CN111866568A - 一种显示设备、服务器及基于语音的视频集锦获取方法 - Google Patents

Abstract

本申请涉及视频检测技术领域，特别地，涉及一种显示设备、服务器及基于语音的视频集锦获取方法。一定程度上可以解决无法根据用户的即时诉求生成个性化视频集锦的问题。所述服务器包括：显示器；麦克风，被配置为用于接收来自用户的第一语音指令；第一控制器，被配置为：将所述第一语音指令发送至服务器，其中，所述第一语音指令至少包括第一搜索词，所述第一语音指令用于使所述服务器将根据所述第一搜索词确定的视频片段组装成视频数据以下发给所述显示设备；接收并控制所述视频数据在所述显示器播放。

Description

一种显示设备、服务器及基于语音的视频集锦获取方法

技术领域

本申请涉及视频检测技术领域，特别地，涉及一种显示设备、服务器及基于语音的视频集锦获取方法。

背景技术

视频集锦是将具有类似内容的不同视频片段组合装配成一个视频集合。例如，将来自不同电影中有关演员成龙在码头打斗的视频片段进行组合装配，可以得到一个关于演员成龙在码头打斗的视频集锦。

在一些视频集锦的实现中，首先视频网站服务器通过采集用户的历史观看记录，通过大数据分析，然后通过运营手动编排视频片段的标签生成视频集锦，最后推荐给用户。

但是，用户需求的视频集锦具备多样性的特点，有的用户想看成龙打斗视频片段，有的用户想看杨幂跳舞视频片段，而运营提前编排的视频集锦数量、类型是有限的，不能同时满足海量用户不同的个性化需求，也不能满足用户的即时需求。

发明内容

为了解决无法根据用户的即时诉求生成个性化视频集锦的问题，本申请提供了一种显示设备、服务器及基于语音的视频集锦获取方法。

本申请的实施例是这样实现的：

本申请实施例的第一方面提供一种显示设备，包括：显示器；麦克风，被配置为用于接收来自用户的第一语音指令；第一控制器，被配置为：将所述第一语音指令发送至服务器，其中，所述第一语音指令至少包括第一搜索词，所述第一语音指令用于使所述服务器将根据所述第一搜索词确定的视频片段组装成视频数据以下发给所述显示设备；接收并控制所述视频数据在所述显示器播放。

本申请实施例的第二方面提供一种服务器，包括：媒资库，被配置为其影视资源文件中的视频片段都包含对应的标签；第二控制器，被配置为：根据显示设备发送的至少包括第一搜索词的第一语音指令获取视频片段，并将所述视频片段组装成视频数据下发给所述显示设备。

本申请实施例的第三方面提供一种基于语音的视频集锦获取方法，所述方法包括：接收来自用户的第一语音诉求；将所述第一语音诉求发送至服务器；显示响应所述第一语音诉求的第一交互元素，所述第一交互元素包含来自服务器发送的视频片段信息集合，所述视频片段信息集合与所述第一语音诉求相适应。

本申请实施例的第四方面提供一种基于语音的视频集锦获取方法，所述方法包括：为服务器媒资库中的视频片段标识对应的标签；将来自显示设备的第一语音诉求解析为第一搜索指令，所述第一搜索指令包含至少一个关键词；基于所述第一搜索指令在媒资库进行检索得到与所述关键词存在映射关系的至少一个标签、及所述标签的媒资ID；将基于所述媒资ID构建的视频片段信息集合发送至显示设备。

本申请的有益效果：通过构建标签，可以实现媒资库视频片段的快速检索；进一步通过构建包含搜索词的语音指令，可以实现基于检索词检索媒资库标签；进一步通过构建视频数据，可以实现获取符合语音指令的视频片段集合；进一步通过构建第一播放窗口、第二播放窗口、视频列表，可以实现视频集锦的优化显示、操作，实现即时基于用户语音指令内容，生成个性化的视频集锦。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1中示例性示出了根据实施例中显示设备与控制装置之间操作场景的示意图；

图2中示例性示出了根据实施例中显示设备200的硬件配置框图；

图3中示例性示出了根据实施例中控制设备100的硬件配置框图；

图4中示例性示出了根据实施例中显示设备200的功能配置示意图；

图5a中示例性示出了根据实施例中显示设备200中软件配置示意图；

图5b中示例性示出了根据实施例中显示设备200中应用程序的配置示意图；

图6A示出了本申请实施例电视播放节目的UI示意图；

图6B示出了本申请实施例电视获取用户语音指令的UI示意图；

图6C示出了本申请实施例电视显示用户语音指令的UI示意图；

图6D示出了本申请实施例电视显示视频集锦的UI示意图；

图7示出了本申请实施例基于语音的视频集锦生成时序图；

图8示出了本申请实施例一种基于语音的视频集锦获取方法中显示设备端的流程示意图；

图9示出了本申请实施例一种基于语音的视频集锦获取方法中服务器端的流程示意图。

具体实施方式

为使本申请示例性实施例的目的、技术方案和优点更加清楚，下面将结合本申请示例性实施例中的附图，对本申请示例性实施例中的技术方案进行清楚、完整地描述，显然，所描述的示例性实施例仅是本申请一部分实施例，而不是全部的实施例。

基于本申请中示出的示例性实施例，本领域普通技术人员在没有作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。此外，虽然本申请中公开内容按照示范性一个或几个实例来介绍，但应理解，可以就这些公开内容的各个方面也可以单独构成一个完整技术方案。

应当理解，本申请中说明书和权利要求书及上述附图中的术语″第一″、″第二″、″第三″等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，例如能够根据本申请实施例图示或描述中给出那些以外的顺序实施。

此外，术语″包括″和″具有″以及他们的任何变形，意图在于覆盖但不排他的包含，例如，包含了一系列组件的产品或设备不必限于清楚地列出的那些组件，而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。

本申请中使用的术语″模块″，是指任何已知或后来开发的硬件、软件、固件、人工智能、模糊逻辑或硬件或/和软件代码的组合，能够执行与该元件相关的功能。

本说明书通篇提及的″多个实施例″、″一些实施例″、″一个实施例″或″实施例″等，意味着结合该实施例描述的具体特征、结构或特性包括在至少一个实施例中。因此，本说明书通篇出现的短语″在多个实施例中″、″在一些实施例中″、″在至少另一个实施例中″或″在实施例中″等并不一定都指相同的实施例。此外，在一个或多个实施例中，具体特征、结构或特性可以任何合适的方式进行组合。因此，在无限制的情形下，结合一个实施例示出或描述的具体特征、结构或特性可全部或部分地与一个或多个其他实施例的特征、结构或特性进行组合。这种修改和变型旨在包括在本申请的范围之内。

本申请中使用的术语″遥控器″，是指电子设备(如本申请中公开的显示设备)的一个组件，通常可在较短的距离范围内无线控制电子设备。一般使用红外线和/或射频(RF)信号和/或蓝牙与电子设备连接，也可以包括WiFi、无线USB、蓝牙、动作传感器等功能模块。例如：手持式触摸遥控器，是以触摸屏中用户界面取代一般遥控装置中的大部分物理内置硬键。

