CN113963306B - 基于人工智能的课件片头制作方法和装置 - Google Patents

基于人工智能的课件片头制作方法和装置 Download PDF

Info

Publication number
CN113963306B
CN113963306B CN202111585508.9A CN202111585508A CN113963306B CN 113963306 B CN113963306 B CN 113963306B CN 202111585508 A CN202111585508 A CN 202111585508A CN 113963306 B CN113963306 B CN 113963306B
Authority
CN
China
Prior art keywords
courseware
title
course teaching
target course
teaching video
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.)
Active
Application number
CN202111585508.9A
Other languages
English (en)
Other versions
CN113963306A (zh
Inventor
曾腾
王肖群
叶树林
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.)
Chengdu Chinamcloud Technology Co ltd
Peking University
Original Assignee
Chengdu Chinamcloud Technology Co ltd
Peking University
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 Chengdu Chinamcloud Technology Co ltd, Peking University filed Critical Chengdu Chinamcloud Technology Co ltd
Priority to CN202111585508.9A priority Critical patent/CN113963306B/zh
Publication of CN113963306A publication Critical patent/CN113963306A/zh
Application granted granted Critical
Publication of CN113963306B publication Critical patent/CN113963306B/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
    • G06F16/78—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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice

Abstract

本发明提供一种基于人工智能的课件片头制作方法和装置。其中方法包括：基于预先设置的标题识别规则和训练得到的标题识别模型，对目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题；基于预先设置的人物识别规则和训练得到的人物识别模型，对所述目标课程教学视频进行主讲人识别，得到所述目标课程教学视频的主讲人姓名；基于所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名，生成包含课件标题和主讲人姓名的所述目标课程教学视频课件的片头。本发明可以自动化、智能化的快速实现教学视频课件片头的制作，满足大批量教学视频课件片头制作的需求。

