CN111866404A - 一种视频编辑方法及电子设备 - Google Patents

Abstract

本申请实施例提供一种视频编辑方法及电子设备，该方法包括：电子设备接收用户打开视频编辑功能的第一操作，响应于第一操作，电子设备根据视频预览界面中的图像确定待生成视频的标签和与标签对应的目标视频编辑操作。然后电子设备接收用户的第二操作，响应于第二操作，电子设备在录像过程中对相机所拍摄的第一视频执行所述目标视频编辑操作，生成编辑后的视频。该方法可以简化视频制作的步骤，降低视频制作的难度，提升用户体验。

Description

一种视频编辑方法及电子设备

本申请要求在2019年4月25日提交国家专利局、申请号为201910339885.0、发明名称为“一种视频编辑方法及电子设备”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。

技术领域

本申请涉及终端技术领域，尤其涉及一种视频编辑方法及电子设备。

背景技术

近年来，随着电子产业和通信技术的飞速发展，目前智能终端设备越来越多，例如手机，智能音箱、智能手环等，人们的生活变得越来越智能化。由于手机的便携性，且可以从应用商店上下载各种功能的应用软件，所以手机已经成为人们日常生活中必不可少的必备品。

基于互联网的发展，手机用户倾向于利用互联网分享和传播个性化的内容，例如手机用户在微博上发布视频或者照片。其中，手机用户在分享视频前，常常会为待分享的视频添加一些个性化的编辑内容，如添加字幕，添加音频，增加特效，多个视频合成、转场、滤镜或者故事封面等。目前手机用户主要依赖自身的经验对视频进行手动编辑。例如用户根据自己的经验为每个素材加入特效、滤镜、美化以及转场等。一般来说，视频制作过程包括用户选择视频素材，然后用户根据视频素材选择对应的编辑操作工具，最终才能生成编辑后的视频。可见，这一视频制作过程较为专业和复杂，对普通手机用户来说，视频制作门槛太高，用户体验不佳。

发明内容

本申请提供一种视频编辑方法及电子设备，用以简化视频编辑操作步骤，从而降低视频制作难度，提升用户的使用体验。

第一方面，本申请实施例提供了一种视频编辑方法，所述方法适用于电子设备，该方法包括：首先电子设备接收用户打开视频编辑功能的第一操作，响应于第一操作，电子设备根据拍照预览界面中的图像，确定待生成视频的标签和与该标签对应的目标视频编辑操作。然后电子设备接收用户的第二操作,响应于该第二操作，在拍照过程中，电子设备对相机所拍摄的至少一张照片执行对应的目标视频编辑操作，生成编辑后的视频。

在另一种可能的实施例中，上述确定待生成视频的标签和与该标签对应的目标视频编辑操作的步骤也可以发生在接收用户的第二操作之后，也就是说当电子设备接收用户的第二操作之后，响应于第二操作，根据相机所拍摄的K张照片，确定待生成视频的标签和与该标签对应的目标视频编辑操作。

在另一种可能的实施例中，电子设备接收的第二操作可以是用户作用于具有视频编辑功能的拍照控件的操作。然后电子设备根据拍照预览界面中的图像，或者相机所拍摄的K张照片，确定待生成视频的标签和与该标签对应的目标视频编辑操作。接着，电子设备响应于该第二操作，在拍照过程中，电子设备对相机所拍摄的至少一张照片执行对应的目标视频编辑操作，生成编辑后的视频。

在上述实施例中，在视频编辑制作过程中用户可以不用手动编辑，达到了一键式视频制作的效果，简化了视频制作的操作步骤，降低了视频制作的难度，提升了用户的体验。

第二方面，本申请实施例提供了一种视频编辑方法，所述方法适用于电子设备，该方法包括：电子设备接收用户打开视频编辑功能的第一操作，电子设备响应于第一操作，根据视频预览界面中的图像，确定待生成视频的标签和与所述标签对应的目标视频编辑操作，电子设备接收用户的第二操作，响应于该第二操作，在录像过程中，电子设备对相机所录制的视频执行对应的目标视频编辑操作，生成编辑后的视频。

在另一种可能的实施例中，确定待生成视频的标签和与该标签对应的目标视频编辑操作的步骤也可以发生在接收用户的第二操作之后，也就是说当电子设备接收用户的第二操作之后，响应于第二操作，根据相机所录制的视频中的N帧图像，确定待生成视频的标签和与所述标签对应的目标视频编辑操作。

在另一种可能的实施例中，电子设备接收的第二操作可以是用户作用于具有视频编辑功能的录像控件的操作。然后电子设备根据视频预览界面中的图像，或者相机所录制的视频的N帧图像，确定待生成视频的标签和与所述标签对应的目标视频编辑操作。接着，电子设备响应于该第二操作，在录像过程中，电子设备对相机所录制的视频执行对应的目标视频编辑操作，生成编辑后的视频。

在上述实施例中，在视频编辑制作过程中用户可以不用手动编辑，达到了一键式视频制作的效果，简化了视频制作的操作步骤，降低了视频制作的难度，提升了用户的体验。

在一种可能的实施例中，当相机所录制的视频是第一视频时，电子设备根据第一视频的标签，以及N个参考视频的标签，按照公式二计算第一视频与每个参考视频的相似度，然后根据第一视频和各个参考视频的相似度，以及各个参考视频和第一视频编辑操作的匹配度，按照公式一计算第一视频和第一视频编辑操作的匹配度。当第一视频和第一视频编辑操作的匹配度大于设定阈值时，确定所述第一视频编辑操作为目标视频编辑操作。

本申请实施例中，按照上述方法可以准确地确定出目标视频编辑操作。

在一种可能的实施例中，电子设备可以预先获取M个视频样本，以及获取用户对M个视频样本中的每个样本的设置的标签和对每个样本的视频编辑操作；然后根据所述用户对每个样本的设置的标签和所述用户对每个样本的视频编辑操作，训练得到视频编辑模型。这样，电子设备可以将视频预览界面中图像输入至视频编辑模型，获取视频编辑模型输出的待生成视频的标签和与所述标签对应的目标视频编辑操作。

本申请实施例中，按照上述方法可以提高视频编辑的处理效率，以及可以实现准确地确定出目标视频编辑操作。

第三方面，本申请实施例提供了一种视频编辑方法，所述方法适用于电子设备，该方法包括：电子设备首先接收用户对视觉素材的编辑指令，其中，视觉素材可以是视频，或者视频和照片，或者是照片。响应于该编辑指令，电子设备根据该视觉素材的至少一帧图像确定待生成视频的标签和与所述标签对应的目标视频编辑操作。然后电子设备根据待生成视频的标签获取多媒体数据，并对该视觉素材和多媒体数据执行目标视频编辑操作，生成编辑后的视频。

在本申请实施例中，在视频编辑制作过程中用户可以不用手动编辑，达到了一键式视频制作的效果，简化了视频制作的操作步骤，降低了视频制作的难度，提升了用户的体验。

在一种可能的实施例中，当视觉素材是第一视频时，电子设备根据第一视频的标签，以及N个参考视频的标签，按照公式二计算第一视频与每个参考视频的相似度，然后根据第一视频和各个参考视频的相似度，以及各个参考视频和第一视频编辑操作的匹配度，按照公式一计算第一视频和第一视频编辑操作的匹配度。当第一视频和第一视频编辑操作的匹配度大于设定阈值时，确定所述第一视频编辑操作为目标视频编辑操作。

本申请实施例中，按照上述方法可以准确地确定出目标视频编辑操作。

在一种可能的实施例中，电子设备可以预先获取M个视频样本，以及获取用户对M个视频样本中的每个样本的设置的标签和对每个样本的视频编辑操作；然后根据所述用户对每个样本的设置的标签和所述用户对每个样本的视频编辑操作，训练得到视频编辑模型。这样，电子设备可以将视频预览界面中图像输入至视频编辑模型，获取视频编辑模型输出的待生成视频的标签和与所述标签对应的目标视频编辑操作。

本申请实施例中，按照上述方法可以提高视频编辑的处理效率，以及可以实现准确地确定出目标视频编辑操作。

第四方面，本申请实施例提供一种电子设备，包括处理器和存储器。其中，存储器用于存储一个或多个计算机程序；当存储器存储的一个或多个计算机程序被处理器执行时，使得该电子设备能够实现上述任一方面的任意一种可能的设计的方法。

