成视频看点的方法流程图；

图5是本发明实施例三提供的一种服务器的结构示意图；

图6是本发明实施例四提供的一种服务器的结构示意图；

图7是本发明实施例五提供的一种终端的结构示意图；

图8是本发明实施例六提供的一种终端的结构示意图；

图9是本发明实施例九提供的一种生成视频看点的系统的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

参见图1，其示出了一种本发明实施例提供的生成视频看点的方法的实施环境示意图。该实施环境包括服务器101和至少一个终端102。其中，至少一个终端102通过网络和服务器101连接，该网络可以为有线网络，也可以为无线网络。通过本发明实施例提供的方法，至少一个终端102可以在播放视频过程中通过内置的话筒等设备采集并识别用户的语音数据，并根据识别结果确定每个终端102对应的视频看点信息。并且，每个终端102在确定对应的视频看点信息后，将确定的视频看点信息提交至服务器101，使服务器101根据所有终端102确定的视频看点信息生成视频对应的视频看点。

其中，服务器101可以为能够提供视频服务的任意服务器，本发明实施例不对服务器101的具体类型进行限定。至少一个终端102包括但不限于可以为智能手机、平板电脑、电子书阅读器、MP3（Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3）播放器、MP4（Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面3）播放器、膝上型便携计算机和台式计算机等。

具体的生成视频看点的方法详见下述实施例一和实施例二：

实施例一

结合图1所示的实施环境示意图和上述内容，本发明实施例提供了一种生成视频看点的方法。以服务器执行本发明实施例提供的方法的角度为例，参见图2，本发明实施例提供的方法流程包括：

201：接收至少一个终端发送的携带有视频标识信息的视频播放请求。

202：向每个终端返回与视频标识信息对应的视频，使每个终端播放视频，在播放视频过程中采集并识别用户的语音数据，根据识别结果确定视频看点信息。

203：获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频对应的视频看点。

优选地，根据所有终端确定的视频看点信息生成视频对应的视频看点，包括：

提取所有终端确定的视频看点信息中包含的共同视频看点信息；

根据共同视频看点信息生成视频对应的视频看点。

优选地，根据所有终端确定的视频看点信息生成视频对应的视频看点，包括：

获取每个终端所在的区域；

根据每个终端所在的区域将所有终端确定的视频看点信息进行分类，根据每类视频看点信息生成视频对应每个所在的区域的视频看点。

优选地，根据所有终端确定的视频看点信息生成视频对应的视频看点之后，还包括：

向每个终端发送每个终端对应的视频看点，并接收每个终端根据视频看点返回的反馈信息；

根据每个终端返回的反馈信息更新视频对应的视频看点。

以至少一个终端执行本发明实施例提供的方法的角度为例，参见图3，本发明实施例提供的方法流程包括：

301：向服务器发送携带有视频标识信息的视频播放请求。

302：接收服务器根据视频标识信息返回的视频，并播放视频。

303：在播放视频的过程中采集用户的语音数据。

304：识别语音数据，并根据识别结果确定视频看点信息。

305：将视频看点信息提交至服务器，使服务器根据所有终端确定的视频看点信息生成视频对应的视频看点。

优选地，识别语音数据，包括：

识别语音数据中是否存在与预设看点信息模板数据匹配的语音数据；

根据识别结果确定视频看点信息，包括：

如果语音数据中存在与预设看点信息模板数据匹配的语音数据，则根据与预设看点信息模板数据匹配的语音数据确定视频看点信息。

优选地，视频看点信息包括视频的精彩片段的播放位置和类型；

根据与预设看点信息模板数据匹配的语音数据确定视频看点信息，包括：

根据与预设看点信息模板数据匹配的音频数据确定视频的精彩片段；

获取精彩片段的播放位置，并根据预设看点信息模板数据确定精彩片段的类型；

根据精彩片段的播放位置和类型确定视频看点信息。

优选地，识别语音数据，包括：

识别语音数据中是否存在与预设看点信息模板数据匹配的语音数据，并根据语音数据识别用户的性别信息；

根据识别结果确定视频看点信息，包括：

如果语音数据中存在与预设看点信息模板数据匹配的语音数据，则根据与预设看点信息模板数据匹配的语音数据以及用户的性别信息确定视频看点信息。

本发明实施例提供的方法，通过终端在播放视频过程中采集并识别用户的语音数据，服务器获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频看点，确保服务器在生成视频看点时，不依赖于人工，不仅能够提高生成视频看点的效率，而且能够节约视频运营成本，提高视频收益。

