CN111866609A - 用于生成视频的方法和装置 - Google Patents

用于生成视频的方法和装置 Download PDF

Info

Publication number
CN111866609A
CN111866609A CN201910277152.9A CN201910277152A CN111866609A CN 111866609 A CN111866609 A CN 111866609A CN 201910277152 A CN201910277152 A CN 201910277152A CN 111866609 A CN111866609 A CN 111866609A
Authority
CN
China
Prior art keywords
video
query
material resource
text
audio
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910277152.9A
Other languages
English (en)
Other versions
CN111866609B (zh
Inventor
�田�浩
卢大明
陈曦
王健宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu com Times Technology Beijing Co Ltd
Baidu USA LLC
Original Assignee
Baidu com Times Technology Beijing Co Ltd
Baidu USA LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baidu com Times Technology Beijing Co Ltd, Baidu USA LLC filed Critical Baidu com Times Technology Beijing Co Ltd
Priority to CN201910277152.9A priority Critical patent/CN111866609B/zh
Priority to JP2019219315A priority patent/JP7113000B2/ja
Priority to US16/703,717 priority patent/US10910014B2/en
Publication of CN111866609A publication Critical patent/CN111866609A/zh
Application granted granted Critical
Publication of CN111866609B publication Critical patent/CN111866609B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/438—Presentation of query results
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/732—Query formulation
    • G06F16/7343—Query language or query format
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/002—Programmed access in sequence to a plurality of record carriers or indexed parts, e.g. tracks, thereof, e.g. for editing
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/02—Editing, e.g. varying the order of information signals recorded on, or reproduced from, record carriers
    • G11B27/031—Electronic editing of digitised analogue information signals, e.g. audio or video signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/8106—Monomedia components thereof involving special audio data, e.g. different tracks for different languages
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8549—Creating video summaries, e.g. movie trailer
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/79—Processing of colour television signals in connection with recording
    • H04N9/87—Regeneration of colour television signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Mathematical Physics (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本申请实施例公开了用于生成视频的方法和装置。该方法的一具体实施方式包括：接收用户输入的查询文本；查询与查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频；呈现素材资源集合；响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列；根据素材资源序列生成视频。该实施方式降低了用户生成视频的成本。

