CN112188117B - 视频合成方法、客户端及系统 - Google Patents

Abstract

本发明提供了一种视频合成方法、客户端及系统，涉及互联网技术领域。一种视频合成方法，包括如下步骤：获取网络平台中的原视频数据，识别所述原视频数据中的特征元素信息；根据剧本情节，从前述原视频数据中选取特征元素符合剧本情节的多个目标视频；将多个目标视频依据剧本情节的发展生成合成视频。本发明能够根据剧本情节，从网络平台的原视频数据中选取特征元素符合剧本情节的多个目标视频依据剧本情节的发展生成合成视频，满足用户制作内容丰富的影视内容的需求，提升用户体验。

Description

视频合成方法、客户端及系统

技术领域

本发明涉及互联网技术领域。

背景技术

在系统市场中，有一类系统一直以来都吸引着人们的目光，人们对这一类系统有着独特的兴趣和需求，那就是社交类系统。据不完全统计目前国内的SNS(SocialNetworking Services)相关电子产品已有上万种，主要的SNS系统有以下几种比较大的类型：校园生活型，用户以学生为主；职业商务型，用户以白领为主；交友型，用户更偏向于适龄的男女青年；开放型，用户入门门槛较低，方便沟通。目前，视频在线社交系统及其视频在线社交方法正受到各年龄段人群的追捧，抖音、西瓜视频、火山小视频等视频社交平台成了人们生活中常用的社交工具。

另一方面，目前网络上兴起的微电影大大丰富了人们的娱乐生活，但是由于微电影制作的专业性，以及拍摄电影耗费的人力、物力资源较大，个人独立制作情节丰富的微电影仍然较为困难。

如何充分地利用当前网络平台中的海量视频，以满足不同用户制作内容丰富的影视内容的需求，也是当前需要解决的问题。

发明内容

本发明的目的在于：克服现有技术的不足，提供一种视频合成方法、客户端及系统。本发明能够根据剧本情节，从网络平台的原视频数据中选取特征元素符合剧本情节的多个目标视频依据剧本情节的发展生成合成视频，满足用户制作内容丰富的影视内容的需求，提升用户体验。

为实现上述目标，本发明提供了如下技术方案。

一种视频合成方法，包括如下步骤：获取网络平台中的原视频数据，识别所述原视频数据中的特征元素信息；根据剧本情节，从前述原视频数据中选取特征元素符合剧本情节的多个目标视频；将多个目标视频依据剧本情节的发展生成合成视频。

进一步，所述的特征元素，是通过如下方式之一获取的，

方式一，获取原视频的图像数据，通过图像分析识别其中的地点、场景、人物、字幕和/或物品信息作为特征元素，并记录特征元素在视频中的时间位置和空间位置信息；

方式二，获取原视频的声音信息，通过语音识别后获取声音对应的文字内容，提取文字内容的关键词作为特征元素，并记录特征元素在视频中的时间位置；

方式三，获取原视频数据的属性信息，以及该原视频数据的上传者和/或互动者输入的标签信息，从属性信息和标签信息中提取关键词作为特征元素；

方式四，对原视频数据进行图像识别和/或语音识别后，获取视频中记载的预设类型数据作为特征信息。

进一步，所述剧本情节，通过截取影视剧的方式获得，具体包括如下步骤，

获取影视剧的视频信息；

对获取的视频进行分割，形成多个剪辑桥段；

分析前述影视剧的评论信息，获取评论中出现频次达到预设次数的角色和/或情节，获取对应的剪辑桥段的情节作为剧本情节。

进一步，所述剧本情节，通过网络社交平台或网络视听平台或网络文学平台提供；

所述网络社交平台或网络视听平台或网络文学平台设置有剧本情节数据库，所述剧本情节数据库存储供用户选择的剧本主题、角色、场景、风格、色调、道具、特效、配音和/或音乐。