Description

基于人工智能的课件片头制作方法和装置
技术领域
本发明涉及课件制作技术领域，尤其涉及一种基于人工智能的课件片头制作方法和装置。
背景技术
在教育课件的制作中，由于每个课程视频的知识内容不同，课件片头的制作工作量较大。目前比较快速的制作课件片头的方法，主要是通过在线编辑工具采用手动制作的方式来实现。虽然这些方法已经为教师课件的制作带来了很大的便利性，但是自动化、智能化成都仍然较低，无法满足大批量课件片头制作的需求。
发明内容
本发明提供一种基于人工智能的课件片头制作方法和装置，用以解决现有技术课件片头的制作自动化、智能化成都仍然较低，无法满足大批量课件片头制作的需求的缺陷，可以自动化、智能化的快速实现教学视频课件片头的制作，满足大批量教学视频课件片头制作的需求。
第一方面，本发明提供一种基于人工智能的课件片头制作方法，包括：
基于预先设置的标题识别规则和训练得到的标题识别模型，对目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题；
基于预先设置的人物识别规则和训练得到的人物识别模型，对所述目标课程教学视频进行主讲人识别，得到所述目标课程教学视频的主讲人姓名；
基于所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名，生成包含课件标题和主讲人姓名的所述目标课程教学视频课件的片头。
根据本发明提供的基于人工智能的课件片头制作方法，所述基于预先设置的标题识别规则和训练得到的标题识别模型，对当前的课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题之前，包括：
确定所述目标课程教学视频与所述训练得到的标题识别模型对应的课程教学视频之间的相似度；
判断所述相似度是否大于预先设置的阈值；
若所述相似度大于预先设置的阈值，则基于预先设置的标题识别规则和训练得到的标题识别模型，对所述目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题。
根据本发明提供的基于人工智能的课件片头制作方法，还包括：
若所述相似度小于或等于预先设置的阈值，则基于预先设置的标题识别规则和预先设置的标题识别模型，对所述目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题列表；
基于用户对所述课件标题列表中课件标题的选择，确定所述目标课程教学视频的课件标题；
以所确定的目标课程教学视频的课件标题作为所述目标课程教学视频的标注信息，基于所述目标课程教学视频和所述标注信息，对所述预先设置的标题识别模型进行训练。
根据本发明提供的基于人工智能的课件片头制作方法，所述基于预先设置的标题识别规则和预先设置的标题识别模型，对所述目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题列表，包括：
基于预先设置的演示文稿播放内容识别规则，将所述目标课程教学视频输入第一文字识别模型进行课件标题提取，得到所述第一文字识别模型输出的所述目标课程教学视频的第一课件标题列表；和/或，
基于预先设置的知识点匹配规则，将所述目标课程教学视频输入语音识别模型进行高频知识点提取，得到所述语音识别模型输出的所述目标课程教学视频的高频知识点列表，基于所述目标课程教学视频的高频知识点列表确定预先设置的教学计划知识点对应的高频知识点，得到所述目标课程教学视频的第二课件标题列表；和/或，
基于预先设置的电子白板书写内容识别规则，将所述目标课程教学视频输入第二文字识别模型进行课件标题提取，得到所述第二文字识别模型输出的所述目标课程教学视频的第三课件标题列表。
根据本发明提供的基于人工智能的课件片头制作方法，所述基于预先设置的人物识别规则和训练得到的人物识别模型，对所述目标课程教学视频进行主讲人识别，得到所述目标课程教学视频的主讲人姓名，包括：
将所述目标课程教学视频输入训练得到的人物识别模型进行人物识别，得到所述人物识别模型输出的所述目标课程教学视频中人物的姓名、年龄、行为和在讲台机位出现的时长；
基于预先设置的人物在讲台机位出现的时长超过预先设置的阈值的规则，和/或基于预先设置的人物年龄符合预先设置的年龄范围的规则，和/或基于预先设置的人物行为为书写和/或讲解行为的规则，从所述目标课程教学视频中的人物的姓名中，确定所述目标课程教学视频的主讲人姓名。
根据本发明提供的基于人工智能的课件片头制作方法，所述基于所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名，生成所述目标课程教学视频课件的片头，包括：
基于用户对课件片头模板风格的选择或者预先设置的课件片头模板风格，确定所述目标课程教学视频课件的片头模板；
基于所确定的目标课程教学视频课件的片头模板，对所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名进行合成，生成包含课件标题和主讲人姓名的所述目标课程教学视频课件的片头。
第二方面，本发明还提供一种基于人工智能的课件片头制作装置，包括：
课件标题提取模块，用于基于预先设置的标题识别规则和训练得到的标题识别模型，对目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题；
主讲人识别模块，用于基于预先设置的人物识别规则和训练得到的人物识别模型，对所述目标课程教学视频进行主讲人识别，得到所述目标课程教学视频的主讲人姓名；
课件片头生成模块，用于基于所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名，生成包含课件标题和主讲人姓名的所述目标课程教学视频课件的片头。
第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于人工智能的课件片头制作方法的步骤。
第四方面，发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于人工智能的课件片头制作方法的步骤。
第五方面，发明还提供一种计算机程序产品，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于人工智能的课件片头制作方法的步骤。