Description

用于生成视频的方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及用于生成视频的方法和装置。
背景技术
目前，用户在制作视频的过程中，往往需要人工拍摄或者制作生成视频所需的各种素材资源(包括视频、音频、图像和字幕文字)。
发明内容
本申请实施例提出了用于生成视频的方法和装置。
第一方面，本申请实施例提供了一种用于生成视频的方法，该方法包括：接收用户输入的查询文本；查询与查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频；呈现素材资源集合；响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列；根据素材资源序列生成视频。
在一些实施例中，查询与查询文本相关的素材资源集合，包括：对查询文本进行分词，得到与查询文本对应的分词序列；对于分词序列中的分词，查询与该分词的匹配度大于预设匹配度阈值的素材资源；将查找到的素材资源确定为素材资源集合。
在一些实施例中，查询与该分词的匹配度大于预设匹配度阈值的素材资源，包括：查询对应的语义向量与该分词的词向量之间的相似度大于第一预设相似度阈值的素材资源。
在一些实施例中，查询与查询文本相关的素材资源集合，包括：查询对应的语义向量与查询文本的语义向量之间的相似度大于第二预设相似度阈值的素材资源；将查找到的素材资源确定为素材资源集合。
在一些实施例中，根据素材资源序列生成视频，包括：将顺序连接素材资源序列中各图像和视频素材资源所得到的视频确定为第一视频；将顺序连接素材资源序列中各音频素材资源所得到的音频确定为第一音频；将第一视频和第一音频分别确定为所生成的视频中的视频和音频部分。
在一些实施例中，根据素材资源序列生成视频，包括：查询对应的语义向量与查询文本的语义向量之间的相似度大于第二预设相似度阈值的文本查询结果；基于查找到的文本查询结果确定文本查询结果摘要；利用语音合成技术，生成与文本查询结果摘要对应的语音作为第二音频；顺序连接素材资源序列中的各个图像和视频素材资源，得到第二视频；将第二音频和第二视频分别确定为所生成的视频中的音频和视频部分。
在一些实施例中，该方法还包括：响应于接收到用于指示播放所生成的视频的播放请求，播放所生成的视频。
第二方面，本申请实施例提供了一种用于生成视频的装置，该装置包括：接收单元，被配置成接收用户输入的查询文本；查询单元，被配置成查询与查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频；呈现单元，被配置成呈现素材资源集合；确定单元，被配置成响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列；生成单元，被配置成根据素材资源序列生成视频。
在一些实施例中，查询单元包括：分词模块，被配置成对查询文本进行分词，得到与查询文本对应的分词序列；第一查询模块，被配置成对于分词序列中的分词，查询与该分词的匹配度大于预设匹配度阈值的素材资源；第一确定模块，被配置成将查找到的素材资源确定为素材资源集合。
在一些实施例中，第一查询模块进一步被配置成：查询对应的语义向量与该分词的词向量之间的相似度大于第一预设相似度阈值的素材资源。
在一些实施例中，查询单元包括：第二查询模块，被配置成查询对应的语义向量与查询文本的语义向量之间的相似度大于第二预设相似度阈值的素材资源；第二确定模块，被配置成将查找到的素材资源确定为素材资源集合。
在一些实施例中，生成单元包括：第三确定模块，被配置成将顺序连接素材资源序列中各图像和视频素材资源所得到的视频确定为第一视频；第四确定模块，被配置成将顺序连接素材资源序列中各音频素材资源所得到的音频确定为第一音频；第五确定模块，被配置成将第一视频和第一音频分别确定为所生成的视频中的视频和音频部分。在一些实施例中，生成单元包括：第三查询模块，被配置成查询对应的语义向量与查询文本的语义向量之间的相似度大于第二预设相似度阈值的文本查询结果；第六确定模块，被配置成基于查找到的文本查询结果确定文本查询结果摘要；语音合成模块，被配置成利用语音合成技术，生成与文本查询结果摘要对应的语音作为第二音频；连接模块，被配置成顺序连接素材资源序列中的各个图像和视频素材资源，得到第二视频；第七确定模块，被配置成将第二音频和第二视频分别确定为所生成的视频中的音频和视频部分。
在一些实施例中，该装置还包括：播放单元，被配置成响应于接收到用于指示播放所生成的视频的播放请求，播放所生成的视频。
第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被一个或多个处理器执行时实现如第一方面中任一实现方式描述的方法。
第五方面，本申请实施例提供了另一种服务器，包括：接口；存储器，其上存储有一个或多个程序；以及一个或多个处理器，在操作上连接到上述接口和上述存储器，用于：接收用户输入的查询文本；查询与查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频；呈现素材资源集合；响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列；根据素材资源序列生成视频。
第六方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，当上述计算机程序被一个或多个处理器执行时，使得上述一个或多个处理器：接收用户输入的查询文本；查询与查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频；呈现素材资源集合；响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列；根据素材资源序列生成视频。
目前，用户在制作视频的过程中，往往需要人工拍摄或者制作生成视频所需的各种素材资源(包括视频、音频和图像)，故而制作视频的成本较高(包括硬件成本、制作经验成本和时间成本等等)。本申请实施例提供的用于生成视频的方法和装置，通过首先接收用户输入的查询文本，再查询与查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频，而后呈现素材资源集合，接着接收用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列，最后根据素材资源序列生成视频，从而通过根据用户输入的查询文本，为用户提供素材资源，再基于用户对所提供的素材资源的选择和排序操作生成视频，降低了用户生成视频的成本。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请的一个实施例可以应用于其中的示例性系统架构图；
