CN113542801A - 主播标识的生成方法、装置、设备、存储介质及程序产品 - Google Patents

主播标识的生成方法、装置、设备、存储介质及程序产品 Download PDF

Info

Publication number
CN113542801A
CN113542801A CN202110725436.7A CN202110725436A CN113542801A CN 113542801 A CN113542801 A CN 113542801A CN 202110725436 A CN202110725436 A CN 202110725436A CN 113542801 A CN113542801 A CN 113542801A
Authority
CN
China
Prior art keywords
atmosphere
video
anchor
segment
clip
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
CN202110725436.7A
Other languages
English (en)
Other versions
CN113542801B (zh
Inventor
徐传任
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 Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110725436.7A priority Critical patent/CN113542801B/zh
Publication of CN113542801A publication Critical patent/CN113542801A/zh
Application granted granted Critical
Publication of CN113542801B publication Critical patent/CN113542801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
    • 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
    • H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream
    • 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
    • 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
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8455—Structuring of content, e.g. decomposing content into time segments involving pointers to the content, e.g. pointers to the I-frames of the video stream
    • 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
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本公开公开了主播标识的生成方法、装置、设备、存储介质及程序产品，涉及计算机应用技术领域，尤其涉及直播技术领域。具体实现方案为：针对主播的多场直播，筛选出每场直播中的气氛活跃视频片段；将各个气氛活跃视频片段分别输入预设模型，通过预设模型输出气氛活跃视频片段对应的片段评分；基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段；基于目标气氛活跃视频片段，生成主播对应的主播标识。本公开公开的主播标识的生成方法、装置、设备、存储介质及程序产品，能够提高主播标识的吸引度。