进一步，还包括步骤，

采集用户的地理位置信息；

获取与该地理位置信息相关的故事和/或音视频信息；

根据前述故事和/或音视频信息中的一个或多个生成剧本情节。

优选的，还包括步骤，

采集前述地理位置的当前天气信息；

从前述故事和/或音视频信息中，筛选与前述天气信息符合的故事和/或音视频信息生成剧本情节。

进一步，还包括步骤，在前述合成视频中设置互动元素，以与用户进行互动交互；

所述互动元素的互动方式包括点击、触摸、拖动、摇晃、视线互动和/或声音互动。

进一步，将多个目标视频生成合成视频时，不同的目标视频提供不同的特征元素进行组合；或者从多个目标视频中选择一个主线视频，从其它目标视频中选择部分特征元素整合至前述主线视频中；

进一步，所述网络平台为直播平台、小视频平台或视频播放平台；

所述合成视频为电影、连续剧、纪录片或风光片；

针对各个目标视频在合成视频中贡献的特征元素，制作视频的演职员表。

本发明还提供了一种视频社交客户端，包括如下结构：

视频处理模块，用以获取网络平台中的原视频数据，识别所述原视频数据中的特征元素信息；

视频选择模块，用以根据剧本情节，从前述原视频数据中选取特征元素符合剧本情节的多个目标视频；

视频合成模块，用以将多个目标视频依据剧本情节的发展生成合成视频。

本发明还提供了一种视频社交系统，包括用户客户端与服务器端，

所述用户客户端，用以采集用户的视频合成操作指令，以及输出合成视频；

所述服务器端，包括如下结构：

视频处理模块，用以根据前述视频合成操作指令，获取网络平台中的原视频数据，识别所述原视频数据中的特征元素信息；

视频选择模块，用以根据剧本情节，从前述原视频数据中选取特征元素符合剧本情节的多个目标视频；

视频合成模块，用以将多个目标视频依据剧本情节的发展生成合成视频。

本发明由于采用以上技术方案，与现有技术相比，作为举例而非限定，具有以下的优点和积极效果：能够根据剧本情节，从网络平台的原视频数据中选取特征元素符合剧本情节的多个目标视频依据剧本情节的发展生成合成视频，满足用户制作内容丰富的影视内容的需求，提升用户体验。

附图说明

图1为本发明实施例提供的视频合成方法的流程图。

图2至图6为本发明实施例提供的进行视频合成的操作示例图。

图7为本发明实施例提供的客户端的模块结构图。

图8为本发明实施例提供的系统的结构示意图。

图中标号如下：

用户100；

智能终端200，显示结构210，短视频220，互动触发区域230，信息输入栏240；

客户端300，视频处理模块310，视频选择模块320，视频合成模块330；

系统400，用户客户端410，服务器端420。

具体实施方式

以下结合附图和具体实施例对本发明提供的视频合成方法、客户端及系统作进一步详细说明。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中，各附图所出现的相同标号代表相同的特征或者部件，可应用于不同实施例中。

需说明的是，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定发明可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响发明所能产生的功效及所能达成的目的下，均应落在发明所揭示的技术内容所能涵盖的范围内。本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

实施例

参见图1所示，一种视频合成方法，包括如下步骤：

S100，获取网络平台中的原视频数据，识别所述原视频数据中的特征元素信息。

本实施例中，所述的特征元素，是指任意能够体现和/或表示该原视频数据特征的信息，可以包括原视频的结构化信息——比如帧率信息、关键帧信息、主题信息、人物信息以及上述各信息的时间线信息；还可以包括原视频的属性信息——比如拍摄参数信息、拍摄日期信息、拍摄地点信息等；还可以包括原视频的内容分析信息——比如分析镜头或声音后获取的场景信息、风格信息、天气信息、音乐信息、音质信息等。

本实施例中，所述的特征元素，可以是通过如下方式之一获取的：

方式一，获取原视频的图像数据，通过图像分析识别其中的地点、场景、人物、字幕和/或物品信息作为特征元素，并记录特征元素在视频中的时间位置和空间位置信息。

此方式中，优选的，在记录了特征元素在视频中的时间位置和空间位置后，就可以针对每个特征元素，获取视频中涉及该特征元素的关联镜头信息，然后生成特征元素——关联镜头信息的映射数据表。

作为举例而非限制，比如以特征元素——机器人瓦力为例，通过上述方式提取原视频中涉及机器人瓦力的镜头信息，然后对应前述机器人瓦力形成关联镜头信息的映射数据。

进一步，针对特征元素一—关联镜头信息的映射数据表，可以对特征元素建立索引表，所述索引表可以对应着前述原视频输出，在用户触发索引表中的特征元素时，输出该特征元素对应的关联镜头信息。