图2A是根据本申请的用于生成视频的方法的一个实施例的流程图；
图2B是根据本申请的步骤202的一个实施例的分解流程图；
图2C是根据本申请的步骤202的又一个实施例的分解流程图；
图2D是根据本申请的步骤205的一个实施例的分解流程图；
图2E是根据本申请的步骤205的又一个实施例的分解流程图；
图3是根据本申请的确定素材资源对应的语义向量一个实施例的流程图；
图4是根据本申请的用于生成视频的方法的一个应用场景的示意图；
图5是根据本申请的用于生成视频的方法的又一个实施例的流程图；
图6是根据本申请的用于生成视频的装置的一个实施例的结构示意图；
图7是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于生成视频的方法或用于生成视频的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频生成类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的视频生成类应用提供支持的后台服务器。后台服务器可以对接收到的包括查询文本的视频生成类请求等数据进行分析等处理，并将处理结果(例如，素材资源集合)反馈给终端设备。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供视频生成服务)，也可以实现成单个软件或软件模块，在此不做具体限定。
需要说明的是，本申请实施例所提供的用于生成视频的方法一般由服务器105执行，相应地，用于生成视频的装置一般设置于服务器105中。
需要指出的是，服务器105也可以本地接收用户输入的查询文本，并最终生成视频，此时，示例性系统架构100可以不包括终端设备101、102、103和网络104。
还需要指出的是，终端设备101、102、103中也可以本地查询与查询文本相关的素材资源集合，此时，用于生成视频的方法也可以由终端设备101、102、103执行，相应地，用于生成视频的装置也可以设置于终端设备101、102、103中。此时，示例性系统架构100可以不包括服务器105和网络104。
需要说明的是，本申请实施例所提供的用于生成视频的方法可以通过服务器105执行，相应地，用于生成视频的装置也可以设置于服务器105中，此时示例性系统架构100可以不包括终端设备101、102、103和网络104。本申请实施例所提供的用于生成视频的方法也可以通过终端设备101、102、103执行，相应地，用于生成视频的装置也可以设置于终端设备101、102、103中，此时示例性系统架构100可以不包括服务器105和网络104。本申请实施例所提供的用于生成视频的方法还可以通过服务器105和终端设备101、102、103共同执行，例如，“查询与查询文本相关的素材资源集合”的步骤可以由服务器105执行，其余步骤可以由终端设备101、102、103执行。本申请对此不做限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2A，其示出了根据本申请的用于生成视频的方法的一个实施例的流程200。该用于生成视频的方法，包括以下步骤：
步骤201，接收用户输入的查询文本。
在本实施例的一些可选实现方式中，用于生成视频的方法的执行主体(例如图1所示的服务器或者终端设备)可以本地接收用户输入的查询文本。
在本实施例的一些可选实现方式中，上述执行主体也远程地从与上述执行主体网络连接的终端设备接收用户输入的查询文本。
步骤202，查询与查询文本相关的素材资源集合。
在本实施例中，上述执行主体可以采用各种实现方式查询与步骤201中接收到的查询文本相关的素材资源集合，这里素材资源可以为图像、视频或音频。
在本实施例的一些可选的实现方式中，步骤202可以如下进行：
利用网络爬虫在多个网站抓取与查询文本相关的网页，并将所抓取的网页中的图像、视频和音频确定为查找到的素材资源集合。
在本实施例的一些可选的实现方式中，步骤202也可以包括如图2B所示的步骤2021到步骤2023。请参考图2B，其示出了根据本申请的步骤202的一个实施例的分解流程图：
步骤2021，对查询文本进行分词，得到与查询文本对应的分词序列。
这里，可以采用各种实现方式对查询文本进行分词，进而得到与查询文本对应的分词序列。这里，分词序列是由按序排列的至少一个分词组成的。
需要说明的是，如何对文本进行分词是目前广泛研究和应用的公知技术，在此不再赘述。例如，可以采用基于词典的分词算法、基于统计的分词算法或者基于规则的分词算法等。
步骤2022，对于分词序列中的分词，查询与该分词的匹配度大于预设匹配度阈值的素材资源。
在一些实现方式中，可以对于步骤2021中所得到的分词序列的中的每个分词，查询与该分词的匹配度大于预设匹配度阈值的素材资源。
在一些实现方式中，可以对于步骤2021中所得到的分词序列的中的部分分词，查询与部分分词中每个分词的匹配度大于预设匹配度阈值的素材资源。例如，可以对于分词序列中的每个非虚词分词，查询与该非虚词分词的匹配度大于预设匹配度阈值的素材资源。
这里，由于素材资源可以为图像、视频或音频，可以采用各种计算文本与图像之间匹配度的方法计算文本与图像类型的素材资源之间的匹配度，也可以采用各种计算文本与视频之间匹配度的方法计算文本与视频类型的素材资源之间的匹配度，以及可以采用各种计算文本与音频之间匹配度的方法计算文本与音频类型的素材资源之间的匹配度，本申请对此不做具体限定。
在一些实现方式中，可以将分词的词向量与素材资源的语义向量之间的相似度确定为分词与素材资源之间的匹配度，这样，步骤2022可以如下进行：对于分词序列中的分词，查询对应的语义向量与该分词的词向量之间的相似度大于第一预设相似度阈值的素材资源。这里，可以采用各种计算向量与向量之间的相似度的方法计算分词的词向量与素材资源的语义向量之间的相似度。例如，可以通过计算向量之间的欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化欧氏距离、马氏距离、余弦相似度、汉明距离、杰卡德距离、杰卡德相似系数、相关系数、相关距离和信息熵等，确定向量之间的相似度。
这里，可以采用各种实现方式确定分词的词向量，即将分词表示成向量形式以便于计算。
例如，可以采用词袋模型来生成分词的词向量。具体而言，设V是词袋模型中词典所包括的词语数目，那么，对于分词w而言，设w中所包括的词典中第1个词到第V个词的数目分别为x1到xV，那么分词w对应的向量即为{x1，x2，…，xV}。
又例如，还可以在预先确定的词向量表中查询分词的词向量，其中，词向量表用于表征词语和词语的词向量之间的对应关系。词向量表可以是预先训练得到的。例如，可以采用基于统计的方法或者基于语言模型的方法训练得到词向量表。