本发明提供的基于人工智能的课件片头制作方法和装置，通过建立标题识别规则和模型、人物识别规则和模型，对目标课程教学视频的内容进行提取和识别，可以提供目标课程教学视频的课件标题和主讲人姓名，从而完成目标课程教学视频课件片头的制作，可以自动化、智能化的快速实现教学视频课件片头的制作，满足大批量教学视频课件片头制作的需求。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的基于人工智能的课件片头制作方法的流程示意图；
图2是本发明提供的课件标题提取的流程示意图；
图3是本发明提供的主讲人识别的流程示意图；
图4是本发明提供的基于课件标题和主讲人姓名生成课件片头的流程示意图；
图5是本发明提供的基于人工智能的课件片头制作方法的一种应用场景的流程示意图；
图6是本发明提供的基于人工智能的课件片头制作装置的组成结构示意图；
图7是本发明提供的电子设备的组成结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1-图5描述本发明的基于人工智能的课件片头制作方法。
请参阅图1，图1是本发明提供的基于人工智能的课件片头制作方法的流程示意图，图1所示的基于人工智能的课件片头制作方法可以由基于人工智能的课件片头制作装置执行，基于人工智能的课件片头制作装置可以设置于客户端和/或服务器，例如，客户端可以为智能手机、台式计算机、笔记型计算机、平板型计算机、可穿戴设备等，服务器可以为包含独立主机的物理服务器、主机集群承载的虚拟服务器、云服务器等，本发明实施例对此不作限定。如图1所示，该基于人工智能的课件片头制作方法至少包括：
101，基于预先设置的标题识别规则和训练得到的标题识别模型，对目标课程教学视频进行课件标题提取，得到目标课程教学视频的课件标题。
在本发明实施例中，目标课程教学视频是用于制作目标课程的课件的教学视频，其中目标课程可以是各类教育机构设置的各种课程，例如，各级各类学校根据教学大纲的要求设置的课程，本发明实施例对此不作限定。可选地，目标课程教学视频可以是在录播教室通过录播主机录制的教学视频，或者也可以是个人通过摄像机录制的教学视频，本发明实施例对目标课程教学视频的获取方式不作限定。可选地，在获取目标课程教学视频之后，将目标课程教学视频制作成课件之前，还可以对目标课程教学视频进行分析和处理，例如，对视频的码率、幅面等信息进行分析，对视频的兼容性、声道的兼容性等进行处理，以得到符合要求的规范的视频文件进行课件的制作，本发明实施例对目标课程教学视频进行分析和处理的实现方式不作限定。
在本发明实施例中，标题识别规则可以是根据目标课程教学视频的内容预先设置的，与标题识别模型配合进行课件标题提取的规则，例如，若目标课程教学视频包括演示文稿（Microsoft Office PowerPoint，简称PPT），标题识别规则可以包括基于演示文稿播放内容进行识别的规则，若目标课程教学视频包括教学计划中的知识点，标题识别规则可以包括基于教学计划知识点进行识别的规则，本发明实施例对预先设置的标题识别规则的类型不作限定。标题识别模型可以是预先训练好的与标题识别规则配合，对目标课程教学视频的内容进行课件标题提取的机器学习模型，例如，机器学习模型可以为卷积神经网络（Convolutional Neural Networks，简称CNN）、深度神经网络(Deep Neural Networks,简称DNN)、循环神经网络（Recurrent Neural Network, 简称RNN）等，本发明实施例对标题识别规则的类型不作限定。可以根据标题识别规则的类型确定与其相配合进行课件标题提取的标题识别模型的类型。例如，若标题识别规则为基于演示文稿播放内容进行识别的规则，对应的标题识别模型可以为文字识别模型，若标题识别规则为基于教学计划知识点进行识别的规则，对应的标题识别模型可以为语音识别模型。
102，基于预先设置的人物识别规则和训练得到的人物识别模型，对目标课程教学视频进行主讲人识别，得到目标课程教学视频的主讲人姓名。
在本发明实施例中，人物识别模型可以是预先训练好的对目标课程教学视频中人物的特征进行识别的机器学习模型，例如，人物的特征可以为人物的姓名、行为、在讲台机位出现的时长等，本发明实施例对人物识别模型识别的人物的特征的类型不作限定，例如，机器学习模型可以为卷积神经网络（Convolutional Neural Networks，简称CNN）、深度神经网络(Deep Neural Networks,简称DNN)、循环神经网络（Recurrent Neural Network,简称RNN）等，本发明实施例对人物识别模型的类型不作限定。人物识别规则可以是根据教学视频中主讲人的特征预先设置的，与人物识别模型配合对目标课程教学视频的主讲人进行识别的规则，例如，根据教学视频中主讲人的特征，人物识别规则可以为人物在讲台机位出现的时长超过预先设置的阈值的规则，人物行为为书写和/或讲解行为的规则，本发明实施例对预先设置的人物识别规则的类型不作限定。可以根据人物识别模型识别的人物的特征的类型确定与其相配合进行主讲人识别的人物识别规则的类型。
103，基于所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名，生成包含课件标题和主讲人姓名的目标课程教学视频课件的片头。
在本发明实施例中，在得到目标课程教学视频的课件标题和主讲人姓名之后，可以根据所得到的目标课程教学视频的课件标题和主讲人姓名，通过课件片头模板自动生成包含课件标题和主讲人姓名的目标课程教学视频课件的片头。
本发明实施例提供的基于人工智能的课件片头制作方法，通过建立标题识别规则和模型、人物识别规则和模型，对目标课程教学视频的内容进行提取和识别，可以提供目标课程教学视频的课件标题和主讲人姓名，从而完成目标课程教学视频课件片头的制作，可以自动化、智能化的快速实现教学视频课件片头的制作，满足大批量教学视频课件片头制作的需求。
请参阅图2，图2是本发明提供的课件标题提取的流程示意图，如图2所示，该课件标题提取的流程至少包括：
201，确定目标课程教学视频与训练得到的标题识别模型对应的课程教学视频之间的相似度。
在本发明实施例中，在获得目标课程教学视频之后，可以首先将目标课程教学视频与训练得到的标题识别模型对应的课程教学视频进行匹配，确定目标课程教学视频与训练得到的标题识别模型对应的课程教学视频之间的相似度。训练得到的标题识别模型可以通过对应的课程教学视频对标题识别模型进行训练得到，可以将训练得到的标题识别模型与对其进行训练的课程教学视频一同进行存储，每一个训练得到的标题识别模型都具有一个对应的课程教学视频。可以对视频中的图像进行特征提取，通过计算所提取的图像的特征的相似度，来确定目标课程教学视频与训练得到的标题识别模型对应的课程教学视频之间的相似度。