Description

主播标识的生成方法、装置、设备、存储介质及程序产品
技术领域
本公开涉及计算机应用技术领域，尤其涉及直播技术领域。
背景技术
随着第五代移动通信技术(5th Generation Mobile CommunicationTechnology，5G)的兴起，直播行业飞速发展，在直播领域中，如何吸引更多的用户对主播来说非常重要。
发明内容
本公开提供了一种主播标识的生成方法、装置、设备、存储介质及程序产品，以提高主播标识的吸引度。
根据本公开的第一方面，提供了一种主播标识的生成方法，包括：
针对主播的多场直播，筛选出每场直播中的气氛活跃视频片段；
将各个所述气氛活跃视频片段分别输入预设模型，通过所述预设模型输出所述气氛活跃视频片段对应的片段评分；
基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段；
基于所述目标气氛活跃视频片段，生成所述主播对应的主播标识。
根据本公开的第二方面，提供了一种主播标识的生成装置，包括：
第一筛选模块，用于针对主播的多场直播，筛选出每场直播中的气氛活跃视频片段；
评分模块，用于将各个所述气氛活跃视频片段分别输入预设模型，通过所述预设模型输出所述气氛活跃视频片段对应的片段评分；
第二筛选模块，用于基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段；
生成模块，用于基于所述目标气氛活跃视频片段，生成所述主播对应的主播标识。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面所述的方法。
本公开实施例提供的主播标识的生成方法、装置、设备、存储介质及程序产品中，针对主播的多场直播，筛选出每场直播中的气氛活跃视频片段；将各个气氛活跃视频片段分别输入预设模型，通过预设模型输出气氛活跃视频片段对应的片段评分；基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段，可以更精准地提取主播直播中比较有特点的内容，基于该目标气氛活跃视频片段，生成主播对应的主播标识，即是基于主播直播中比较有特点的内容生成主播标识，如此能够提高主播标识的吸引度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开实施例提供了一种主播标识的生成方法的一种流程图；
图2是本公开实施例中筛选气氛活跃视频片段的流程图；
图3是本公开实施例中训练模型的流程图；
图4是本公开实施例中基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段的流程图；
图5是本公开实施例提供了一种主播标识的生成方法的另一种流程图；
图6是本公开实施例提供的主播标识的生成装置的一种结构示意图；
图7是本公开实施例提供的主播标识的生成装置的另一种结构示意图；
图8是本公开实施例提供的主播标识的生成装置的又一种结构示意图；
图9是用来实现本公开实施例的主播标识的生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
一般是主播选出自己认为有代表性的视频帧上传作为封面，用户选择封面后进入对应主播的直播间观看节目。但是，主播有时并不清楚观看者对自己的哪些内容感兴趣，主播主观选择的封面并不能很好地吸引用户。
本公开实施例提供了一种主播标识的生成方法，如图1所示，可以包括：
S101，针对主播的多场直播，筛选出每场直播中的气氛活跃视频片段；
S102，将各个气氛活跃视频片段分别输入预设模型，通过预设模型输出气氛活跃视频片段对应的片段评分；
S103，基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段；
S104，基于目标气氛活跃视频片段，生成主播对应的主播标识。
本公开实施例中，针对主播的多场直播，筛选出每场直播中的气氛活跃视频片段；将各个气氛活跃视频片段分别输入预设模型，通过预设模型输出气氛活跃视频片段对应的片段评分；基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段，可以更精准地提取主播直播中比较有特点的内容，基于该目标气氛活跃视频片段，生成主播对应的主播标识，即是基于主播直播中比较有特点的内容生成主播标识，如此能够提高主播标识的吸引度。
本公开实施例提供的主播标识的生成方法可以应用于电子设备，具体地，电子设备可以是服务器、终端，等等。
参见图1，对本公开实施例提供的主播标识的生成方法进行详细说明，本公开实施例提供的主播标识的生成方法可以包括：
S101，针对主播的多场直播，筛选出每场直播中的气氛活跃视频片段。
气氛活跃视频片段可以包括直播中交互频繁的视频片段。其中，交互可以包括发送礼物、评论、点赞等等。
一般情况下，用户对直播内容感兴趣才会针对视频片段进行频繁交互，气氛活跃视频片段可以初步反映用户对直播感兴趣的内容。
每场直播中可以筛选出一个或多个气氛活跃视频片段。
多场直播的数量可以经验值或者实际需求等确定，如可以为3场、5场等等。
如图2所示，S101可以包括：
S1011，针对每场直播，获得直播中交互的交互时间和属性信息。
交互时间可以是发送礼物的时间信息，评论的时间信息或点赞的时间信息。时间信息可以是时间点，如12点50分发送礼物，则12点50分即为发送礼物的时间信息。
