CN112528073A - 视频生成方法及装置 - Google Patents

视频生成方法及装置 Download PDF

Info

Publication number
CN112528073A
CN112528073A CN201910827300.XA CN201910827300A CN112528073A CN 112528073 A CN112528073 A CN 112528073A CN 201910827300 A CN201910827300 A CN 201910827300A CN 112528073 A CN112528073 A CN 112528073A
Authority
CN
China
Prior art keywords
video
words
information
word segmentation
emotion
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
CN201910827300.XA
Other languages
English (en)
Other versions
CN112528073B (zh
Inventor
李云鹤
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.)
Beijing Gridsum Technology Co Ltd
Original Assignee
Beijing Gridsum Technology Co Ltd
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 Beijing Gridsum Technology Co Ltd filed Critical Beijing Gridsum Technology Co Ltd
Priority to CN201910827300.XA priority Critical patent/CN112528073B/zh
Publication of CN112528073A publication Critical patent/CN112528073A/zh
Application granted granted Critical
Publication of CN112528073B publication Critical patent/CN112528073B/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
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/732—Query formulation
    • 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
    • G06F16/75—Clustering; Classification
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44016—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving splicing one content stream with another content stream, e.g. for substituting a video clip
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种视频生成方法及装置，获取待进行鬼畜类视频制作的文字信息，对所述文字信息进行分词操作，得到分词结果，对所述分词结果中的词语在预设视频库中进行视频匹配，得到所述词语对应的视频，将所述词语对应的视频按照所述词语在所述文字信息中的顺序进行拼接，得到所述文字信息对应的鬼畜类视频。通过本发明，用户只需要输入文字信息，即可自动生成鬼畜类视频，降低了鬼畜类视频生成的难度。