实施例二

结合图1所示的实施环境示意图和上述实施例一的内容，本发明实施例提供了一种生成视频看点的方法。参见图4，本发明实施例提供的方法流程包括：

401：终端向服务器发送携带有视频标识信息的视频播放请求。

为了从服务器获取需要观看的视频资源，终端需要向服务器发送携带有视频标识信息的视频播放请求。

其中，本发明实施例不对终端向服务器发送携带有视频标识信息的视频播放请求的方式进行限定。具体实施时，终端可以在获取到视频之后，通过获取视频播放指令的方式向服务器发送携带有视频标识信息的视频播放请求。其中，关于终端获取视频播放指令的方式，可以有很多种。例如，当终端对应的用户确定需要播放哪个视频之后，通过点击该视频中的播放按钮来播放视频，此时，终端通过检测该播放按钮是否被点击的操作来获取视频播放指令。当然，终端还可以采用其它方式来获取视频播放指令，本发明实施例对此不作具体限定。

关于视频标识信息的具体内容，本发明实施例同样不作具体限定。需要说明的是，对于每一个视频，均对应一个全局唯一的视频标识信息。因此，可以通过视频标识信息来区分视频资源库中的各个视频。

另外，关于终端在向服务器发送视频播放请求时，在视频播放请求中携带视频标识信息的方式，可以有很多种。例如，如果终端通过获取视频播放指令的方式向服务器发送携带有视频标识信息的视频播放请求，则可以在该视频播放指令中选择一位作为携带视频标识信息的标志位，从而将视频标识信息携带在该标志位中向服务器发送视频播放请求。

402：服务器接收终端发送的携带有视频标识信息的视频播放请求，并向发送视频播放请求的每个终端返回与视频标识信息对应的视频。

关于服务器接收终端发送的携带有视频标识信息的视频播放请求的方式，本发明实施例不作具体限定。具体实施时，如果终端通过获取视频播放指令的方式向服务器发送携带有视频标识信息的视频播放请求，则服务器通过接收终端发送的视频播放指令的方式接收终端发送的携带有视频标识信息的视频播放请求。

进一步地，为了为发送视频播放请求的每个终端提供视频服务，服务器向发送视频播放请求的每个终端返回与视频标识信息对应的视频。其中，服务器向发送视频播放请求的每个终端返回与视频标识信息对应的视频的方式，可以有很多种。例如，可以为服务器在接收到视频播放请求之后，通过解析该视频播放请求，获得其中携带的视频标识信息，并从预先存储的视频资源中获取与该视频标识信息对应的视频，从而向发送视频播放请求的每个终端返回获取到的与视频标识信息对应的视频。关于服务器从预先存储的视频资源中获取与视频标识信息对应的视频的方式，包括但不限于可以为：服务器将解析到的视频播放请求中的视频标识信息与预先存储的视频资源中的视频标识信息进行一一比对的方式来实现。

403：发送视频播放请求的每个终端接收服务器返回的视频，并播放视频。

本发明实施例不对发送视频播放请求的每个终端接收服务器返回的视频的方式，以及播放视频的方式进行限定。其中，各个终端既可以采用在线视频的方式播放该视频，也可以选择离线视频的方式播放该视频。

404：发送播放请求的每个终端在播放视频的过程中采集用户的语音数据，并识别用户的语音数据，根据识别结果确定视频看点信息。

由于用户观看视频的过程中，当看到精彩的片段时，通常会不自觉的发出声音，如看到很好看的视频片段时会发出赞美或大笑的声音；当看到悲伤的视频片段时，通常会不自觉地哭泣，等等。因此，根据用户在观看视频的过程中发出的语音数据即可确定该视频的精彩片段所在的位置以及进一步根据用户发出的语音该数据的类型可以确定精彩片段的类型等视频看点信息。本发明实施例提供的方法由发送播放请求的每个终端在播放视频的过程中采集用户的语音数据，并识别用户的语音数据，从而根据识别结果确定视频看点信息。

关于每个终端在播放视频的过程中采集用户的语音数据的方式，可以有很多种。例如，可以通过终端内置的麦克风等可以采集语音数据的设备在播放视频的过程中采集用户的语音数据，等等。当然，每个终端在播放视频的过程中还可以采用其它方式采集用户的语音数据，本发明实施例对此不作具体限定。

进一步地，关于识别用户的语音数据的方式，本发明实施例同样不作具体限定。然而，由于在语音识别过程中，通常会预先通过训练得到一定的语音模板，后续在语音识别的过程中便可以通过预先训练得到的语音模板确定待识别的语音数据。因此，在本发明实施例中，可以通过预先设置看点信息模板，并将采集到的语音数据与该预设看点信息模板数据进行比对来识别语音数据。其中，预设看点信息模板可以包括不同视频看点信息的类型，如可以设置欢喜模板、悲情模板、哭泣模板等与用户情绪有关的模板。

在预先设置看点信息模板之后，每个终端识别用户的语音数据的方式，包括但不限于可以为识别采集到的语音数据中是否存在与预设看点信息模板数据匹配的语音数据的方式来实现。关于每个终端识别采集到的语音数据中是否存在与预设看点信息模板数据匹配的语音数据的方式，可以为将采集到的语音数据与预设看点信息模板数据进行比对来实现。