例如，可以在直播过程中实时监控每场直播，记录直播过程中用户发送礼物的时间和属性信息，如此，可以获取记录的发送礼物的时间信息和属性信息。
若交互包括发送礼物时，属性信息用于描述发送的礼物的属性，可以包括礼物的价格、类型、数量，等等。
若交互包括评论时，属性信息用于描述评论的属性，如评论内容的字数。
若交互包括点赞时，属性信息用于描述点赞的属性，如点赞的次数。
S1012，将直播划分为多个视频片段。
S1012与S1011没有先后顺序，可以并行执行，可以先执行S1011后执行S1012，或者，也可以先执行S1012后执行S1011。
一种可选的实施例中，可以按照直播的不同时间段划分视频片段。
可以将直播平均划分为多个视频片段，即每个视频片段对应的时间段的时长是相同的。例如，一场直播总时长为1个小时，可以将该直播平均划分为6个视频片段，每10分钟对应一个视频片段。
也可以将直播划分为对应时间段时长不同的多个视频片段。例如，一场直播总时长为1个小时，将直播中前10分钟划分为第1个视频片段，将直播中第10分至第30分的20分钟划分为第2个视频片段，将直播中第30分至第60分的30分钟划分为第3个视频片段。
另一种可选的实施例中，可以按照直播的内容划分视频片段。如唱歌的直播中，唱一首歌的内容对应一个视频片段。
S1013，基于直播中交互的时间信息，统计各个视频片段对应的时间段内交互的属性信息，得到统计信息。
针对每一视频片段，统计信息可以理解为视频片段对应的时间段内礼物发送的属性信息的统计值。
可以将发送礼物的时间信息与各个视频片段对应的时间段进行匹配，如果发送礼物的时间信息与一视频片段对应的时间段匹配，如发送礼物的时间信息位于该视频片段对应的时间段内，则可以将该时间信息对应的属性信息作为该视频段对应的时间段所对应的属性信息，将与该视频段对应的时间段所对应的各个属性信息进行统计，即得到该该视频段对应的时间段内礼物发送的统计信息。统计可以包括求和、求平均值、均方差，等等。
S1014，根据各个视频片段对应的统计信息，从多个视频片段中筛选统计信息的值最大的视频片段，并将统计信息的值最大的视频片段作为气氛活跃视频片段。
每个视频片段对应一个统计信息，即该视频片段对应的时间段内礼物发送的统计信息。对各个视频片段对应的统计信息进行排序，可以得到值最大的统计信息，如此即可以筛选出值最大的统计信息所对应的视频片段，并将统计信息的值最大的视频片段作为气氛活跃视频片段。
一种可实现方式中，气氛活跃视频片段为礼物发送最频繁的视频片段。可以基于直播中发送礼物的时间信息，统计各个视频片段对应的时间段内礼物发送的统计信息。从多个视频片段中筛选统计信息的值最大的视频片段，并将统计信息的值最大的视频片段作为气氛活跃视频片段。
可以对每个主播的每场直播进行礼物密集度的监控，找到礼物发送最频繁的视频片段，实现大数据监控筛选。对于主播来说所关注的主要就是盈利情况，而盈利情况的基石是用户送礼物的多少，可以理解，对于主播来讲，希望吸引用户发送礼物。筛选出礼物发送最频繁的视频片段，后续可以基于礼物发送最频繁的视频片段的片段评分得到目标气氛活跃视频片段，并基于目标气氛活跃视频片段，生成主播对应的主播标识，能够提高生成的该主播标识对用户的吸引度，可以更好地吸引用户发送礼物。
为了更快、更方便地筛选直播中礼物发送最频繁的视频片段，一种可实现方式中，可以在直播过程中引导用户送礼物，如提供免费礼物、包装礼物等，使得用户体会发送礼物的乐趣等吸引用户更多地发送礼物，如此使得电子设备能够更快、更方便地获取发送礼物的相关信息，后续可以基于发送礼物的相关信息筛选直播中礼物发送最频繁的视频片段。
S102，将各个气氛活跃视频片段分别输入预设模型，通过预设模型输出气氛活跃视频片段对应的片段评分。
片段评分可以是对气氛活跃视频片段的趣味性和/或完整性进行评价的分数。如此，后续可以基于片段评分筛选出趣味性和/或完整性更突出的目标气氛活跃视频片段，基于该目标气氛活跃视频片段生成的主播标识能够更好地提高对用户的吸引度。
在S102之前，可以先经过人工智能(Artificial Intelligence，AI)模型训练得到用于得到片段评分的模型，参照图3，可以包括：
S301，获取多个样本视频片段以及各个样本视频片段对应的片段评分标签值。
为了提高模型训练的准确性，可以获取数量众多的样本视频片段，例如，多个样本视频片段的数量可以是1000个、2000个等等。
片段评分标签值可以是人工标记的标签值。例如，可以人工对样本视频片段的趣味性和/或完整性进行打分，打分过程中同时也可以结合宣传效果，以得到该样本视频片段对应的片段评分标签值。
或者，片段评分标签值也可以是通过自动标记的方式进行标记的标签值。例如，可以预先确定趣味性和/完整性规则，将样本视频片段的内容与该趣味性和/或完整性规则进行匹配，并基于匹配程度打分，以得到该样本视频片段对应的片段评分标签值。
本公开实施例不对得到片段评分标签值的方式进行限定，任何可以实现标记的方式均包含在本公开实施例的保护范围内。
S302，针对各个样本视频片段，将样本视频片段输入初始模型，获得初始模型对应的输出分数，将输出分数与样本视频片段对应的片段评分标签值进行比较，并基于比较结果调整初始模型的模型参数。
初始模型可以为基于有监督学习的模型、半监督学习的模型或无监督学习的模型。例如，可以为深度神经网络、深度信念网络、循环神经网络和卷积神经网络，等等。
可以理解为，将一样本视频片段的片段评分标签值和样本视频片段作为一个样本对，多个样本视频片段即对应多个样本对，通过多个样本对对初始模型进行调参。