Description

视频生成方法及装置
技术领域
本发明涉及视频生成领域，更具体的说，涉及一种视频生成方法及装置。
背景技术
鬼畜类视频是通过对严肃正经话题进行解剖后通过重复，再创作等形式用以达到颠覆经典、解构传统、张扬个性、强化焦点、讽刺社会的一种视频。
在鬼畜类视频制作过程中，可以将网络中的一些应用电影、电视剧等视频资料中的单词，通过串联、拼接、排序和重组等方式形成一段基本和原素材无关的鬼畜类视频。但是现有的鬼畜类视频制作需要专业人员参与，专业度较高。
发明内容
鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的视频生成方法及装置。
一种视频生成方法，包括：
获取待进行鬼畜类视频制作的文字信息；
对所述文字信息进行分词操作，得到分词结果；
根据所述分词结果中的词语在预设视频库中查找匹配的视频，得到所述词语对应的视频；
将所述词语对应的视频按照所述词语在所述文字信息中的顺序进行拼接，得到所述文字信息对应的鬼畜类视频。
可选地，所述预设视频库的生成过程包括：
获取视频样本，并标注所述视频样本在不同分类类别下的属性值；所述分类类别包括视频来源信息、情感信息、场景信息和演员角色信息中的至少一种；
计算每个所述视频样本所对应的情感信息所表征的情感强烈程度数值，并根据所述情感强烈程度数值对所述视频样本进行标注；
对所述视频样本中的文字、音频和视频进行切分操作，得到分词词语，以及所述分词词语对应的子视频和音频信息；
将所述视频样本在不同分类类别下的属性值作为所述分词词语在不同分类类别下的属性值；
按预设存储规则保存所述分词词语、所述分词词语对应的音频信息和子视频、所述分词词语在不同分类类别下的属性值以及所述视频样本对应的情感强烈程度数值，生成所述预设视频库。
可选地，根据所述分词结果中的词语在预设视频库中查找匹配的视频，得到所述词语对应的视频，包括：
判断所述预设视频库中是否存在与所述词语的文字完全对应的分词词语；
若存在，则将所述分词词语作为与所述词语对应的目标分词词语；
若不存在，依据所述分词词语对应的音频信息，判断所述预设视频库中是否存在与所述词语的语音匹配度大于预设阈值的分词词语；
若存在与所述词语的语音匹配度大于预设阈值的分词词语，则将所述分词词语作为所述词语对应的目标分词词语；
将所述目标分词词语对应的子视频作为所述词语对应的视频。
可选地，将所述目标分词词语对应的子视频作为所述词语对应的视频，包括：
对所述文字信息进行语义分析，得到所述文字信息对应的场景信息和情感信息；
从所述目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，作为指定分词词语；
将所述指定分析词语对应的子视频作为所述词语对应的视频。
可选地，还包括：
获取为所述文字信息设定的视频来源信息和演员角色信息；
相应的，从所述目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，并作为指定分词词语，包括：
从所述目标分词词语中筛选出与所述文字信息对应的场景信息、情感信息、视频来源信息和演员角色信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语。
可选地，在对所述视频样本中的文字、音频和视频进行切分操作，得到分词词语，以及所述分词词语对应的子视频和音频信息之后，还包括：
标注所述分词词语对应的子视频在所述视频样本中的起止时间，以作为从所述视频样本中提取所述子视频的依据。
一种视频生成装置，包括：
信息获取模块，用于获取待进行鬼畜类视频制作的文字信息；
分词模块，用于对所述文字信息进行分词操作，得到分词结果；
视频匹配模块，用于根据所述分词结果中的词语在预设视频库中查找匹配的视频，得到所述词语对应的视频；
视频生成模块，用于将所述词语对应的视频按照所述词语在所述文字信息中的顺序进行拼接，得到所述文字信息对应的鬼畜类视频。
可选地，还包括视频库构建模块，所述视频库构建模块包括：
样本获取子模块，用于获取视频样本，并标注所述视频样本在不同分类类别下的属性值；所述分类类别包括视频来源信息、情感信息、场景信息和演员角色信息中的至少一种；
情感计算子模块，用于计算每个所述视频样本所对应的情感信息所表征的情感强烈程度数值，并根据所述情感强烈程度数值对所述视频样本进行标注；
切分子模块，用于对所述视频样本中的文字、音频和视频进行切分操作，得到分词词语，以及所述分词词语对应的子视频和音频信息；
属性确定子模块，用于将所述视频样本在不同分类类别下的属性值作为所述分词词语在不同分类类别下的属性值；
库构建子模块，用于按预设存储规则保存所述分词词语、所述分词词语对应的音频信息和子视频、所述分词词语在不同分类类别下的属性值以及所述视频样本对应的情感强烈程度数值，生成所述预设视频库。
一种存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述的视频生成方法。
一种电子设备，包括至少一个处理器、以及与所述处理器连接的总线和至少一个存储器；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述的视频生成方法。
借由上述技术方案，本发明提供的视频生成方法及装置，获取待进行鬼畜类视频制作的文字信息，对所述文字信息进行分词操作，得到分词结果，对所述分词结果中的词语在预设视频库中进行视频匹配，得到所述词语对应的视频，将所述词语对应的视频按照所述词语在所述文字信息中的顺序进行拼接，得到所述文字信息对应的鬼畜类视频。通过本发明，用户只需要输入文字信息，即可自动生成鬼畜类视频，降低了鬼畜类视频生成的难度。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种视频生成方法的方法流程图；