第五方面，本申请实施例还提供一种装置，该装置包括执行上述任一方面的任意一种可能的设计的方法的模块/单元。这些模块/单元可以通过硬件实现，也可以通过硬件执行相应的软件实现。

第六方面，本申请实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质包括计算机程序，当计算机程序在电子设备上运行时，使得所述电子设备执行上述任一方面的任意一种可能的设计的方法。

第七方面，本申请实施例还提供一种包含计算机程序产品，当所述计算机程序产品在终端上运行时，使得所述电子设备执行上述任一方面的任意一种可能的设计的方法。

本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。

附图说明

图1为本申请实施例提供的一种网络架构示意图；

图2为本申请实施例提供的一种手机的结构示意图；

图3为本申请实施例提供的拍摄功能的工作流程示意图；

图4a至图4e为本申请实施例提供的一组界面示意图；

图5a至图5f为本申请实施例提供的另一组界面示意图；

图6a和图6b为本申请实施例提供的一种视频编辑方法流程示意图；

图7a和图7b为本申请实施例提供的另一组界面示意图；

图8为本申请实施例提供的一种视频编辑方法流程示意图；

图9a至9c为本申请实施例提供的另一组界面示意图；

图10为本申请实施例提供的一种视频编辑方法流程示意图；

图11a至图11g为本申请实施例提供的另一组界面示意图；

图12为本申请实施例提供的一种视频编辑模型运行方式示意图；

图13为本申请实施例提供的一种视频渲染方式示意图；

图14为本申请实施例提供的一种电子设备结构示意图。

具体实施方式

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描述。其中，在本申请实施例的描述中，以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。

如图1所示，为本申请实施例提供的一种网络架构示意图，该网络架构中包括终端设备100和服务器200。终端设备100和服务器200基于通信网络建立连接。该通信网络可以是局域网，也可以是通过中继(relay)设备转接的广域网，或者可以是同时包括局域网和广域网。当该通信网络为局域网时，示例性的，该通信网络可以是wifi热点网络、wifi P2P网络、蓝牙网络、zigbee网络或近场通信(near field communication，NFC)网络等近距离通信网络。当该通信网络为广域网时，示例性的，该通信网络可以是第三代移动通信技术(3rd-generation wireless telephone technology，3G)网络、第四代移动通信技术(the4th generation mobile communication technology，4G)网络、第五代移动通信技术(5th-generation mobile communication technology，5G)网络、未来演进的公共陆地移动网络(public land mobile network，PLMN)或因特网等。

在图1所示的场景中，服务器200可以是部署在远端的服务器，也可以是网络中设置的可以提供业务的服务器，该服务器具有视频处理功能以及数据计算功能，例如服务器可以执行视频编辑、视频分类等功能。服务器200可以是超多核服务器、部署有图形处理器(graphics processing unit，GPU)集群的计算机、大型的分布式计算机、硬件资源池化的集群计算机等等。

在本申请一种实施例中，服务器200保存有终端设备100所需的视频数据，并在接收到来自终端设备100的下载视频请求后，向终端设备100发送与请求中的视频地址对应的视频。终端设备100在获得视频数据后，对视频进行分类或编辑、显示等操作。需要说明的是，终端设备100也可以直接对自身存储的视频数据进行分类或编辑、显示等操作。

在本申请另一种实施例中，服务器200保存有终端设备100所需的视频数据。当用户查看终端设备上的视频或者图像，并下发编辑操作指令后，终端设备将视频编辑请求发送至服务器侧，服务器接收到来自终端设备100的视频编辑请求后，获取与请求中的地址对应的视频，并对其进行编辑，并将编辑后的视频发送至终端设备。终端设备100在获得视频数据后，对编辑后的视频进显示操作。

本申请中的终端设备100，又可称之为用户设备(user equipment，UE)，可以部署在陆地上，包括室内或室外、手持或车载；也可以部署在水面上(如轮船等)；还可以部署在空中(例如飞机、气球和卫星上等)。终端设备可以是手机(mobile phone)、平板电脑(pad)、具备无线通讯功能的可穿戴设备(如智能手表)、带无线收发功能的电脑、虚拟现实(virtual reality，VR)设备、增强现实(augmented reality，AR)设备、工业控制(industrial control)中的无线设备、无人驾驶(self driving)中的无线设备、远程医疗(remote medical)中的无线设备、智能电网(smart grid)中的无线设备、运输安全(transportation safety)中的无线设备、智慧城市(smart city)中的无线设备、智慧家庭(smart home)中的无线设备等等。

以终端设备是手机为例，图2示出了手机100的结构示意图。

手机100可以包括处理器110，外部存储器接口120，内部存储器121，USB接口130，充电管理模块140，电源管理模块141，电池142，天线1，天线2，移动通信模块151，无线通信模块152，音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，传感器模块180，按键190，马达191，指示器192，摄像头193，显示屏194，以及SIM卡接口195等。其中传感器模块180可以包括陀螺仪传感器180A，加速度传感器180B，接近光传感器180G、指纹传感器180H，触摸传感器180K、转轴传感器180M(当然，手机100还可以包括其它传感器，比如温度传感器，压力传感器、距离传感器、磁传感器、环境光传感器、气压传感器、骨传导传感器等，图中未示出)。

可以理解的是，本发明实施例示意的结构并不构成对手机100的具体限定。在本申请另一些实施例中，手机100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。

处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processingunit，GPU)，图像信号处理器(image signal processor,ISP)，控制器，存储器，视频编解码器，数字信号处理器(digital signal processor,DSP)，基带处理器，和/或神经网络处理器(Neural-network Processing Unit,NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。其中，控制器可以是手机100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。

处理器110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据，可从所述存储器中直接调用。避免了重复存取，减少了处理器110的等待时间，因而提高了系统的效率。

处理器110可以运行本申请实施例提供的视频编辑方法，以简化视频制作的步骤，降低视频制作的难度。当处理器110集成不同的器件，比如集成CPU和GPU时，CPU和GPU可以配合执行本申请实施例提供的视频编辑方法，比如视频编辑方法中部分算法由CPU执行，另一部分算法由GPU执行，以得到较快的处理效率。

显示屏194用于显示图像，视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)，有机发光二极管(organic light-emittingdiode，OLED)，有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的，AMOLED)，柔性发光二极管(flex light-emittingdiode，FLED)，Miniled，MicroLed，Micro-oLed，量子点发光二极管(quantum dot lightemitting diodes，QLED)等。在一些实施例中，手机100可以包括1个或N个显示屏194，N为大于1的正整数。

摄像头193(前置摄像头或者后置摄像头，或者一个摄像头既可作为前置摄像头，也可作为后置摄像头)用于捕获静态图像或视频。通常，摄像头193可以包括感光元件比如镜头组和图像传感器，其中，镜头组包括多个透镜(凸透镜或凹透镜)，用于采集待拍摄物体反射的光信号，并将采集的光信号传递给图像传感器。图像传感器根据所述光信号生成待拍摄物体的原始图像。

手机可以通过摄像头193、ISP、DSP、视频编解码器、显示屏194以及应用处理器等实现拍摄功能。示例性地，如图3所示，摄像头193包括镜头和图像传感器。其中，镜头用于汇聚光线，以采集光学图像。物体通过镜头采集的光学图像投射到图形传感器成像。需要说明的是，镜头可以为标准镜头，也可以为变形镜头，还可以为其它特性的镜头，对此不作限定。ISP接收到电信号后，可以将电信号转化为数字图像信号。ISP可以将数字图像信号发送给图像处理器进行后期的图像处理，如视频色彩增强、视频去噪处理和渲染、转场等。需要说明的是，图像处理器可以为DSP，也可以为其它用于进行图像处理的器件。此外，ISP还可以在得到数字图像信号后，直接进行后期图像处理，例如对图像的噪点、亮度、色彩进行算法优化。在一些实施例中，ISP还可以对拍摄场景的曝光、色温等参数优化。在一些实施例中，ISP可以设置在摄像头193中的图像传感器中。在对数字图像信号进行后期的图像处理后，将处理后的数字图像信号输出到视频编解码器中进行压缩编码。