方式二，获取原视频的声音信息，通过语音识别后获取声音对应的文字内容，提取文字内容的关键词作为特征元素，并记录特征元素在视频中的时间位置。

此方式中，优选的，在记录了特征元素在视频中的时间位置后，就可以针对每个特征元素，获取视频中涉及该特征元素的关联镜头信息，然后生成特征元素——关联镜头信息的映射数据表。

作为举例而非限制，比如以特征元素——木星，则通过上述方式将原视频中与木星相关的所有镜头信息进行提取后，对应木星形成关联镜头信息的映射数据。然后，对特征元素建立索引表，在用户触发索引表中的特征元素时，输出该特征元素对应的关联镜头信息。

方式三，获取原视频数据的属性信息，以及该原视频数据的上传者和/或互动者输入的标签信息，从属性信息和标签信息中提取关键词作为特征元素。

此方式中，是根据原视频的属性信息，以及上传者、互动者输入的标签信息来提取特征元素的。所述标签信息，包括但不限于对该原视频的备注信息一—比如“2019年2月拍摄于武隆天坑和仙女山”、“90后钟爱”、“摇滚风格”等描述信息，以及与该原视频相关的评论信息——比如“武隆天坑是满城尽带黄金甲的取景地”、“仙女山的草原小火车真不错”等评论信息。

从前述标签信息中，可以提取出关键词——比如“武隆”，“天坑”，“仙女山”，“小火车”，“满城尽带黄金甲”等，上述关键词就可以作为原视频的特征元素。

方式四，对原视频数据进行图像识别和/或语音识别后，获取视频中记载的预设类型数据作为特征信息。

此方式中，所述预设类型数据，作为举例而非限制，可以是地名信息、人名信息、景点信息、美食信息等。对原视频进行图像识别和/或语音识别后，获取其中的地名信息、人名信息、景点信息或美食信息作为该视频的特征元素。

S200，根据剧本情节，从前述原视频数据中选取特征元素符合剧本情节的多个目标视频。

S300，将多个目标视频依据剧本情节的发展生成合成视频。

优选的，将多个目标视频生成合成视频时，不同的目标视频提供不同的特征元素进行组合。作为举例而非限制，比如选择了3个目标视频来合成视频，由目标视频一提供屋内场景，由目标视频二提供野外场景，由目标视频三提供飞机上的场景。

或者，将多个目标视频生成合成视频时，从多个目标视频中选择一个主线视频，从其它目标视频中选择部分特征元素整合至前述主线视频中。作为举例而非限制，比如选择了3个目标视频来合成视频，由目标视频一作为主线视频，由目标视频二中的女声提供女主角的配音，由目标视频三的女声提供内容说明的旁白。

本实施例中，所述网络平台可以为各种直播平台、小视频平台或视频播放平台。

所述合成视频，包括但不限于电影、连续剧、纪录片或风光片。其中，可以针对各个目标视频在合成视频中贡献的特征元素，制作视频的演职员表。

具体的，在制作合成视频时，对于与剧本情节匹配的特征元素，可以提取该特征元素对应的关联镜头信息整合到合成视频中。以前面描述的特征元素——木星为例，比如剧本情节中涉及了描述木星的情节，则可以选择一个或多个具有特征元素“木星”的原视频，获取前述特征元素“木星”在原视频中的关联镜头信息(基于特征元素——关联镜头信息的映射数据表可以获取)，将前述关联镜头信息整合到合成视频中。

本实施例的一个实施方式中，所述剧本情节，是通过截取影视剧的方式获得，具体包括如下步骤，

获取影视剧的视频信息；

对获取的视频进行分割，形成多个剪辑桥段；

分析前述影视剧的评论信息，获取评论中出现频次达到预设次数的角色和/或情节，获取对应的剪辑桥段的情节作为剧本情节。

优选的，可以基于当前的热播影视剧进行视频分割。所述热播影视剧，可以是当前所在网络平台标注或推荐的热播视频，也可以是关联的视频播放平台标注或推荐的热播视频。获取视频时，优选获取更新日期在3天之内的视频内容。