图2示出了本发明实施例提供的又一种视频生成方法的方法流程图；
图3示出了本发明实施例提供的再一种视频生成方法的方法流程图；
图4示出了本发明实施例提供的一种视频生成装置的结构示意图；
图5示出了本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种视频生成方法，主要涉及鬼畜类视频的著制作，降低了鬼畜类视频生成的难度，非视频制作专业人员也可以进行鬼畜类视频的制作。
参照图1，视频生成方法可以包括：
S11、获取待进行鬼畜类视频制作的文字信息。
其中，文字信息是用户输入、且想要制作成鬼畜类视频的文字，如可以是“今天天气很不错哦”、“我去上学啦”等等。对文字信息的内容不做要求。
S12、对所述文字信息进行分词操作，得到分词结果。
分词结果可以是单字，也可以是常用词组，如“我去上学啦”可以拆分为“我”、“去”、“上学”和“啦”。
S13、根据所述分词结果中的词语在预设视频库中查找匹配的视频，得到所述词语对应的视频。
本实施例中，预先构建了一个预设视频库，预设视频库中保存有不同分词词语、所述分词词语对应的音频信息、子视频以及所述分词词语在不同分类类别下的属性值。
其中，分类类别可以是视频来源信息、情感信息、场景信息和演员角色信息中的至少一个。不同分类类别下的属性值即是指视频来源信息、情感信息、场景信息和演员角色信息分别对应的内容。视频来源信息的属性值可以是经典电影、电视剧等，情感信息的属性值可以是喜欢、难过、悲伤等。场景信息的属性值可以是婚礼、户外等，演员角色信息的属性值即为演员在具体电视剧或电影中的角色名称。
本实施例设定一个语句和其拆分得到的分词词语的视频来源信息、情感信息、场景信息和演员角色信息的属性值均相同。举例来说，“我去上学啦”对应的情感信息是“兴奋”，则其拆分得到的“我”、“去”、“上学”和“啦”的情感信息均为“兴奋”。
S14、将所述词语对应的视频按照所述词语在所述文字信息中的顺序进行拼接，得到所述文字信息对应的鬼畜类视频。
确定了每一词语对应的视频，而且每一词语在文字信息中的位置也已知，直接将词语对应的视频，按照词语在文字信息中的顺序进行拼接即可。举例来说，“我”、“去”、“上学”和“啦”，将“我”、“去”、“上学”和“啦”分别对应的视频，按照“我”、“去”、“上学”和“啦”的顺序进行拼接，就可以得到“我去上学啦”对应的鬼畜类视频，使用Ffmpeg处理输出。
本实施例中，获取待进行鬼畜类视频制作的文字信息，对所述文字信息进行分词操作，得到分词结果，对所述分词结果中的词语在预设视频库中进行视频匹配，得到所述词语对应的视频，将所述词语对应的视频按照所述词语在所述文字信息中的顺序进行拼接，得到所述文字信息对应的鬼畜类视频。通过本发明，用户只需要输入文字信息，即可自动生成鬼畜类视频，降低了鬼畜类视频生成的难度。
上述介绍了预设视频库，现对预设视频库的生成过程进行介绍。参照图2，对预设视频库的生成过程可以包括：
S21、获取视频样本，并标注所述视频样本在不同分类类别下的属性值。
所述分类类别包括视频来源信息、情感信息、场景信息和演员角色信息中的至少一种。
视频样本的来源不限，可以来自于电视剧、电影、综艺等等。本实施例中的视频样本的时间较短，时间在一两分钟左右。视频样本的数量越多越好，且涉及的场景越多越好，这样后期在接收到用户输入的文字信息时，能够确保查询得到文字信息对应的视频。
视频样本获取之后，需要确定视频样本在视频来源信息、情感信息、场景信息和演员角色信息的属性值，可以直接根据视频样本的来源确定视频来源信息的属性值，通过对视频样本的音视频、文字分析，可以确定情感信息和场景信息的属性值。演员角色信息可以直接从视频中提取即可。
S22、计算每个所述视频样本所对应的情感信息所表征的情感强烈程度数值，并根据所述情感强烈程度数值对所述视频样本进行标注。
情感信息所表征的情感强烈程度数值是指该情感信息带有的感情色彩的浓烈程度，举例来说，“哇塞，我很喜欢这个礼物”，语气很兴奋，带有的高兴色彩很强烈，则情感强烈程度数值就较大，又如“我去上学了”，语气很平淡，则情感强烈程度数值就会较小。
具体的：
1.标签预定义。首先准备一份资料库，存储了相关单词和对应的情感分类。如“爽”“真棒”可记录情感分类为“高兴”。将类似的表达相同或相近含义的词做同一标记。
2.设置形容词表示情感的强烈程度。以无形容词的单词为基准。如“这个蛋糕真好吃”中的“好吃”可表达高兴的情感属性，由于无形容词，固有情感属性分值S记录为1，“真好吃”的“真”为形容词表达肯定强调含义F＝1A＝0.5，因此情感强烈程度数值可记为1*0.5+1＝1.5。此处的公式含义：
肯定/否定F*强调程度A+固有情感属性分值S*强调指数B
有些单词自身携带情感信息，如痛不欲生、喜极而泣等，这种情绪会比痛、高兴会更强烈，因此固有情感属性分值S则会更高。
连接词是没有情感属性的。如“我去上学了”中一般不会把“我去”作为一个表达感情的词语解析，“去”作为主语“我”和“上学”间的连接词，因此此处虽可能有情感信息，但不做统计。
针对文字内容，实际上是根据样本中文字对应上面提到的计算方法，通过对视频中的文字分词后进行对应计算。如果说词语与上述资料库中词语有匹配，则应用记录的分值。
针对视频整体，可对视频进行抽样截图，(一般按照视频总时长平均抽样)，使用opencv识别视频色调。一般暖色调的视频会有温馨的含义，冷色调的视频会有干练、清爽的感觉，灰色、土黄色的视频一般都是回忆所在。根据这可奠定视频的情感信息基调。
S23、对所述视频样本中的文字、音频和视频进行切分操作，得到分词词语，以及所述分词词语对应的子视频和音频信息。
首先，获取视频样本的文字，将文字进行切分操作，得到单字或常用词语，由于视频是由文字、音频和视频组成，在将文字拆分之后，按照文字拆分结果，将音频和视频也进行拆分，就可以得到分词词语，以及所述分词词语对应的子视频和音频信息。
S24、将所述视频样本在不同分类类别下的属性值作为分词词语在不同分类类别下的属性值。