202，判断相似度是否大于预先设置的阈值。
若相似度大于预先设置的阈值，则执行203；若相似度小于或等于预先设置的阈值，则执行204。
203，基于预先设置的标题识别规则和训练得到的标题识别模型，对目标课程教学视频进行课件标题提取，得到目标课程教学视频的课件标题。
204，基于预先设置的标题识别规则和预先设置的标题识别模型，对目标课程教学视频进行课件标题提取，得到目标课程教学视频的课件标题列表。
在本发明实施例中，在确定目标课程教学视频与训练得到的标题识别模型对应的课程教学视频之间的相似度之后，可以将所确定的相似度与预先设置的阈值进行比较，判断所确定的相似度是否大于预先设置的阈值，其中预先设置的阈值可以根据经验设置，例如预先设置的阈值为80%，若所确定的相似度大于预先设置的阈值，则表明目标课程教学视频与训练得到的标题识别模型对应的课程教学视频之间具有较高的相似度，可以采用训练得到的标题识别模型对目标课程教学视频进行课件标题提取，若所确定的相似度小于或等于预先设置的阈值，则表明目标课程教学视频与训练得到的标题识别模型对应的课程教学视频之间的相似度较低，需要设置新的标题识别模型对目标课程教学视频进行课件标题提取。
205，基于用户对课件标题列表中课件标题的选择，确定目标课程教学视频的课件标题。
206，以所确定的目标课程教学视频的课件标题作为目标课程教学视频的标注信息，基于目标课程教学视频和标注信息，对预先设置的标题识别模型进行训练。
在本发明实施例中，若设置新的标题识别模型对目标课程教学视频进行课件标题提取，可以得到目标课程教学视频的课件标题列表，在课件标题列表中可以包含预先设定的数量的课件标题供用户选择，例如在课件标题列表中可以包含5个课件标题供用户选择，即在通过标题识别模型对目标课程教学视频进行课件标题提取时，可以将排名在前5位的课件标题提供给用户，用户在课件标题列表中选定课件标题后，用户选定的课件标题将作为目标课程教学视频的课件标题。并且用户选定的课件标题也将作为目标课程教学视频的课件标题的标注信息，可以基于目标课程教学视频及其标注信息，对新的标题识别模型进行训练，在经过多次对标题识别模型的训练，例如对标题识别模型进行超过100次的训练，判断标题识别模型的精度达到预先设定的精度时，停止对标题识别模型的训练，获得训练得到的标题识别模型。其中，对标题识别模型的训练方法可以采用现有的训练方法，例如梯度下降法（gradient descent）等，本发明实施例对此不作限定。
本发明实施例提供的基于人工智能的课件片头制作方法，通过建立标题识别规则和模型，对目标课程教学视频的内容进行提取，可以提供目标课程教学视频的课件标题列表，辅助人机交互进行课件标题的确认，可以快速、准确地确定目标课程教学视频的课件标题，从而完成目标课程教学视频课件片头的制作，利用所确定的课件标题与目标课程教学视频对标题识别模型进行训练，可以获得能够智能化快速提取课件标题的标题识别模型，实现自动化、智能化的教学视频课件片头的制作，满足大批量教学视频课件片头制作的需求。
在一些可选的例子中，预先设置的标题识别规则可以包括预先设置的演示文稿播放内容识别规则、预先设置的知识点匹配规则、预先设置的电子白板书写内容识别规则中的至少一种，其中，预先设置的演示文稿播放内容识别规则对应的预先设置的标题识别模型可以为第一文字识别模型，预先设置的知识点匹配规则对应的预先设置的标题识别模型可以为语音识别模型，预先设置的电子白板书写内容识别规则对应的预先设置的标题识别模型可以为第二文字识别模型。例如，第一文字识别模型和第二文字识别模型可以为光学字符识别（Optical Character Recognition，简称OCR ）模型，语音识别模型可以为DFSMN（阿里云开源语音识别模型）。
基于预先设置的标题识别规则和预先设置的标题识别模型，对目标课程教学视频进行课件标题提取，得到目标课程教学视频的课件标题列表，可以是基于预先设置的演示文稿播放内容识别规则，将目标课程教学视频输入第一文字识别模型进行课件标题提取，得到第一文字识别模型输出的目标课程教学视频的第一课件标题列表；和/或，基于预先设置的知识点匹配规则，将目标课程教学视频输入语音识别模型进行高频知识点提取，得到语音识别模型输出的目标课程教学视频的高频知识点列表，基于目标课程教学视频的高频知识点列表确定预先设置的教学计划知识点对应的高频知识点，得到目标课程教学视频的第二课件标题列表；和/或，基于预先设置的电子白板书写内容识别规则，将目标课程教学视频输入第二文字识别模型进行课件标题提取，得到第二文字识别模型输出的目标课程教学视频的第三课件标题列表。其中，在得到语音识别模型输出的目标课程教学视频的高频知识点列表之后，可以首先确定预先设置的教学计划知识点与目标课程教学视频的高频知识点列表中的高频知识点之间的相似度，从而得到预先设置的教学计划知识点在目标课程教学视频中对应的高频知识点，进而可以根据在高频知识点列表中排名靠前的教学计划知识点得到第二课件标题列表。
可选地，在得到第一课件标题列表、第二课件标题列表、第三课件标题列表中的至少二个课件标题列表时，可以将所得到的第一课件标题列表、第二课件标题列表、第三课件标题列表中的至少二个课件标题列表展示给用户，供用户进行选择；或者也可以对所得到的第一课件标题列表、第二课件标题列表、第三课件标题列表中的至少二个课件标题列表进行整理，例如对相同的课件标题进行合并等，得到最终的课件标题列表，将最终的课件标题列表展示给用户，供用户进行选择；本发明实施例对此不作限定。
其中，在得到第一课件标题列表之后，可以基于用户对课件标题的选择，确定目标课程教学视频的课件标题，并且将所确定的目标课程教学视频的课件标题作为目标课程教学视频的标注信息，基于目标课程教学视频及其标注信息，对第一文字识别模型进行训练，获得训练好的第一文字识别模型。在得到第二课件标题列表之后，可以基于用户对课件标题的选择，确定目标课程教学视频的课件标题，并且将所确定的目标课程教学视频的课件标题作为目标课程教学视频的标注信息，基于目标课程教学视频及其标注信息，对语音识别模型进行训练，获得训练好的语音识别模型。在得到第三课件标题列表之后，可以基于用户对课件标题的选择，确定目标课程教学视频的课件标题，并且将所确定的目标课程教学视频的课件标题作为目标课程教学视频的标注信息，基于目标课程教学视频及其标注信息，对第二文字识别模型进行训练，获得训练好的第二文字识别模型。在获得训练好的模型之后，可以基于训练好的模型进行课件标题提取，得到目标课程教学视频的课件标题。