调整模型参数的目的是为了使得初始模型的输出无限逼近于片段评分标签值，理想结果是初始模型的输出与片段评分标签值相同。
比较结果即初始模型的输出与片段评分标签值的差异，通过调整初始模型的模型参数使得该差异足够小，具体可以是该差异小于预设差异阈值，或者可以是该差异达到收敛时，停止针对该比较结果调整初始模型的模型参数的过程，其中，预设差异阈值可以根据实际需求或者经验值等确定，如可以是0.01、0.02、0.001等。
S303，判断是否到达预设训练结束条件。
如果满足，则执行步骤S304。
如果不满足，则返回S302。
S304，得到预设模型，预设模型为包括到达预设训练结束条件时对应的模型参数的初始模型。
训练结束条件可以是模型精度达到预设精度，如S302之后得到的模型参数使得模型对应的损失函数最小，其中，选择何种损失函数可以根据实际需求确定，如可以基于初始模型的类型选择。
或者，训练结束条件也可以是迭代次数达到预设迭代次数，该预设迭代次数可以根据实际需求或者经验值等确定，如500次、1000次等等。例如，在S302之后，不论模型精度是否满足预设精度，只要迭代次数达到预设迭代次数则理解为满足训练结束条件。
预先训练好模型，能够使得当筛选出气氛活跃视频片段后，将气氛活跃视频片段输入模型，则模型可以直接输出气氛活跃视频片段对应的片段评分，如此可以降低计算复杂度。且模型是基于多个样本视频片段训练得到的，通过该模型输出的片段评分能够准确地反映视频片段的内容，如反映视频片段的趣味性和/或完整性。
通过AI模型识别匹配，对视频片段进行内容识别，从趣味性、完整性、宣传效果方面对筛选出的视频片段进行打分，筛选出最适合宣传的视频内容。
S103，基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段。
可以通过大数据分析精准提取每个主播最吸引用户的内容，即能够精准获取用户感兴趣的部分，防止主播对自己的特点及定位不了解或者发生误判。且该过程对于对主播而言无任何成本及技术要求。
一种可选的实施例中，可以选择出片段评分最高的气氛活跃视频片段，并将片段评分最高的气氛活跃视频片段作为目标气氛活跃视频片段。
可以对各个气氛活跃视频片段分别对应的片段评分进行排序，如此则可以选出分值最高的片段评分，即可以将该分值最高的片段评分对应的气氛活跃视频片段作为目标气氛活跃视频片段。如此，可以快速地筛选出目标气氛活跃视频片段。
另一种可选的实施例中，如图4所示，S103可以包括：
S1031，根据各个气氛活跃视频片段分别对应的片段评分从高到低或者从低到高的顺序，对各个气氛活跃视频片段进行排序。
S1032，如果是按照各个气氛活跃视频片段分别对应的片段评分从高到低的顺序进行排序的，则选择排序在前的预设数量个气氛活跃视频片段，并将排序在前的预设数量个气氛活跃视频片段作为待选择气氛活跃视频片段。
S1033，如果是按照各个气氛活跃视频片段分别对应的片段评分从低到高的顺序进行排序的，则选择排序在后的预设数量个气氛活跃视频片段，并将排序在后的预设数量个气氛活跃视频片段作为待选择气氛活跃视频片段。
即选择出片段评分较高的预设数量个气氛活跃视频片段作为待选择气氛活跃视频片段。
其中，预设数量可以根据实际需求或者经验值等确定，如5个、3个，等等。
S1034，将待选择气氛活跃视频片段提供给主播。
可以将选择出的待选择气氛活跃视频片段发送给主播终端，主播终端展示各个待选择气氛活跃视频片段。如此，主播可以观看各个待选择气氛活跃视频片段。
S1035，接收主播从待选择气氛活跃视频片段中选择出的一个气氛活跃视频片段，并将选择出的一个气氛活跃视频片段作为目标气氛活跃视频片段。
每个气氛活跃视频片段分别有一个片段评分，可以先利用大数据分析筛选出片段评分较高的几个气氛活跃视频片段，然后将选出的片段评分较高的几个气氛活跃视频片段提供给主播，主播再从中选择出一个，将主播选出的这个气氛活跃视频片段作为目标气氛活跃视频片段。在大数据分析的基础上结合主播主观选择，能够在选择目标气氛活跃视频片段过程中利用主播经验等等，在提高选取的目标气氛活跃视频片段的准确度的同时更好地反映主播想表达的内容。
有些情况下，无法筛选出主播直播中气氛活跃视频片段，如直播中长时间没有用户发送礼物，无法获取发送礼物的相关信息，进而无法基于这些信息进行后续的步骤以筛选出礼物发送最频繁的视频片段，也就无法进一步筛选该场直播中的目标气氛活跃视频片段，此时可以理解为片段筛选失败。当片段筛选失败时，可以舍弃针对初始选择的多场直播的分析，重新选取主播的另几场直播，针对另选的直播进行分析，如此类推，直至可以针对直播的多场直播筛选出气氛活跃视频片段，并基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段。
当基于S101至S103进行目标气氛活跃视频片段失败时，也可以从主播的直播过程中随机选择几个视频频段作为目标气氛活跃视频片段，或者将主播选择的几个视频片段作为目标气氛活跃视频片段，以避免无法选取目标气氛活跃视频片段导致后续无法生成主播标识。
S104，基于目标气氛活跃视频片段，生成主播对应的主播标识。
主播标识可以理解为区别于该主播与其他主播的标识信息。主播标识可以是图片、图片+文字、动图+文字等多种形式。
一种可实现方式中，S104可以包括：
提取目标气氛活跃视频片段中的图片和文字；根据图片和文字生成表情包，并将表情包作为主播对应的主播标识。