本部分的内容已在上述实施例中进行了介绍，请参照上述内容，在此不再赘述。
S25、按预设存储规则保存所述分词词语、所述分词词语对应的音频信息和子视频、所述分词词语在不同分类类别下的属性值以及所述视频样本对应的情感强烈程度数值，生成所述预设视频库。
本实施例中的预设视频库实质上并不是一个完整视频的视频库，而是每一次分词词语对应的视频组成的视频库。举例来说，“我”、“去”、“上学”和“啦”的每一词语对应的视频库。另外，还需要存储“我”、“去”、“上学”和“啦”的每一词语对应的在不同分类类别下的属性值以及所述视频样本对应的情感强烈程度数值。本实施例中的预设存储规则可以为属于同一分词词语的音频信息和子视频、在不同分类类别下的属性值以及情感强烈程度数值存储在同一位置，方便查找。仍以“我去上学啦”作为举例，将“我”对应的音频信息、子视频、在不同分类类别下的属性值以及情感强烈程度数值存储在一起，将“去”对应的音频信息、子视频、在不同分类类别下的属性值以及情感强烈程度数值存储在一起，对于“上学”和“啦”同样处理。
本实施例中，给出了预设视频库的构建过程，进而可以依据本实施例构建预设视频库，并作为鬼畜类视频的视频材料来源。
上一实施例介绍了预设视频库的生成过程，在依据上述实施例生成了预设视频库之后，在本实施例中说明如何在预设视频库中查找到用户输入的文字信息拆分得到的词语对应的视频。具体的，参照图3，步骤S13可以包括：
S31、判断所述预设视频库中是否存在与所述词语的文字完全对应的分词词语；若存在，执行步骤S33；若不存在，执行步骤S32。
在查找文字信息拆分得到的词语对应的视频时，首先应该在预设视频库中查找与该词语对应的分词词语。在查找分词词语时，首先进行汉字的匹配，即查找预设视频库中是否存在该词语，若存在，则将该所述分词词语作为与所述词语对应的目标分词词语。举例来说，假设一词语为“上学”，则直接在预设视频库中查找是否存在“上学”这个词语。
S32、判断所述预设视频库中是否存在与所述词语的语音匹配度大于预设阈值的分词词语；若存在，执行步骤S33；若不存在，结束。
具体的，依据所述分词词语对应的音频信息，判断所述预设视频库中是否存在与所述词语的语音匹配度大于预设阈值的分词词语。在进行匹配时，合成词优先，单字置后。
详细来说，若通过汉字匹配不到，则进行音频匹配，音频匹配，需要同时匹配语音和语调。此时采用的是选取语音匹配度大于预设阈值，预设阈值可以依据实际情况而定，当语音匹配度大于预设阈值时，则认为查找到的分词词语即为该词语对应的分词词语。举例来说，以词语为“小名”为例，与其语音匹配的分词词语可以是“肖明”、“校名”等。
需要注意的是，轻声资源会和连接在前面的四声资源组合标记，只有当为语句末尾时才会使用。
S33、将所述目标分词词语对应的子视频作为所述词语对应的视频。
在确定了目标分词词语之后，将该目标分词词语对应的子视频作为所述词语对应的视频。
本实施例中，可能会确定出一个或多个目标分词词语，若仅查询到一个目标分词词语，则直接将该目标分词词语对应的子视频作为所述词语对应的视频。
若查询得到多个目标分词词语，则可以从这多个目标分词词语中筛选得到一个最优的目标分词词语。
具体的，本发明的另一实施例中，步骤S33可以包括：
1)对所述文字信息进行语义分析，得到所述文字信息对应的场景信息和情感信息。
通过语义分析，得到该文字信息对应的场景信息和情感信息。举例来说，假设文字信息为“今天我结婚啦”，则可以确定出场景信息为婚礼，情感信息为开心。
2)从所述目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，并作为指定分词词语；
3)将所述指定分析词语对应的子视频作为所述词语对应的视频。
具体的，在得到多个目标分词词语后，由于预设视频库中存储有每一目标分词词语对应的场景信息和情感信息，在从多个目标分词词语中筛选出与用户输入的文字信息的场景信息和情感信息均相同的目标分词词语，然后在从筛选出的目标分词词语中，找到对应的所述情感信息所表征的情感强烈程度数值最大的目标分词词语，并作为指定词语，将所述指定分析词语对应的子视频作为所述词语对应的视频。
举例来说，词语为“小明”，确定出的目标分词词语为“肖明”“校名”“小名”，确定出“肖明”“校名”“小名”对应的场景信息和情感信息，以及“小明”的场景信息和情感信息。然后从“肖明”、“校名”和“小名”中确定出与“小明”的场景信息和情感信息均相同的词语，假设为“肖明”“小名”，然后查找“肖明”和“小名”在情感信息下的情感强烈程度数值，假设“肖明”的情感强烈程度数值大，则最终确定“肖明”为“小明”对应的指定分词词语。将“肖明”对应的子视频作为所述词语对应的视频。
上述介绍了以场景信息和情感信息作为确定指定分词词语的依据，此外，还可以再结合视频来源信息和演员角色信息来确定指定分词词语。具体的，还包括：
获取为所述文字信息设定的视频来源信息和演员角色信息。
相应的，从所述目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，并作为指定分词词语，包括：
从所述目标分词词语中筛选出与所述文字信息对应的场景信息、情感信息、视频来源信息和演员角色信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语。
详细来说，用户在输入文字信息时，还可以额外指定视频来源信息和演员角色信息，如用户想要制定的鬼畜类视频中使用到的内容来源于《还珠格格》中的小燕子角色，则在筛选指定分词词语时，除了从目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，同时还得满足视频来源信息和演员角色信息符合用户设定的视频来源信息和演员角色信息，这样才认为筛选得到了指定分词词语。