本申请中使用的术语″手势″，是指用户通过一种手型的变化或手部运动等动作，用于表达预期想法、动作、目的/或结果的用户行为。

图1中示例性示出了根据实施例中显示设备与控制装置之间操作场景的示意图。如图1中示出，用户可通过移动终端300和控制装置100操作显示设备200。

其中，控制装置100可以遥控器，包括红外协议通信或蓝牙协议通信，及其他短距离通信方式等，通过无线或其他有线方式来控制显示设备200。用户可以通过遥控器上按键，语音输入、控制面板输入等输入用户指令，来控制显示设备200。如：用户可以通过遥控器上音量加减键、频道控制键、上/下/左/右的移动按键、语音输入按键、菜单键、开关机按键等输入相应控制指令，来实现控制显示设备200的功能。

在一些实施例中，也可以使用移动终端、平板电脑、计算机、笔记本电脑、和其他智能设备以控制显示设备200。例如，使用在智能设备上运行的应用程序控制显示设备200。该应用程序通过配置可以在与智能设备关联的屏幕上，在直观的用户界面(UI)中为用户提供各种控制。

示例的，移动终端300可与显示设备200安装软件应用，通过网络通信协议实现连接通信，实现一对一控制操作的和数据通信的目的。如：可以实现用移动终端300与显示设备200建立控制指令协议，将遥控控制键盘同步到移动终端300上，通过控制移动终端300上用户界面，实现控制显示设备200的功能。也可以将移动终端300上显示音视频内容传输到显示设备200上，实现同步显示功能。

如图1中还示出，显示设备200还与服务器400通过多种通信方式进行数据通信。可允许显示设备200通过局域网(LAN)、无线局域网(WLAN)和其他网络进行通信连接。服务器400可以向显示设备200提供各种内容和互动。示例的显示设备200通过发送和接收信息，以及电子节目指南(EPG)互动，接收软件程序更新，或访问远程储存的数字媒体库。服务器400可以一组，也可以多组，可以一类或多类服务器。通过服务器400提供视频点播和广告服务等其他网络服务内容。

显示设备200，可以液晶显示器、OLED显示器、投影显示设备。具体显示设备类型，尺寸大小和分辨率等不作限定，本领技术人员可以理解的是，显示设备200可以根据需要做性能和配置上一些改变。

显示设备200除了提供广播接收电视功能之外，还可以附加提供计算机支持功能的智能网络电视功能。示例的包括，网络电视、智能电视、互联网协议电视(IPTV)等。

图2中示例性示出了根据示例性实施例中显示设备200的硬件配置框图。如图2中示出，显示设备200中包括控制器210、调谐解调器220、通信接口230、检测器240、输入\输出接口250、视频处理器260-1，音频处理器260-2，显示器280，音频输出270、存储器290，供电电源、红外接收器。

显示器280，用于接收源自视频处理器260-1输入的图像信号，进行显示视频内容和图像以及菜单操控界面的组件。显示器280包括用于呈现画面的显示屏组件，以及驱动图像显示的驱动组件。显示视频内容，可以来自广播电视内容，也可以是说，可通过有线或无线通信协议接收的各种广播信号。或者，可显示来自网络通信协议接收来自网络服务器端发送的各种图像内容。

同时，显示器280，同时显示显示设备200中产生且用于控制显示设备200的用户操控UI界面。

以及，根据显示器280类型不同，还包括用于驱动显示的驱动组件。或者，倘若显示器280为一种投影显示器，还可以包括一种投影装置和投影屏幕。

通信接口230是用于根据各种通信协议类型与外部设备或外部服务器进行通信的组件。例如：通信接口230可以是Wiｆi芯片231，蓝牙通信协议芯片232，有线以太网通信协议芯片233等其他网络通信协议芯片或近场通信协议芯片，以及红外接收器(图中未示出)。

显示设备200可以通过通信接口230与外部控制设备或内容提供设备之间建立控制信号和数据信号发送和接收。以及，红外接收器，可用于接收控制装置100(如：红外遥控器等)红外控制信号的接口器。

检测器240，是显示设备200用于采集外部环境或与外部交互的信号。检测器240包括光接收器242，用于采集环境光线强度的传感器，可以通过采集环境光可以自适应性显示参数变化等。

以及包括图像采集器241，如相机、摄像头等，可以用于采集外部环境场景，以及用于采集用户的属性或与用户交互手势，可以自适应变化显示参数，也可以识别用户手势，以实现与用户之间互动的功能。

在其他一些示例性实施例中，检测器240，还可温度传感器等，如通过感测环境温度，显示设备200可自适应调整图像的显示色温。如当温度偏高的环境时，可调整显示设备200显示图像色温偏冷色调，或当温度偏低的环境时，可以调整显示设备200显示图像偏暖色调。

在其他一些示例性实施例中，检测器240，还可声音采集器等，如麦克风，可以用于接收用户的声音，包括用户控制显示设备200的控制指令的语音信号，或采集环境声音，用于识别环境场景类型，显示设备200可以自适应适应环境噪声。

输入/输出接口250，在控制器210的控制显示设备200与外部其他设备间数据传输。如接收外部设备的视频信号和音频信号、或命令指令等数据。

其中，输入/输出接口250可以包括，但不限于如下：可以高清多媒体接口HDMI接口251、模拟或数据高清分量输入接口253、复合视频输入接口252、USB输入接口254、RGB端口(图中未示出)等任一个或多个接口。

在其他一些示例性实施例中，输入/输出接口250也可以上述多个接口形成复合性的输入/输出接口。

调谐解调器220，通过有线或无线接收方式接收广播电视信号，可以进行放大、混频和谐振等调制解调处理，从多多个无线或有线广播电视信号中解调出用户所选择电视频道频率中所携带的电视音视频信号，以及EPG数据信号。

调谐解调器220，可根据用户选择，以及由控制器210控制，响应用户选择的电视信号频率以及该频率所携带的电视信号。

调谐解调器220，可以接收信号的途径，根据电视信号广播制式不同，有很多种，诸如：地面广播、有线广播、卫星广播或互联网广播信号等；以及根据调制类型不同，可以数字调制，也可以模拟调制方式。根据接收电视信号种类不同，可以模拟信号和数字信号。

在其他一些示例性实施例中，调谐解调器220也可在外置设备中，如外置机顶盒等。这样，机顶盒通过调制解调后输出电视音视频信号，经过输入/输出接口250输入显示设备200中。

视频处理器260-1，用于将接收外部视频信号，根据输入信号的标准编解码协议，进行解压缩、解码、缩放、降噪、帧率转换、分辨率转换、图像合成等等视频处理，可得到直接可显示设备200上显示或播放的信号。

示例的，视频处理器260-1，包括解复用模块、视频解码模块、图像合成模块、帧率转换模块、显示格式化模块等。

其中，解复用模块，用于对输入音视频数据流进行解复用处理，如输入MPEG-2，则解复用模块进行解复用成视频信号和音频信号等。

视频解码模块，则用于对解复用后的视频信号进行处理，包括解码和缩放处理等。

图像合成模块，如图像合成器，其用于将图形生成器根据用户输入或自身生成的GUI信号，与缩放处理后视频图像进行叠加混合处理，以生成可供显示的图像信号。

帧率转换模块，用于对转换输入视频帧率，如将60Hz帧率转换为120Hz帧率或240Hz帧率，通常的格式采用如插帧方式实现。

显示格式化模块，则用于将接收帧率转换后视频输出信号，改变信号以符合显示格式的信号，如输出RGB数据信号。

音频处理器260-2，用于接收外部的音频信号，根据输入信号的标准编解码协议，进行解压缩和解码，以及降噪、数模转换、和放大处理等处理，得到可以在扬声器中播放的声音信号。