例如，基于统计的方法可以是共现矩阵法，其通过统计一个事先指定大小的窗口内的词语共现次数，以词语周边的共现词的次数做为当前词语的词向量。具体来说，可以通过从大量的语料文本中构建共现矩阵来定义该语料文本中所出现的词语中每个词语对应的词向量，继而得到词向量表。
又例如，基于统计的方法也可以是奇异值分解法。由于共现矩阵法存在高维和稀疏性的问题，奇异值分解法就是对共现矩阵法得到的矩阵，进行奇异值分解，得到矩阵正交矩阵，再对正交矩阵进行归一化即得到矩阵来定义该语料文本中所出现的词语中每个词语对应的词向量，继而得到词向量表。
基于语言模型生成词向量表是通过训练神经网络语言模型(NNLM，NeuralNetwork Language Model)，词向量表作为语言模型的附带产出。NNLM背后的基本思想是对出现在上下文环境里的词进行预测，这种对上下文环境的预测本质上也是一种对共现统计特征的学习。作为示例，采用NNLM生成词向量的方法可以包括但不限于以下各种方法：Skip-gram、CBOW、LBL、NNLM、C&W、GloVe、BERT(Bidirectional Encoder Representationsfrom Transformers，双向编码器)、GPT-2等。
在一些实现方式中，确定素材资源对应的语义向量可以包括图3所示的步骤301到步骤308。请参考图3，其示出了根据本申请的确定素材资源对应的语义向量的一个实施例的分解流程图：
步骤301，确定该素材资源为图像、视频还是音频。
如果确定该素材资源为图像，则转到步骤302。
如果确定该素材资源为视频，则转到步骤304。
如果确定该素材资源为音频，则转到步骤307。
步骤302，对该图像素材资源进行语义分割，得到该图像素材资源对应的至少一个语义标注结果。
这里，可以在步骤301中确定该素材资源为图像的情况下，采用各种实现方式对该图像素材资源进行语义分割，得到该图像素材资源对应的至少一个语义标注结果，其中，每个语义标注结果可以是一个词语或者短语。例如，如果该图像素材资源是一张描述一只狮子在草原上追逐羚羊的图像，那么，对该图像进行语义分割所得到的至少一个语义标注结果可以为{“狮子”，“草原”，“羚羊”}。
需要说明的是，如何对图像进行语义分割是目前广泛研究和应用的公知技术，在此不再赘述。
步骤303，根据所得到的至少一个语义标注结果中每个语义标注结果对应的语义向量确定与该素材资源对应的语义向量。
步骤302中已经得到了至少一个语义标注结果，这里，可以首先确定步骤302中所得到的至少一个语义标注结果中每个语义标注结果对应的词向量。然后，可以根据至少一个语义标注结果中每个语义标注结果对应的词向量确定与该素材资源对应的语义向量，例如可以将至少一个语义标注结果中各个语义标注结果对应的词向量的均值向量或者中值向量确定为该素材资源对应的语义向量。还可以将至少一个语义标注结果中各个语义标注结果对应的词向量中模最大或者模最小的词向量确定为该素材资源对应的语义向量。
这里，确定每个语义标注结果对应的词向量的方法可以参考步骤2022中的相关描述。
经过步骤303，就确定了图像素材资源对应的语义向量。
步骤304，对该视频素材资源进行下采样，得到至少一个样本图像。
这里，可以在步骤301中确定该素材资源为视频的情况下，采用各种实现方式对该视频素材资源进行下采样，得到至少一个样本图像。例如，可以在该素材资源中每隔第一预设数目(例如，10)帧图像采样第二预设数目(例如，1)帧图像，得到至少一个样本图像。
步骤305，对于至少一个样本图像中的每个样本图像，对该样本图像进行语义分割，得到该样本图像对应的至少一个语义标注结果，以及根据所得到的至少一个语义标注结果中每个语义标注结果对应的语义向量确定与该样本图像对应的语义向量。
这里，步骤305中对每个样本图像进行语义分割，以及对每个样本图像，根据所得到的至少一个语义标注结果中每个语义标注结果对应的语义向量确定与该样本图像对应的语义向量的具体操作与步骤303描述的相应具体操作基本相同，在此不再赘述。
步骤306，根据各样本图像对应的语义向量，确定与该素材资源对应的语义向量。
由于已经在步骤305中得到了每个样本图像对应的语义向量，这里可以根据步骤305所得到的各样本图像对应的语义向量，确定与该素材资源对应的语义向量。例如，可以将各样本图像对应的语义向量的均值向量确定为与该素材资源对应的语义向量。又例如，也可以将将各样本图像对应的语义向量的各维取值的中间值所对应的向量确定为与该素材资源对应的语义向量。又例如，还可以将各样本图像对应的语义向量中模最大或者模最小的语义向量确定为该素材资源对应的语义向量。
经过步骤306，就确定了视频素材资源对应的语义向量。
步骤307，对该音频素材资源进行语音识别，得到该音频素材资源对应的语音识别结果文本。
需要说明的是，语音识别是目前广泛研究和应用的公知技术，在此不再赘述。
步骤308，将所得到的语音识别结果文本的语义向量确定为该音频素材资源对应的语义向量。
这里，可以采用各种实现方式确定语音识别结果文本对应的语义向量，即将语音识别结果文本表示成向量形式以便于计算。
例如，可以采用词袋模型来生成语音识别结果文本对应的语义向量。具体而言，设V是词袋模型中词典所包括的词语数目，那么，对于语音识别结果文本T而言，设T中所包括的词典中第1个词到第V个词的数目分别为x1到xV，那么语音识别结果文本T对应的向量即为{x1，x2，…，xV}。
又例如，还可以对语音识别结果文本进行分词处理，得到语音识别结果文本对应的分词序列，再对所得到的分词序列中的每个分词，在预先确定的词向量表中查询与该分词对应的词向量，然后再根据所得到的分词序列中的每个分词对应的词向量确定与该语音识别结果文本对应的语义向量。例如，可以将所得到的分词序列中的各个分词对应的词向量的均值向量确定为该语音识别结果文本对应的词向量。又例如，还可以将所得到的分词序列中的各个分词对应的词向量的各维取值的中间值所对应的向量确定为该语音识别结果文本对应的词向量。这里，词向量表用于表征词和词向量之间的对应关系。词向量表可以是预先训练得到的。例如，可以采用基于统计的方法或者基于语言模型的方法训练得到词向量表。
经过步骤308，就确定了音频素材资源对应的语义向量。
步骤2023，将查找到的素材资源确定为素材资源集合。
这里，可以将步骤2022中查找到的素材资源确定为素材资源集合。
在本实施例的一些可选的实现方式中，步骤202还可以包括如图2C所示的步骤2021’和步骤2022’。请参考图2C，其示出了根据本申请的步骤202的又一个实施例的分解流程图：
步骤2021’，查询对应的语义向量与查询文本的语义向量之间的相似度大于第二预设相似度阈值的素材资源。
这里，可以首先确定素材资源对应的语义向量，然后可以查询对应的语义向量与查询文本的语义向量之间的相似度大于第二预设相似度阈值的素材资源。