通过对采集到的语音数据进行识别，可以确定采集到的语音数据中是否存在与预设看点信息模板数据匹配的语音数据的识别结果，从而可以根据该识别结果确定视频看点信息。其中，每个终端根据识别结果确定视频看点信息的方式，包括但不限于可以为：如果采集到的语音数据中存在与预设看点信息模板数据匹配的语音数据，则根据采集到的语音数据中与预设看点信息模板数据匹配的语音数据确定视频看点信息。

关于每个终端根据采集到的语音数据中与预设看点信息模板数据匹配的语音数据确定视频看点信息的方式，本发明实施例不作具体限定。具体实施时，可以结合视频看点信息的具体内容而定。其中，本发明实施例不对视频看点信息的内容进行限定。具体实施时，视频看点信息的内容包括但不限于可以有视频的精彩片段的播放位置和类型。

其中，当视频看点信息为视频的精彩片段的播放位置和类型时，根据采集到的语音数据中与预设看点信息模板数据匹配的语音数据确定视频看点信息，包括但不限于可以通过以下方式来实现：根据采集到的语音数据中与预设看点信息模板数据匹配的音频数据确定视频的精彩片段；获取精彩片段的播放位置，并根据预设看点信息模板数据确定精彩片段的类型；根据精彩片段的播放位置和类型确定视频看点信息。

关于根据采集到的语音数据中与预设看点信息模板数据匹配的音频数据确定视频的精彩片段的方式，可以为：获取采集到的语音数据中与预设看点信息模板数据匹配的语音数据，确定用户发出该与预设看点信息模板数据匹配的语音数据时正在观看的视频片段，并将用户发出该与预设看点信息模板数据匹配的语音数据时正在观看的视频片段确定为视频的精彩片段。关于获取精彩片段的播放位置的方式，本发明实施例不作具体限定。具体实施时，可以为获取用户开始播放视频的时刻，并确定开始播放视频的时刻与用户发出与预设看点信息模板数据匹配的语音数据时的时间间隔，将该时间间隔作为获取到的视频的精彩片段的播放位置。

为了对上述过程解释说明，下面以一个具体的例子进行说明。例如，如果预设看点信息模板为欢笑模板，当采集到的语音数据中存在与欢笑模板数据匹配的数据，则说明终端对应的用户在观看这段视频的过程中发出了笑声或者说出了赞美的话。因此，可以推断该端视频片段有笑点，可以将该视频片段作为该视频的精彩片段。此时，可以将用户发出笑声或者说出了赞美的话的时刻与开始播放该视频时刻之间的时间间隔确定为该精彩片段所在的播放位置。另外，由于用户发出的语音数据与欢笑模板的数据匹配。因此，可以确定该精彩片段的类型为欢笑类型。

优选地，由于男性用户与女性用户在观看视频的过程中所关注的视频看点信息可能存在差别，因此，为了确保后续服务器可以为不同性别的用户提供不同的视频看点，终端在确定视频看点信息时，可以确定与用户的性别信息对应的视频看点信息。为了确定与用户的性别信息对应的视频看点信息，终端在识别语音数据时，除了识别语音数据中是否存在与预设看点信息模板数据匹配的语音数据外，还可以根据语音数据识别用户的性别信息。此时，根据识别结果确定视频看点信息，包括：如果语音数据中存在与预设看点信息模板数据匹配的语音数据，则根据与预设看点信息模板数据匹配的语音数据以及用户的性别信息确定视频看点信息。

其中，本发明实施例不对根据语音数据识别用户的性别信息的方式进行限定。关于根据与预设看点信息模板数据匹配的语音数据以及用户的性别信息确定视频看点信息的方式，可以为：在识别出与预设看点信息模板数据匹配的语音数据后，再在与预设看点信息模板数据匹配的语音数据上叠加上性别信息，从而确定与性别信息对应的视频看点信息。

优选地，在识别采集到的语音数据中是否存在与预设看点信息模板数据匹配的语音数据之后，为了节省本地存储资源，可以将与预设看点信息模板数据匹配的语音数据存储起来，而将与预设看点信息模板数据不匹配的语音数据滤除。

405：每个终端将视频看点信息提交至服务器。

为了使服务器可以根据很多个终端确定的视频看点信息生成视频对应的视频看点，每个终端需要将视频看点信息提交至服务器。关于每个终端将视频看点信息提交至服务器的方式，本发明实施例不作具体限定。每个终端可以在视频播放过程中将确定的各个视频看点信息直接提交至服务器，也可以在该视频播放结束后统一将确定的所有视频看点信息一同提交至服务器。

406：服务器获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频对应的视频看点。

其中，服务器获取每个终端确定的视频看点信息的方式，可以为接收每个终端提交的视频看点信息。当获取到很多终端确定的视频看点信息之后，服务器可以根据所有终端确定的视频看点信息生成视频对应的视频看点。

其中，服务器根据所有终端确定的视频看点信息生成视频对应的视频看点，包括但不限于可以为：提取所有终端确定的视频看点信息中包含的共同视频看点信息，并根据视频共同看点信息生成视频对应的视频看点。例如，如果有100个终端均在播放视频A，且该100个终端中的80个终端确定的视频看点信息均为欢笑类型，且播放位置为23min（分钟）18s（秒），则服务器可以生成该视频A的视频看点为：在23min18s起有欢笑类型的精彩片段。