内部存储器121可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令，从而执行手机100的各种功能应用以及数据处理。内部存储器121可以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，应用程序(比如相机应用，微信应用等)的代码等。存储数据区可存储手机100使用过程中所创建的数据(比如相机应用采集的图像、视频等)等。

内部存储器121还可以存储本申请实施例提供的防误触算法的代码。当内部存储器121中存储的防误触算法的代码被处理器110运行时，可以对折叠或者展开过程中的触摸操作进行屏蔽。

此外，内部存储器121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，通用闪存存储器(universal flash storage，UFS)等。

当然，本申请实施例提供的用于实现视频编辑的算法的代码还可以存储在外部存储器中。这种情况下，处理器110可以通过外部存储器接口120运行存储在外部存储器中算法的代码，实现对视频进行编辑。

下面介绍传感器模块180的功能。

陀螺仪传感器180A，可以用于确定手机100的运动姿态。在一些实施例中，可以通过陀螺仪传感器180A确定手机100围绕三个轴(即，x，y和z轴)的角速度。即陀螺仪传感器180A可以用于检测手机100当前的运动状态，比如抖动还是静止。

加速度传感器180B可检测手机100在各个方向上(一般为三轴)加速度的大小。即陀螺仪传感器180A可以用于检测手机100当前的运动状态，比如抖动还是静止。

接近光传感器180G可以包括例如发光二极管(LED)和光检测器，例如光电二极管。发光二极管可以是红外发光二极管。手机通过发光二极管向外发射红外光。手机使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时，可以确定手机附近有物体。当检测到不充分的反射光时，手机可以确定手机附近没有物体。

陀螺仪传感器180A(或加速度传感器180B)可以将检测到的运动状态信息(比如角速度)发送给处理器110。处理器110基于运动状态信息确定当前是手持状态还是脚架状态(比如，角速度不为0时，说明手机100处于手持状态)。

指纹传感器180H用于采集指纹。手机100可以利用采集的指纹特性实现指纹解锁，访问应用锁，指纹拍照，指纹接听来电等。

触摸传感器180K，也称“触控面板”。触摸传感器180K可以设置于显示屏194，由触摸传感器180K与显示屏194组成触摸屏，也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中，触摸传感器180K也可以设置于手机100的表面，与显示屏194所处的位置不同。

示例性的，手机100的显示屏194显示主界面，主界面中包括多个应用(比如相机应用、微信应用等)的图标。用户通过触摸传感器180K点击主界面中相机应用的图标，触发处理器110启动相机应用，打开摄像头193。显示屏194显示相机应用的界面，例如取景界面。

手机100的无线通信功能可以通过天线1，天线2，移动通信模块151，无线通信模块152，调制解调处理器以及基带处理器等实现。

天线1和天线2用于发射和接收电磁波信号。手机100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。例如：可以将天线1复用为无线局域网的分集天线。在另外一些实施例中，天线可以和调谐开关结合使用。

移动通信模块151可以提供应用在手机100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块151可以包括至少一个滤波器，开关，功率放大器，低噪声放大器(lownoise amplifier，LNA)等。移动通信模块151可以由天线1接收电磁波，并对接收的电磁波进行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块151还可以对经调制解调处理器调制后的信号放大，经天线1转为电磁波辐射出去。在一些实施例中，移动通信模块151的至少部分功能模块可以被设置于处理器110中。在一些实施例中，移动通信模块151的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。

调制解调处理器可以包括调制器和解调器。其中，调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后，被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A，受话器170B等)输出声音信号，或通过显示屏194显示图像或视频。在一些实施例中，调制解调处理器可以是独立的器件。在另一些实施例中，调制解调处理器可以独立于处理器110，与移动通信模块151或其他功能模块设置在同一个器件中。

无线通信模块152可以提供应用在手机100上的包括无线局域网(wireless localarea networks，WLAN)(如无线保真(wireless fidelity，Wi-Fi)网络)，蓝牙(bluetooth，BT)，全球导航卫星系统(global navigation satellite system，GNSS)，调频(frequencymodulation，FM)，近距离无线通信技术(near field communication，NFC)，红外技术(infrared，IR)等无线通信的解决方案。无线通信模块152可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块152经由天线2接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器110。无线通信模块152还可以从处理器110接收待发送的信号，对其进行调频，放大，经天线2转为电磁波辐射出去。

另外，手机100可以通过音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，以及应用处理器等实现音频功能。例如音乐播放，录音等。手机100可以接收按键190输入，产生与手机100的用户设置以及功能控制有关的键信号输入。手机100可以利用马达191产生振动提示(比如来电振动提示)。手机100中的指示器192可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。手机100中的SIM卡接口195用于连接SIM卡。SIM卡可以通过插入SIM卡接口195，或从SIM卡接口195拔出，实现和手机100的接触和分离。

应理解，在实际应用中，手机100可以包括比图1所示的更多或更少的部件，本申请实施例不作限定。

下面对本申请实施例的视频编辑方法进行详细的说明。

本申请的一种实施例中，电子设备可以实时对摄像头所采集的图像进行自动编辑，例如对所拍摄的视频或者照片进行滤镜、转场、添加背景音乐和字幕等。该方法有助于简化视频编辑操作步骤，降低视频制作的难度，提升用户体验。本申请实施例可以应用于具有拍摄功能的应用中，例如相机应用或者具有视频拍摄功能的即时消息应用中。以下内容以相机应用为例，对本申请实施例所提供的视频编辑方法的应用场景进行详细说明。

示例的，参见图4a，电子设备的显示屏显示的界面400中包括相机图标401。除此之外，界面400还包括其它应用的图标，例如设置图标、备忘录图标、图库图标等，以及状态栏402、可隐藏的导航栏404和Dock栏(快捷菜单栏)403等。电子设备响应于用户在相机图标401上的操作(例如点击操作)，启动相机图标401对应的相机应用，显示拍照预览界面，如图4b所示，其中，拍照预览界面上显示的是摄像头193实时采集的图像。

第一方面，当用户希望实现将所拍摄的图像实时进行编辑，得到编辑后的视频时，用户可以选择启动视频编辑功能。示例性地，当电子设备检测到用户在“更多”控件411上的点击操作时，则显示如图4c所示的界面420，在该界面上设置有AI编辑421控件。当用户点击AI编辑控件421时，电子设备显示如图4d所示的界面430。这时电子设备启动了该视频编辑功能，也就是说电子设备会对实时拍摄的图像进行自动编辑。当电子设备启动了该视频编辑功能之后，电子设备根据预览界面中的图像确定待生成视频的标签和与待生成视频的标签所对应的目标视频编辑操作。当电子设备检测到用户作用于界面430上的拍照431控件的点击操作时，则在拍照过程中对相机所拍摄的多张照片或一张照片执行对应的目标视频编辑操作，并生成编辑后的视频。其中，一种可能的实现是，电子设备根据预览界面中的图像确定待生成视频的标签，然后根据待生成视频的标签确定出与之对应的目标视频编辑操作。另一种可能的实现是，电子设备根据相机所拍摄的N帧图像确定待生成视频的标签，然后根据待生成视频的标识确定出与之对应的目标视频编辑操作。

在另一种可能的实施例中，当用户希望实现将所拍摄的图像实时进行编辑，得到编辑后的视频时，用户也可以选择操作图4b中的具有视频编辑功能的拍照控件413。当电子设备检测到用户作用于界面410上的拍照控件413的点击操作时，则在拍照过程中对相机所拍摄的多张照片或一张照片执行对应的目标视频编辑操作，并生成编辑后的视频。

第二方面，当用户希望实现将所拍摄的视频实时进行编辑，得到编辑后的视频时，用户可以选择操作图4d所示的录像控件432。当电子设备检测到用户作用于界面430上的录像控件432的点击操作时，则在录像过程中对相机所拍摄的第一视频执行对应的目标视频编辑操作，并生成编辑后的视频。其中，一种可能的实现是，电子设备根据预览界面中的图像确定待生成视频的标签，然后根据待生成视频的标签确定出与之对应的目标视频编辑操作。另一种可能的实现是，电子设备根据相机所录制第一视频中的N帧图像确定待生成视频的标签，然后根据待生成视频的标识确定出与之对应的目标视频编辑操作。