请参阅图3，图3是本发明提供的主讲人识别的流程示意图，如图3所示，该主讲人识别的流程至少包括：
301，将目标课程教学视频输入训练得到的人物识别模型进行人物识别，得到人物识别模型输出的目标课程教学视频中人物的姓名、年龄、行为和在讲台机位出现的时长。
302，基于预先设置的人物在讲台机位出现的时长超过预先设置的阈值的规则，和/或基于预先设置的人物年龄符合预先设置的年龄范围的规则，和/或基于预先设置的人物行为为书写和/或讲解行为的规则，从目标课程教学视频中的人物的姓名中，确定目标课程教学视频的主讲人姓名。
在本发明实施例中，可以首先将目标课程教学视频输入训练得到的人物识别模型进行人物识别，得到人物识别模型输出的目标课程教学视频中人物的姓名、年龄、行为和在讲台机位出现的时长等特征，然后根据预先设置的人物在讲台机位出现的时长超过预先设置的阈值的规则，将目标课程教学视频中在讲台机位出现的时长超过预先设置的阈值的人物的姓名，确定为目标课程教学视频的主讲人姓名，例如预先设置的阈值为80%的时长；和/或，基于预先设置的人物年龄符合预先设置的年龄范围的规则，将目标课程教学视频中人物年龄符合预先设置的年龄范围的人物的姓名，确定为目标课程教学视频的主讲人姓名，例如预先设置的年龄范围为30-50岁；和/或，基于预先设置的人物行为为书写和/或讲解行为的规则，将目标课程教学视频中人物行为为书写和/或讲解行为的人物的姓名，确定为目标课程教学视频的主讲人姓名。
可选地，预先设置的人物识别规则还可以包括预先设置的学校排课计划教师的姓名列表，即根据预先设置的学校排课计划教师的姓名列表，可以将位于预先设置的学校排课计划教师的姓名列表中的目标课程教学视频中人物的姓名，确定为目标课程教学视频的主讲人姓名。
其中，在进行目标课程教学视频的主讲人识别时，上述各项预先设置的人物识别规则可以同时使用，也可以只使用其中的一项或者几项，本发明实施例对此不作限定。可以对上述各项预先设置的人物识别规则设置不同的优先级，例如，预先设置的学校排课计划教师的姓名列表为第一优先级，预先设置的人物在讲台机位出现的时长超过预先设置的阈值的规则为第二优先级，预先设置的人物年龄符合预先设置的年龄范围的规则为第三优先级，预先设置的人物行为为书写和/或讲解行为的规则为第四优先级，可以根据优先级顺序依次使用各规则确定目标课程教学视频的主讲人姓名。例如，首先使用预先设置的学校排课计划教师的姓名列表，确定目标课程教学视频的主讲人姓名，若根据预先设置的学校排课计划教师的姓名列表已经确定出目标课程教学视频的主讲人姓名，则可以不再使用其他优先级的规则，若根据预先设置的学校排课计划教师的姓名列表不能确定出目标课程教学视频的主讲人姓名，可以使用预先设置的人物在讲台机位出现的时长超过预先设置的阈值的规则，确定目标课程教学视频的主讲人姓名，若根据预先设置的人物在讲台机位出现的时长超过预先设置的阈值的规则已经确定出目标课程教学视频的主讲人姓名，则可以不再使用其他优先级的规则，若根据预先设置的人物在讲台机位出现的时长超过预先设置的阈值的规则不能确定出目标课程教学视频的主讲人姓名，可以使用预先设置的人物年龄符合预先设置的年龄范围的规则，确定目标课程教学视频的主讲人姓名，以此类推。
请参阅图4，图4是本发明提供的基于课件标题和主讲人姓名生成课件片头的流程示意图，如图4所示，该基于课件标题和主讲人姓名生成课件片头的流程至少包括：
401，基于用户对课件片头模板风格的选择或者预先设置的课件片头模板风格，确定目标课程教学视频课件的片头模板。
在本发明实施例中，可以预先设置不同风格的课件片头模板，在每次制作目标课程教学视频课件的片头时，可以提供不同风格的课件片头模板供用户选择，用户可以根据课程类型等进行课件片头模板风格的选择，将所选择的风格的课件片头模板作为制作目标课程教学视频课件片头的模板；或者也可以由用户预先设置的课件片头模板的风格，在每次制作目标课程教学视频课件的片头时，直接将用户预先设置的风格的课件片头模板，作为制作目标课程教学视频课件片头的模板。
402，基于所确定的目标课程教学视频课件的片头模板，对所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名进行合成，生成包含课件标题和主讲人姓名的目标课程教学视频课件的片头。
在本发明实施例中，在确定目标课程教学视频课件的片头模板之后，可以利用所确定的目标课程教学视频课件的片头模板，对所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名进行合成，自动生成包含课件标题和主讲人姓名的目标课程教学视频课件的片头。可选地，在生成包含课件标题和主讲人姓名的目标课程教学视频课件的片头的过程中，还可以对合成目标课程教学视频课件的片头的过程和进度进行监控。
请参阅图5，图5是本发明提供的基于人工智能的课件片头制作方法的一种应用场景的流程示意图，如图5所示，在该应用场景下基于人工智能的课件片头制作方法包括以下步骤：
第一步：录播教室的录播主机根据课表完成课表计划的视频的录制；
第二步：多线程下载录播教室录制的视频，通过对视频的码率、幅面等信息进行分析，判断视频流的格式是否符合标准，若视频流的格式是否符合标准，对视频入库，若视频流的格式不符合标准，返回视频异常提示，不允许视频入库；
第三步：进入片头制作应用，通过标题识别规则和标题识别模型，在此应用的界面中出现标题选择页面，默认显示一个课件标题，或者显示排名前五的课件标题，以供参考，教师如果认为显示的课件标题满足自己的需求，点击制作确认。教师也可以设置课件片头自动生成，则不需要人机交互进行课件标题的选择确认；
第四步：通过人物识别规则和人物识别模型，在此应用的界面中显示课件的主讲人姓名，教师如果认为显示的主讲人姓名正确，点击制作确认。教师也可以设置课件片头自动生成，则不需要人机交互进行主讲人姓名的确认；
第五步：进入片头的模板库进行模板的选择，教师可以根据课程类型进行不同风格的模板选择，也可以设置固定某个风格的模板；
第六步：自动进行合成视频流程，在此过程中，可以进行任务和进度的监控，完成自动生成片头带有课件标题和主讲人姓名的课件的制作。
下面对本发明提供的基于人工智能的课件片头制作装置进行描述，下文描述的基于人工智能的课件片头制作装置与上文描述的基于人工智能的课件片头制作方法可相互对应参照。