对视频进行分割形成多个剪辑桥段的方式，可以是根据视频中的场景信息进行分割，依据场景出现的时间顺序，一个场景对应一个剪辑桥段。作为举例而非限制，比如视频中包括4个场景，根据视频的时间轴，依次为屋内场景一、大海场景、城市夜景场景和屋内场景二，则该视频可以分割为4个剪辑桥段，依次对应屋内场景一桥段、大海场景桥段、城市夜景场景桥段和屋内场景二桥段。

分析前述热播视频的评论信息，获取评论中出现频次达到预设次数的角色和/或情节。作为举例，比如评论信息中，涉及海边嬉戏情节的评论数超过了预设的阈值5000次，则获取海边嬉戏对应的大海场景桥段的情节作为剧本情节

本实施例的另一个实施方式中，所述剧本情节，是通过网络社交平台或网络视听平台或网络文学平台提供；

所述网络社交平台或网络视听平台或网络文学平台设置有剧本情节数据库，所述剧本情节数据库存储供用户选择的剧本主题、角色、场景、风格、色调、道具、特效、配音和/或音乐。

本实施例的另一个实施方式中，所述剧本情节是与用户的地理位置信息相关联的。

具体实施的，可以包括如下步骤：采集用户的地理位置信息；获取与该地理位置信息相关的故事和/或音视频信息；根据前述故事和/或音视频信息中的一个或多个生成剧本情节。如此，能够根据用户当前所在的位置，提供相关的剧本情节，以便于用户现场拍摄相关场景，用户拍摄的视频也可以作为合成视频的原视频数据。

进一步，还可以结合天气提供剧本情节。具体包括如下步骤：采集前述地理位置的当前天气信息；从前述故事和/或音视频信息中，筛选与前述天气信息符合的故事和/或音视频信息生成剧本情节。

优选的，在前述合成视频中还可以设置互动元素，以与用户(比如视频的观看者)进行互动交互。

所述互动元素的互动方式包括但不限于点击、触摸、拖动、摇晃、视线互动和/或声音互动。

结合图2至图6详细描述本实施例的技术方案。

以网络视频/直播等视频社交平台为例，智能终端安装有视频社交平台的客户端。所述智能终端，可以为手机、平板电脑、电话、笔记本电脑或佩戴式智能终端。

客户端可以包括用户管理模块，其可以用于用户注册、登录以及信息维护等用户身份信息的管理。作为举例而非限制，比如用户注册时，可以通过用户管理模块上传身份特征信息——比如面部图像数据——作为标准身份特征信息，后续登录时，用户可以通过面部识别功能登录客户端。

用户进入该客户端后，参见图2所示，可浏览、查看、点评、点赞视频社交平台上输出的短视频220，也可以上传自己拍摄的视频内容。

继续参见图2，所述视频社交平台的客户端还提供了DIY视频触发选项“DIY”，用户触发该选项后，进入合成视频操作界面，参见图3所示。在合成视频操作界面中，提示用户进行剧本情节的设置。

作为举例而非限制，所述剧本情节的设置可以基于默认的模板，或者用户自己的创作，或者热门搜索，或者基于用户当前的地理位置进行本地设置。

以默认的模板为例，用户触发“可用模板”选项后，进入到默认的剧本情节界面，参见图4所示。该界面中，用户可以选择剧本的主题、角色、场景、风格、色调、道具、特效、配音等各项设置。

作为举例而非限制，所述的主题可以包括武侠、科幻、都市、少儿、二次元等选项，所述角色可以包括超人、外星人、异形人、怪兽等选项，所述场景可以包括厨房、庭院、野外、都市夜景等选项，所述风格可以包括清新、动感、活力、科幻等选项，所述色调可以包括鲜艳、黄昏、深沉等选项，所述道具可以包括虚拟宠物、虚拟装备等选项，所述特效可以包括光电特效、宇宙特效、风云特效等选项，所述配音可以包括女童声、男童声、女青年声、男青年声等选项。

依据用户设置的剧本情节，从该视频社交平台公开的原视频中选取特征元素符合剧本情节的多个目标视频，将多个目标视频依据剧本情节的发展生成合成视频。参见图5所示，为用户张三制作的合成视频，用户可以将合成视频进行发布。