另外，本发明的另一实施例中，在得到指定分词词语或目标分词词语之后，为了从视频样本中截取出该指定分词词语或目标分词词语对应的子视频，在对所述视频样本的文字、音频和视频进行切分操作时，就标注所述分词词语对应的子视频在所述视频样本中的起止时间，作为从所述视频样本中提取所述子视频的依据。这样后期在确定该指定分词词语或目标分词词语对应的子视频时，可以快速找到该子视频。
本实施例中，在进行视频匹配时，先进行词语匹配，再进行视频匹配，能够缩短视频匹配的时间。并且在进行词语匹配时，考虑了视频来源信息、情感信息、场景信息和演员角色信息，使得词语匹配效果最佳。
可选的，在上述视频生成方法的实施例的基础上，本发明的另一实施例提供的一种视频生成装置，参照图4，可以包括：
信息获取模块101，用于获取待进行鬼畜类视频制作的文字信息；
分词模块102，用于对所述文字信息进行分词操作，得到分词结果；
视频匹配模块103，用于根据所述分词结果中的词语在预设视频库中查找匹配的视频，得到所述词语对应的视频；
视频生成模块104，用于将所述词语对应的视频按照所述词语在所述文字信息中的顺序进行拼接，得到所述文字信息对应的鬼畜类视频。
本实施例中，获取待进行鬼畜类视频制作的文字信息，对所述文字信息进行分词操作，得到分词结果，对所述分词结果中的词语在预设视频库中进行视频匹配，得到所述词语对应的视频，将所述词语对应的视频按照所述词语在所述文字信息中的顺序进行拼接，得到所述文字信息对应的鬼畜类视频。通过本发明，用户只需要输入文字信息，即可自动生成鬼畜类视频，降低了鬼畜类视频生成的难度。
需要说明的是，本实施例中的各个模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选的，在上述视频生成装置的实施例的基础上，还包括视频库构建模块，所述视频库构建模块包括：
样本获取子模块，用于获取视频样本，并标注所述视频样本在不同分类类别下的属性值；所述分类类别包括视频来源信息、情感信息、场景信息和演员角色信息中的至少一种；
情感计算子模块，用于计算每个所述视频样本所对应的情感信息所表征的情感强烈程度数值，并根据所述情感强烈程度数值对所述视频样本进行标注；
切分子模块，用于对所述视频样本中的文字、音频和视频进行切分操作，得到分词词语，以及所述分词词语对应的子视频和音频信息；
属性确定子模块，用于将所述视频样本在不同分类类别下的属性值作为所述分词词语在不同分类类别下的属性值；
库构建子模块，用于按预设存储规则保存所述分词词语、所述分词词语对应的音频信息和子视频、所述分词词语在不同分类类别下的属性值以及所述视频样本对应的情感强烈程度数值，生成所述预设视频库。
本实施例中，给出了预设视频库的构建过程，进而可以依据本实施例构建预设视频库，并作为鬼畜类视频的视频材料来源。
需要说明的是，本实施例中的各个模块和子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选的，在上述视频生成装置的实施例的基础上，所述视频匹配模块103可以包括：
第一判断子模块，用于判断所述预设视频库中是否存在与所述词语的文字完全对应的分词词语；
词语确定子模块，用于若存在，则将所述分词词语作为与所述词语对应的目标分词词语；
第二判断子模块，用于若不存在，依据所述分词词语对应的音频信息，判断所述预设视频库中是否存在与所述词语的语音匹配度大于预设阈值的分词词语；
所述词语确定子模块，还用于若存在与所述词语的语音匹配度大于预设阈值的分词词语，则将所述分词词语作为所述词语对应的目标分词词语；
视频确定子模块，用于将所述目标分词词语对应的子视频作为所述词语对应的视频。
进一步，所述视频确定子模块可以包括：
语音分析单元，用于对所述文字信息进行语义分析，得到所述文字信息对应的场景信息和情感信息；
词语匹配单元，用于从所述目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，作为指定分词词语；
视频确定单元，用于将所述指定分析词语对应的子视频作为所述词语对应的视频。
进一步，还包括：
数据获取模块，用于获取为所述文字信息设定的视频来源信息和演员角色信息。
相应的，词语匹配单元用于从所述目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，并作为指定分词词语时，具体用于：
从所述目标分词词语中筛选出与所述文字信息对应的场景信息、情感信息、视频来源信息和演员角色信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语。
进一步，还包括：
时间标注子模块，用于标注所述分词词语对应的子视频在所述视频样本中的起止时间，以作为从所述视频样本中提取所述子视频的依据。
本实施例中，在进行视频匹配时，先进行词语匹配，在进行视频匹配，能够缩短视频匹配的时间。并且在进行词语匹配时，考虑了视频来源信息、情感信息、场景信息和演员角色信息，使得词语匹配效果最佳。
需要说明的是，本实施例中的各个模块、子模块和单元的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
所述视频生成装置包括处理器和存储器，上述信息获取模块、分词模块、视频匹配模块和视频生成模块等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现自动生成鬼畜类视频，降低了鬼畜类视频生成的难度。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述视频生成方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述视频生成方法。