请参阅图6，图6是本发明提供的基于人工智能的课件片头制作装置的组成结构示意图，图6所示的基于人工智能的课件片头制作装置可用来执行图1的基于人工智能的课件片头制作方法，如图6所示，该基于人工智能的课件片头制作装置至少包括：
课件标题提取模块610，用于基于预先设置的标题识别规则和训练得到的标题识别模型，对目标课程教学视频进行课件标题提取，得到目标课程教学视频的课件标题。
主讲人识别模块620，用于基于预先设置的人物识别规则和训练得到的人物识别模型，对目标课程教学视频进行主讲人识别，得到目标课程教学视频的主讲人姓名。
课件片头生成模块630，用于基于所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名，生成包含课件标题和主讲人姓名的目标课程教学视频课件的片头。
可选地，该基于人工智能的课件片头制作装置还包括：
相似度计算模块，用于确定目标课程教学视频与训练得到的标题识别模型对应的课程教学视频之间的相似度。
相似度判断模块，用于判断相似度是否大于预先设置的阈值。
课件标题提取模块610，用于根据相似度判断模块的判断结果，若相似度大于预先设置的阈值，则基于预先设置的标题识别规则和训练得到的标题识别模型，对目标课程教学视频进行课件标题提取，得到目标课程教学视频的课件标题。
可选地，课件标题提取模块610，还用于根据相似度判断模块的判断结果，若相似度小于或等于预先设置的阈值，则基于预先设置的标题识别规则和预先设置的标题识别模型，对目标课程教学视频进行课件标题提取，得到目标课程教学视频的课件标题列表；以及基于用户对课件标题列表中课件标题的选择，确定目标课程教学视频的课件标题。
该基于人工智能的课件片头制作装置还包括：
模型训练模块，用于以所确定的目标课程教学视频的课件标题作为目标课程教学视频的标注信息，基于目标课程教学视频和标注信息，对预先设置的标题识别模型进行训练。
可选地，课件标题提取模块610，包括：
第一课件标题提取单元，用于基于预先设置的演示文稿播放内容识别规则，将目标课程教学视频输入第一文字识别模型进行课件标题提取，得到第一文字识别模型输出的目标课程教学视频的第一课件标题列表；和/或，
第二课件标题提取单元，用于基于预先设置的知识点匹配规则，将目标课程教学视频输入语音识别模型进行高频知识点提取，得到语音识别模型输出的目标课程教学视频的高频知识点列表，基于目标课程教学视频的高频知识点列表确定预先设置的教学计划知识点对应的高频知识点，得到目标课程教学视频的第二课件标题列表；和/或，
第三课件标题提取单元，用于基于预先设置的电子白板书写内容识别规则，将目标课程教学视频输入第二文字识别模型进行课件标题提取，得到第二文字识别模型输出的目标课程教学视频的第三课件标题列表。
可选地，主讲人识别模块620，包括：
人物识别单元，用于将目标课程教学视频输入训练得到的人物识别模型进行人物识别，得到人物识别模型输出的目标课程教学视频中人物的姓名、年龄、行为和在讲台机位出现的时长。
主讲人确定单元，用于基于预先设置的人物在讲台机位出现的时长超过预先设置的阈值的规则，和/或基于预先设置的人物年龄符合预先设置的年龄范围的规则，和/或基于预先设置的人物行为为书写和/或讲解行为的规则，从目标课程教学视频中的人物的姓名中，确定目标课程教学视频的主讲人姓名。
可选地，课件片头生成模块630，包括：
模板确定单元，用于基于用户对课件片头模板风格的选择或者预先设置的课件片头模板风格，确定目标课程教学视频课件的片头模板。
片头生成单元，用于基于所确定的目标课程教学视频课件的片头模板，对所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名进行合成，生成包含课件标题和主讲人姓名的目标课程教学视频课件的片头。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(CommunicationsInterface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行基于人工智能的课件片头制作方法，该方法包括：
基于预先设置的标题识别规则和训练得到的标题识别模型，对目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题；
基于预先设置的人物识别规则和训练得到的人物识别模型，对所述目标课程教学视频进行主讲人识别，得到所述目标课程教学视频的主讲人姓名；
基于所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名，生成包含课件标题和主讲人姓名的所述目标课程教学视频课件的片头。
此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例提供的基于人工智能的课件片头制作方法，该方法包括：
基于预先设置的标题识别规则和训练得到的标题识别模型，对目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题；
基于预先设置的人物识别规则和训练得到的人物识别模型，对所述目标课程教学视频进行主讲人识别，得到所述目标课程教学视频的主讲人姓名；
基于所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名，生成包含课件标题和主讲人姓名的所述目标课程教学视频课件的片头。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法实施例提供的基于人工智能的课件片头制作方法，该方法包括：
基于预先设置的标题识别规则和训练得到的标题识别模型，对目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题；
基于预先设置的人物识别规则和训练得到的人物识别模型，对所述目标课程教学视频进行主讲人识别，得到所述目标课程教学视频的主讲人姓名；
基于所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名，生成包含课件标题和主讲人姓名的所述目标课程教学视频课件的片头。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于人工智能的课件片头制作方法，其特征在于，包括：