在另一种可能的实施例中，当用户希望实现将所拍摄的视频实时进行编辑，得到编辑后的视频时，用户也可以选择操作图4e中的具有视频编辑功能的录像控件413。示例性，当电子设备检测到用户作用于图4b中的录像控件412的操作时，电子设备的显示屏上显示视频预览界面440，参见图4e所示。其中视频预览界面上显示的是摄像头193实时采集的图像。当电子设备检测到用户作用于界面440上的具有视频编辑功能的录像控件442的点击操作时，则在录像过程中实时对所录制的第一视频执行对应的目标视频编辑操作，并生成编辑后的第二视频。

需要说明的是，上文中用户的操作可以是作用于控件上的触摸操作，例如点击、双击或者滑动等操作，也可以是用户的语音指令等。示例性地，用户作用于图4d中的录像控件432的操作可以为点击操作，也可以为用户的语音指令(如“打开录像模式”)，还可以为其它快捷手势操作等。在具体实现时，在一些实施例中预览界面中的图像可以为电子设备的后置摄像头所采集的图像，也可以为前置摄像头所采集的图像。

举例来说，假设电子设备检测到用户作用于界面430上的录像控件432的点击操作，电子设备根据预览界面中图像，识别得到待生成视频的标签为婚礼场景时，则自动对所录制的视频执行与婚礼场景标签对应的目标视频编辑操作。目标视频编辑操作例如包括添加背景音乐“因为爱情”、进行划像转场和添加字幕(例如将爱情进行到底)。最终，当用户录像结束时，电子设备会同时生成编辑后的视频。用户可以在界面上查看编辑后的视频的预览效果，并根据预览效果选择保存或者放弃。也就是说，图5a至图5e所示的操作均由电子设备在后台自动执行，用户不需要进行手动操作。其中，图5a为用户选择转场的操作界面，在图5a中设置有转场控件502、音乐控件503和其它控件504。即用户手动点击“划像转场”控件505后，电子设备才对视频执行与“划像转场”控件505对应的操作。图5b和图5c为用户选择音乐的操作界面，即在图5b中，电子设备检测到用户作用于音乐控件503的点击操作后，显示如图5c所示的界面。在图5c所示的界面中，当电子设备检测到用户作用于“歌曲-因为爱情”的点击操作后，电子设备才在视频添加背景音乐“因为爱情”。图5d为用户选择字幕的操作界面，即当用户点击其它控件504中的添加字幕时，电子设备显示如图5d所示的界面。在图5d所示的界面中，当电子设备检测到用户作用于“文字模板1”的点击操作后，电子设备才在视频中添加字幕。

如图5e所示，电子设备最终制作生成主题为“乔和莎的婚礼现场”的视频。当用户点击播放控件501时，电子设备首先显示如图5e所示的界面，播放过程中还显示如图5f所示的界面。其中，电子设备当前制作的视频中编辑操作是由电子设备自动匹配选择“划像转场”505方式，添加的背景音乐为“因为爱情”等。当然用户也可以根据需要对编辑后的视频进行手动编辑，例如将转场方式修改为淡入淡出模式，或者将音乐修改为“今天我要嫁给你啦”等。

为了实现上述第一方面对应的场景所示的视频编辑功能，本申请实施例提供一种视频编辑方法，该方法由电子设备执行，应用于具有拍摄功能的应用中，具体步骤参见图6a。

步骤601a，电子设备接收用户打开视频编辑功能的第一操作。

其中，该电子设备上包括摄像头和显示屏。示例性地，当该方法应用于相机应用时，电子设备接收的第一操作可以是用户作用于界面420中的AI编辑控件421的点击操作，也可以是用户发出的语音指令获取其它快捷手势等。

步骤602a，电子设备响应于第一操作，根据拍照预览界面中的图像，确定待生成视频的标签和与该标签对应的目标视频编辑操作。

也就是说，电子设备对所拍摄的照片执行目标视频编辑操作之前，电子设备可以利用预先训练得到的识别算法识别拍照预览界面中的图像，确定视频的标签。

其中，视频的标签例如可以为人物、地点、文本、风景、建筑物等。进一步地，电子设备利用预先训练的编辑推荐算法，确定与该视频的标签对应的目标视频编辑操作，其中目标视频编辑操作可以是包括至少一个视频编辑操作的集合。例如目标视频编辑操作包括转场、滤镜、添加音乐或者添加字幕中的至少一种操作。其中，每种视频编辑操作还可以包含多个不同编辑候选(如滤镜1、滤镜2、滤镜3等)。

步骤603a，电子设备接收用户的第二操作。

示例性地，当该方法应用于相机应用时，电子设备接收的第二操作可以是用户作用于界面430中的录像控件431的点击操作，也可以是用户发出的语音指令或者其它快捷手势等。

步骤604a，响应于该第二操作，在拍照过程中，电子设备对相机所拍摄的至少一张照片执行对应的目标视频编辑操作，生成编辑后的视频。

在另一种可能的实施例中，上述步骤602a可以发生在步骤603a之后，且在步骤604a之前，其中步骤602a可以被替换为电子设备响应于第二操作，根据相机所拍摄的K(K大于等于1)张照片，确定待生成视频的标签和与该标签对应的目标视频编辑操作。

在另一种可能的实施例中，上述步骤601a和步骤602a可以不执行，电子设备先执行步骤603a，其中，该实施例中，步骤603a中的第二操作是用户作用于具有视频编辑功能的拍照控件的操作。例如，第二操作可以是电子设备所检测到用户作用于界面410中的控件413的点击操作。然后电子设备根据拍照预览界面中的图像，或者相机所拍摄的K张照片，确定待生成视频的标签和与该标签对应的目标视频编辑操作。接着，电子设备执行步骤604a。

也就是说，本申请实施例中，电子设备对拍照预览界面中的图像进行识别，或者对相机所拍摄的K张照片进行识别，确定当前图像对应视频的标签，然后根据该视频的标签匹配出目标视频编辑操作，目标视频编辑操作例如包括转场、滤镜、添加音乐、添加字幕等操作。然后电子设备在拍摄照片的过程中，对拍摄的照片执行该目标视频编辑操作，得到编辑后的视频。可见，在本申请实施例中，在视频编辑制作过程中用户可以不用手动编辑，达到了一键式视频制作的效果，简化了视频制作的操作步骤，降低了视频制作的难度，提升了用户的体验。

为了实现上述第二方面对应的场景所示的视频编辑功能，本申请实施例提供一种视频编辑方法，该方法由电子设备执行，应用于具有拍摄功能的应用中，具体步骤参见图6b。

步骤601b，电子设备接收用户打开视频编辑功能的第一操作。

其中，该电子设备上包括摄像头和显示屏。示例性地，当该方法应用于相机应用时，电子设备接收的第一操作可以是用户作用于界面420中的AI编辑控件421的点击操作，也可以是用户发出的语音指令获取其它快捷手势等。

步骤602b，电子设备响应于第一操作，根据视频预览界面中的图像，确定待生成视频的标签和与该标签对应的目标视频编辑操作。

也就是说，电子设备对所拍摄的视频执行目标视频编辑操作之前，电子设备可以利用预先训练得到的识别算法识别视频预览界面中的图像，确定视频的标签。

其中，视频的标签例如可以为人物、地点、文本、风景、建筑物等。进一步地，电子设备利用预先训练的编辑推荐算法，确定与该视频的标签对应的目标视频编辑操作，其中目标视频编辑操作可以是包括至少一个视频编辑操作的集合。例如目标视频编辑操作包括转场、滤镜、添加音乐或者添加字幕中的至少一种操作。其中，每种视频编辑操作还可以包含多个不同编辑候选(如滤镜1、滤镜2、滤镜3等)。

步骤603b，电子设备接收用户的第二操作。

示例性地，当该方法应用于相机应用时，电子设备接收的第二操作可以是用户作用于界面430中的录像控件432的点击操作，也可以是用户发出的语音指令或者其它快捷手势等。

步骤604b，响应于该第二操作，在录像过程中，电子设备对相机所录制的视频执行对应的目标视频编辑操作，生成编辑后的视频。

在另一种可能的实施例中，上述步骤602b可以发生在步骤603b之后，且在步骤604b之前，其中步骤602b可以被替换为电子设备响应于第二操作，根据相机所录制的视频中的N帧图像，确定待生成视频的标签和与该标签对应的目标视频编辑操作。