在其他一些示例性实施例中，视频处理器260-1可以包括一颗或多颗芯片组成。音频处理器260-2，也可以包括一颗或多颗芯片组成。

以及，在其他一些示例性实施例中，视频处理器260-1和音频处理器260-2，可以单独的芯片，也可以于控制器210一起集成在一颗或多颗芯片中。

音频输出272，在控制器210的控制下接收音频处理器260-2输出的声音信号，如：扬声器272，以及除了显示设备200自身携带的扬声器272之外，可以输出至外接设备的发生装置的外接音响输出端子274，如：外接音响接口或耳机接口等。

供电电源，在控制器210控制下，将外部电源输入的电力为显示设备200提供电源供电支持。供电电源可以包括安装显示设备200内部的内置电源电路，也可以是安装在显示设备200外部电源，在显示设备200中提供外接电源的电源接口。

用户输入接口，用于接收用户的输入信号，然后，将接收用户输入信号发送给控制器210。用户输入信号可以是通过红外接收器接收的遥控器信号，可以通过网络通信模块接收各种用户控制信号。

示例的，用户通过遥控器100或移动终端300输入用户命令，用户输入接口则根据用户的输入，显示设备200则通过控制器210响应用户的输入。

在一些实施例中，用户可在显示器280上显示的图形用户界面(GUI)输入用户命令，则用户输入接口通过图形用户界面(GUI)接收用户输入命令。或者，用户可通过输入特定的声音或手势进行输入用户命令，则用户输入接口通过传感器识别出声音或手势，来接收用户输入命令。

控制器210，通过存储在存储器290上中各种软件控制程序，来控制显示设备200的工作和响应用户的操作。

如图2所示，控制器210包括RAM213和ROM214以及图形处理器216、CPU处理器212、通信接口218，如：第一接口218-1到第n接口218-n，以及通信总线。其中，RAM213和ROM214以及图形处理器216、CPU处理器212、通信接口218通过总线相连接。

ROM213，用于存储各种系统启动的指令。如在收到开机信号时，显示设备200电源开始启动，CPU处理器212运行ROM中系统启动指令，将存储在存储器290的操作系统拷贝至RAM213中，以使开始运行启动操作系统。当操作系统启动完成后，CPU处理器212再将存储器290中各种应用程序拷贝至RAM213中，然后，开始运行启动各种应用程序。

图形处理器216，用于产生各种图形对象，如：图标、操作菜单、以及用户输入指令显示图形等。包括运算器，通过接收用户输入各种交互指令进行运算，根据显示属性显示各种对象。以及包括渲染器，产生基于运算器得到的各种对象，进行渲染的结果显示在显示器280上。

CPU处理器212，用于执行存储在存储器290中操作系统和应用程序指令。以及根据接收外部输入的各种交互指令，来执行各种应用程序、数据和内容，以便最终显示和播放各种音视频内容。

在一些示例性实施例中，CPU处理器212，可以包括多个处理器。多个处理器可包括一个主处理器以及多个或一个子处理器。主处理器，用于在预加电模式中执行显示设备200一些操作，和/或在正常模式下显示画面的操作。多个或一个子处理器，用于在待机模式等状态下一种操作。

控制器210可以控制显示设备100的整体操作。例如：响应于接收到用于选择在显示器280上显示UI对象的用户命令，控制器210便可以执行与由用户命令选择的对象有关的操作。

其中，所述对象可以是可选对象中的任何一个，例如超链接或图标。与所选择的对象有关操作，例如：显示连接到超链接页面、文档、图像等操作，或者执行与所述图标相对应程序的操作。用于选择UI对象用户命令，可以是通过连接到显示设备200的各种输入装置(例如，鼠标、键盘、触摸板等)输入命令或者与由用户说出语音相对应的语音命令。

存储器290，包括存储用于驱动显示设备200的各种软件模块。如：存储器290中存储的各种软件模块，包括：基础模块、检测模块、通信模块、显示控制模块、浏览器模块、和各种服务模块等。

其中，基础模块用于产后护理显示设备200中各个硬件之间信号通信、并向上层模块发送处理和控制信号的底层软件模块。检测模块用于从各种传感器或用户输入接口中收集各种信息，并进行数模转换以及分析管理的管理模块。

例如：语音识别模块中包括语音解析模块和语音指令数据库模块。显示控制模块用于控制显示器280进行显示图像内容的模块，可以用于播放多媒体图像内容和UI界面等信息。通信模块，用于与外部设备之间进行控制和数据通信的模块。浏览器模块，用于执行浏览服务器之间数据通信的模块。服务模块，用于提供各种服务以及各类应用程序在内的模块。

同时，存储器290还用存储接收外部数据和用户数据、各种用户界面中各个项目的图像以及焦点对象的视觉效果图等。

图3中示例性示出了根据示例性实施例中控制设备100的配置框图。如图3所示，控制设备100包括控制器110、通信接口130、用户输入/输出接口140、存储器190、供电电源180。

控制设备100被配置为控制显示设备200，以及可接收用户的输入操作指令，且将操作指令转换为显示设备200可识别和响应的指令，起用用户与显示设备200之间交互中介作用。如：用户通过操作控制设备100上频道加减键，显示设备200响应频道加减的操作。

在一些实施例中，控制设备100可是一种智能设备。如：控制设备100可根据用户需求安装控制显示设备200的各种应用。

在一些实施例中，如图1所示，移动终端300或其他智能电子设备，可在安装操控显示设备200的应用之后，可以起到控制设备100类似功能。如：用户可以通过安装应用，在移动终端300或其他智能电子设备上可提供的图形用户界面的各种功能键或虚拟按钮，以实现控制设备100实体按键的功能。

控制器110包括处理器112和RAM113和ROM114、通信接口218以及通信总线。控制器110用于控制控制设备100的运行和操作，以及内部各部件之间通信协作以及外部和内部的数据处理功能。

通信接口130在控制器110的控制下，实现与显示设备200之间控制信号和数据信号的通信。如：将接收到的用户输入信号发送至显示设备200上。通信接口130可包括WiFi芯片、蓝牙模块、NFC模块等其他近场通信模块中至少之一种。

用户输入/输出接口140，其中，输入接口包括麦克风141、触摸板142、传感器143、按键144等其他输入接口中至少一者。如：用户可以通过语音、触摸、手势、按压等动作实现用户指令输入功能，输入接口通过将接收的模拟信号转换为数字信号，以及数字信号转换为相应指令信号，发送至显示设备200。

输出接口包括将接收的用户指令发送至显示设备200的接口。在一些实施例中，可以红外接口，也可以是射频接口。如：红外信号接口时，需要将用户输入指令按照红外控制协议转化为红外控制信号，经红外发送模块进行发送至显示设备200。再如：射频信号接口时，需将用户输入指令转化为数字信号，然后按照射频控制信号调制协议进行调制后，由射频发送端子发送至显示设备200。

在一些实施例中，控制设备100包括通信接口130和输出接口中至少一者。控制设备100中配置通信接口130，如：WiFi、蓝牙、NFC等模块，可将用户输入指令通过WiFi协议、或蓝牙协议、或NFC协议编码，发送至显示设备200。