本发明实施例提供了一种设备70，设备70包括至少一个处理器701、以及与处理器连接的总线703和至少一个存储器702；其中，处理器701、存储器702通过总线703完成相互间的通信；处理器701用于调用存储器702中的程序指令，以执行上述的视频生成方法。本文中的设备70可以是服务器、PC、PAD、手机等。具体的，处理器执行程序时实现以下步骤：
一种视频生成方法，包括：
获取待进行鬼畜类视频制作的文字信息；
对所述文字信息进行分词操作，得到分词结果；
根据所述分词结果中的词语在预设视频库中查找匹配的视频，得到所述词语对应的视频；
将所述词语对应的视频按照所述词语在所述文字信息中的顺序进行拼接，得到所述文字信息对应的鬼畜类视频。
进一步，所述预设视频库的生成过程包括：
获取视频样本，并标注所述视频样本在不同分类类别下的属性值；所述分类类别包括视频来源信息、情感信息、场景信息和演员角色信息中的至少一种；
计算每个所述视频样本所对应的情感信息所表征的情感强烈程度数值，并根据所述情感强烈程度数值对所述视频样本进行标注；
对所述视频样本中的文字、音频和视频进行切分操作，得到分词词语，以及所述分词词语对应的子视频和音频信息；
将所述视频样本在不同分类类别下的属性值作为所述分词词语在不同分类类别下的属性值；
按预设存储规则保存所述分词词语、所述分词词语对应的音频信息和子视频、所述分词词语在不同分类类别下的属性值以及所述视频样本对应的情感强烈程度数值，生成所述预设视频库。
进一步，根据所述分词结果中的词语在预设视频库中查找匹配的视频，得到所述词语对应的视频，包括：
判断所述预设视频库中是否存在与所述词语的文字完全对应的分词词语；
若存在，则将所述分词词语作为与所述词语对应的目标分词词语；
若不存在，依据所述分词词语对应的音频信息，判断所述预设视频库中是否存在与所述词语的语音匹配度大于预设阈值的分词词语；
若存在与所述词语的语音匹配度大于预设阈值的分词词语，则将所述分词词语作为所述词语对应的目标分词词语；
将所述目标分词词语对应的子视频作为所述词语对应的视频。
进一步，将所述目标分词词语对应的子视频作为所述词语对应的视频，包括：
对所述文字信息进行语义分析，得到所述文字信息对应的场景信息和情感信息；
从所述目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，作为指定分词词语；
将所述指定分析词语对应的子视频作为所述词语对应的视频。
进一步，还包括：
获取为所述文字信息设定的视频来源信息和演员角色信息；
相应的，从所述目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，并作为指定分词词语，包括：
从所述目标分词词语中筛选出与所述文字信息对应的场景信息、情感信息、视频来源信息和演员角色信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语。
进一步，在对所述视频样本中的文字、音频和视频进行切分操作，得到分词词语，以及所述分词词语对应的子视频和音频信息之后，还包括：
标注所述分词词语对应的子视频在所述视频样本中的起止时间，以作为从所述视频样本中提取所述子视频的依据。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：
一种视频生成方法，包括：
获取待进行鬼畜类视频制作的文字信息；
对所述文字信息进行分词操作，得到分词结果；
根据所述分词结果中的词语在预设视频库中查找匹配的视频，得到所述词语对应的视频；
将所述词语对应的视频按照所述词语在所述文字信息中的顺序进行拼接，得到所述文字信息对应的鬼畜类视频。
进一步，所述预设视频库的生成过程包括：
获取视频样本，并标注所述视频样本在不同分类类别下的属性值；所述分类类别包括视频来源信息、情感信息、场景信息和演员角色信息中的至少一种；
计算每个所述视频样本所对应的情感信息所表征的情感强烈程度数值，并根据所述情感强烈程度数值对所述视频样本进行标注；
对所述视频样本中的文字、音频和视频进行切分操作，得到分词词语，以及所述分词词语对应的子视频和音频信息；
将所述视频样本在不同分类类别下的属性值作为所述分词词语在不同分类类别下的属性值；
按预设存储规则保存所述分词词语、所述分词词语对应的音频信息和子视频、所述分词词语在不同分类类别下的属性值以及所述视频样本对应的情感强烈程度数值，生成所述预设视频库。
进一步，根据所述分词结果中的词语在预设视频库中查找匹配的视频，得到所述词语对应的视频，包括：
判断所述预设视频库中是否存在与所述词语的文字完全对应的分词词语；
若存在，则将所述分词词语作为与所述词语对应的目标分词词语；
若不存在，依据所述分词词语对应的音频信息，判断所述预设视频库中是否存在与所述词语的语音匹配度大于预设阈值的分词词语；
若存在与所述词语的语音匹配度大于预设阈值的分词词语，则将所述分词词语作为所述词语对应的目标分词词语；
将所述目标分词词语对应的子视频作为所述词语对应的视频。
进一步，将所述目标分词词语对应的子视频作为所述词语对应的视频，包括：
对所述文字信息进行语义分析，得到所述文字信息对应的场景信息和情感信息；
从所述目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，作为指定分词词语；
将所述指定分析词语对应的子视频作为所述词语对应的视频。
进一步，还包括：
获取为所述文字信息设定的视频来源信息和演员角色信息；
相应的，从所述目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，并作为指定分词词语，包括：
从所述目标分词词语中筛选出与所述文字信息对应的场景信息、情感信息、视频来源信息和演员角色信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语。
进一步，在对所述视频样本中的文字、音频和视频进行切分操作，得到分词词语，以及所述分词词语对应的子视频和音频信息之后，还包括：