在另一种可能的实施例中，上述步骤601b和步骤602b可以不执行，电子设备先执行步骤603b，其中，该实施例中，第二操作是用户作用于具有视频编辑功能的录像控件的操作。例如，第二操作可以是电子设备所检测到用户作用于界面440中的控件442的点击操作。然后电子设备根据视频预览界面中的图像，或者相机所录制的视频中的N帧图像，确定待生成视频的标签和与该标签对应的目标视频编辑操作。接着，电子设备执行步骤604b。

也就是说，本申请实施例中，电子设备通过对视频预览界面中的图像进行识别，或者通过对相机所录制的视频中的N帧图像进行识别，确定当前图像对应视频的标签，然后根据该视频的标签匹配出目标视频编辑操作，目标视频编辑操作例如包括转场、滤镜、添加音乐、添加字幕等操作。然后电子设备在拍摄视频的过程中，对拍摄的视频执行该目标视频编辑操作，得到编辑后的视频。可见，在本申请实施例中，在视频编辑制作过程中用户可以不用手动编辑，达到了一键式视频制作的效果，简化了视频制作的操作步骤，降低了视频制作的难度，提升了用户的体验。

在一种可能的实施例中，在图6a或者图6b所示的步骤中，电子设备在确定出与该标签对应的目标视频编辑操作之后，还可以将目标视频编辑操作的各个操作通过弹框或其它方式以列表的形式显示在界面上，以便于用户从中筛选某一项或某几项操作。该实施例中，由于在视频制作中用户参与进行人工选择，所以最终生成的第二视频也更加贴合用户的需求，一定程度上可以提高视频制作效果。

在一种可能的实施例中，电子设备在执行上述步骤之前，可以先利用视频样本集合训练生成视频编辑模型，具体地，预先获取M个视频样本，M为大于或等于2的整数；然后获取用户对M个视频样本中的每个样本的设置的标签和对每个样本的视频编辑操作；最终根据所述用户对每个样本的设置的标签和所述用户对每个样本的视频编辑操作，训练得到视频编辑模型。其中，视频编辑模型可以是神经网络。例如该神经网络可以是卷积神经网络、长短时循环神经网络等。具体地，在训练神经网络时，先向该神经网络输入视频样本集合，然后利用反向传播算法和梯度下降类方法学习模型参数，得到视频编辑模型。

其中，视频编辑模型中可以集成有识别算法和编辑推荐算法。其中，识别算法用于识别输入至视频编辑模型的待生成视频的标签，待生成视频的标签可以包括图像的标签和用户的标签，编辑推荐算法用于利用识别算法所输出的图像的标签和用户的标签，匹配与输入至视频编辑模型的视频相对应的目标视频编辑操作。其中，图像的标签包括场景(例如风景、家、办公室、室外灯)、人物(例如大人、小孩、老人、人脸)、情感(例如敌意、暧昧、温馨等)、事件(例如节日、婚庆、丧事等)、关系(例如夫妻、师生、朋友等)等特征。用户的标签则包括用户的画像特征(例如年龄、性别、爱好等)和用户的视频编辑习惯(例如磨皮、滤镜)等。本申请实施例中的待生成视频的标签可以包括上述多个维度的特征，比如说，第一待生成视频的标签可表示为V＝{v1,v2,v3,v4,…vn}。其中，v1指人物是小孩，v2指地点是家，v3指性别是女孩，v4指用户的编辑操作习惯是磨皮。

具体地，识别算法可以具体包括场景识别算法、美学评分算法、人物关系识别算法或者视频情感识别算法中的至少一种。编辑推荐算法可以具体包括协同过滤推荐算法、基于内容的推荐算法、基于标签的推荐算法、基于关联规则的推荐算法或者基于知识的推荐算法中的至少一种。需要说明的是，视频样本集合中存储有用户的历史编辑操作，以便于训练编辑推荐算法，使得编辑推荐算法可以输出符合用户个性化的操作。

如下，以协同过滤推荐算法为例进行说明。假设视频i的标签表示为

训练集中N个匹配有视频编辑操作的参考视频，其中，训练集中的参考视频j的标签表示为

其中，j为0到N中的任意一个数。需要说明的是，训练集中的参考视频可以存储的是参考视频的标签，也可以是电子设备通过网络从应用服务器侧下载的视频和视频的标签，或者是用户编辑过的历史视频和历史视频的标签。一方面，在用户刚开始使用电子设备时，电子设备中并不存在用户编辑过的历史视频和历史视频的标签，这时电子设备可以从应用服务器上下载其它用户已匹配有视频编辑操作的视频和视频的标签，将这些视频和视频的标签存储在训练集中，并执行如下步骤。或者是，电子设备将视频i的标签发送至应用服务器侧，由应用服务器执行如下步骤。另一方面，用户连续使用电子设备一段时间以后，该用户编辑过的历史视频和历史视频的标签被存储在训练集中，电子设备利用训练集中参考视频执行如下步骤。

步骤a，按照公式一计算视频i和参考视频j的相似度为w_ij。

其中，V_i∩V_j表示视频i的标签和参考视频j的标签取交集之后的相同标签数目，V_i∪V_j表示视频i的标签和参考视频j的标签取并集之后的标签总数。

步骤b，按照公式二根据视频i和参考视频j的相似度为w_ij和参考视频j和第一视频编辑操作的匹配度，计算视频i和视频第一视频编辑操作的匹配度为：

其中，j从0至N，i为第一视频的标识，e为第一视频编辑操作的标识，w_ij是第一视频和参考视频j的相似度，r_je是参考视频j和第一视频编辑操作的匹配度，p_ie为第一视频和第一视频编辑操作的匹配度；其中，第一视频编辑操作为任意一个视频编辑操作。

也就是说，如果视频i与编辑e匹配度越大，则说明越相似，越有可能被推荐该编辑e。同样地，其它编辑操作也适用于上述公式。

步骤c，按照步骤b的公式计算视频i与每种视频编辑操作的匹配度之后，确定出匹配度大于第二设定阈值的视频编辑操作为目标视频编辑操作。

例如，p_ie归一化之后的值大于等于第一设定阈值(例如0.6)，则认为第一视频编辑操作是视频i的目标视频编辑操作。

在本申请实施例中，因电子设备是对自身所拍摄的视频执行视频编辑，所以电子设备可以是图1中的终端设备，在视频编辑过程中，终端设备可以不与服务器进行交互。

在一种可能的实施例中，电子设备可以向第三方应用提供接口，第三方应用可以调用相机应用中用于实现上述视频编辑方法的接口，实现对所拍摄的视频进行自动编辑操作，得到编辑后的视频。示例性地，电子设备显示如图7a所示的界面，即在微信应用运行过程中，电子设备接收其它用户的视频通话请求，当电子设备检测到用户作用于接听701控件的点击操作，电子设备与另一电子设备建立了视频通话连接。在视频通话过程中，电子设备可以调用本申请实施例中的视频编辑方法的接口，实现对视频界面中的图像进行自动编辑操作，如图7b所示，视频中的人物的头像为猫头头像。当用户关闭视频编辑功能时，例如用户点击AI编辑控件711，电子设备不再对当前视频画面中的图像进行自动编辑。另外，该实施例中，若第三方应用是即时消息类应用，则可以在完成短视频制作之后直接分享给其它用户，使得视频制作和分享的操作简单高效，提升了用户的使用体验。

本申请还提供一种视频编辑方法，该方法可以对电子设备中已存储的视频或者照片进行视频编辑处理，该方法中用户只需要确定出待编辑的视觉素材，并发出编辑指令，电子设备就可以自动匹配和执行与之对应的视频编辑操作，该方法一定程度上简化了视频编辑制作的步骤，降低了视频制作的难度。具体参见图8所示的流程图，步骤如下。