关于如何确定素材资源对应的语义向量可以参考图3所示实施例中步骤301到步骤308的相关描述，在此不再赘述。
关于如何确定查询文本对应的语义向量，可以参考图3所示实施例中步骤308中关于确定语音识别结果文本的语义向量的相关描述，在此不再赘述。
步骤2022’，将查找到的素材资源确定为素材资源集合。
这里，可以将步骤2021’中查找到的素材资源确定为素材资源集合。
步骤203，呈现素材资源集合。
在本实施例中，上述执行主体可以采用各种实现方式呈现素材资源集合。
在本实施例的一些可选实现方式中，上述执行主体可以在本地呈现素材资源集合。
在本实施例的一些可选实现方式中，上述执行主体也可以将素材资源集合发送给终端设备，并控制上述终端设备呈现所收到的素材资源集合。这里，上述终端设备可以与步骤201中接收用户输入的查询文本的终端设备相同。
这里，可以每次呈现素材资源集合中的部分素材资源，也可以每次呈现素材资源集合中的全部素材资源。呈现图像类型的素材资源可以呈现素材资源的缩略图，也可以呈现素材资源的原图。呈现视频类型的素材资源可以呈现视频素材资源的首帧视频图像的缩略图或者原图。呈现音频类型的素材资源可以呈现包括音频素材资源的缩略图，而音频素材资源的缩略图可以包括以下至少一项：音频素材资源的播放时长和音频名称。
步骤204，响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列。
在本实施例中，上述执行主体可以在接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作的情况下，确定素材资源序列。
在本实施例的一些可选实现方式中，上述执行主体可以本地接收用户对本地所呈现的素材资源集合中素材资源的选择操作和排序操作。
在本实施例的一些可选实现方式中，上述执行主体也可以远程地从与上述执行主体网络连接的终端设备接收用户对终端设备上呈现的素材资源集合中素材资源的选择操作和排序操作。
在本实施例中，用户对所呈现的素材资源集合中素材资源的选择操作可以是各种操作。例如，选择操作可以包括但不限于：点击，拖拽，滑动等等。
在本实施例中，用户对所呈现的素材资源集合中素材资源的排序操作也可以是各种可以体现素材资源之间前后播放顺序的操作。例如，可以提供素材资源之间播放顺序的时间轴界面，然后接收用户将所呈现的素材资源的缩略图或者原图的拖拽到时间轴界面的操作。
在本实施例中，上述执行主体可以将用户的选择操作所对应的素材资源确定为素材资源序列中的素材资源，再根据用户的排序操作所对应的素材资源之间的顺序，确定素材资源序列中各素材资源之间的排序。
步骤205，根据素材资源序列生成视频。
在本实施例中，上述执行主体可以采用各种实现方式根据步骤204中所确定的素材资源序列生成视频。
在本实施例的一些可选实现方式中，步骤205可以包括如图2D所示的步骤2051到步骤2053，请参考图2D，其示出了根据本申请的步骤205的一个实施例的分解流程图：
步骤2051，将顺序连接素材资源序列中各图像和视频素材资源所得到的视频确定为第一视频。
这里，图像素材资源在所生成的视频中的播放时长可以为预设图像播放时长。即，这里，可以按照图像或者视频素材资源在素材资源序列中的先后顺序，连接素材资源序列中的各个图像和视频素材资源。
步骤2052，将顺序连接素材资源序列中各音频素材资源所得到的音频确定为第一音频。
这里，可以按照音频素材资源在素材资源序列中的先后顺序，连接素材资源序列中的各个音频素材资源。
步骤2053，将第一视频和第一音频分别确定为所生成的视频中的视频和音频部分。
在本实施例的一些可选实现方式中，步骤205也可以包括如图2E所示的步骤2051’到步骤2055’，请参考图2E，其示出了根据本申请的步骤205的又一个实施例的分解流程图：
步骤2051’，查询对应的语义向量与查询文本的语义向量之间的相似度大于第二预设相似度阈值的文本查询结果。
这里，上述执行主体可以采用各种实现方式查询对应的语义向量与查询文本的语义向量之间的相似度大于第二预设相似度阈值的文本查询结果。
在一些实现方式中，上述执行主体可以利用网络爬虫在多个网站抓取与查询文本相关的网页，并在所抓取的网页中的文本中查询对应的语义向量与查询文本的语义向量之间的相似度大于第二预设相似度阈值的文本查询结果。
步骤2052’，基于查找到的文本查询结果确定文本查询结果摘要。
这里，可以采用各种实现方式基于查找到的文本查询结果确定文本查询结果摘要。
在一些实现方式中，上述执行主体可以首先呈现步骤2051’中查找到的文本查询结果，然后可以接收用户基于所呈现的文本查询结果所输入的文本作为文本查询结果摘要。例如，用户可以在所呈现的文本查询结果的基础上执行复制、粘贴、输入等操作。
在一些实现方式中，上述执行主体也可以采用各种实现方式对查找到的文本查询结果进行摘要提取，并将摘要提取所得到的摘要作为文本查询结果摘要。需要说明的是，如何对文本进行摘要提取是目前广泛研究和应用的公知技术，在此不再赘述。例如，可以采用注意力模型(Attention Model)、Pointer-Generator Networks等来对文本进行摘要提取。
步骤2053’，利用语音合成技术，生成与文本查询结果摘要对应的语音作为第二音频。
需要说明的是，语音合成技术是目前广泛研究和应用的公知技术，在此不再赘述。
步骤2054’，顺序连接素材资源序列中的各个图像和视频素材资源，得到第二视频。
步骤2055’，将第二音频和第二视频分别确定为所生成的视频中的音频和视频部分。
继续参见图4，图4是根据本实施例的用于生成视频的方法的应用场景的一个示意图。在图4的应用场景中，服务器401可以首先接收用户输入的查询文本402，然后服务器401可以查询与查询文本402相关的素材资源集合403，接着服务器401可以呈现素材资源集合403，之后服务器401可以响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列404，最后服务器401可以根据素材资源序列404生成视频405。
本申请的上述实施例提供的方法通过首先接收用户输入的查询文本，再查询与查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频，而后呈现素材资源集合，接着接收用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列，最后根据素材资源序列生成视频，从而通过根据用户输入的查询文本，为用户提供素材资源，再基于用户对所提供的素材资源的选择和排序操作生成视频，降低了用户生成视频的成本。
进一步参考图5，其示出了用于生成视频的方法的又一个实施例的流程500。该用于生成视频的方法的流程500，包括以下步骤：
步骤501，接收用户输入的查询文本。