标注所述分词词语对应的子视频在所述视频样本中的起止时间，以作为从所述视频样本中提取所述子视频的依据。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种视频生成方法，其特征在于，包括：
获取待进行鬼畜类视频制作的文字信息；
对所述文字信息进行分词操作，得到分词结果；
根据所述分词结果中的词语在预设视频库中查找匹配的视频，得到所述词语对应的视频；
将所述词语对应的视频按照所述词语在所述文字信息中的顺序进行拼接，得到所述文字信息对应的鬼畜类视频。
2.根据权利要求1所述的视频生成方法，其特征在于，所述预设视频库的生成过程包括：
获取视频样本，并标注所述视频样本在不同分类类别下的属性值；所述分类类别包括视频来源信息、情感信息、场景信息和演员角色信息中的至少一种；
计算每个所述视频样本所对应的情感信息所表征的情感强烈程度数值，并根据所述情感强烈程度数值对所述视频样本进行标注；
对所述视频样本中的文字、音频和视频进行切分操作，得到分词词语，以及所述分词词语对应的子视频和音频信息；
将所述视频样本在不同分类类别下的属性值作为所述分词词语在不同分类类别下的属性值；
按预设存储规则保存所述分词词语、所述分词词语对应的音频信息和子视频、所述分词词语在不同分类类别下的属性值以及所述视频样本对应的情感强烈程度数值，生成所述预设视频库。
3.根据权利要求2所述的视频生成方法，其特征在于，根据所述分词结果中的词语在预设视频库中查找匹配的视频，得到所述词语对应的视频，包括：
判断所述预设视频库中是否存在与所述词语的文字完全对应的分词词语；
若存在，则将所述分词词语作为与所述词语对应的目标分词词语；
若不存在，依据所述分词词语对应的音频信息，判断所述预设视频库中是否存在与所述词语的语音匹配度大于预设阈值的分词词语；
若存在与所述词语的语音匹配度大于预设阈值的分词词语，则将所述分词词语作为所述词语对应的目标分词词语；
将所述目标分词词语对应的子视频作为所述词语对应的视频。
4.根据权利要求3所述的视频生成方法，其特征在于，将所述目标分词词语对应的子视频作为所述词语对应的视频，包括：
对所述文字信息进行语义分析，得到所述文字信息对应的场景信息和情感信息；
从所述目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，作为指定分词词语；
将所述指定分析词语对应的子视频作为所述词语对应的视频。
5.根据权利要求4所述的视频生成方法，其特征在于，还包括：
获取为所述文字信息设定的视频来源信息和演员角色信息；
相应的，从所述目标分词词语中筛选出与所述文字信息对应的场景信息和情感信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语，并作为指定分词词语，包括：
从所述目标分词词语中筛选出与所述文字信息对应的场景信息、情感信息、视频来源信息和演员角色信息均匹配且所述情感信息所表征的情感强烈程度数值最大的目标分词词语。
6.根据权利要求2所述的视频生成方法，其特征在于，在对所述视频样本中的文字、音频和视频进行切分操作，得到分词词语，以及所述分词词语对应的子视频和音频信息之后，还包括：
标注所述分词词语对应的子视频在所述视频样本中的起止时间，以作为从所述视频样本中提取所述子视频的依据。
7.一种视频生成装置，其特征在于，包括：
信息获取模块，用于获取待进行鬼畜类视频制作的文字信息；
分词模块，用于对所述文字信息进行分词操作，得到分词结果；
视频匹配模块，用于根据所述分词结果中的词语在预设视频库中查找匹配的视频，得到所述词语对应的视频；
视频生成模块，用于将所述词语对应的视频按照所述词语在所述文字信息中的顺序进行拼接，得到所述文字信息对应的鬼畜类视频。
8.根据权利要求7所述的视频生成装置，其特征在于，还包括视频库构建模块，所述视频库构建模块包括：
样本获取子模块，用于获取视频样本，并标注所述视频样本在不同分类类别下的属性值；所述分类类别包括视频来源信息、情感信息、场景信息和演员角色信息中的至少一种；
情感计算子模块，用于计算每个所述视频样本所对应的情感信息所表征的情感强烈程度数值，并根据所述情感强烈程度数值对所述视频样本进行标注；
切分子模块，用于对所述视频样本中的文字、音频和视频进行切分操作，得到分词词语，以及所述分词词语对应的子视频和音频信息；
属性确定子模块，用于将所述视频样本在不同分类类别下的属性值作为所述分词词语在不同分类类别下的属性值；
库构建子模块，用于按预设存储规则保存所述分词词语、所述分词词语对应的音频信息和子视频、所述分词词语在不同分类类别下的属性值以及所述视频样本对应的情感强烈程度数值，生成所述预设视频库。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至6中任意一项所述的视频生成方法。
10.一种电子设备，其特征在于，包括至少一个处理器、以及与所述处理器连接的总线和至少一个存储器；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行权利要求1至6中任意一项所述的视频生成方法。
CN201910827300.XA 2019-09-03 2019-09-03 视频生成方法及装置 Active CN112528073B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910827300.XA CN112528073B (zh) 2019-09-03 2019-09-03 视频生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910827300.XA CN112528073B (zh) 2019-09-03 2019-09-03 视频生成方法及装置