存储器190，用于在控制器110的控制下存储驱动和控制控制设备200的各种运行程序、数据和应用。存储器190，可以存储用户输入的各类控制信号指令。

供电电源180，用于在控制器110的控制下为控制设备100各元件提供运行电力支持。可以电池及相关控制电路。

图4中示例性示出了根据示例性实施例中显示设备200功能配置示意图。如图4所示，存储器290用于存储操作系统、应用程序、内容和用户数据等，在控制器210控制下执行驱动显示设备200的系统运行以及响应用户的各种操作。存储器290可以包括易失性和/或非易失性存储器。

存储器290，具体用于存储驱动显示设备200中控制器210的运行程序，以及存储显示设备200内置各种应用程序，以及用户从外部设备下载的各种应用程序、以及与应用相关各种图形用户界面，以及与图形用户界面相关的各种对象，用户数据信息，以及各种支持应用的内部数据。存储器290用于存储OS内核、中间件和应用等系统软件，以及存储输入的视频数据和音频数据、及其他用户数据。

存储器290，具体用于存储视频处理器260-1，音频处理器260-2、显示器280、通信接口230、调谐解调器220、检测器240输入/输出接口等驱动程序和相关数据。

在一些实施例中，存储器290可以存储软件和/或程序，用于表示操作系统(OS)的软件程序包括，例如：内核、中间件、应用编程接口(API)和/或应用程序。示例性的，内核可控制或管理系统资源，或其它程序所实施的功能(如所述中间件、API或应用程序)，以及内核可以提供接口，以允许中间件和API，或应用访问控制器，以实现控制或管理系统资源。

示例的，存储器290，包括广播接收模块2901、频道控制模块2902、音量控制模块2903、图像控制模块2904、显示控制模块2905、音频控制模块2906、外部指令识别模块2907、通信控制模块2908、光接收模块2909、电力控制模块2910、操作系统2911、以及其他应用程序2912、浏览器模块等等。控制器210通过运行存储器290中各种软件程序，来执行诸如：广播电视信号接收解调功能、电视频道选择控制功能、音量选择控制功能、图像控制功能、显示控制功能、音频控制功能、外部指令识别功能、通信控制功能、光信号接收功能、电力控制功能、支持各种功能的软件操控平台、以及浏览器功能等其他应用。

图5a中示例性示出了根据示例性实施例中显示设备200中软件系统的配置框图。

如图5a中所示，操作系统2911，包括用于处理各种基础系统服务和用于实施硬件相关任务的执行操作软件，充当应用程序和硬件组件之间完成的数据处理的媒介。一些实施例中，部分操作系统内核可以包含一系列软件，用以管理显示设备硬件资源，并为其他程序或软件代码提供服务。

其他一些实施例中，部分操作系统内核可包含一个或多个设备驱动器，设备驱动器可以是操作系统中的一组软件代码，帮助操作或控制显示设备关联的设备或硬件。驱动器可以包含操作视频、音频和/或其他多媒体组件的代码。示例的，包括显示屏、摄像头、Flash、WiFi和音频驱动器。

其中，可访问性模块2911-1，用于修改或访问应用程序，以实现应用程序的可访问性和对其显示内容的可操作性。

通信模块2911-2，用于经由相关通信接口和通信网络与其他外设的连接。

用户界面模块2911-3，用于提供显示用户界面的对象，以供各应用程序可访问，可实现用户可操作性。

控制应用程序2911-4，用于可控制进程管理，包括运行时间应用程序等。

事件传输系统2914，可在操作系统2911内或应用程序2912中实现，以一些实施例中，一方面在在操作系统2911内实现，同时在应用程序2912中实现，用于监听各种用户输入事件，将根据各种事件指代响应各类事件或子事件的识别结果，而实施一组或多组预定义的操作的处理程序。

其中，事件监听模块2914-1，用于监听用户输入接口输入事件或子事件。

事件监听模块2914-1，用于对各种用户输入接口输入各类事件的定义，识别出各种事件或子事件，且将其传输给处理用以执行其相应一组或多组的处理程序。

其中，事件或子事件，是指显示设备200中一个或多个传感器检测的输入，以及外界控制设备(如控制设备100等)的输入。如：语音输入各种子事件，手势识别的手势输入，以及控制设备的遥控按键指令输入的子事件等。示例的，遥控器中一个或多个子事件包括多种形式，包括但不限于按键按上/下/左右/、确定键、按键按住等中一个或组合。以及非实体按键的操作，如移动、按住、释放等操作。

界面布局管理器2913，直接或间接接收来自于事件传输系统2914监听到各用户输入事件或子事件，用于更新用户界面的布局，包括但不限于界面中各控件或子控件的位置，以及容器的大小或位置、层级等与界面布局相关各种执行操作。

如图5b中所示，应用程序层2912包含也可在显示设备200执行的各种应用程序。应用程序可包含但不限于一个或多个应用程序，如：直播电视应用程序、视频点播应用程序、媒体中心应用程序、应用程序中心、游戏应用等。

直播电视应用程序，可以通过不同的信号源提供直播电视。例如，直播电视应用程可以使用来自有线电视、无线广播、卫星服务或其他类型的直播电视服务的输入提供电视信号。以及，直播电视应用程序可在显示设备200上显示直播电视信号的视频。

视频点播应用程序，可以提供来自不同存储源的视频。不同于直播电视应用程序，视频点播提供来自某些存储源的视频显示。例如，视频点播可以来自云存储的服务器端、来自包含已存视频节目的本地硬盘储存器。

媒体中心应用程序，可以提供各种多媒体内容播放的应用程序。例如，媒体中心，可以为不同于直播电视或视频点播，用户可通过媒体中心应用程序访问各种图像或音频所提供服务。

应用程序中心，可以提供储存各种应用程序。应用程序可以是一种游戏、应用程序，或某些和计算机系统或其他设备相关但可以在智能电视中运行的其他应用程序。应用程序中心可从不同来源获得这些应用程序，将它们储存在本地储存器中，然后在显示设备200上可运行。

本申请实施例可以应用于各种类型的显示设备(包括但不限于：智能电视、机顶盒等设备)。下文将就在电视端生成视频推荐的相关UI对技术方案进行阐述。

图6A-图6D示出了本申请实施例显示设备基于用户语音生成视频集锦的UI示意图。

其中，图6A示出了本申请实施例电视播放节目的UI示意图。

图中电视处于播放节目的状态，用户可以在这种状态下进行获取视频集锦的操作。需要说明的是，当电视处于其它界面时，例如系统主UI、视频通话UI、电影播放UI、或其它应用程序的UI，用户都可以通过操作显示设备以实现本申请提供的基于语音的视频集锦生成。

在一些实施例中，显示设备在播放节目的同时，还可以被配置为展示其他交互元素，所述交互元素可包括例如电视主页控件、搜索控件、消息按钮控件、邮箱控件、浏览器控件、收藏夹控件、信号栏控件、语音控件等。