步骤502，查询与查询文本相关的素材资源集合。
步骤503，呈现素材资源集合。
步骤504，响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列。
步骤505，根据素材资源序列生成视频。
在本实施例中，步骤501、步骤502、步骤503、步骤504和步骤505的具体操作与图2所示的实施例中步骤201、步骤202、步骤203、步骤204和步骤205的操作基本相同，在此不再赘述。
步骤506，响应于接收到用于指示播放所生成的视频的播放请求，播放所生成的视频。
在本实施例的一些可选实现方式中，用于生成视频的方法的执行主体(例如图1所示的服务器)可以在本地接收到用于指示播放所生成的视频的播放请求的情况下，本地播放所生成的视频。
在本实施例的一些可选实现方式中，上述执行主体也可以在远程地从与上述执行主体网络连接的终端设备接收到用于指示播放所生成的视频的播放请求的情况下，将所生成的视频发送给上述终端设备，并控制上述终端设备本地播放所收到的视频。
从图5中可以看出，与图2A对应的实施例相比，本实施例中的用于生成视频的方法的流程500多出了在收到播放请求的情况下，播放所生成的视频的步骤。由此，本实施例描述的方案可以实现播放所生成的视频，继而用户可以预览所生成的视频，并可以继续对视频进行编辑，并在编辑完成后再次预览，从而降低用户制作以及编辑视频的成本。
进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于生成视频的装置的一个实施例，该装置实施例与图2A所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的用于生成视频的装置600包括：接收单元601、查询单元602、呈现单元603、确定单元604和生成单元605。其中，接收单元601，被配置成接收用户输入的查询文本；查询单元602，被配置成查询与上述查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频；呈现单元603，被配置成呈现上述素材资源集合；确定单元604，被配置成响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列；而生成单元605，被配置成根据上述素材资源序列生成视频。
在本实施例中，用于生成视频的装置600的接收单元601、查询单元602、呈现单元603、确定单元604和生成单元605的具体处理及其所带来的技术效果可分别参考图2A对应实施例中步骤201、步骤202、步骤203、步骤204和步骤205的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，上述查询单元602可以包括：分词模块6021，被配置成对上述查询文本进行分词，得到与上述查询文本对应的分词序列；第一查询模块6022，被配置成对于上述分词序列中的分词，查询与该分词的匹配度大于预设匹配度阈值的素材资源；第一确定模块6023，被配置成将查找到的素材资源确定为素材资源集合。
在本实施例的一些可选的实现方式中，上述第一查询模块6022可以进一步被配置成：查询对应的语义向量与该分词的词向量之间的相似度大于第一预设相似度阈值的素材资源。
在本实施例的一些可选的实现方式中，上述查询单元602也可以包括：第二查询模块6021’，被配置成查询对应的语义向量与上述查询文本的语义向量之间的相似度大于第二预设相似度阈值的素材资源；第二确定模块6022’，被配置成将查找到的素材资源确定为上述素材资源集合。
在本实施例的一些可选的实现方式中，上述生成单元605可以包括：第三确定模块6051，被配置成将顺序连接上述素材资源序列中各图像和视频素材资源所得到的视频确定为第一视频；第四确定模块6052，被配置成将顺序连接上述素材资源序列中各音频素材资源所得到的音频确定为第一音频；第五确定模块6053，被配置成将上述第一视频和上述第一音频分别确定为所生成的视频中的视频和音频部分。。
在本实施例的一些可选的实现方式中，上述生成单元605也可以包括：第三查询模块6051’，被配置成查询对应的语义向量与上述查询文本的语义向量之间的相似度大于第二预设相似度阈值的文本查询结果；第六确定模块6052’，被配置成基于查找到的文本查询结果确定文本查询结果摘要；语音合成模块6053’，被配置成利用语音合成技术，生成与上述文本查询结果摘要对应的语音作为第二音频；连接模块6054’，被配置成顺序连接上述素材资源序列中的各个图像和视频素材资源，得到第二视频；第七确定模块6055’，被配置成将上述第二音频和上述第二视频分别确定为所生成的视频中的音频和视频部分。
在本实施例的一些可选的实现方式中，上述装置600还可以包括：播放单元606，被配置成响应于接收到用于指示播放所生成的视频的播放请求，播放所生成的视频。
需要说明的是，本申请实施例提供的用于生成视频的装置中各单元的实现细节和技术效果可以参考本申请中其它实施例的说明，在此不再赘述。
下面参考图7，其示出了适于用来实现本申请实施例的服务器的计算机系统700的结构示意图。图7示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括一个或多个中央处理单元(CPU，CentralProcessing Unit)701，其可以根据存储在只读存储器(ROM，Read Only Memory)702中的程序或者从存储部分708加载到随机访问存储器(RAM，Random Access Memory)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O，Input/Output)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN(局域网，Local AreaNetwork)卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括接收单元、查询单元、呈现单元、确定单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，接收单元还可以被描述为“接收用户输入的查询文本的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：接收用户输入的查询文本；查询与查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频；呈现素材资源集合；响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列；根据素材资源序列生成视频。