步骤801，电子设备接收用户对视觉素材的编辑指令。

其中，视觉素材可以是视频，或者视频和照片，或者是照片。示例性，当该方法应用于电子设备的图库应用时，如图9a所示，电子设备接收用户作用于界面900中的图库图标901的点击操作，显示如图9b所示的界面920。用户希望对图9b中的第一视频进行视频编辑，因此长按第一视频的缩略图921，电子设备从图9b切换至图9c所示的界面930。在图9c中，当电子设备检测到用户作用于AI编辑931控件的点击操作时，等于电子设备接收了来自用户的编辑指令。

需要说明的是，上述用户的操作除了点击操作，也可以是用户发出的语音指令或者其它快捷手势等。

步骤802，响应于该编辑指令，电子设备根据该视觉素材的至少一帧图像确定待生成视频的标签和与该标签对应的目标视频编辑操作。

具体地，电子设备可以利用预先训练得到的识别算法识别第一视频的至少一帧画面，确定图像的标签。示例性地，图9中，第一视频为结婚场景的视频。因此电子设备根据第一视频的前几帧图像，确定前几帧图像的标签为结婚场景。进一步地，电子设备再结合用户的编辑习惯和用户画像等确定出用户的标签，最终根据用户的标签和前几帧图像的标签，确定出视频的标签，以及与视频的标签对应的目标视频编辑操作。例如，与第一视频对应的目标视频编辑操作是添加背景音乐“因为爱情”、进行蓝调效果滤镜和添加字幕(例如将爱情进行到底)等。

步骤803，电子设备根据待生成视频的标签获取多媒体数据，并对该视觉素材和多媒体数据执行目标视频编辑操作，生成编辑后的视频。

在一种可能的示例中，多媒体数据可以是电子设备可以根据待生成视频的标签，从当前存储的视频或者照片中获取与该待生成视频的标签相似度大于设定阈值的视频或者照片。例如，例如多媒体数据是与第一视频同一拍摄地点场景的照片，或者是与第一视频的对话情感类型相同的音乐等。针对图9来说，当电子设备接收到用户作用于第一视频的编辑指令后，从图库中获取其它同一天同一地点所拍摄的其它照片或视频。在另一种可能的示例中，多媒体数据还可以是音频数据(例如图9中的背景音乐“因为爱情”)，或者是字幕(例如背景音乐的歌词或者其它祝福类的词语)，还可能是片头或者是视频编辑模板等数据。

换句话来说，参见图10，当用户发出对第一视频的编辑指令时，电子设备根据第一视频确定出待生成视频的标签，进而根据待生成视频的标签确定出目标视频编辑操作(例如特效、转场、滤镜等)，同时获取多媒体数据(例如相关的照片、音乐等)，最终电子设备可以对第一视频和多媒体数据执行该目标视频编辑操作，生成编辑后的视频。针对图9所示的场景来说，最终生成的视频的效果可以如图5e和图5f所示。该方法有助于简化视频制作的操作步骤，降低视频制作的难度，提升用户体验。

在一种可能的实施例中，电子设备除了利用预先训练得到的识别算法识别得到图像的标签，还可以识别得到用户的标签。然后电子设备可以根据图像的标签和用户的标签，确定目标视频编辑操作。其中，图像的标签和用户的标签的具体类型可以参见上述实施例的描述，在此不再赘述。

在一种可能的实施例中，电子设备在执行上述步骤之前，可以先利用视频样本集合训练生成视频编辑模型，其中，视频编辑模型可以是神经网络。例如该神经网络可以是卷积神经网络、长短时循环神经网络等。具体地，在训练神经网络时，先向该神经网络输入视频样本集合，然后利用反向传播算法和梯度下降类方法学习模型参数，得到视频编辑模型。其中，视频编辑模型中可以集成有识别算法和编辑推荐算法。识别算法和编辑推荐算法的具体类型和功能可以参考上述实施例的描述，在此不再重复赘述。

在本申请实施例中，电子设备可以是图1中的终端设备。一种实施例中，终端设备可以在接收到编辑指令后，从自身存储的数据中获取多媒体数据，然后对第一视频和多媒体数据执行目标视频编辑操作，也可以在接收到对第一视频的编辑指令后，从服务器获取多媒体数据，然后对第一视频和多媒体数据执行目标视频编辑操作。另一种可能的实施例中，终端设备在接收到对第一视频的编辑指令后，可以将该编辑指令发送至服务器，由服务器确定目标视频编辑操作，以及获取第一视频和多媒体数据，并且服务器对第一视频和多媒体数据执行目标视频编辑操作，并将最终生成的第二视频发送至终端设备。

本申请上述实施例可以应用于存储有照片和视频的应用中，例如图库。以下内容以图库为例，结合具体应用场景对本申请实施例所提供的视频编辑方法进行详细说明。

在一种可能的实施例中，若用户对电子设备自动编辑后的视频效果不满意，则用户可以选择继续对该编辑后的视频进行人工编辑。例如，用户可以对编辑后的视频的时长进行剪辑，添加滤镜效果，调整配乐等操作。示例的，当电子设备对图9示例中的第二视频不满意时，电子设备可以按照图11a至图11g所示的操作进行手动编辑。在一种可能的示例中，参见图11a，当电子设备检测到用户作用于划像转场506控件的点击操作时，则电子设备显示如图11b所示的转场效果。

在另一种可能的示例中，参见图11c，当电子设备检测到用户作用于音乐503控件的点击操作时，电子设备显示如图11d所示的界面。当用户点击向右切换的箭头时，电子设备切换背景音乐为“今天我要嫁给你啦”，如图11e所示。

在另一种可能的示例中，参见图11f，当电子设备检测到用户作用于其它504控件的点击操作时，电子设备显示如图11g所示的界面。在该界面中，用户可以调整滤镜功能的滤镜效果，或者手动编辑添加字幕“百年好合”，其它调整调色板的调色效果等。

在一种可能的示例中，电子设备还可以对存储的视频、照片等视觉素材进行自动编辑，并生成编辑后的视频。具体地，电子设备可以对自身存储的视觉素材进行分类，然后根据分类结果，确定每一类视觉素材的目标视频编辑操作，电子设备对每类视觉素材执行对应的目标视频编辑操作，最终生成编辑后的视频。例如电子设备对图库中同一人物的视频、照片进行滤镜、转场、添加背景音乐和字幕等，生成与该人物相关的编辑后的视频。该方法有助于简化视频编辑操作步骤，降低视频制作的难度，提升用户体验。

结合图12所示，电子设备利用向训练好的视频编辑模型中输入视觉素材训练集合，电子设备会对该视觉素材进行分类，并生成每个类别的标签集合和目标视频编辑操作的映射关系，最终电子设备可以利用该映射关系，对不同类别的视觉素材进行编辑，得到编辑后的视频。

在一种可能的实施例中，电子设备除了利用预先训练得到的识别算法识别得到图像的标签，还可以识别得到用户的标签。然后电子设备可以根据图像的标签和用户的标签，确定目标视频编辑操作。其中，图像的标签和用户的标签的具体类型可以参见上述实施例的描述，在此不再赘述。

在一种可能的实施例中，电子设备在执行上述步骤之前，可以先利用视频样本集合训练生成视频编辑模型，其中，视频编辑模型可以是神经网络。例如该神经网络可以是卷积神经网络、长短时循环神经网络等。具体地，在训练神经网络时，先向该神经网络输入视频样本集合，然后利用反向传播算法和梯度下降类方法学习模型参数，得到视频编辑模型。其中，视频编辑模型中可以集成有识别算法和编辑推荐算法。识别算法和编辑推荐算法的具体类型和功能可以参考上述实施例的描述，在此不再重复赘述。

在本申请实施例中，电子设备可以是图1中的终端设备。一种实施例中，终端设备从自身存储的数据中获取视觉素材，然后对视觉素材进行分类，并执行对应的目标视频编辑操作，终端设备也可以在接收到对第一视频的编辑指令后，从服务器获取其它相关的多媒体数据，然后对每一类视觉素材执行对应的目标视频编辑操作。另一种可能的实施例中，终端设备在接收到对第一视频的编辑指令后，可以将该编辑指令发送至服务器，由服务器确定目标视频编辑操作，以及对每一类视觉素材执行目标视频编辑操作，并将最终生成的编辑后的视频发送至终端设备。