优选地，由于处于不同地区的用户对某一视频的视频看点有不同的需求。因此，为了为不同地区的用户提供不同的视频看点，服务器在根据所有终端确定的视频看点信息生成视频对应的视频看点时，可以获取每个终端所在的区域，并根据每个终端所在的区域将所有终端确定的视频看点信息进行分类，从而根据每类视频看点信息生成视频对应每个所在的区域的视频看点。例如，当视频内容中涉及的语言为某一地区的方言时，生成与该方言对应的地区的视频看点能够吸引更多该地区的用户来观看该视频。因此，服务器在生成视频看点时，可以根据每个终端所在的区域将所有终端确定的视频看点信息进行分类，并根据分类结果提取出该方言对应的地区的终端确定的视频看点信息，并根据该方言对应的地区的终端确定的视频看点信息生成对应该方言对应的地区的视频看点。

其中，本发明实施例不对服务器获取每个终端所在的区域的方式进行限定。具体实施时，由于处于每个地区的终端对应的IP（Internet Protocol，网际协议）地址不同，因此，可以通过获取每个终端所在的区域的IP地址来获取每个终端所在的区域。此时，在根据所有终端确定的视频看点信息生成视频对应的视频看点时，可以获取每个终端的IP地址的所在区域，并根据每个终端的IP地址的所在区域将所有终端确定的视频看点信息进行分类，从而根据每类视频看点信息生成视频对应每个IP地址所在区域的视频看点。

优选地，服务器在根据所有终端确定的视频看点信息生成视频对应的视频看点之后，为了确定生成的视频看点是否满足绝大多数用户的需求或者确定用户对视频看点的满意度，还可以向每个终端发送每个终端对应的视频看点，每个终端根据该视频看点观看视频时，可以向服务器提交反馈信息。服务器获取用户对该视频看点的反馈信息，从而根据每个终端返回的反馈信息更新视频对应的视频看点。其中，每个终端对应的视频看点可以为所有用户共同的视频看点，也可以为与每个终端所在的区域对应的视频看点，本发明实施例对此不作具体限定。

关于服务器获取用户对该视频看点的反馈信息的方式，本发明实施例不作具体限定。具体实施时，服务器可以提供为视频看点打分的选项，用户根据自己对视频看点的满意度进行打分后，将分数提交至服务器。服务器通过获取每个终端对视频看点的打分来获取用户对于该视频看点的满意度的反馈信息。当然，服务器还可以采用其它方式获取用户对该视频看点的反馈信息。

进一步地，当获取到用户对该视频看点的反馈信息后，服务器可以根据反馈信息更新视频对应的视频看点。例如，如果服务器获取到用户对该视频看点的打分较低，为了生成更准确的视频看点，从而满足更多用户的需求，服务器更新视频对应的视频看点。

本发明实施例提供的方法，通过终端在播放视频过程中采集并识别用户的语音数据，服务器获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频看点，确保服务器在生成视频看点时，不依赖于人工，不仅能够提高生成视频看点的效率，而且能够节约视频运营成本，提高视频收益。

实施例三

本发明实施例提供了一种服务器，该服务器用于执行上述实施例一和实施例二中服务器执行的功能。参见图5，该服务器包括：

第一接收模块501，用于接收至少一个终端发送的携带有视频标识信息的视频播放请求；

返回模块502，用于向每个终端返回与视频标识信息对应的视频，使每个终端播放视频，在播放视频过程中采集并识别用户的语音数据，根据识别结果确定视频看点信息；

获取模块503，用于获取每个终端确定的视频看点信息；

生成模块504，用于根据所有终端确定的视频看点信息生成视频对应的视频看点。

优选地，生成模块504，包括：

提取单元，用于提取所有终端确定的视频看点信息中包含的共同视频看点信息；

第一生成单元，用于根据共同视频看点信息生成视频对应的视频看点。

优选地，生成模块504，包括：

获取单元，用于获取每个终端所在的区域；

分类单元，用于根据每个终端所在的区域将所有终端确定的视频看点信息进行分类；

第二生成单元，用于根据每类视频看点信息生成视频对应每个所在的区域的视频看点。

优选地，装置，还包括：

发送模块，用于向每个终端发送每个终端对应的视频看点；

第二接收模块，用于接收每个终端根据视频看点返回的反馈信息；

更新模块，用于根据每个终端返回的反馈信息更新视频对应的视频看点。

本发明实施例提供的服务器，通过获取每个终端在播放视频过程中采集并识别用户的语音数据确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频看点，确保在生成视频看点时，不依赖于人工，不仅能够提高生成视频看点的效率，而且能够节约视频运营成本，提高视频收益。