作为又一方面，本申请实施例还提供了另一种服务器，包括：接口；存储器，其上存储有一个或多个程序；以及一个或多个处理器，在操作上连接到上述接口和上述存储器，用于：接收用户输入的查询文本；查询与查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频；呈现素材资源集合；响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列；根据素材资源序列生成视频。
作为又一方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，当上述计算机程序被一个或多个处理器执行时，使得上述一个或多个处理器：接收用户输入的查询文本；查询与查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频；呈现素材资源集合；响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列；根据素材资源序列生成视频。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种用于生成视频的方法，包括：
接收用户输入的查询文本；
查询与所述查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频；
呈现所述素材资源集合；
响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列；
根据所述素材资源序列生成视频。
2.根据权利要求1所述的方法，其中，所述查询与所述查询文本相关的素材资源集合，包括：
对所述查询文本进行分词，得到与所述查询文本对应的分词序列；
对于所述分词序列中的分词，查询与该分词的匹配度大于预设匹配度阈值的素材资源；
将查找到的素材资源确定为素材资源集合。
3.根据权利要求2所述的方法，其中，所述查询与该分词的匹配度大于预设匹配度阈值的素材资源，包括：
查询对应的语义向量与该分词的词向量之间的相似度大于第一预设相似度阈值的素材资源。
4.根据权利要求1所述的方法，其中，所述查询与所述查询文本相关的素材资源集合，包括：
查询对应的语义向量与所述查询文本的语义向量之间的相似度大于第二预设相似度阈值的素材资源；
将查找到的素材资源确定为所述素材资源集合。
5.根据权利要求1所述的方法，其中，所述根据所述素材资源序列生成视频，包括：
将顺序连接所述素材资源序列中各图像和视频素材资源所得到的视频确定为第一视频；
将顺序连接所述素材资源序列中各音频素材资源所得到的音频确定为第一音频；
将所述第一视频和所述第一音频分别确定为所生成的视频中的视频和音频部分。
6.根据权利要求1所述的方法，其中，所述根据所述素材资源序列生成视频，包括：
查询对应的语义向量与所述查询文本的语义向量之间的相似度大于第二预设相似度阈值的文本查询结果；
基于查找到的文本查询结果确定文本查询结果摘要；
利用语音合成技术，生成与所述文本查询结果摘要对应的语音作为第二音频；
顺序连接所述素材资源序列中的各个图像和视频素材资源，得到第二视频；
将所述第二音频和所述第二视频分别确定为所生成的视频中的音频和视频部分。
7.根据权利要求1所述的方法，其中，所述方法还包括：
响应于接收到用于指示播放所生成的视频的播放请求，播放所生成的视频。
8.一种用于生成视频的装置，包括：
接收单元，被配置成接收用户输入的查询文本；
查询单元，被配置成查询与所述查询文本相关的素材资源集合，其中，素材资源为图像、视频或音频；
呈现单元，被配置成呈现所述素材资源集合；
确定单元，被配置成响应于接收到用户对所呈现的素材资源集合中素材资源的选择操作和排序操作，确定素材资源序列；
生成单元，被配置成根据所述素材资源序列生成视频。
9.根据权利要求8所述的装置，其中，所述查询单元包括：
分词模块，被配置成对所述查询文本进行分词，得到与所述查询文本对应的分词序列；
第一查询模块，被配置成对于所述分词序列中的分词，查询与该分词的匹配度大于预设匹配度阈值的素材资源；
第一确定模块，被配置成将查找到的素材资源确定为素材资源集合。
10.根据权利要求9所述的装置，其中，所述第一查询模块进一步被配置成：
查询对应的语义向量与该分词的词向量之间的相似度大于第一预设相似度阈值的素材资源。
11.根据权利要求8所述的装置，其中，所述查询单元包括：
第二查询模块，被配置成查询对应的语义向量与所述查询文本的语义向量之间的相似度大于第二预设相似度阈值的素材资源；
第二确定模块，被配置成将查找到的素材资源确定为所述素材资源集合。
12.根据权利要求8所述的装置，其中，所述生成单元包括：
第三确定模块，被配置成将顺序连接所述素材资源序列中各图像和视频素材资源所得到的视频确定为第一视频；
第四确定模块，被配置成将顺序连接所述素材资源序列中各音频素材资源所得到的音频确定为第一音频；
第五确定模块，被配置成将所述第一视频和所述第一音频分别确定为所生成的视频中的视频和音频部分。
13.根据权利要求8所述的装置，其中，所述生成单元包括：
第三查询模块，被配置成查询对应的语义向量与所述查询文本的语义向量之间的相似度大于第二预设相似度阈值的文本查询结果；
第六确定模块，被配置成基于查找到的文本查询结果确定文本查询结果摘要；
语音合成模块，被配置成利用语音合成技术，生成与所述文本查询结果摘要对应的语音作为第二音频；
连接模块，被配置成顺序连接所述素材资源序列中的各个图像和视频素材资源，得到第二视频；
第七确定模块，被配置成将所述第二音频和所述第二视频分别确定为所生成的视频中的音频和视频部分。
14.根据权利要求8所述的装置，其中，所述装置还包括：
播放单元，被配置成响应于接收到用于指示播放所生成的视频的播放请求，播放所生成的视频。
15.一种服务器，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被一个或多个处理器执行时实现如权利要求1-7中任一所述的方法。
CN201910277152.9A 2019-04-08 2019-04-08 用于生成视频的方法和装置 Active CN111866609B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910277152.9A CN111866609B (zh) 2019-04-08 2019-04-08 用于生成视频的方法和装置
JP2019219315A JP7113000B2 (ja) 2019-04-08 2019-12-04 映像を生成するための方法および装置
US16/703,717 US10910014B2 (en) 2019-04-08 2019-12-04 Method and apparatus for generating video