为提高显示设别UI的便利性、形象性，本申请提供的显示设备包含显示器、麦克风和第一控制器，所述显示器用于显示用户界面；所述麦克风用于接收来自用户的第一语音指令；所述第一控制器响应于对交互元素的操作而对显示设备及其UI进行控制。例如，用户通过遥控器等控制器对搜索控件进行点击，可以将搜索UI展示于其它UI的顶部，即控制显示设备的交互元素映射的应用组件的UI能够变大、缩小、或全屏显示。

在一些实施例中，显示设备的交互元素还可通过传感器进行操作，所述传感器可以是但不限于是声学输入传感器，例如本申请显示设备提供的麦克风，所述麦克风可检测包括所需交互元素指示的语音命令，所述语音指令可包括第一语音指令、和/或第二语音指令。例如，用户通过操作显示设备遥控器的快捷按钮激活语音控件后，通过说出″打开浏览器″或任意其它合适的标识对显示设备的浏览器控件进行操作。

图6B示出了本申请实施例电视获取用户语音指令的UI示意图。

下文将以电视用户想要观看有关成龙的武打镜头视频集锦为例进行说明。

在电视的程序、或各种UI界面的使用过程中，显示设备都可以通过麦克风接收来自用户的第一语音诉求，即第一语音指令，所述第一语音指令至少包括第一搜索词，所述第一语音指令用于使服务器将根据所述第一搜索词确定的视频片段组装成视频数据以下发给所述显示设备。

在一些实施例中，用户的第一语音指令可以通过用户输入接口140中的音频接收元件，例如麦克风进行输入。通过用户对遥控器的按键输入，触发电视开始检测用户的第一语音指令，第一控制器可识别来自麦克风的第一语音指令并向UI或其处理部件或引擎提交表征交互的数据。需要说明的是，所述麦克风在一些实施例中可设置于遥控器中；在另一些实施例中，所述麦克风还可以设置于电视的本体结构中。

在一些实施例中，用户操作遥控器触发电视UI显示语音控件，当用户触发语音输入后，第一控制器将所述语音控件显示于当前电视UI的顶层，以提示用户及时进行语音输入。例如，所述提示控件包含提示信息，在UI中显示为″请讲话″，如图6B所示，用户在看到语音控件的提示后，可以及时的对电视发出第一语音指令。

在一些实施例中，第一控制器在电视UI界面的顶层配置标准格式的语音指令提示信息，用户可以通过对语音指令格式的模仿，提高电视对用户发送的第一语音指令的识别率。例如可以电视UI提示″您可以试着说：我想看黄渤的飙车镜头；我想看王晓晨的跳舞镜头″，如图6B所示。

基于在图6B所示的电视UI，用户看到语音控件提示后，对电视的麦克风发出第一语音诉求，即第一语音指令″我想看成龙的武打镜头″，所述显示设备的麦克风将接收所述第一语音指令并将其发送至显示设备的第一控制器进行解析。

在一些实施例中，第一控制器将所述第一语音诉求解析为计算机可读的格式，例如文本格式，并将其显示于电视UI，使得用户可以以文本的方式看到自己发出的第一语音诉求，如图6C所示。

图6C示出了本申请实施例电视显示用户语音指令的UI示意图。

第一控制器将用户发送的第一语音指令解析为文本信息显示于电视UI，用户通过读取所述文本信息以判断电视获取语音指令的准确性。

例如，如果所述文本信息与用户发出的第一语音指令相同，则认为电视完全的识别了用户的语音指令；如果所述文本信息与用户发出的第一语音指令存在差异，则认为由于用户口音方言、或发音响度高低、或电视环境噪声等因素导致电视没有正确理解用户发出的第一语音指令；用户通过阅读所述文本信息决定是否需要重新发送语音指令，即第二语音指令进行更正。

显示设备的第一控制器将用户发送的第一语音指令发送至服务器，如果服务器端存在与所述第一语音诉求相适应的视频片段资源，服务器将生成一个视频片段信息集合，并将其反馈给显示设备以视频集锦的形式展示给用户；如果服务器端不存在与所述第一语音诉求相适应的视频片段资源，服务器将返回暂无相关视频集锦的提示信息。

在一些实施例中，显示设备的第一控制器将用户发送的第一语音指令发送至服务器，所述第一语音指令至少包括第一搜索词，所述第一语音指令用于使服务器将根据所述第一搜索词确定的视频片段组装成视频数据以下发给所述显示设备。

服务器根据用户第一语音指令中的第一搜索词检索是否在服务器媒资库存在与所述第一语音指令或第一语音诉求相适应的视频片段，服务器将与第一语音指令相适应的诸多视频片段进行组装以生产可以传送的视频数据，所述视频数据将被服务器反馈至显示设备。

本申请提供的服务器包括媒资库和第二控制器，所述媒资库被配置为其影视资源文件中的视频片段都包含对应的标签。

在一些实施例中，服务器的VCA系统预先对所述媒资库中所有的影片进行内容理解，并且识别影片中出现的演员、动作、场景等信息，然后在视频片段的开始、结束时间点处进行标签标注，最后将标注完成的数据存储至所述媒资库。所述标签的信息可以反映视频片段的特征信息，例如通过标签的读取可以得到对应视频片段的演员信息、动作信息和场景信息等。

在一些实施例中，媒资库包含的标签与视频片段形成映射，所述标签被配置为包含描述对应视频片段的特征的词语。标签信息被配置为包括媒资ID，时间段信息、场景信息、标签名称、演员信息、动作信息等。

在媒资库的管理系统中，视频片段的标签被配置在视频文件的时间轴上，通过对媒资库中视频文件时间轴交互元素的操作，可以实现标签的维护。例如添加、删除、编辑标签等功能。其中，媒资ID例如可以实施为字符串，例如16811等，所述媒资ID在媒资库可直接映射至相应的视频片段；时间段信息映射视频片段包括起点和终点；场景名称可包括明星、校园、青春、偶像等；演员信息可包括演员的名字，例如成龙、景甜、施瓦辛格；动作信息可包括例如武打、枪战、运动等。

需要说明的是，本申请所述的媒资库还可以实施为单独的内容系统，或所述媒资库以本申请提供服务器的子服务器的形式实施。

在一些实施例中，服务器的第二控制器接收来自显示设备发送的至少包括第一搜索词的第一语音指，根据所述第一语音指令获取视频片段，并将所述视频片段组装成视频数据下发给所述显示设备。

在一些实施例中，服务器的第二控制器接收来自显示设备发送的第一语音诉求，也称为第一语音指令，并将其进行解析得到包含至少一个关键词的第一搜索指令，所述关键词也成为搜索词。例如，服务器的第二控制器基于服务器媒资库中的标签解析显示设备发送的第一语音诉求，首先对第一语音诉求进行分词，然后分析其分词后的每个词语是否与媒资库中视频片段的标签信息相同，如果存在相同的分词内容，所述分词将被认为是关键词。

在一些实施例中，所述第一语音指令还包括第二搜索词；所述第一搜索词为人物名称，所述第二搜索词为名词、动词或形容词中的至少一个；所述视频片段的标签同时包含所述第一搜索词和所述第二搜索词。

例如，第一搜索词″成龙″通常会出现在标签的演员信息中，第二搜索词″武打″通常会出现在标签的动作信息中，可以理解，媒资库中的特定视频片段的标签将同时包含上述第一搜索词″成龙″和第二搜索词″武打″。以图6C中的第一语音指令″我想看成龙的武打镜头″为例进行阐述，第一控制器对上述第一语音指令解析后，得到第一搜索词″成龙″、第二搜索词″武打″，其中，第一语音指令中″″我想看、镜头″等词语则不会被解析为搜索词。