实施例四

图6是本发明实施例中服务器的结构示意图。该服务器600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器（central processing units，CPU）622（例如，一个或一个以上处理器）和存储器632，一个或一个以上存储应用程序642或数据644的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器632和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器622可以设置为与存储介质630通信，在服务器600上执行存储介质630中的一系列指令操作。

服务器600还可以包括一个或一个以上电源626，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口658，一个或一个以上键盘656，和/或，一个或一个以上操作系统641，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

其中，存储在存储介质630中的一个或者一个以上应用程序642或数据644中包含用于执行以下操作的指令：

接收至少一个终端发送的携带有视频标识信息的视频播放请求；

向每个终端返回与视频标识信息对应的视频，使每个终端播放视频，在播放视频过程中采集并识别用户的语音数据，根据识别结果确定视频看点信息；

获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频对应的视频看点。

假设上述为第一种可能的实施方式，则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中，存储在存储介质630中的一个或者一个以上应用程序642或数据644中还包含用于执行以下操作的指令：根据所有终端确定的视频看点信息生成视频对应的视频看点，包括：

提取所有终端确定的视频看点信息中包含的共同视频看点信息；

根据共同视频看点信息生成视频对应的视频看点。

在第一种可能的实施方式作为基础而提供的第三种可能的实施方式中，存储在存储介质630中的一个或者一个以上应用程序642或数据644中还包含用于执行以下操作的指令：根据所有终端确定的视频看点信息生成视频对应的视频看点，包括：

获取每个终端所在的区域；

根据每个终端所在的区域将所有终端确定的视频看点信息进行分类，根据每类视频看点信息生成视频对应每个所在的区域的视频看点。

在第一种至第三种可能的实施方式中的任一种可能的实施方式作为基础而提供的第四种可能的实施方式中，存储在存储介质630中的一个或者一个以上应用程序642或数据644中还包含用于执行以下操作的指令：根据所有终端确定的视频看点信息生成视频对应的视频看点之后，还包括：

向每个终端发送每个终端对应的视频看点，并接收每个终端根据视频看点返回的反馈信息；

根据每个终端返回的反馈信息更新视频对应的视频看点。

本发明实施例提供的服务器，通过获取每个终端在播放视频过程中采集并识别用户的语音数据确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频看点，确保在生成视频看点时，不依赖于人工，不仅能够提高生成视频看点的效率，而且能够节约视频运营成本，提高视频收益。

实施例五

本发明实施例提供了一种终端，该终端用于执行上述实施例一和实施例二中终端执行的功能。参见图7，该终端包括：

发送模块701，用于向服务器发送携带有视频标识信息的视频播放请求；

接收模块702，用于接收服务器根据视频标识信息返回的视频；

播放模块703，用于播放视频；

采集模块704，用于在播放视频的过程中采集用户的语音数据；

识别模块705，用于识别语音数据；

确定模块706，用于根据识别结果确定视频看点信息；

提交模块707，用于将视频看点信息提交至服务器，使服务器根据所有终端确定的视频看点信息生成视频对应的视频看点。

优选地，识别模块705，用于识别语音数据中是否存在与预设看点信息模板数据匹配的语音数据；

确定模块706，用于当语音数据中存在与预设看点信息模板数据匹配的语音数据时，根据与预设看点信息模板数据匹配的语音数据确定视频看点信息。

优选地，视频看点信息包括视频的精彩片段的播放位置和类型；

确定模块706，包括：

第一确定单元，用于根据与预设看点信息模板数据匹配的音频数据确定视频的精彩片段；

获取单元，用于获取精彩片段的播放位置；

第二确定单元，用于根据预设看点信息模板数据确定精彩片段的类型；

第三确定单元，用于根据精彩片段的播放位置和类型确定视频看点信息。

优选地，识别模块705，用于识别语音数据中是否存在与预设看点信息模板数据匹配的语音数据，并根据语音数据识别用户的性别信息；

确定模块706，用于当语音数据中存在与预设看点信息模板数据匹配的语音数据时，根据与预设看点信息模板数据匹配的语音数据以及用户的性别信息确定视频看点信息。

本发明实施例提供的终端，通过在播放视频过程中采集并识别用户的语音数据，使服务器获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频看点，确保服务器在生成视频看点时，不依赖于人工，不仅能够提高生成视频看点的效率，而且能够节约视频运营成本，提高视频收益。

实施例六

本发明实施例提供了一种终端，请参考图8，其示出了本发明实施例所涉及的终端的结构示意图，该终端可以用于实施上述实施例中提供的生成视频看点的方法。具体来讲：

终端800可以包括RF（Radio Frequency，射频）电路110、包括有一个或一个以上计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、WiFi（Wireless Fidelity，无线保真）模块170、包括有一个或者一个以上处理核心的处理器180、以及电源190等部件。本领域技术人员可以理解，图8中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

RF电路110可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器180处理；另外，将涉及上行的数据发送给基站。通常，RF电路110包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块（SIM）卡、收发信机、耦合器、LNA（Low Noise Amplifier，低噪声放大器）、双工器等。此外，RF电路110还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System of Mobile communication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA(CodeDivision Multiple Access，码分多址)、WCDMA(Wideband Code Division MultipleAccess,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(ShortMessaging Service，短消息服务)等。

存储器120可用于存储软件程序以及模块，处理器180通过运行存储在存储器120的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据终端800的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器120还可以包括存储器控制器，以提供处理器180和输入单元130对存储器120的访问。

输入单元130可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元130可包括触敏表面131以及其他输入设备132。触敏表面131，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作（比如用户使用手指、触笔等任何适合的物体或附件在触敏表面131上或在触敏表面131附近的操作），并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面131可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器180，并能接收处理器180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面131。除了触敏表面131，输入单元130还可以包括其他输入设备132。具体地，其他输入设备132可以包括但不限于物理键盘、功能键（比如音量控制按键、开关按键等）、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端800的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元140可包括显示面板141，可选的，可以采用LCD(Liquid Crystal Display，液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板141。进一步的，触敏表面131可覆盖显示面板141，当触敏表面131检测到在其上或附近的触摸操作后，传送给处理器180以确定触摸事件的类型，随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图8中，触敏表面131与显示面板141是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面131与显示面板141集成而实现输入和输出功能。

终端800还可包括至少一种传感器150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板141的亮度，接近传感器可在终端800移动到耳边时，关闭显示面板141和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上（一般为三轴）加速度的大小，静止时可检测出重力的大小及方向，可用于识别终端姿态的应用（比如横竖屏切换、相关游戏、磁力计姿态校准）、振动识别相关功能（比如计步器、敲击）等;至于终端800还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路160、扬声器161，传声器162可提供用户与终端800之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号，传输到扬声器161，由扬声器161转换为声音信号输出；另一方面，传声器162将收集的声音信号转换为电信号，由音频电路160接收后转换为音频数据，再将音频数据输出处理器180处理后，经RF电路110以发送给比如另一终端，或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包括耳塞插孔，以提供外设耳机与终端800的通信。

WiFi属于短距离无线传输技术，终端800通过WiFi模块170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图8示出了WiFi模块170，但是可以理解的是，其并不属于终端800的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器180是终端800的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器120内的软件程序和/或模块，以及调用存储在存储器120内的数据，执行终端800的各种功能和处理数据，从而对终端进行整体监控。可选的，处理器180可包括一个或多个处理核心；优选的，处理器180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器180中。

终端800还包括给各个部件供电的电源190（比如电池），优选的，电源可以通过电源管理系统与处理器180逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源190还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管未示出，终端800还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，终端的显示单元是触摸屏显示器，终端还包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行。所述一个或者一个以上程序包含用于执行以下操作的指令：

向服务器发送携带有视频标识信息的视频播放请求；

接收服务器根据视频标识信息返回的视频，并播放视频；

在播放视频的过程中采集用户的语音数据；

识别语音数据，并根据识别结果确定视频看点信息；

将视频看点信息提交至服务器，使服务器根据所有终端确定的视频看点信息生成视频对应的视频看点。

假设上述为第一种可能的实施方式，则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：识别语音数据，包括：

识别语音数据中是否存在与预设看点信息模板数据匹配的语音数据；

根据识别结果确定视频看点信息，包括：

如果语音数据中存在与预设看点信息模板数据匹配的语音数据，则根据与预设看点信息模板数据匹配的语音数据确定视频看点信息。

在第二种可能的实施方式作为基础而提供的第三种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：视频看点信息包括视频的精彩片段的播放位置和类型；

根据与预设看点信息模板数据匹配的语音数据确定视频看点信息，包括：

根据与预设看点信息模板数据匹配的音频数据确定视频的精彩片段；

获取精彩片段的播放位置，并根据预设看点信息模板数据确定精彩片段的类型；

根据精彩片段的播放位置和类型确定视频看点信息。

在第一种可能的实施方式作为基础而提供的第四种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：

识别语音数据，包括：

识别语音数据中是否存在与预设看点信息模板数据匹配的语音数据，并根据语音数据识别用户的性别信息；

根据识别结果确定视频看点信息，包括：

如果语音数据中存在与预设看点信息模板数据匹配的语音数据，则根据与预设看点信息模板数据匹配的语音数据以及用户的性别信息确定视频看点信息。

本发明实施例提供的终端，通过在播放视频过程中采集并识别用户的语音数据，使服务器获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频看点，确保服务器在生成视频看点时，不依赖于人工，不仅能够提高生成视频看点的效率，而且能够节约视频运营成本，提高视频收益。

实施例七

本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中的存储器中所包含的计算机可读存储介质；也可以是单独存在，未装配入终端中的计算机可读存储介质。该计算机可读存储介质存储有一个或者一个以上程序，该一个或者一个以上程序被一个或者一个以上的处理器用来执行生成视频看点的方法，该方法包括：

向服务器发送携带有视频标识信息的视频播放请求；

接收服务器根据视频标识信息返回的视频，并播放视频；

在播放视频的过程中采集用户的语音数据；

识别语音数据，并根据识别结果确定视频看点信息；

将视频看点信息提交至服务器，使服务器根据所有终端确定的视频看点信息生成视频对应的视频看点

假设上述为第一种可能的实施方式，则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：

识别语音数据，包括：

识别语音数据中是否存在与预设看点信息模板数据匹配的语音数据；

根据识别结果确定视频看点信息，包括：

如果语音数据中存在与预设看点信息模板数据匹配的语音数据，则根据与预设看点信息模板数据匹配的语音数据确定视频看点信息。

在第二种可能的实施方式作为基础而提供的第三种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：视频看点信息包括视频的精彩片段的播放位置和类型；

根据与预设看点信息模板数据匹配的语音数据确定视频看点信息，包括：

根据与预设看点信息模板数据匹配的音频数据确定视频的精彩片段；

获取精彩片段的播放位置，并根据预设看点信息模板数据确定精彩片段的类型；

根据精彩片段的播放位置和类型确定视频看点信息。

在第一种可能的实施方式作为基础而提供的第四种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：

识别语音数据，包括：

识别语音数据中是否存在与预设看点信息模板数据匹配的语音数据，并根据语音数据识别用户的性别信息；

根据识别结果确定视频看点信息，包括：

如果语音数据中存在与预设看点信息模板数据匹配的语音数据，则根据与预设看点信息模板数据匹配的语音数据以及用户的性别信息确定视频看点信息。

本发明实施例提供的计算机可读存储介质，通过在播放视频过程中采集并识别用户的语音数据，使服务器获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频看点，确保服务器在生成视频看点时，不依赖于人工，不仅能够提高生成视频看点的效率，而且能够节约视频运营成本，提高视频收益。

实施例八

本发明实施例中提供了一种图形用户接口，该图形用户接口用在终端上，该终端包括触摸屏显示器、存储器和用于执行一个或者一个以上的程序的一个或者一个以上的处理器；该图形用户接口包括：

向服务器发送携带有视频标识信息的视频播放请求；

接收服务器根据视频标识信息返回的视频，并播放视频；

在播放视频的过程中采集用户的语音数据；

识别语音数据，并根据识别结果确定视频看点信息；

将视频看点信息提交至服务器，使服务器根据所有终端确定的视频看点信息生成视频对应的视频看点。

本发明实施例提供的图形用户接口，通过在播放视频过程中采集并识别用户的语音数据，使服务器获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频看点，确保服务器在生成视频看点时，不依赖于人工，不仅能够提高生成视频看点的效率，而且能够节约视频运营成本，提高视频收益。

实施例九

本发明实施例提供了一种生成视频看点的系统，参见图9，该系统包括服务器901和至少一个终端902；

其中，服务器901如上述实施例三提供的服务器；

至少一个终端902中的每个终端如上述实施例五提供的终端。

本发明实施例提供的系统，通过终端在播放视频过程中采集并识别用户的语音数据，服务器获取每个终端确定的视频看点信息，并根据所有终端确定的视频看点信息生成视频看点，确保服务器在生成视频看点时，不依赖于人工，不仅能够提高生成视频看点的效率，而且能够节约视频运营成本，提高视频收益。

需要说明的是：上述实施例提供的服务器和终端在执行生成视频看点的方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的服务器和终端与生成视频看点的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

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。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (15)

1.一种生成视频看点的方法，其特征在于，所述方法包括：

接收至少一个终端发送的携带有视频标识信息的视频播放请求；

向每个终端返回与所述视频标识信息对应的视频，使每个终端播放所述视频，在播放所述视频过程中采集并识别用户的语音数据，根据识别结果确定视频看点信息；

获取每个终端确定的视频看点信息，并获取每个终端所在的区域；

根据每个终端所在的区域将所有终端确定的视频看点信息进行分类，根据每类视频看点信息生成所述视频对应每个所在的区域的视频看点。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

提取所有终端确定的视频看点信息中包含的共同视频看点信息；

根据所述共同视频看点信息生成所述视频对应的视频看点。

3.根据权利要求1至2中任一权利要求所述的方法，其特征在于，所述方法还包括：

向每个终端发送每个终端对应的视频看点，并接收每个终端根据所述视频看点返回的反馈信息；

根据每个终端返回的反馈信息更新所述视频对应的视频看点。

4.一种生成视频看点的方法，其特征在于，所述方法包括：

向服务器发送携带有视频标识信息的视频播放请求；

接收所述服务器根据所述视频标识信息返回的视频，并播放所述视频；

在播放所述视频的过程中采集用户的语音数据；

识别所述语音数据，并根据识别结果确定视频看点信息；

将所述视频看点信息提交至所述服务器，使所述服务器获取每个终端所在的区域，并根据每个终端所在的区域将所有终端确定的视频看点信息进行分类，根据每类视频看点信息生成所述视频对应每个所在的区域的视频看点。