目标气氛活跃视频片段中的图片和文字能够反映主播直播过程中用户比较感兴趣的内容，也可以理解为是主播的标志性内容，提取目标气氛活跃视频片段中的图片和文字，可以实现主播标志性内容的自动提取。且对视频内容进行二次专业的表情包处理制作，表情包能够提高标志性内容的趣味性。
一种可选的实施例中，如图5所示，在S104之后，还可以包括：
S105，在主播的个人页面或者头像或者直播封面上显示主播标识。
可以在主播的个人页面或者头像或者直播封面上，展示根据目标气氛活跃视频片段中的图片和文字生成的表情包。
如此，可以使得用户在个人页面或者头像或者直播封面直观地看到主播标识，如表情包，方便用户更容易了解主播。
本公开通过大数据的方式自动生成主播的标志性表情包。在后续用户观看该主播下任一直播时都在封面图上或者头像中显示该标志性的表情包，可以方便大家对该播主进行了解和增加对主播的宣传，而且也可以更好的增加趣味性。
在主播的个人页面或者头像或者直播封面上显示表情包，可以包括：
当检测到当前用户是未关注主播的用户时，在主播的个人页面或者头像或者直播封面上显示表情包。即可以仅向未关注该主播的用户展示该表情包，对于已经关注该主播的用户则不展示该表情包，实现有选择地展示该表情包。
例如，可以根据是否为新用户(未关注该主播的用户)动态在视频播放器显示，提升表情包显示的灵活性，可定制型高，不会影响用户体验。
一方面，已经关注主播的用户可以理解为已经被主播吸引到的用户，无需再通过其他宣传吸引，仅向未关注主播的用户展示该表情包，可以在不降低宣传效果的基础上，降低成本。另一方面，对于已经关注主播的用户来说，有可能不希望再被其他信息干扰，仅向未关注主播的用户展示该表情包，避免表情包对已经关注主播的用户造成影响，影响这部分用户的用户体验。
本公开实施例还提供了一种主播标识的生成装置，如图6所示，可以包括：
第一筛选模块601，用于针对主播的多场直播，筛选出每场直播中的气氛活跃视频片段；
评分模块602，用于将各个气氛活跃视频片段分别输入预设模型，通过预设模型输出气氛活跃视频片段对应的片段评分；
第二筛选模块603，用于基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段；
生成模块604，用于基于目标气氛活跃视频片段，生成主播对应的主播标识。
可选的，第一筛选模块601，具体用于针对每场直播，获得直播中交互的时间信息和属性信息；将直播划分为多个视频片段；基于直播中交互的时间信息，统计各个视频片段对应的时间段内交互的属性信息，得到统计信息；根据各个视频片段对应的统计信息，从多个视频片段中筛选统计信息的值最大的视频片段，并将统计信息的值最大的视频片段作为气氛活跃视频片段。
可选的，第二筛选模块603，具体用于选择出片段评分最高的气氛活跃视频片段，并将片段评分最高的气氛活跃视频片段作为目标气氛活跃视频片段。
可选的，第二筛选模块603，具体用于根据各个气氛活跃视频片段分别对应的片段评分从高到低或者从低到高的顺序，对各个气氛活跃视频片段进行排序；如果是按照各个气氛活跃视频片段分别对应的片段评分从高到低的顺序进行排序的，则选择排序在前的预设数量个气氛活跃视频片段，并将排序在前的预设数量个气氛活跃视频片段作为待选择气氛活跃视频片段；如果是按照各个气氛活跃视频片段分别对应的片段评分从低到高的顺序进行排序的，则选择排序在后的预设数量个气氛活跃视频片段，并将排序在后的预设数量个气氛活跃视频片段作为待选择气氛活跃视频片段；将待选择气氛活跃视频片段提供给主播；接收主播从待选择气氛活跃视频片段中选择出的一个气氛活跃视频片段，并将选择出的一个气氛活跃视频片段作为目标气氛活跃视频片段。
可选的，如图7所示，该装置还包括：
获取模块701，用于获取多个样本视频片段以及各个样本视频片段对应的片段评分标签值；
训练模块702，用于针对各个样本视频片段，将样本视频片段输入初始模型，获得初始模型对应的输出分数；将输出分数与样本视频片段对应的片段评分标签值进行比较；基于比较结果调整初始模型的模型参数；判断是否到达预设训练结束条件；当到达预设训练结束条件时，得到预设模型，预设模型为包括到达预设训练结束条件时对应的模型参数的初始模型。
可选的，生成模块604，具体用于提取目标气氛活跃视频片段中的图片和文字；根据图片和文字生成表情包，并将表情包作为主播对应的主播标识。
可选的，如图8所示，该装置还包括：
展示模块605，用于在基于目标气氛活跃视频片段，生成主播对应的主播标识之后，在主播的个人页面或者头像或者直播封面上显示主播标识。
可选的，展示模块605，具体用于当检测到当前用户是未关注主播的用户时，在主播的个人页面或者头像或者直播封面上显示表情包。
本公开实施例提供的主播标识的生成装置是应用上述主播标识的生成方法的装置，则上述主播标识的生成方法的所有实施例均适用于该装置，且均能达到相同或相似的有益效果。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如主播标识的生成方法。例如，在一些实施例中，主播标识的生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的主播标识的生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行主播标识的生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (19)