基于预先设置的标题识别规则和训练得到的标题识别模型，对目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题；
基于预先设置的人物识别规则和训练得到的人物识别模型，对所述目标课程教学视频进行主讲人识别，得到所述目标课程教学视频的主讲人姓名；
基于所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名，生成包含课件标题和主讲人姓名的所述目标课程教学视频课件的片头；
其中，所述基于预先设置的人物识别规则和训练得到的人物识别模型，对所述目标课程教学视频进行主讲人识别，得到所述目标课程教学视频的主讲人姓名，包括：
将所述目标课程教学视频输入训练得到的人物识别模型进行人物识别，得到所述人物识别模型输出的所述目标课程教学视频中人物的姓名、年龄、行为和在讲台机位出现的时长；
基于预先设置的人物在讲台机位出现的时长超过预先设置的阈值的规则，和/或基于预先设置的人物年龄符合预先设置的年龄范围的规则，和/或基于预先设置的人物行为为书写和/或讲解行为的规则，从所述目标课程教学视频中的人物的姓名中，确定所述目标课程教学视频的主讲人姓名。
2.根据权利要求1所述的基于人工智能的课件片头制作方法，其特征在于，所述基于预先设置的标题识别规则和训练得到的标题识别模型，对当前的课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题之前，包括：
确定所述目标课程教学视频与所述训练得到的标题识别模型对应的课程教学视频之间的相似度；
判断所述相似度是否大于预先设置的阈值；
若所述相似度大于预先设置的阈值，则基于预先设置的标题识别规则和训练得到的标题识别模型，对所述目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题。
3.根据权利要求2所述的基于人工智能的课件片头制作方法，其特征在于，还包括：
若所述相似度小于或等于预先设置的阈值，则基于预先设置的标题识别规则和预先设置的标题识别模型，对所述目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题列表；
基于用户对所述课件标题列表中课件标题的选择，确定所述目标课程教学视频的课件标题；
以所确定的目标课程教学视频的课件标题作为所述目标课程教学视频的标注信息，基于所述目标课程教学视频和所述标注信息，对所述预先设置的标题识别模型进行训练。
4.根据权利要求1至3任一项所述的基于人工智能的课件片头制作方法，其特征在于，所述基于预先设置的标题识别规则和预先设置的标题识别模型，对所述目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题列表，包括：
基于预先设置的演示文稿播放内容识别规则，将所述目标课程教学视频输入第一文字识别模型进行课件标题提取，得到所述第一文字识别模型输出的所述目标课程教学视频的第一课件标题列表；和/或，
基于预先设置的知识点匹配规则，将所述目标课程教学视频输入语音识别模型进行高频知识点提取，得到所述语音识别模型输出的所述目标课程教学视频的高频知识点列表，基于所述目标课程教学视频的高频知识点列表确定预先设置的教学计划知识点对应的高频知识点，得到所述目标课程教学视频的第二课件标题列表；和/或，
基于预先设置的电子白板书写内容识别规则，将所述目标课程教学视频输入第二文字识别模型进行课件标题提取，得到所述第二文字识别模型输出的所述目标课程教学视频的第三课件标题列表。
5.根据权利要求1所述的基于人工智能的课件片头制作方法，其特征在于，所述基于所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名，生成所述目标课程教学视频课件的片头，包括：
基于用户对课件片头模板风格的选择或者预先设置的课件片头模板风格，确定所述目标课程教学视频课件的片头模板；
基于所确定的目标课程教学视频课件的片头模板，对所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名进行合成，生成包含课件标题和主讲人姓名的所述目标课程教学视频课件的片头。
6.一种基于人工智能的课件片头制作装置，其特征在于，包括：
课件标题提取模块，用于基于预先设置的标题识别规则和训练得到的标题识别模型，对目标课程教学视频进行课件标题提取，得到所述目标课程教学视频的课件标题；
主讲人识别模块，用于基于预先设置的人物识别规则和训练得到的人物识别模型，对所述目标课程教学视频进行主讲人识别，得到所述目标课程教学视频的主讲人姓名；
课件片头生成模块，用于基于所得到的目标课程教学视频的课件标题和目标课程教学视频的主讲人姓名，生成包含课件标题和主讲人姓名的所述目标课程教学视频课件的片头；
其中，所述主讲人识别模块，包括：
人物识别单元，用于将所述目标课程教学视频输入训练得到的人物识别模型进行人物识别，得到所述人物识别模型输出的所述目标课程教学视频中人物的姓名、年龄、行为和在讲台机位出现的时长；
主讲人确定单元，用于基于预先设置的人物在讲台机位出现的时长超过预先设置的阈值的规则，和/或基于预先设置的人物年龄符合预先设置的年龄范围的规则，和/或基于预先设置的人物行为为书写和/或讲解行为的规则，从所述目标课程教学视频中的人物的姓名中，确定所述目标课程教学视频的主讲人姓名。
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述基于人工智能的课件片头制作方法的步骤。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于人工智能的课件片头制作方法的步骤。
CN202111585508.9A 2021-12-23 2021-12-23 基于人工智能的课件片头制作方法和装置 Active CN113963306B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111585508.9A CN113963306B (zh) 2021-12-23 2021-12-23 基于人工智能的课件片头制作方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111585508.9A CN113963306B (zh) 2021-12-23 2021-12-23 基于人工智能的课件片头制作方法和装置