Publications (2)

Publication Number Publication Date
CN112528073A true CN112528073A (zh) 2021-03-19
CN112528073B CN112528073B (zh) 2024-07-26

Family

ID=74974165

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910827300.XA Active CN112528073B (zh) 2019-09-03 2019-09-03 视频生成方法及装置

Country Status (1)

Country Link
CN (1) CN112528073B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113572977A (zh) * 2021-07-06 2021-10-29 上海哔哩哔哩科技有限公司 视频制作方法及装置
CN113676772A (zh) * 2021-08-16 2021-11-19 上海哔哩哔哩科技有限公司 视频生成方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106162323A (zh) * 2015-03-26 2016-11-23 无锡天脉聚源传媒科技有限公司 一种视频数据处理方法及装置
CN106446235A (zh) * 2016-10-10 2017-02-22 Tcl集团股份有限公司 视频的搜索方法和装置
WO2017101342A1 (zh) * 2015-12-15 2017-06-22 乐视控股（北京）有限公司 情感分类方法及装置
CN107248406A (zh) * 2017-06-29 2017-10-13 上海青声网络科技有限公司 一种自动生成鬼畜类歌曲的方法及装置
WO2018196561A1 (zh) * 2017-04-25 2018-11-01 腾讯科技（深圳）有限公司 应用的标签信息生成方法、装置及存储介质
CN109145152A (zh) * 2018-06-28 2019-01-04 中山大学 一种基于查询词的自适应智能生成图文视频缩略图方法
CN109344291A (zh) * 2018-09-03 2019-02-15 腾讯科技（武汉）有限公司 一种视频生成方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106162323A (zh) * 2015-03-26 2016-11-23 无锡天脉聚源传媒科技有限公司 一种视频数据处理方法及装置
WO2017101342A1 (zh) * 2015-12-15 2017-06-22 乐视控股（北京）有限公司 情感分类方法及装置
CN106446235A (zh) * 2016-10-10 2017-02-22 Tcl集团股份有限公司 视频的搜索方法和装置
WO2018196561A1 (zh) * 2017-04-25 2018-11-01 腾讯科技（深圳）有限公司 应用的标签信息生成方法、装置及存储介质
CN107248406A (zh) * 2017-06-29 2017-10-13 上海青声网络科技有限公司 一种自动生成鬼畜类歌曲的方法及装置
CN109145152A (zh) * 2018-06-28 2019-01-04 中山大学 一种基于查询词的自适应智能生成图文视频缩略图方法
CN109344291A (zh) * 2018-09-03 2019-02-15 腾讯科技（武汉）有限公司 一种视频生成方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周生;胡晓峰;罗批;李志强;: "战略决策文本的语义分析研究", 计算机科学, no. 02 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113572977A (zh) * 2021-07-06 2021-10-29 上海哔哩哔哩科技有限公司 视频制作方法及装置
CN113572977B (zh) * 2021-07-06 2024-02-27 上海哔哩哔哩科技有限公司 视频制作方法及装置
CN113676772A (zh) * 2021-08-16 2021-11-19 上海哔哩哔哩科技有限公司 视频生成方法及装置
CN113676772B (zh) * 2021-08-16 2023-08-08 上海哔哩哔哩科技有限公司 视频生成方法及装置

Also Published As

Publication number Publication date
CN112528073B (zh) 2024-07-26

Similar Documents

Publication Publication Date Title
CN111866585B (zh) 一种视频处理方法及装置
US10911840B2 (en) Methods and systems for generating contextual data elements for effective consumption of multimedia
KR20190116199A (ko) 영상 데이터 처리 방법, 장치 및 판독 가능 저장 매체
TW201834462A (zh) 視訊資料的推薦方法、裝置和伺服器
CN104735468B (zh) 一种基于语义分析将图像合成新视频的方法及系统
CN112511854B (zh) 一种直播视频精彩片段生成方法、装置、介质和设备
CN108520046B (zh) 搜索聊天记录的方法及设备
CN108281139A (zh) 语音转写方法和装置、机器人
US20210151038A1 (en) Methods and systems for automatic generation and convergence of keywords and/or keyphrases from a media
US20190155954A1 (en) Cognitive Chat Conversation Discovery
CN113660526B (zh) 脚本生成方法、系统、计算机存储介质及计算机程序产品
US20140161423A1 (en) Message composition of media portions in association with image content
CN112528073B (zh) 视频生成方法及装置
CN115129806A (zh) 数据处理方法、装置、电子设备及计算机存储介质
CN114845149A (zh) 视频片段的剪辑方法、视频推荐方法、装置、设备及介质
CN117746143A (zh) 基于aigc的图像描述文本的生成方法及装置、存储介质
CN117201715A (zh) 一种视频生成方法、装置及可读存储介质
CN115909390B (zh) 低俗内容识别方法、装置、计算机设备以及存储介质
CN114707502A (zh) 虚拟空间处理方法、装置、电子设备及计算机存储介质
CN112749299A (zh) 确定视频类型的方法、装置、电子设备及可读存储介质
CN113537215A (zh) 一种视频标签标注的方法及设备
CN110347921B (zh) 一种多模态数据信息的标签抽取方法及装置
CN109800326B (zh) 一种视频处理方法、装置、设备和存储介质
CN110516086B (zh) 一种基于深度神经网络影视标签自动获取方法
CN114510564A (zh) 视频知识图谱生成方法及装置

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