1.一种主播标识的生成方法，包括：
针对主播的多场直播，筛选出每场直播中的气氛活跃视频片段；
将各个所述气氛活跃视频片段分别输入预设模型，通过所述预设模型输出所述气氛活跃视频片段对应的片段评分；
基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段；
基于所述目标气氛活跃视频片段，生成所述主播对应的主播标识。
2.根据权利要求1所述的方法，所述筛选出每场直播中的气氛活跃视频片段，包括：
针对每场直播，获得所述直播中交互的时间信息和属性信息；
将所述直播划分为多个视频片段；
基于所述直播中交互的时间信息，统计各个所述视频片段对应的时间段内交互的属性信息，得到统计信息；
根据各个所述视频片段对应的所述统计信息，从多个所述视频片段中筛选所述统计信息的值最大的视频片段，并将所述统计信息的值最大的视频片段作为气氛活跃视频片段。
3.根据权利要求1所述的方法，其中，所述基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段，包括：
选择出片段评分最高的气氛活跃视频片段，并将片段评分最高的气氛活跃视频片段作为所述目标气氛活跃视频片段。
4.根据权利要求1所述的方法，其中，所述基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段，包括：
根据各个气氛活跃视频片段分别对应的片段评分从高到低或者从低到高的顺序，对各个气氛活跃视频片段进行排序；
如果是按照各个气氛活跃视频片段分别对应的片段评分从高到低的顺序进行排序的，则选择排序在前的预设数量个气氛活跃视频片段，并将所述排序在前的预设数量个气氛活跃视频片段作为待选择气氛活跃视频片段；
如果是按照各个气氛活跃视频片段分别对应的片段评分从低到高的顺序进行排序的，则选择排序在后的预设数量个气氛活跃视频片段，并将所述排序在后的预设数量个气氛活跃视频片段作为待选择气氛活跃视频片段；
将所述待选择气氛活跃视频片段提供给所述主播；
接收所述主播从所述待选择气氛活跃视频片段中选择出的一个气氛活跃视频片段，并将所述选择出的一个气氛活跃视频片段作为目标气氛活跃视频片段。
5.根据权利要求1所述的方法，还包括：
获取多个样本视频片段以及各个样本视频片段对应的片段评分标签值；
针对各个样本视频片段，将所述样本视频片段输入初始模型，获得所述初始模型对应的输出分数；将所述输出分数与所述样本视频片段对应的片段评分标签值进行比较；基于比较结果调整所述初始模型的模型参数；
判断是否到达预设训练结束条件；
当到达预设训练结束条件时，得到预设模型，所述预设模型为包括到达预设训练结束条件时对应的模型参数的初始模型。
6.根据权利要求1所述的方法，其中，所述基于所述目标气氛活跃视频片段，生成所述主播对应的主播标识，包括：
提取所述目标气氛活跃视频片段中的图片和文字；
根据所述图片和所述文字生成表情包，并将所述表情包作为所述主播对应的主播标识。
7.根据权利要求1所述的方法，在所述基于所述目标气氛活跃视频片段，生成所述主播对应的主播标识之后，所述方法还包括：
在所述主播的个人页面或者头像或者直播封面上显示所述主播标识。
8.根据权利要求7所述的方法，其中，所述在所述主播的个人页面或者头像或者直播封面上显示所述表情包，包括：
当检测到当前用户是未关注所述主播的用户时，在所述主播的个人页面或者头像或者直播封面上显示所述表情包。
9.一种主播标识的生成装置，包括：
第一筛选模块，用于针对主播的多场直播，筛选出每场直播中的气氛活跃视频片段；
评分模块，用于将各个所述气氛活跃视频片段分别输入预设模型，通过所述预设模型输出所述气氛活跃视频片段对应的片段评分；
第二筛选模块，用于基于各个气氛活跃视频片段分别对应的片段评分，筛选出目标气氛活跃视频片段；
生成模块，用于基于所述目标气氛活跃视频片段，生成所述主播对应的主播标识。
10.根据权利要求9所述的装置，其中，所述第一筛选模块，具体用于针对每场直播，获得所述直播中交互的时间信息和属性信息；将所述直播划分为多个视频片段；基于所述直播中交互的时间信息，统计各个所述视频片段对应的时间段内交互的属性信息，得到统计信息；根据各个所述视频片段对应的所述统计信息，从多个所述视频片段中筛选所述统计信息的值最大的视频片段，并将所述统计信息的值最大的视频片段作为气氛活跃视频片段。
11.根据权利要求9所述的装置，其中，所述第二筛选模块，具体用于选择出片段评分最高的气氛活跃视频片段，并将片段评分最高的气氛活跃视频片段作为所述目标气氛活跃视频片段。
12.根据权利要求9所述的装置，其中，所述第二筛选模块，具体用于根据各个气氛活跃视频片段分别对应的片段评分从高到低或者从低到高的顺序，对各个气氛活跃视频片段进行排序；如果是按照各个气氛活跃视频片段分别对应的片段评分从高到低的顺序进行排序的，则选择排序在前的预设数量个气氛活跃视频片段，并将所述排序在前的预设数量个气氛活跃视频片段作为待选择气氛活跃视频片段；如果是按照各个气氛活跃视频片段分别对应的片段评分从低到高的顺序进行排序的，则选择排序在后的预设数量个气氛活跃视频片段，并将所述排序在后的预设数量个气氛活跃视频片段作为待选择气氛活跃视频片段；将所述待选择气氛活跃视频片段提供给所述主播；接收所述主播从所述待选择气氛活跃视频片段中选择出的一个气氛活跃视频片段，并将所述选择出的一个气氛活跃视频片段作为目标气氛活跃视频片段。
13.根据权利要求9所述的装置，还包括：
获取模块，用于获取多个样本视频片段以及各个样本视频片段对应的片段评分标签值；
训练模块，用于针对各个样本视频片段，将所述样本视频片段输入初始模型，获得所述初始模型对应的输出分数；将所述输出分数与所述样本视频片段对应的片段评分标签值进行比较；基于比较结果调整所述初始模型的模型参数；判断是否到达预设训练结束条件；当到达预设训练结束条件时，得到预设模型，所述预设模型为包括到达预设训练结束条件时对应的模型参数的初始模型。
14.根据权利要求9所述的装置，其中，所述生成模块，具体用于提取所述目标气氛活跃视频片段中的图片和文字；根据所述图片和所述文字生成表情包，并将所述表情包作为所述主播对应的主播标识。
15.根据权利要求9所述的装置，所述装置还包括：
展示模块，用于在所述基于所述目标气氛活跃视频片段，生成所述主播对应的主播标识之后，在所述主播的个人页面或者头像或者直播封面上显示所述主播标识。
16.根据权利要求15所述的装置，其中，所述展示模块，具体用于当检测到当前用户是未关注所述主播的用户时，在所述主播的个人页面或者头像或者直播封面上显示所述表情包。
17.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
CN202110725436.7A 2021-06-29 2021-06-29 主播标识的生成方法、装置、设备、存储介质及程序产品 Active CN113542801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110725436.7A CN113542801B (zh) 2021-06-29 2021-06-29 主播标识的生成方法、装置、设备、存储介质及程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110725436.7A CN113542801B (zh) 2021-06-29 2021-06-29 主播标识的生成方法、装置、设备、存储介质及程序产品