本申请实施例可以应用于存储有照片和视频的应用中，例如图库。以下内容以图库为例，结合具体的应用场景对本申请实施例所提供的视频编辑方法进行详细说明。

示例的，当电子设备处于空闲状态(例如黑屏休眠或者充电状态)时，电子设备对图库中的视觉素材进行自动分类，分类方法可以是按照人物、地点、场景等进行分类，最终得到事物分类后的视频和照片。进一步地，电子设备对同一类的视觉素材进行自动编辑，即电子设备确定与该类视觉素材对应的目标视频编辑操作，并对该类视觉素材执行该目标视频编辑操作，最终生成编辑后的视频。若用户对电子设备自动编辑后的视频效果不满意，则用户可以选择继续对该视频进行手动编辑，具体手动编辑的方式可以参见上述实施例所示，此处不再重复赘述。

在一种可能的实施例中，参见图13所示，当电子设备按照上述方式目标视频编辑操作得到视频序列和音频序列之后，电子设备可以将编辑后的视频序列以视频帧的形式进入视频渲染引擎模块，生成预览视频，再通过视频编码模块，将视频帧进行编码压缩；另外电子设备将音频序列进入混音引擎模块进行音频帧的渲染和播放预览，并通过音频编码模块将音频帧进行编码压缩，与编码的视频帧一起打包封装成一定格式(如MP4\AVI等)的视频并导出，最终合成编辑后的视频。

综上，本申请实施例可以通过对电子设备中的视觉素材进行分类，然后根据分类结果，确定每一类视觉素材的目标视频编辑操作，电子设备对每类视觉素材执行对应的目标视频编辑操作，最终生成编辑后的视频。该方法有助于简化视频编辑操作步骤，降低视频制作的难度，提升用户体验。

需要说明的是，上述各种视频编辑方法也同样可以适用于对音频素材进行编辑，例如根据音频的识别结果，推荐音效渲染效果。在一种可能的实现中，本申请实施例还可以利用识别算法的识别结果对电子设备中的视频审查，例如当用户上传编辑后的视频时，电子设备根据审查结果自动提醒用户是否需要继续上传。

在本申请的另一些实施例中，本申请实施例公开了一种电子设备，如图14所示，该电子设备可以包括：触摸屏1401，其中，该触摸屏1401包括触控面板1406和显示屏1407；一个或多个处理器1402；存储器1403；一个或多个应用程序(未示出)；以及一个或多个计算机程序1404、上述各器件可以通过一个或多个通信总线1405连接。其中该一个或多个计算机程序1404被存储在上述存储器1403中并被配置为被该一个或多个处理器1402执行，该一个或多个计算机程序1404包括指令，上述指令可以用于执行如图6a、图6b或者图8相应实施例中的各个步骤，或者显示图4a至图4e所示的界面，或者显示图5a至图5f所示的界面，或者显示图7a至图7b所示的界面，或者显示图9a至图9c所示的界面，或者显示图11a至图11g所示的界面。

本申请实施例还提供一种计算机存储介质，该计算机存储介质中存储有计算机指令，当该计算机指令在电子设备上运行时，使得电子设备执行上述相关方法步骤实现上述实施例中的视频编辑方法。

本申请实施例还提供了一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述相关步骤，以实现上述实施例中的视频编辑方法。

另外，本申请的实施例还提供一种装置，这个装置具体可以是芯片，组件或模块，该装置可包括相连的处理器和存储器；其中，存储器用于存储计算机执行指令，当装置运行时，处理器可执行存储器存储的计算机执行指令，以使芯片执行上述各方法实施例中的视频编辑方法。

其中，本申请实施例提供的电子设备、计算机存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。

通过以上实施方式的描述，所属领域的技术人员可以了解到，为描述的方便和简洁，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，即将装置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。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上内容，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (22)

1.一种视频编辑方法，应用于电子设备，其特征在于，所述方法包括：

接收用户打开视频编辑功能的第一操作；

响应于所述第一操作，根据视频预览界面中的图像，确定待生成视频的标签和与所述标签对应的目标视频编辑操作；

接收用户的第二操作；所述第二操作为录像操作；

响应于所述第二操作，在录像过程中对相机所录制的第一视频执行所述目标视频编辑操作，生成编辑后的视频。

2.根据权利要求1所述的方法，其特征在于，根据视频预览界面中的图像确定待生成视频的标签，包括：

确定所述视频预览界面中的图像的标签，所述图像的标签包括场景、事件、人物、关系、情感或者美学中的至少一种；

确定用户的标签，所述用户的标签包括用户画像或者用户的视频编辑习惯中的至少一种；

根据所述图像的标签和所述用户的标签，确定所述待生成视频的标签。

3.根据权利要求1或2所述的方法，其特征在于，所述确定与所述标签对应的目标视频编辑操作，包括：

根据第一视频的标签，以及N个参考视频的标签，计算第一视频与每个参考视频的相似度；

根据第一视频和各个参考视频的相似度，以及各个参考视频和第一视频编辑操作的匹配度，按照如下公式，计算第一视频和第一视频编辑操作的匹配度：

其中，j从1至N，i为第一视频的标识，e为第一视频编辑操作的标识，w_ij是第一视频和参考视频j的相似度，r_je是参考视频j和第一视频编辑操作的匹配度，p_ie为第一视频和第一视频编辑操作的匹配度；其中，第一视频编辑操作为任意一个视频编辑操作；

当第一视频和第一视频编辑操作的匹配度大于设定阈值时，确定所述第一视频编辑操作为目标视频编辑操作。

4.根据权利要求3所述的方法，其特征在于，所述根据第一视频的标签，以及N个参考视频的标签，计算第一视频与每个参考视频的相似度，包括：

根据第一视频的标签，以及N个参考视频的标签，按照如下公式计算第一视频与每个参考视频的相似度；

其中，i为第一视频的标识，第一视频的标签表示为

参考视频j的标签表示为

V_i∩V_j表示视频i的标签和参考视频j的标签取交集之后的相同标签数目，V_i∪V_j表示视频i的标签和参考视频j的标签取并集之后的标签总数。

5.根据权利要求1所述的方法，其特征在于，所述接收用户打开视频编辑功能的第一操作之前，还包括：

获取M个视频样本，M为大于或等于2的整数；

获取对M个视频样本中的每个样本的设置的标签和对每个样本的视频编辑操作；

根据对每个样本的设置的标签和对每个样本的视频编辑操作，训练得到视频编辑模型；

所述根据视频预览界面中的图像，确定待生成视频的标签和与所述标签对应的目标视频编辑操作，包括：

将所述视频预览界面中图像输入至所述视频编辑模型；

获取所述视频编辑模型输出的待生成视频的标签和目标视频编辑操作。

6.一种视频编辑方法，应用于电子设备，其特征在于，所述方法包括：

接收用户对第一视频的编辑指令；

响应于所述编辑指令，根据所述第一视频的至少一帧图像确定待生成视频的标签和与所述标签对应的目标视频编辑操作；

根据所述待生成视频的标签获取多媒体数据，并对所述第一视频和所述多媒体数据执行所述目标视频编辑操作，生成编辑后的视频。

7.根据权利要求6所述的方法，其特征在于，根据所述第一视频的至少一帧图像确定待生成视频的标签和与所述标签对应的目标视频编辑操作，包括：

确定所述第一视频的至少一帧图像的标签，所述至少一帧图像的标签包括场景、事件、人物、关系、情感或者美学中的至少一种；

确定用户的标签，所述用户的标签包括用户画像或者用户的视频编辑习惯中的至少一种；

根据所述至少一帧图像的标签和所述用户的标签，确定所述待生成视频的标签，以及确定与所述待生成视频的标签对应的目标视频编辑操作，所述目标视频编辑操作包括转场、滤镜、添加音乐或者添加字幕中的至少一种操作。

8.根据权利要求6或7所述的方法，其特征在于，所述确定与所述标签对应的目标视频编辑操作，包括：

根据第一视频的标签，以及N个参考视频的标签，计算第一视频与每个参考视频的相似度；

根据第一视频和各个参考视频的相似度，以及各个参考视频和第一视频编辑操作的匹配度，按照如下公式，计算第一视频和第一视频编辑操作的匹配度：

其中，j从1至N，i为第一视频的标识，e为第一视频编辑操作的标识，w_ij是第一视频和参考视频j的相似度，r_je是参考视频j和第一视频编辑操作的匹配度，p_ie为第一视频和第一视频编辑操作的匹配度；其中，第一视频编辑操作为任意一个视频编辑操作；