在一些实施例中，服务器的第二控制器解析接收到的第一语音诉求得到第一搜索指令，然后第二控制器将所述第一搜索指令发送至服务器的第三控制器。例如，服务器第三控制器被配置为基于来自第二控制器发送的第一搜索指令在媒资库进行检索得到与第一搜索指令包含关键词存在映射关系的至少一个标签，并将所述标签的媒资ID发送至第二控制器。基于第一搜索指令，第三控制器检索服务器媒资库中已打点媒资的标签信息，将符合第一搜索指令的标签的媒资ID发送至第二控制器。

可以理解，在一些实施例中，本申请所述第一搜索指令、或第一语音指令、或第一语音诉求中的关键词、或搜索词与服务器媒资库中视频片段的标签存在映射关系，即一个关键词、或搜索词可以同时映射多个不同的标签。

在一些实施例中，本申请提供服务器还包括第三控制器，所述第三控制器被配置为接收来自第二控制器发送的至少包括第一搜索词的第一语音指令，然后所述第三控制器根据所述第一搜索词在媒资库中确定构成视频数据的视频片段，然后第三控制器将所述视频片段发送至第二控制器，其中，所述视频片段对应的标签包含所述第一搜索词。

例如，第三控制器根据包含第一搜索词″成龙″、第二搜索词″武打″的第一语音指令，生成搜索参数在媒资库中检索标签信息，将同时包含″成龙、武打″的标签作为搜索结果，部分搜索结果表示如下：

视频片段1

媒资ID：16811

标签名称：宝贝计划

演员信息：成龙

动作信息：武打

时间段信息：10:00-13:30

视频片段2

媒资ID：16818

标签名称：十二生肖

演员信息：成龙

动作信息：武打

时间段信息：12:00-14:10

视频片段3

媒资ID：17110

标签名称：机器之血

演员信息：成龙

动作信息：武打

时间段信息：32:00-34:10

视频片段4

媒资ID：17419

标签名称：龙牌之谜

演员信息：成龙

动作信息：武打

时间段信息：05:00-07:10

如图6D所示，第三控制器经过检索后得到88个满足第一搜索指令的视频片段，并将所述88个视频片段的标签的媒资ID反馈至第二控制器，所述视频片段标签信息中的媒资ID能够唯一的映射媒资库中的视频片段和标签信息。

第二控制器基于来自第三控制器发送的响应所述第一搜索指令的媒资ID构建视频片段信息集合，并将所述视频片段信息集合发送至显示设备。

第二控制器根据接收到的媒资ID构建视频片段信息集合。基于所述媒资ID，第二控制器可以给所述视频片段信息结合配置包括每个视频片段的标签名称，时间段信息，视频截图，视频片段简介等信息。

在得到与用户第一语音诉求相适应的视频片段信息集合后，第二控制器将所述视频片段信息集合发送至显示设备。

需要说明的是，所述视频片段信息集合中每个媒资ID对应视频片段的特征都满足所述关键词的描述。即第二控制器得到的视频片段其标签信息都将包含第一搜索指令中的关键词，例如上述步骤中得到的88个视频片段，其标签信息中都将包含关键词″成龙″和″武打″。

在一些实施例中，显示设备第一控制器接收来自服务器发送的视频数据包括第一视频数据和/或第二视频数据。

其中，所述第一视频数据是和所述第一影视资源名称对应的第一视频片段的集合，所述第二视频数据是和所述第二影视资源名称对应的第二视频片段的集合，所述第一视频片段和所述第二视频片段均包含于所述视频片段。

例如，图6D中UI显示视频集锦的视频列表，其中第一视频数据为《宝贝计划》成龙武打片段，第一影视资源名称为″宝贝计划″，第一视频数据是第一视频片段的集合，所述第一视频片段的集合为《宝贝计划》影视资源文件中标签包含″成龙″、″武打″的至少一个视频片段；第二视频数据为《十二生肖》成龙武打片段，第二影视资源名称为″十二生肖″，第二视频数据是第二视频片段的集合，所述第二视频片段的集合为《十二生肖》影视资源文件中标签包含″成龙″、″武打″的至少一个视频片段。

需要说明的是，所述第一视频片段是指该视频片段显示的内容和所述第一影视资源名称对应的第一影视资源文件中的特定片段显示的内容相同，所述第二视频片段是指该视频片段显示的内容和所述第二影视资源名称对应的第二影视资源文件中的特定片段显示的内容相同。

在一些实施例中，服务器发送至显示设备的视频片段信息集合包含视频片段对应的完整视频链接。服务器的第二控制器根据所述视频片段信息集合中每个视频片段的媒资ID，为每个视频片段配置完整视频的链接。当所述视频片段信息集合显示于显示设备时，用户可以通过操作UI界面中包含所述完整视频链接的交互元素，观看视频集锦中视频片段相应的完整视频。

在一些实施例中，所述服务器的第二控制器还可以实施为在线网元服务器的控制器、所述第三控制器还可以实施为统一搜索服务器的控制器。

显示设备开启时，通过接口将设备信息，即设备的唯一标识、apk版本、用户信息等发送至在线网元服务器。具体执行如下，用户开启电视，启动融合apk并正常登录，将当前apk版本、设备信息、用户信息(可以包括用户名、用户ID等信息)等信息通过get的方式来访问接口将其发送到在线网元服务器。

在线网元服务器分析用用户终端显示设备发送的第一语音诉求，调用统一搜索服务器并将搜索的媒资信息下发到用户终端显示设备。具体执行如下：在线网元服务器分析用户终端发送的信息，通过基础业务、会员中心鉴权合法性；根据用户终端发送的第一语音诉求，结合媒资库的标签信息、生成对应的第一搜索指令；然后将第一搜索指令发送至统一搜索服务器获取相适应的媒资信息，也可以为媒资列表。

统一搜索服务器支持媒资库中视频片段的标签无限层次嵌套″与或非″运算关系的公式，为终端用户提供相应的媒资业务服务。

需要说明的是，本实施例中各种实施例可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施，本申请不做限定。

在本申请所提供的实施例中，应该理解到，服务器所揭露的多个控制器、及其处理方法步骤，可以通过其它的方式实现。例如，以上所描述的控制器实施例仅仅是示意性的，例如在一些实施例中，第二控制器、第三控制器的划分，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系统，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，机械或其它的形式。

服务器的多个控制器可以是或者也可以不是物理上分开的，作为控制器显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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个控制器可以集成在一个处理单元控制器中，也可以是各个单元控制器单独物理存在，也可以两个或两个以上单元控制器集成在一个单元控制器中。上述集成的单元控制器既可以采用硬件的形式实现，也可以采用硬件加软件功能单元控制器的形式实现。

图6D示出了本申请实施例电视显示视频集锦的UI示意图。

显示设备的第一控制器接收并控制服务器发送的视频数据在显示器播放。

在一些实施例中，第一控制器控制所述视频数据在所述显示器播放包括所述第一控制器在接收到的视频数据仅包含所述第一视频数据时，控制全屏显示的第一播放窗口播放所述视频数据。