Publications (2)

Publication Number Publication Date
CN113542801A true CN113542801A (zh) 2021-10-22
CN113542801B CN113542801B (zh) 2023-06-06

Family

ID=78097095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110725436.7A Active CN113542801B (zh) 2021-06-29 2021-06-29 主播标识的生成方法、装置、设备、存储介质及程序产品

Country Status (1)

Country Link
CN (1) CN113542801B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115022654A (zh) * 2022-05-18 2022-09-06 北京达佳互联信息技术有限公司 一种直播场景下的视频编辑方法及装置
WO2023131112A1 (zh) * 2022-01-10 2023-07-13 北京字节跳动网络技术有限公司 视频的处理方法、装置和非易失性计算机可读存储介质
CN117376596A (zh) * 2023-12-08 2024-01-09 江西拓世智能科技股份有限公司 基于智能数字人模型的直播方法、装置及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170109584A1 (en) * 2015-10-20 2017-04-20 Microsoft Technology Licensing, Llc Video Highlight Detection with Pairwise Deep Ranking
CN108062409A (zh) * 2017-12-29 2018-05-22 北京奇艺世纪科技有限公司 直播视频摘要的生成方法、装置及电子设备
CN109905724A (zh) * 2019-04-19 2019-06-18 广州虎牙信息科技有限公司 直播视频处理方法、装置、电子设备及可读存储介质
CN110191357A (zh) * 2019-06-28 2019-08-30 北京奇艺世纪科技有限公司 视频片段精彩度评估、动态封面生成方法及装置
CN110267119A (zh) * 2019-06-28 2019-09-20 北京奇艺世纪科技有限公司 视频精彩度的评价方法及相关设备
CN110971930A (zh) * 2019-12-19 2020-04-07 广州酷狗计算机科技有限公司 虚拟形象直播的方法、装置、终端及存储介质
CN111491173A (zh) * 2020-04-15 2020-08-04 腾讯科技（深圳）有限公司 一种直播封面确定方法、装置、计算机设备及存储介质
CN111698554A (zh) * 2020-06-19 2020-09-22 广州华多网络科技有限公司 直播视频专辑生成方法、装置、设备及存储介质
CN111753131A (zh) * 2020-06-28 2020-10-09 北京百度网讯科技有限公司 表情包生成方法及设备、电子设备和介质
CN112511854A (zh) * 2020-11-27 2021-03-16 刘亚虹 一种直播视频精彩片段生成方法、装置、介质和设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170109584A1 (en) * 2015-10-20 2017-04-20 Microsoft Technology Licensing, Llc Video Highlight Detection with Pairwise Deep Ranking
CN108062409A (zh) * 2017-12-29 2018-05-22 北京奇艺世纪科技有限公司 直播视频摘要的生成方法、装置及电子设备
CN109905724A (zh) * 2019-04-19 2019-06-18 广州虎牙信息科技有限公司 直播视频处理方法、装置、电子设备及可读存储介质
CN110191357A (zh) * 2019-06-28 2019-08-30 北京奇艺世纪科技有限公司 视频片段精彩度评估、动态封面生成方法及装置
CN110267119A (zh) * 2019-06-28 2019-09-20 北京奇艺世纪科技有限公司 视频精彩度的评价方法及相关设备
CN110971930A (zh) * 2019-12-19 2020-04-07 广州酷狗计算机科技有限公司 虚拟形象直播的方法、装置、终端及存储介质
CN111491173A (zh) * 2020-04-15 2020-08-04 腾讯科技（深圳）有限公司 一种直播封面确定方法、装置、计算机设备及存储介质
CN111698554A (zh) * 2020-06-19 2020-09-22 广州华多网络科技有限公司 直播视频专辑生成方法、装置、设备及存储介质
CN111753131A (zh) * 2020-06-28 2020-10-09 北京百度网讯科技有限公司 表情包生成方法及设备、电子设备和介质
CN112511854A (zh) * 2020-11-27 2021-03-16 刘亚虹 一种直播视频精彩片段生成方法、装置、介质和设备