同时，张三还在前述合成视频中加入了互动元素，针对互动元素还可以设置互动触发区域230，使得视频观众可以通过互动触发区域230与视频中的对象进行互动交互。所述互动元素的互动方式包括但不限于点击、触摸、拖动、摇晃、视线互动和/或声音互动。

若用户在图3中触发了“基于本地”选项，则进入了基于地理位置设置剧本情节的功能。作为举例而非限制，参见图6所示，比如用户100在信息输入栏240输入了自己的位置“赤壁”，则可以设置与赤壁相关的剧本情节。如此，能够根据用户当前所在的位置，提供相关的剧本情节，以便于用户现场拍摄相关场景，用户拍摄的视频也可以作为合成视频的原视频数据。

参见图7所示，为本发明的另一实施例，提供了一种视频社交客户端。

所述客户端300包括如下结构：

视频处理模块310，用以获取网络平台中的原视频数据，识别所述原视频数据中的特征元素信息。

所述的特征元素，是指任意能够体现和/或表示该原视频数据特征的信息，可以包括原视频的结构化信息——比如帧率信息、关键帧信息、主题信息、人物信息以及上述各信息的时间线信息；还可以包括原视频的属性信息——比如拍摄参数信息、拍摄日期信息、拍摄地点信息等；还可以包括原视频的内容分析信息——比如分析镜头或声音后获取的场景信息、风格信息、天气信息、音乐信息、音质信息等。

视频选择模块320，用以根据剧本情节，从前述原视频数据中选取特征元素符合剧本情节的多个目标视频。

视频合成模块330，用以将多个目标视频依据剧本情节的发展生成合成视频。

所述客户端300优选为直播客户端、小视频客户端或视频播放客户端。

用户登录该客户端300后，可通过自己的账户上传自己拍摄的视频内或图片，也可以制作合成视频。

所述视频合成模块330将多个目标视频生成合成视频时，可以基于如下规则：不同的目标视频提供不同的特征元素进行组合。作为举例而非限制，比如选择了3个目标视频来合成视频，由目标视频一提供屋内场景，由目标视频二提供野外场景，由目标视频三提供飞机上的场景。

或者基于如下规则：从多个目标视频中选择一个主线视频，从其它目标视频中选择部分特征元素整合至前述主线视频中。作为举例而非限制，比如选择了3个目标视频来合成视频，由目标视频一作为主线视频，由目标视频二中的女声提供女主角的配音，由目标视频三的女声提供内容说明的旁白。

其它技术特征参考在前实施例，在此不再赘述。

参见图8所示，为本发明的另一实施例，提供了一种视频社交系统400，包括用户客户端410与服务器端420。

所述用户客户端410，用以采集用户的视频合成操作指令，以及输出合成视频。

所述服务器端420包括如下结构：

视频处理模块，用以根据前述视频合成操作指令，获取网络平台中的原视频数据，识别所述原视频数据中的特征元素信息；

视频选择模块，用以根据剧本情节，从前述原视频数据中选取特征元素符合剧本情节的多个目标视频；

视频合成模块，用以将多个目标视频依据剧本情节的发展生成合成视频。

本实施例中，所述用户客户端410优选为直播客户端或小视频客户端。

用户客户端410和服务器端420之间通过通讯网络进行信息连接，网络形态一般为互联网，也可以局部互联网或者局域网。

所述服务器端420包括有硬件服务器，所述硬件服务器的构成，通常可以包含以下结构：一个或多个处理器，进行计算处理；存储，具体为内存、外存和网络存储，用于保存计算所需要的数据，以及可运行程序；网络接口，用于连接网络；所述硬件单元通过，计算机总线(bus)或者信号线连接。

其它技术特征参考在前实施例，在此不再赘述。

在上面的描述中，虽然本公开内容的各方面的所有组件可以被解释为被装配或被操作地连接为一个模块，但是本公开内容并不旨在将其自身限于这些方面。而是，在本公开内容的目标保护范围内，各组件可以以任意数目选择性地且操作性地进行合并。这些组件中的每个组件自身还可以实现成硬件，同时各个组件可以部分地合并或选择性地总体合并且实现成具有用于执行硬件等同体的功能的程序模块的计算机程序。用以构建这种程序的代码或代码段可以由本领域技术人员容易地导出。这种计算机程序可以储存在计算机可读介质中，其可以被运行以实现本公开内容的各方面。计算机可读介质可以包括磁记录介质、光学记录介质以及载波介质。