例如，在图6D中，当服务器反馈至显示设备的视频数据仅包括第一视频数据《宝贝计划》成龙武打片段时，电视UI将不在显示左侧的视频列表，第一控制器控制所述视频数据在全屏显示的第一播放窗口进行播放。

在一些实施例中，显示设备接收到的视频数据包含第一视频数据和所述第二视频数据时，根据解析到的所述第一视频数据的名称和所述第二视频数据的名称生成视频列表，并根据视频列表中焦点位置处的视频数据的名称，控制第二播放窗口播放对应的视频数据，其中所述视频列表和所述第二播放窗口同时显现在播放界面中。

例如，图6D中UI中所示，第一控制器根据接收到的视频数据解析得到多个视频数据，其第一页包括第一视频数据《宝贝计划》成龙武打片段、第二视频数据《十二生肖》成龙武打片段、第三视频数据《机器之血》成龙武打片段、第四视频数据为《龙牌之谜》成龙武打片段。其中，所述视频列表中焦点的位置处于所述第一视频数据，第一控制器控制第二播放窗口播放所述第一视频数据《宝贝计划》成龙武打片段。在一些实施例中，第一控制器控制所述视频列表和所述第二播放窗口同时显现在播放界面中。

在一些实施例中，上述视频列表和所述第二播放窗口并行显现在播放界面中，或所述视频列表叠加在所述第二播放窗口上方进行显示。所述视频列表与所述第二播放窗口在播放界面中的位置可以根据实际情况进行配置，或者第一控制器将所述视频列表显示于所述第二播放窗口的上方进行，从而得到叠加显示的效果。

在一些实施例中，上述视频列表叠加在所述第二播放窗口上方进行显示时，响应于预设时长内未接收到指令的输入，隐藏所述视频列表。用户接受到视频集锦后在预设时长内没有进行任何操作，即显示设备没有收到用户的反馈信息，第一控制器将隐藏所述视频列表，以突出所述第二播放窗口视频数据的播放。

在一些实施例中，显示设备将响应用户发送的第一语音诉求的第一交互元素显示于所述显示器，所述第一交互元素包含来自服务器发送的视频片段信息集合，所述视频片段信息集合与所述第一语音诉求相适应。在一些实施例中，第一交互元素还包括模板容器，第一控制器将视频片段信息匹配至所述模板容器进行显示。如图6D所示，所述模板容器包括视频片段列表、以及播放窗口。服务器的第二控制器将视频片段信息集合发送至显示设备后，显示设备的第一控制器将为所述视频片段信息集合自动匹配模板容器，以短视频集锦的形式展示给用户，并且直接进入视频集锦按照列表顺序进行播放。

在一些实施例中，显示设备的第一控制器根据所述视频数据解析出对应所述视频数据的视频文件的访问地址，其中，所述对应所述视频数据的视频文件是指特定片段显示的内容和所述视频片段的内容相同的视频文件；第一控制器控制所述视频数据在所述显示器播放包括：所述第一控制器在播放窗口播放所述视频数据，并根据所述访问地址在所述播放窗口上设置跳转控件，以使所述跳转控件在接收到输入的选中指令后，访问所述对应所述视频数据的视频文件。

如图6D所示，视频列表包括22页共计88个视频数据，图中示出了第1页共计4个视频数据，列表中高亮度显示的视频数据为宝贝计划成龙武打片段，第一控制器根据视频数据解析出对应所述视频数据的视频文件的访问地址，所述对应所述视频数据的视频文件是指特定片段显示的内容和所述视频片段的内容相同的视频文件。用户通过点击图中″观看正片″的跳转控件，可以访问第一视频数据对应的视频文件。

在一些实施例中，视频数据包括第一视频数据和第二视频数据，所述第一视频数据对应第一访问地址，所述第二视频数据对应第二访问地址，所述第一访问网址和所述第二访问网址对应不同的所述视频文件。用户通过操作播放界面中不同视频数据的跳转控件，可以对视频数据的访问地址进行点击，实现对应视频数据的视频文件播放。

图7示出了本申请实施例基于语音的视频集锦生成时序图。

在步骤S701中，VCA系统对媒资库中的视频片段进行内容理解配置标签。

VCA系统提前对媒资库中所有的影片进行内容理解，并且识别影片中出现的演员、动作、场景等信息，在视频片段的开始、结束时间点处进行标签标注，所述标签的信息可以反映视频片段的特征信息。