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023131112A1 (zh) * 2022-01-10 2023-07-13 北京字节跳动网络技术有限公司 视频的处理方法、装置和非易失性计算机可读存储介质
US11995751B2 (en) 2022-01-10 2024-05-28 Beijing Bytedance Network Technology Co., Ltd. Video preview method and apparatus, and non-transitory computer-readable storage medium
CN115022654A (zh) * 2022-05-18 2022-09-06 北京达佳互联信息技术有限公司 一种直播场景下的视频编辑方法及装置
CN115022654B (zh) * 2022-05-18 2024-01-19 北京达佳互联信息技术有限公司 一种直播场景下的视频编辑方法及装置
CN117376596A (zh) * 2023-12-08 2024-01-09 江西拓世智能科技股份有限公司 基于智能数字人模型的直播方法、装置及存储介质
CN117376596B (zh) * 2023-12-08 2024-04-26 江西拓世智能科技股份有限公司 基于智能数字人模型的直播方法、装置及存储介质

Also Published As

Publication number Publication date
CN113542801B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
CN113542801B (zh) 主播标识的生成方法、装置、设备、存储介质及程序产品
CN112399258B (zh) 直播回放视频生成播放方法、装置、存储介质及电子设备
CN108345692A (zh) 一种自动问答方法和系统
CN104866275B (zh) 一种用于获取图像信息的方法和装置
CN112163081B (zh) 标签确定方法、装置、介质及电子设备
CN112818224A (zh) 信息推荐方法、装置、电子设备及可读存储介质
CN110072140A (zh) 一种视频信息提示方法、装置、设备及存储介质
CN111612496A (zh) 广告的人工智能生成
CN114449327A (zh) 视频片段的分享方法、装置、电子设备及可读存储介质
CN113055751A (zh) 数据处理方法、装置、电子设备和存储介质
CN113422988A (zh) 直播封面生成方法、装置、电子设备及存储介质
CN111177462A (zh) 视频分发时效的确定方法和装置
CN112560461A (zh) 新闻线索的生成方法、装置、电子设备及存储介质
CN114501105B (zh) 视频内容的生成方法、装置、设备及存储介质
CN114374885A (zh) 视频关键片段确定方法、装置、电子设备及可读存储介质
CN111918073B (zh) 直播间的管理方法和装置
CN114283349A (zh) 一种数据处理方法、装置、计算机设备及存储介质
CN117235371A (zh) 视频推荐方法、模型训练方法及装置
CN110636362B (zh) 图像处理方法、装置、系统及电子设备
CN112672202A (zh) 弹幕处理方法、设备和存储介质
US11949971B2 (en) System and method for automatically identifying key dialogues in a media
CN112714340B (zh) 视频处理方法、装置、设备、存储介质和计算机程序产品
JP2024505316A (ja) アプリケーションのテスト方法、装置、電子機器及び記憶媒体
CN113515702A (zh) 内容推荐方法、模型训练方法、装置、设备及存储介质
CN113326461A (zh) 跨平台内容分发方法、装置、设备以及存储介质

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