当第一视频和第一视频编辑操作的匹配度大于设定阈值时，确定所述第一视频编辑操作为目标视频编辑操作。

9.根据权利要求8所述的方法，其特征在于，所述根据第一视频的标签，以及N个参考视频的标签，计算第一视频与每个参考视频的相似度，包括：

根据第一视频的标签，以及N个参考视频的标签，按照如下公式计算第一视频与每个参考视频的相似度；

其中，i为第一视频的标识，第一视频的标签表示为

参考视频j的标签表示为

V_i∩V_j表示视频i的标签和视频j的标签取交集之后的相同标签数目，V_i∪V_j表示视频i的标签和视频j的标签取并集之后的标签总数。

10.根据权利要求6所述的方法，其特征在于，所述接收用户打开视频编辑功能的第一操作之前，还包括：

获取M个视频样本，M为大于或等于2的整数；

获取对M个视频样本中的每个样本的设置的标签和对每个样本的视频编辑操作；

根据对每个样本的设置的标签和对每个样本的视频编辑操作，训练得到视频编辑模型；

所述根据所述第一视频的至少一帧图像确定待生成视频的标签和与所述标签对应的目标视频编辑操作，包括：

将所述第一视频的至少一帧图像输入至所述视频编辑模型；

获取所述视频编辑模型输出的待生成视频的标签和目标视频编辑操作。

11.一种电子设备，其特征在于，包括处理器和存储器；

所述存储器用于存储一个或多个计算机程序；

当所述存储器存储的一个或多个计算机程序被所述处理器执行时，使得所述电子设备执行：

接收用户打开视频编辑功能的第一操作；

响应于所述第一操作，根据视频预览界面中的图像，确定待生成视频的标签和与所述标签对应的目标视频编辑操作；

接收用户的第二操作；所述第二操作为录像操作；

响应于所述第二操作，在录像过程中对相机所录制的第一视频执行所述目标视频编辑操作，生成编辑后的视频。

12.根据权利要求11所述的电子设备，其特征在于，当所述存储器存储的一个或多个计算机程序被所述处理器执行时，使得所述电子设备具体执行：

确定所述视频预览界面中的图像的标签，所述图像的标签包括场景、事件、人物、关系、情感或者美学中的至少一种；

确定用户的标签，所述用户的标签包括用户画像或者用户的视频编辑习惯中的至少一种；

根据所述图像的标签和所述用户的标签，确定所述待生成视频的标签。

13.根据权利要求11或12所述的电子设备，其特征在于，当所述存储器存储的一个或多个计算机程序被所述处理器执行时，使得所述电子设备具体执行：

根据第一视频的标签，以及N个参考视频的标签，计算第一视频与每个参考视频的相似度；

根据第一视频和各个参考视频的相似度，以及各个参考视频和第一视频编辑操作的匹配度，按照如下公式，计算第一视频和第一视频编辑操作的匹配度：

其中，j从1至N，i为第一视频的标识，e为第一视频编辑操作的标识，w_ij是第一视频和参考视频j的相似度，r_je是参考视频j和第一视频编辑操作的匹配度，p_ie为第一视频和第一视频编辑操作的匹配度；其中，第一视频编辑操作为任意一个视频编辑操作；

当第一视频和第一视频编辑操作的匹配度大于设定阈值时，确定所述第一视频编辑操作为目标视频编辑操作。

14.根据权利要求13所述的电子设备，其特征在于，当所述存储器存储的一个或多个计算机程序被所述处理器执行时，使得所述电子设备具体执行：

根据第一视频的标签，以及N个参考视频的标签，按照如下公式计算第一视频与每个参考视频的相似度；

其中，i为第一视频的标识，第一视频的标签表示为

参考视频j的标签表示为

V_i∩V_j表示视频i的标签和视频j的标签取交集之后的相同标签数目，V_i∪V_j表示视频i的标签和视频j的标签取并集之后的标签总数。

15.根据权利要求13所述的电子设备，其特征在于，当所述存储器存储的一个或多个计算机程序被所述处理器执行时，还使得所述电子设备执行：

获取M个视频样本，M为大于或等于2的整数；

获取对M个视频样本中的每个样本的设置的标签和对每个样本的视频编辑操作；

根据对每个样本的设置的标签和对每个样本的视频编辑操作，训练得到视频编辑模型；

将所述视频预览界面中图像输入至所述视频编辑模型；

获取所述视频编辑模型输出的待生成视频的标签和目标视频编辑操作。

16.一种电子设备，其特征在于，包括处理器和存储器；

所述存储器用于存储一个或多个计算机程序；

当所述存储器存储的一个或多个计算机程序被所述处理器执行时，使得所述电子设备执行：

接收用户对第一视频的编辑指令；

响应于所述编辑指令，根据所述第一视频的至少一帧图像确定待生成视频的标签和与所述标签对应的目标视频编辑操作；

根据所述待生成视频的标签获取多媒体数据，并对所述第一视频和所述多媒体数据执行所述目标视频编辑操作，生成编辑后的视频。

17.根据权利要求16所述的电子设备，其特征在于，当所述存储器存储的一个或多个计算机程序被所述处理器执行时，使得所述电子设备具体执行：

确定所述第一视频的至少一帧图像的标签，所述至少一帧图像的标签包括场景、事件、人物、关系、情感或者美学中的至少一种；

确定用户的标签，所述用户的标签包括用户画像或者用户的视频编辑习惯中的至少一种；

根据所述至少一帧图像的标签和所述用户的标签，确定所述待生成视频的标签，以及确定与所述待生成视频的标签对应的目标视频编辑操作，所述目标视频编辑操作包括转场、滤镜、添加音乐或者添加字幕中的至少一种操作。

18.根据权利要求16或17所述的电子设备，其特征在于，当所述存储器存储的一个或多个计算机程序被所述处理器执行时，使得所述电子设备具体执行：

根据第一视频的标签，以及N个参考视频的标签，计算第一视频与每个参考视频的相似度；

根据第一视频和各个参考视频的相似度，以及各个参考视频和第一视频编辑操作的匹配度，按照如下公式，计算第一视频和第一视频编辑操作的匹配度：

其中，j从1至N，i为第一视频的标识，e为第一视频编辑操作的标识，w_ij是第一视频和参考视频j的相似度，r_je是参考视频j和第一视频编辑操作的匹配度，p_ie为第一视频和第一视频编辑操作的匹配度；其中，第一视频编辑操作为任意一个视频编辑操作；

当第一视频和第一视频编辑操作的匹配度大于设定阈值时，确定所述第一视频编辑操作为目标视频编辑操作。

19.根据权利要求18所述的电子设备，其特征在于，当所述存储器存储的一个或多个计算机程序被所述处理器执行时，使得所述电子设备具体执行：

根据第一视频的标签，以及N个参考视频的标签，按照如下公式计算第一视频与每个参考视频的相似度；

其中，i为第一视频的标识，第一视频的标签表示为

参考视频j的标签表示为

V_i∩V_j表示视频i的标签和视频j的标签取交集之后的相同标签数目，V_i∪V_j表示视频i的标签和视频j的标签取并集之后的标签总数。

20.根据权利要求16所述的电子设备，其特征在于，当所述存储器存储的一个或多个计算机程序被所述处理器执行时，还使得所述电子设备执行：

获取M个视频样本，M为大于或等于2的整数；

获取对M个视频样本中的每个样本的设置的标签和对每个样本的视频编辑操作；

根据对每个样本的设置的标签和对每个样本的视频编辑操作，训练得到视频编辑模型；

将所述视频预览界面中图像输入至所述视频编辑模型；

获取所述视频编辑模型输出的待生成视频的标签和目标视频编辑操作。

21.一种计算机存储介质，其特征在于，所述计算机可读存储介质包括计算机程序，当计算机程序在电子设备上运行时，使得所述电子设备执行如权利要求1至10任一项所述的视频编辑方法。

22.一种芯片，其特征在于，所述芯片与存储器耦合，用于执行所述存储器中存储的计算机程序，以执行如权利要求1至10任一项所述的视频编辑方法。

Images