在步骤S702中，媒资库存储标签。

媒资库将配置将VCA系统对视频片段配置的标签进行存储，用于后续步骤中的检索。

在步骤S703中，用户发出语音指令。

用户对显示设备的语音系统输出第一语音指令，所述第一语音指令即本申请所述的第一语音诉求。

在步骤S704中，对语音指令进行语义理解并发送至终端。

显示设备解析用户发出的第一语音诉求为计算机可读的格式，例如文本格式。在一些实施例中，所述解析后的第一语音指令被显于在电视的UI界面上。

在步骤S705中，将语音指令传给在线系统。

所述在线系统可实施为本申请提供的服务器第二控制器，显示设备的第一控制器将用户的第一语音指令发送给在线系统，所述在线系统在一些实施例中也称为在线网元服务器。

在步骤S706中，生成搜索条件。

在线系统接收来自用户终端的第一语音指令，将其解析为包含至少一个搜索词的第一语音指令作为搜索条件，用于配置搜索参数。

在步骤S707中，发送搜索条件。

在线系统将生成的第一语音指令发送至搜索系统，所述搜索系统可实施为本申请提供的服务器第三控制器。

在步骤S708中，检索媒资ID。

搜索系统基于在线系统发送的第一语音指令，在媒资库中检索得到符合条件的视频片段的标签及其媒资ID。

在步骤S709中，发送媒资ID。

搜索系统将获取的媒资ID发送至在线系统，在线系统将与其连接的各个用户终端进行通信。

在步骤S710中，构建视频片段信息集合。

在线系统基于收到的媒资ID，根据其映射在媒资库中的标签信息，构建与第一语音指令、或第一语音诉求相适应的视频片段信息集合、或视频数据。

在步骤S711中，发送视频片段信息集合。

在线系统将视频片段信息集合、或视频数据反馈至发送第一语音指令的用户终端显示设备。

在步骤S712中，匹配视频集锦模板。

显示设备的第一控制器为接收到的视频片段信息集合、或视频数据自动匹配视频集锦模板，所述视频集锦模板可实施为本申请提供的模板容器。

在步骤S712中，用户观看视频集锦。

基于显示设别视频集锦模板的优化显示，用户可以观看服务器发送的视频片段信息集合，通过操作交互元素，可以对所述视频片段信息集合中的视频片段进行操作、播放。

基于上文图6A-图6D显示设备基于用户语音生成视频集锦的UI、及显示设备控制器、服务器控制器的具体操作，本申请还提供了显示设备端基于语音的视频集锦获取方法。

图8示出了本申请实施例一种基于语音的视频集锦获取方法中显示设备端的流程示意图。

在步骤S801中，接收来自用户的第一语音诉求；

在步骤S802中，将所述第一语音诉求发送至服务器；

在步骤S803中，显示响应所述第一语音诉求的第一交互元素，所述第一交互元素包含来自服务器发送的视频片段信息集合，所述视频片段信息集合与所述第一语音诉求相适应。

上述步骤中涉及的具体操作已在上文UI、及对应装置中进行详细阐述，在此不再赘述。

基于上文图6A-图6D显示设备基于用户语音生成视频集锦的UI、及显示设备控制器、服务器控制器的具体操作，本申请还提供了一种服务器端基于语音的视频集锦获取方法。

图9示出了本申请实施例一种基于语音的视频集锦获取方法中服务器端的流程示意图。

在步骤S901中，为服务器媒资库中的视频片段标识对应的标签；

在步骤S902中，将来自显示设备的第一语音诉求解析为第一搜索指令，所述第一搜索指令包含至少一个关键词；

在步骤S903中，基于所述第一搜索指令在媒资库进行检索得到与所述关键词存在映射关系的至少一个标签、及所述标签的媒资ID；

在步骤S904中，将基于所述媒资ID构建的视频片段信息集合发送至显示设备。

上述步骤中涉及的具体操作已在上文UI、及对应装置中进行详细阐述，在此不再赘述。

本申请实施例的有益效果在于，通过构建标签，可以实现媒资库视频片段的快速检索；进一步通过构建包含搜索词的语音指令，可以实现基于检索词检索媒资库标签；进一步通过构建视频数据，可以实现获取符合语音指令的视频片段集合；进一步通过构建第一播放窗口、第二播放窗口、视频列表，可以实现视频集锦的优化显示、操作，实现即时基于用户语音指令内容，生成个性化的视频集锦。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为″数据块″、″控制器″、″引擎″、″单元″、″组件″或″系统″。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内合有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiｆｆel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Peml、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)、或连接至外部计算机(例如通过因特网)、或在云计算环境中、或作为服务使用如软件即服务(SaaS)。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

Claims (15)

1.一种显示设备，其特征在于，包括：

显示器；

麦克风，被配置为用于接收来自用户的第一语音指令；

第一控制器，被配置为：

将所述第一语音指令发送至服务器，其中，所述第一语音指令至少包括第一搜索词，所述第一语音指令用于使所述服务器将根据所述第一搜索词确定的视频片段组装成视频数据以下发给所述显示设备；

接收并控制所述视频数据在所述显示器播放。

2.如权利要求1所述显示设备，其特征在于，

所述视频数据包括第一视频数据和/或第二视频数据；

其中，所述第一视频数据是和所述第一影视资源名称对应的第一视频片段的集合，所述第二视频数据是和所述第二影视资源名称对应的第二视频片段的集合，所述第一视频片段和所述第二视频片段均包含于所述视频片段；和所述第一视频片段是指该视频片段显示的内容和所述第一影视资源名称对应的第一影视资源文件中的特定片段显示的内容相同，和所述第二视频片段是指该视频片段显示的内容和所述第二影视资源名称对应的第二影视资源文件中的特定片段显示的内容相同。

3.如权利要求2所述显示设备，其特征在于，

所述第一控制器控制所述视频数据在所述显示器播放包括：所述第一控制器

在接收到的视频数据仅包含所述第一视频数据时，控制全屏显示的第一播放窗口播放所述视频数据；

在接收到的视频数据包含所述第一视频数据和所述第二视频数据时，根据解析到的所述第一视频数据的名称和所述第二视频数据的名称生成视频列表，并根据视频列表中焦点位置处的视频数据的名称，控制第二播放窗口播放对应的视频数据，其中所述视频列表和所述第二播放窗口同时显现在播放界面中。

4.如权利要求3所述显示设备，其特征在于，

所述视频列表和所述第二播放窗口并行显现在播放界面中，或，所述视频列表叠加在所述第二播放窗口上方进行显示。

5.如权利要求4所述显示设备，其特征在于，

在所述视频列表叠加在所述第二播放窗口上方进行显示时，响应于预设时长内未接收到指令的输入，隐藏所述视频列表。

6.如权利要求1所述显示设备，其特征在于，所述第一语音指令还包括第二搜索词；

所述第一搜索词为人物名称，所述第二搜索词为名词、动词或形容词中的至少一个；所述视频片段的标签同时包含所述第一搜索词和所述第二搜索词。

7.如权利要求1所述显示设备，其特征在于，所述第一控制器在接收到所述视频数据后，

所述第一控制器根据所述视频数据解析出对应所述视频数据的视频文件的访问地址，其中，所述对应所述视频数据的视频文件是指特定片段显示的内容和所述视频片段的内容相同的视频文件；

所述第一控制器控制所述视频数据在所述显示器播放包括：所述第一控制器在播放窗口播放所述视频数据，并根据所述访问地址在所述播放窗口上设置跳转控件，以使所述跳转控件在接收到输入的选中指令后，访问所述对应所述视频数据的视频文件。

8.如权利要求7所述显示设备，其特征在于，

所述视频数据包括第一视频数据和第二视频数据，所述第一视频数据对应第一访问地址，所述第二视频数据对应第二访问地址，所述第一访问网址和所述第二访问网址对应不同的所述视频文件。

9.一种服务器，其特征在于，包括：

媒资库，被配置为其影视资源文件中的视频片段都包含对应的标签；

第二控制器，被配置为：

根据显示设备发送的至少包括第一搜索词的第一语音指令获取视频片段，并将所述视频片段组装成视频数据下发给所述显示设备。

10.如权利要求9所述服务器，其特征在于，还包括第三控制器，被配置为：

接收来自所述第二控制器发送的所述至少包括第一搜索词的第一语音指令；

发送根据所述第一搜索词在所述媒资库中确定构成所述视频数据的视频片段至所述第二控制器，所述视频片段对应的标签包含所述第一搜索词。

11.如权利要求10所述服务器，其特征在于，

所述视频数据包括第一视频数据和/或第二视频数据；

其中，所述第一视频数据是和所述第一影视资源名称对应的第一视频片段的集合，所述第二视频数据是和所述第二影视资源名称对应的第二视频片段的集合，所述第一视频片段和所述第二视频片段均包含于所述视频片段；和所述第一视频片段是指该视频片段显示的内容和所述第一影视资源名称对应的第一影视资源文件中的特定片段显示的内容相同，和所述第二视频片段是指该视频片段显示的内容和所述第二影视资源名称对应的第二影视资源文件中的特定片段显示的内容相同。

12.一种基于语音的视频集锦获取方法，其特征在于，所述方法包括：

接收来自用户的第一语音诉求；

将所述第一语音诉求发送至服务器；

显示响应所述第一语音诉求的第一交互元素，所述第一交互元素包含来自服务器发送的视频片段信息集合，所述视频片段信息集合与所述第一语音诉求相适应。

13.如权利要求12所述基于语音的视频集锦获取方法，其特征在于，所述第一交互元素还包括模板容器，所述视频片段信息被匹配至所述模板容器进行显示。

14.如权利要求12所述基于语音的视频集锦获取方法，其特征在于，所述视频片段信息集合包含视频片段对应的完整视频链接。

15.一种基于语音的视频集锦获取方法，其特征在于，所述方法包括：

为服务器媒资库中的视频片段标识对应的标签；

将来自显示设备的第一语音诉求解析为第一搜索指令，所述第一搜索指令包含至少一个关键词；

基于所述第一搜索指令在媒资库进行检索得到与所述关键词存在映射关系的至少一个标签、及所述标签的媒资ID；

将基于所述媒资ID构建的视频片段信息集合发送至显示设备。

Images