5.根据权利要求4所述的方法，其特征在于，所述识别所述语音数据，包括：

识别所述语音数据中是否存在与预设看点信息模板数据匹配的语音数据；

所述根据识别结果确定视频看点信息，包括：

如果所述语音数据中存在与所述预设看点信息模板数据匹配的语音数据，则根据与所述预设看点信息模板数据匹配的语音数据确定视频看点信息。

6.根据权利要求5所述的方法，其特征在于，所述视频看点信息包括所述视频的精彩片段的播放位置和类型；

所述根据与所述预设看点信息模板数据匹配的语音数据确定视频看点信息，包括：

根据与所述预设看点信息模板数据匹配的音频数据确定所述视频的精彩片段；

获取所述精彩片段的播放位置，并根据预设看点信息模板数据确定所述精彩片段的类型；

根据所述精彩片段的播放位置和类型确定视频看点信息。

7.根据权利要求4所述的方法，其特征在于，所述识别所述语音数据，包括：

识别所述语音数据中是否存在与预设看点信息模板数据匹配的语音数据，并根据所述语音数据识别所述用户的性别信息；

所述根据识别结果确定视频看点信息，包括：

如果所述语音数据中存在与所述预设看点信息模板数据匹配的语音数据，则根据与所述预设看点信息模板数据匹配的语音数据以及所述用户的性别信息确定视频看点信息。

8.一种服务器，其特征在于，所述服务器包括：

第一接收模块，用于接收至少一个终端发送的携带有视频标识信息的视频播放请求；

返回模块，用于向每个终端返回与所述视频标识信息对应的视频，使每个终端播放所述视频，在播放所述视频过程中采集并识别用户的语音数据，根据识别结果确定视频看点信息；

获取模块，用于获取每个终端确定的视频看点信息；

生成模块，用于根据所有终端确定的视频看点信息生成所述视频对应的视频看点；

其中，所述生成模块，包括：获取单元，用于获取每个终端所在的区域；

分类单元，用于根据每个终端所在的区域将所有终端确定的视频看点信息进行分类；第二生成单元，用于根据每类视频看点信息生成所述视频对应每个所在的区域的视频看点。

9.根据权利要求8所述的服务器，其特征在于，所述生成模块，还包括：

提取单元，用于提取所有终端确定的视频看点信息中包含的共同视频看点信息；

第一生成单元，用于根据所述共同视频看点信息生成所述视频对应的视频看点。

10.根据权利要求8至9中任一权利要求所述的服务器，其特征在于，所述服务器，还包括：

发送模块，用于向每个终端发送每个终端对应的视频看点；

第二接收模块，用于接收每个终端根据所述视频看点返回的反馈信息；

更新模块，用于根据每个终端返回的反馈信息更新所述视频对应的视频看点。

11.一种终端，其特征在于，所述终端包括：

发送模块，用于向服务器发送携带有视频标识信息的视频播放请求；

接收模块，用于接收所述服务器根据所述视频标识信息返回的视频；

播放模块，用于播放所述视频；

采集模块，用于在播放所述视频的过程中采集用户的语音数据；

识别模块，用于识别所述语音数据；

确定模块，用于根据识别结果确定视频看点信息；

提交模块，用于将所述视频看点信息提交至所述服务器，使所述服务器获取每个终端所在的区域，并根据每个终端所在的区域将所有终端确定的视频看点信息进行分类，根据每类视频看点信息生成所述视频对应每个所在的区域的视频看点。

12.根据权利要求11所述的终端，其特征在于，所述识别模块，用于识别所述语音数据中是否存在与预设看点信息模板数据匹配的语音数据；

所述确定模块，用于当所述语音数据中存在与所述预设看点信息模板数据匹配的语音数据时，根据与所述预设看点信息模板数据匹配的语音数据确定视频看点信息。

13.根据权利要求12所述的终端，其特征在于，所述视频看点信息包括所述视频的精彩片段的播放位置和类型；

所述确定模块，包括：

第一确定单元，用于根据与所述预设看点信息模板数据匹配的音频数据确定所述视频的精彩片段；

获取单元，用于获取所述精彩片段的播放位置；

第二确定单元，用于根据预设看点信息模板数据确定所述精彩片段的类型；

第三确定单元，用于根据所述精彩片段的播放位置和类型确定视频看点信息。

14.根据权利要求11所述的终端，其特征在于，所述识别模块，用于识别所述语音数据中是否存在与预设看点信息模板数据匹配的语音数据，并根据所述语音数据识别所述用户的性别信息；

所述确定模块，用于当所述语音数据中存在与所述预设看点信息模板数据匹配的语音数据时，根据与所述预设看点信息模板数据匹配的语音数据以及所述用户的性别信息确定视频看点信息。

15.一种生成视频看点的系统，其特征在于，所述系统包括服务器和至少一个终端；

其中，所述服务器如权利要求8或10中任一项权利要求所述的服务器；

所述至少一个终端中的每个终端如权利要求11至14中任一项权利要求所述的终端。