另外，像“包括”、“囊括”以及“具有”的术语应当默认被解释为包括性的或开放性的，而不是排他性的或封闭性，除非其被明确限定为相反的含义。所有技术、科技或其他方面的术语都符合本领域技术人员所理解的含义，除非其被限定为相反的含义。在词典里找到的公共术语应当在相关技术文档的背景下不被太理想化或太不实际地解释，除非本公开内容明确将其限定成那样。

虽然已出于说明的目的描述了本公开内容的示例方面，但是本领域技术人员应当意识到，上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明的优选实施方式的范围包括另外的实现，其中可以不按所述出或讨论的顺序来执行功能。本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

Claims (6)

1.一种视频合成方法，其特征在于包括如下步骤：

获取网络平台中的原视频数据，识别所述原视频数据中的特征元素信息；

根据剧本情节，从前述原视频数据中选取特征元素符合剧本情节的多个目标视频；

将多个目标视频依据剧本情节的发展生成合成视频；其中，从多个目标视频中选择一个主线视频，从其它目标视频中选择部分特征元素整合至前述主线视频中；

其中，

所述剧本情节通过截取影视剧的方式获得，包括如下步骤：获取影视剧的视频信息；对获取的视频进行分割，形成多个剪辑桥段；分析前述影视剧的评论信息，获取评论中出现频次达到预设次数的角色和/或情节，获取对应的剪辑桥段的情节作为剧本情节；或者，

采集用户的地理位置信息；获取与该地理位置信息相关的故事和/或音视频信息；以及，采集前述地理位置的当前天气信息；从前述故事和/或音视频信息中，筛选与前述天气信息符合的故事和/或音视频信息生成剧本情节。

2.根据权利要求1所述的方法，其特征在于：所述的特征元素，是通过如下方式之一获取的，

方式一，获取原视频的图像数据，通过图像分析识别其中的地点、场景、人物、字幕和/或物品信息作为特征元素，并记录特征元素在视频中的时间位置和空间位置信息；

方式二，获取原视频的声音信息，通过语音识别后获取声音对应的文字内容，提取文字内容的关键词作为特征元素，并记录特征元素在视频中的时间位置；

方式三，获取原视频数据的属性信息，以及该原视频数据的上传者和/或互动者输入的标签信息，从属性信息和标签信息中提取关键词作为特征元素；

方式四，对原视频数据进行图像识别和/或语音识别后，获取视频中记载的预设类型数据作为特征信息。

3.根据权利要求1所述的方法，其特征在于：还包括步骤，在前述合成视频中设置互动元素，以与用户进行互动交互；

所述互动元素的互动方式包括点击、触摸、拖动、摇晃、视线互动和/或声音互动。

4.根据权利要求1所述的方法，其特征在于：所述网络平台为直播平台、小视频平台或视频播放平台；

所述合成视频为电影、连续剧、纪录片或风光片；

针对目标视频在合成视频中贡献的特征元素，制作视频的演职员表。

5.一种根据权利要求1所述方法的视频社交客户端，其特征在于包括：

视频处理模块，用以获取网络平台中的原视频数据，识别所述原视频数据中的特征元素信息；

视频选择模块，用以根据剧本情节，从前述原视频数据中选取特征元素符合剧本情节的多个目标视频；

视频合成模块，用以将多个目标视频依据剧本情节的发展生成合成视频。

6.一种根据权利要求1所述方法的视频社交系统，其特征在于：包括用户客户端与服务器端，

所述用户客户端，用以采集用户的视频合成操作指令，以及输出合成视频；

所述服务器端，包括如下结构：

视频处理模块，用以根据前述视频合成操作指令，获取网络平台中的原视频数据，识别所述原视频数据中的特征元素信息；

视频选择模块，用以根据剧本情节，从前述原视频数据中选取特征元素符合剧本情节的多个目标视频；

视频合成模块，用以将多个目标视频依据剧本情节的发展生成合成视频。

Images