Publications (2)

Publication Number Publication Date
CN113963306A CN113963306A (zh) 2022-01-21
CN113963306B true CN113963306B (zh) 2022-07-19

Family

ID=79473702

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111585508.9A Active CN113963306B (zh) 2021-12-23 2021-12-23 基于人工智能的课件片头制作方法和装置

Country Status (1)

Country Link
CN (1) CN113963306B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117009829A (zh) * 2023-10-07 2023-11-07 成都华栖云科技有限公司 一种录播课程的相似度识别方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111611434A (zh) * 2020-05-19 2020-09-01 深圳康佳电子科技有限公司 一种线上课程互动方法及互动平台
WO2021000909A1 (zh) * 2019-07-03 2021-01-07 北京易真学思教育科技有限公司 一种课程优化方法、装置和系统
CN112232066A (zh) * 2020-10-16 2021-01-15 腾讯科技（北京）有限公司 一种教学纲要生成方法、装置、存储介质及电子设备
CN113691836A (zh) * 2021-10-26 2021-11-23 阿里巴巴达摩院(杭州)科技有限公司 视频模板生成方法、视频生成方法、装置和电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021000909A1 (zh) * 2019-07-03 2021-01-07 北京易真学思教育科技有限公司 一种课程优化方法、装置和系统
CN111611434A (zh) * 2020-05-19 2020-09-01 深圳康佳电子科技有限公司 一种线上课程互动方法及互动平台
CN112232066A (zh) * 2020-10-16 2021-01-15 腾讯科技（北京）有限公司 一种教学纲要生成方法、装置、存储介质及电子设备
CN113691836A (zh) * 2021-10-26 2021-11-23 阿里巴巴达摩院(杭州)科技有限公司 视频模板生成方法、视频生成方法、装置和电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
北京大学公开课信息系统的开发;杨公义 等;《软件》;20181231;第39卷(第5期);全文 *

Also Published As

Publication number Publication date
CN113963306A (zh) 2022-01-21

Similar Documents

Publication Publication Date Title
US20180130496A1 (en) Method and system for auto-generation of sketch notes-based visual summary of multimedia content
US20200202859A1 (en) Generating interactive audio-visual representations of individuals
CN112487139B (zh) 基于文本的自动出题方法、装置及计算机设备
EP3493032A1 (en) Robot control method and companion robot
US20140349259A1 (en) Device, method, and graphical user interface for a group reading environment
US20140315163A1 (en) Device, method, and graphical user interface for a group reading environment
CN110162164A (zh) 一种基于增强现实的学习互动方法、装置及存储介质
CN108924651B (zh) 基于训练操作识别的教学视频智能播放系统
TW202042172A (zh) 智慧教學顧問生成方法、系統、設備及儲存介質
CN110569364A (zh) 在线教学方法、装置、服务器及存储介质
US20190295199A1 (en) Intelligent legal simulator
US20230177878A1 (en) Systems and methods for learning videos and assessments in different languages
CN114339285A (zh) 知识点的处理方法、视频处理方法、装置及电子设备
CN111610901B (zh) 一种基于ai视觉下的英语课文辅助教学方法及系统
CN113963306B (zh) 基于人工智能的课件片头制作方法和装置
CN116704085A (zh) 虚拟形象生成方法、装置、电子设备和存储介质
CN113779345B (zh) 一种教学材料生成方法、装置、计算机设备和存储介质
CN110852073A (zh) 一种为用户定制学习内容的语言学习系统及学习方法
CN113259763A (zh) 教学视频处理方法、装置和电子设备
CN116962787A (zh) 一种基于视频信息的交互方法、装置、设备及存储介质
CN113409791A (zh) 语音识别处理方法、装置、电子设备及存储介质
CN111563697A (zh) 一种线上课堂学生情绪分析方法和系统
CN113542797A (zh) 视频播放中的互动方法、装置及计算机可读存储介质
WO2017028272A1 (zh) 早教系统
JP3930402B2 (ja) オンライン教育システム、情報処理装置、情報提供方法及びプログラム

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