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910277152.9A CN111866609B (zh) 2019-04-08 2019-04-08 用于生成视频的方法和装置

Publications (2)

Publication Number Publication Date
CN111866609A true CN111866609A (zh) 2020-10-30
CN111866609B CN111866609B (zh) 2022-12-13

Family

ID=72663186

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910277152.9A Active CN111866609B (zh) 2019-04-08 2019-04-08 用于生成视频的方法和装置

Country Status (3)

Country Link
US (1) US10910014B2 (zh)
JP (1) JP7113000B2 (zh)
CN (1) CN111866609B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112287168A (zh) * 2020-10-30 2021-01-29 北京有竹居网络技术有限公司 用于生成视频的方法和装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006172133A (ja) * 2004-12-15 2006-06-29 Canon Inc 情報処理システム、情報処理装置、情報処理方法、プログラム及び記憶媒体
US20100211605A1 (en) * 2009-02-17 2010-08-19 Subhankar Ray Apparatus and method for unified web-search, selective broadcasting, natural language processing utilities, analysis, synthesis, and other applications for text, images, audios and videos, initiated by one or more interactions from users
US20120177345A1 (en) * 2011-01-09 2012-07-12 Matthew Joe Trainer Automated Video Creation Techniques
US20120294477A1 (en) * 2011-05-18 2012-11-22 Microsoft Corporation Searching for Images by Video
CN103838866A (zh) * 2014-03-20 2014-06-04 广东小天才科技有限公司 一种文本转换方法及装置
CN103928039A (zh) * 2014-04-15 2014-07-16 北京奇艺世纪科技有限公司 一种视频合成方法及装置
CN104036010A (zh) * 2014-06-25 2014-09-10 华东师范大学 一种基于半监督cbow的用户搜索词主题分类的方法
JP2014207527A (ja) * 2013-04-11 2014-10-30 キヤノン株式会社 映像生成装置及びその制御方法
CN105893427A (zh) * 2015-12-07 2016-08-24 乐视网信息技术（北京）股份有限公司 资源搜索方法以及服务器
CN108416028A (zh) * 2018-03-09 2018-08-17 北京百度网讯科技有限公司 一种搜索内容资源的方法、装置及服务器
CN109036425A (zh) * 2018-09-10 2018-12-18 百度在线网络技术（北京）有限公司 用于操作智能终端的方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101398832A (zh) * 2007-09-30 2009-04-01 国际商业机器公司 利用人脸检测的图像搜索方法和系统
US20170104840A1 (en) * 2015-10-08 2017-04-13 Perry M. Spagnola Adaptive system cache

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006172133A (ja) * 2004-12-15 2006-06-29 Canon Inc 情報処理システム、情報処理装置、情報処理方法、プログラム及び記憶媒体
US20100211605A1 (en) * 2009-02-17 2010-08-19 Subhankar Ray Apparatus and method for unified web-search, selective broadcasting, natural language processing utilities, analysis, synthesis, and other applications for text, images, audios and videos, initiated by one or more interactions from users
US20120177345A1 (en) * 2011-01-09 2012-07-12 Matthew Joe Trainer Automated Video Creation Techniques
US20120294477A1 (en) * 2011-05-18 2012-11-22 Microsoft Corporation Searching for Images by Video
JP2014207527A (ja) * 2013-04-11 2014-10-30 キヤノン株式会社 映像生成装置及びその制御方法
CN103838866A (zh) * 2014-03-20 2014-06-04 广东小天才科技有限公司 一种文本转换方法及装置
CN103928039A (zh) * 2014-04-15 2014-07-16 北京奇艺世纪科技有限公司 一种视频合成方法及装置
CN104036010A (zh) * 2014-06-25 2014-09-10 华东师范大学 一种基于半监督cbow的用户搜索词主题分类的方法
CN105893427A (zh) * 2015-12-07 2016-08-24 乐视网信息技术（北京）股份有限公司 资源搜索方法以及服务器
CN108416028A (zh) * 2018-03-09 2018-08-17 北京百度网讯科技有限公司 一种搜索内容资源的方法、装置及服务器
CN109036425A (zh) * 2018-09-10 2018-12-18 百度在线网络技术（北京）有限公司 用于操作智能终端的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵婕: "《图像特征提取与语义分析》", 1 June 2015 *

Also Published As

Publication number Publication date
CN111866609B (zh) 2022-12-13
JP2020173776A (ja) 2020-10-22
JP7113000B2 (ja) 2022-08-04
US10910014B2 (en) 2021-02-02
US20200321026A1 (en) 2020-10-08

Similar Documents

Publication Publication Date Title
CN109117777B (zh) 生成信息的方法和装置
CN111866610B (zh) 用于生成信息的方法和装置
CN107193792B (zh) 基于人工智能的生成文章的方法和装置
CN106973244B (zh) 使用弱监督数据自动生成图像字幕的方法和系统
CN111798879B (zh) 用于生成视频的方法和装置
US20140149893A1 (en) System and method for visual analysis of on-image gestures
CN111800671B (zh) 用于对齐段落和视频的方法和装置
CN109241286B (zh) 用于生成文本的方法和装置
CN109697239B (zh) 用于生成图文信息的方法
CN108121699B (zh) 用于输出信息的方法和装置
CN109582825B (zh) 用于生成信息的方法和装置
CN113806588B (zh) 搜索视频的方法和装置
CN113434716B (zh) 一种跨模态信息检索方法和装置
CN107924398B (zh) 用于提供以评论为中心的新闻阅读器的系统和方法
CN112766284B (zh) 图像识别方法和装置、存储介质和电子设备
CN111897950A (zh) 用于生成信息的方法和装置
US11687711B2 (en) Method and apparatus for generating commentary
CN112182255A (zh) 用于存储媒体文件和用于检索媒体文件的方法和装置
Palaskar et al. Multimodal Speech Summarization Through Semantic Concept Learning.
CN111866609B (zh) 用于生成视频的方法和装置
CN110852057A (zh) 一种计算文本相似度的方法和装置
CN111797273B (zh) 用于调整参数的方法和装置
CN112652329A (zh) 文本重对齐方法、装置、电子设备和存储介质
CN111611420A (zh) 用于生成图像描述信息的方法和装置
CN113111177B (zh) 文本数据标注方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant