CN114245099A - 视频生成方法、装置、电子设备以及存储介质 - Google Patents

Abstract

本公开提供了一种视频生成方法、装置、电子设备、存储介质以及程序产品，涉及计算机技术领域，尤其涉及计算机视觉、语音、虚拟/增强现实等技术领域。具体实现方案为：响应于接收到用于确定目标三维场景的指令，确定目标三维场景；响应于接收到用于确定目标虚拟形象的指令，确定目标虚拟形象；响应于接收到用于确定目标虚拟形象的姿态的指令，确定目标虚拟形象在目标三维场景中的姿态动画信息；以及基于姿态动画信息，生成目标视频。

Description

视频生成方法、装置、电子设备以及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及计算机视觉、语音、虚拟/增强现实等技术领域。具体涉及视频生成方法、装置、电子设备、存储介质以及程序产品。

背景技术

三维动画视频技术，主要包括场景设计、造型设计、镜头设计、音效设计等。可以通过三维建模软件来构造场景、造型，可以使用三维动画软件制作出动画片段，还可以利用三维动画软件中的摄影机工具来实现动画片段的运镜效果，后期还可以将动画片段、声音等合成，最终形成动画视频。

发明内容

本公开提供了一种视频生成方法、装置、电子设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种视频生成方法，包括：响应于接收到用于确定目标三维场景的指令，确定所述目标三维场景；响应于接收到用于确定目标虚拟形象的指令，确定所述目标虚拟形象；响应于接收到用于确定所述目标虚拟形象的姿态的指令，确定所述目标虚拟形象在所述目标三维场景中的姿态动画信息；以及基于所述姿态动画信息，生成目标视频。

根据本公开的另一方面，提供了一种视频生成装置，包括：第一确定模块，用于响应于接收到用于确定目标三维场景的指令，确定所述目标三维场景；第二确定模块，用于响应于接收到用于确定目标虚拟形象的指令，确定所述目标虚拟形象；第三确定模块，用于响应于接收到用于确定所述目标虚拟形象的姿态的指令，确定所述目标虚拟形象在所述目标三维场景中的姿态动画信息；以及生成模块，用于基于所述姿态动画信息，生成目标视频。

根据本公开的另一方面，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如本公开的方法。

根据本公开的另一方面，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如本公开的方法。

根据本公开的另一方面，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如本公开的方法。

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示意性示出了根据本公开实施例的可以应用视频生成方法及装置的示例性系统架构；

图2示意性示出了根据本公开实施例的视频生成方法的流程图；

图3示意性示出了根据本公开另一实施例的视频生成方法的流程图；

图4示意性示出了根据本公开另一实施例的视频生成方法的流程图；

图5示意性示出了根据本公开实施例的视频生成装置的框图；以及

图6示意性示出了根据本公开实施例的适于实现视频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。

本公开提供了一种视频生成方法、装置、电子设备、存储介质以及程序产品。

根据本公开的实施例，提供了一种视频生成方法，可以包括：响应于接收到用于确定目标三维场景的指令，确定目标三维场景；响应于接收到用于确定目标虚拟形象的指令，确定目标虚拟形象；响应于接收到用于确定目标虚拟形象的姿态的指令，确定目标虚拟形象在目标三维场景中的姿态动画信息；以及基于姿态动画信息，生成目标视频。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

图1示意性示出了根据本公开实施例的可以应用视频生成方法及装置的示例性系统架构。

需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如，在另一实施例中，可以应用视频生成方法及装置的示例性系统架构可以包括终端设备，但终端设备可以无需与服务器进行交互，即可实现本公开实施例提供的视频生成方法及装置。

如图1所示，根据该实施例的系统架构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，例如有线和/或无线通信链路等等。

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，例如知识阅读类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的内容提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的视频生成方法一般可以由终端设备101、102、或103执行。相应地，本公开实施例所提供的视频生成装置也可以设置于终端设备101、102、或103中。

或者，本公开实施例所提供的视频生成方法一般也可以由服务器105执行。相应地，本公开实施例所提供的视频生成装置一般可以设置于服务器105中。本公开实施例所提供的视频生成方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的视频生成装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

例如，在用户打开视频制作应用程序时，终端设备101、102、103可以获取用户选择的目标三维场景、目标虚拟形象、以及目标虚拟形象的姿态动画信息，然后将获取的该些信息生成指令发送给服务器105，由服务器105响应于接收到的用于确定目标三维场景的指令，确定目标三维场景；响应于接收到用于确定目标虚拟形象的指令，确定目标虚拟形象；以及响应于接收到用于确定目标虚拟形象的姿态的指令，确定目标虚拟形象的姿态动画信息；以及基于姿态动画信息来生成目标视频。或者由能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群对指令进行分析，并最终实现目标视频。

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。

应注意，以下方法中各个操作的序号仅作为该操作的表示以便描述，而不应被看作表示该各个操作的执行顺序。除非明确指出，否则该方法不需要完全按照所示顺序来执行。

图2示意性示出了根据本公开实施例的视频生成方法的流程图。

如图2所示，该方法包括操作S210～S240。

在操作S210，响应于接收到用于确定目标三维场景的指令，确定目标三维场景。

在操作S220，响应于接收到用于确定目标虚拟形象的指令，确定目标虚拟形象。

在操作S230，响应于接收到用于确定目标虚拟形象的姿态的指令，确定目标虚拟形象在目标三维场景中的姿态动画信息。

在操作S240，基于姿态动画信息，生成目标视频。

根据本公开的实施例，视频生成方法可以由服务器执行。在终端设备上可以提供多种用于生成视频的素材。例如，三维场景素材、虚拟形象素材等。用户可以根据需要从包括多个三维场景的素材列表中选择目标三维场景。也可以根据需要从包括多个虚拟形象的素材列表中选择目标虚拟形象。

根据本公开的实施例，服务器可以接收来自用户的用于确定目标三维场景的指令，响应于用于确定目标三维场景的指令，确定目标三维场景。服务器也可以接收来自用户的用于确定目标虚拟形象的指令，响应于用于确定目标虚拟形象的指令，确定目标虚拟形象。但是并不局限于此。还可以在终端设备上展示目标三维场景、目标虚拟形象，以便用户更形象、直观地看到目标虚拟形象与目标三维场景的画面。

根据本公开的实施例，目标三维场景可以是虚拟的三维场景。目标三维场景的类型不做限定，例如可以是室内三维场景，也可以是室外三维场景。室内三维场景可以是演播厅三维场景、教室三维场景、会议室三维场景等。室外三维场景可以是足球三维场景、公园三维场景、道路三维场景等。

根据本公开的实施例，目标虚拟形象的类型不做限定。例如，目标虚拟形象可以是以人为模型的虚拟形象，也可以是以动物为模型的虚拟形象，还可以是以其它物体为模型的虚拟形象。只要是目标虚拟形象是三维模型的虚拟形象，能够在例如目标三维场景中进行位置、动作、表情等的姿态变化即可。

根据本公开的实施例，用户可以根据需要来确定目标虚拟形象在目标三维场景中的姿态动画信息，服务器可以响应于接收到来自用户的用于确定目标虚拟形象的姿态的指令，确定目标虚拟形象在目标三维场景中的姿态动画信息。

根据本公开的实施例，该姿态动画信息可以是至少一个视频片段的姿态动画信息，可以基于至少一个视频片段的姿态动画信息来生成目标视频。

例如，确定目标虚拟形象是以人为模型的目标虚拟形象，确定目标三维场景是演播厅。确定目标虚拟形象在目标三维场景中的姿态动画信息可以是表征“目标虚拟形象从目标三维场景例如演播厅的边缘走向演播厅的正中央”的姿态动画信息。可以基于该姿态动画信息，生成目标虚拟形象例如主持人在演播开始前走入演播厅的视频片段。

利用本公开实施例提供的视频生成方法，可以应用于媒体、在线教育等领域，利用以人为模型的目标虚拟形象例如虚拟数字人来代替主播或者老师等进行内容播报，可以节省人力成本，且丰富趣味性。此外，用户只需选择目标三维场景以及目标虚拟形象即可，无需进行三维建模等，简化用户操作，节省用户的制作时间。另外，将场景与虚拟形象均三维化，增强视频内容的丰富性和趣味性，能够利用目标虚拟形象在目标三维场景中的姿态动画信息即可形成包括姿态动画片段的目标视频，制作简单，提升用户体验。

根据本公开的实施例，针对操作S240，基于姿态动画信息，生成目标视频可以包括如下操作。

例如，服务器可以基于姿态动画信息，确定姿态动画片段。用户还可以在用于确定目标虚拟形象的姿态的指令中添加位置标签，服务器响应于接收到用于确定目标虚拟形象的姿态的指令，基于该位置标签，确定姿态动画片段的姿态标识。姿态标识可以包括姿态动画片段在目标视频中的起始位置信息和终点位置信息。服务器可以利用该姿态标识和姿态动画片段来生成目标视频。

根据本公开的实施例，姿态动画信息可以包括目标虚拟形象在目标三维场景中的位置信息，但是并不局限于此，还可以包括目标虚拟形象的动作信息、目标虚拟形象的表情信息、目标虚拟形象的服饰信息、目标虚拟形象的五官信息中的一种或多种。

根据本公开的实施例，目标虚拟形象在目标三维场景的位置信息可以是针对目标视频中的多个视频帧序列的动态位置信息，例如，按照时间顺序，在目标视频中目标虚拟形象在目标三维场景中的运动轨迹信息。

根据本公开的实施例，目标虚拟形象的动作信息可以指目标虚拟形象的肢体动作信息，例如，转身、跳舞、耸肩、以及招手等。可以根据目标虚拟形象的姿态动画信息中的动作信息，从动作数据库中确定相应的动作动画，为目标虚拟形象添加动作相关的姿态动画。

根据本公开的实施例，可以根据目标虚拟形象的类型来匹配动作动画。例如，职业女生的目标虚拟形象可以匹配较为正式的女性化动作，休闲男生的目标虚拟形象可以匹配较为阳光的男性化动作，卡通动物的目标虚拟形象可以匹配较为活泼可爱的偏向儿童化的动作。

根据本公开的实施例，目标虚拟形象的表情信息与目标虚拟形象的动作信息的确定方式以及生成方式相同，可以根据用户需求，基于目标虚拟形象的姿态动画信息中的表情信息，从表情数据库中确定相应的表情动画，为目标虚拟形象添加表情相关的姿态动画。

根据本公开的实施例，目标虚拟形象的服饰信息、目标虚拟形象的五官信息，可以根据用户需求，基于目标虚拟形象的姿态动画信息中的五官信息，从目标虚拟形象的五官数据库中确定与目标虚拟形象，更新五官相关的五官形象。基于目标虚拟形象的姿态动画信息中的服饰信息，从目标虚拟形象的服饰数据库中确定与目标虚拟形象，更新服饰相关的服饰形象。

根据本公开的实施例，该目标视频还可以包括其他内容例如视觉素材的视觉片段。可以将视觉片段与姿态动画片段前后关联，拼接为完整的目标视频。还可以将视觉片段与姿态动画片段融合，形成同时播放的目标视频。可以根据用户的需求来确定视觉片段与姿态动画片段的结合方式。

根据本公开的实施例，视觉片段可以通过如下方式来生成。

例如，服务器接收来自用户上传的视觉素材；基于视觉素材的类型，确定视觉素材在目标三维场景中的展示位置信息；响应于接收到用于添加视觉素材的指令，确定视觉标识，其中，视觉标识包括视觉素材在目标视频中的应用位置信息；以及基于视觉标识和视觉素材，生成目标视频的视觉片段。

根据本公开的实施例，视觉素材的类型可以是图标，但是并不局限于此，还可以是背景图像，也可以是视频。目标三维场景中的展示位置信息可以是例如目标三维场景中的三维坐标信息。

根据本公开的实施例，可以根据视觉素材的类型来确定视觉素材在目标三维场景中的展示位置信息。例如，视觉素材的类型为图标，可以确定展示位置信息为表征背景面的左上角或者右上角的位置信息。例如视觉素材的类型为背景图像或者视频，可以确定展示位置信息为表征背景面的中心的位置信息。但是并不局限于此。还可以根据用户需求来确定视觉素材在目标三维场景中的展示位置信息。例如，用户可以在用于添加视觉素材的指令中添加展示位置信息。

根据本公开的实施例，可以根据用户的用于添加视觉素材的指令来确定视觉标识，根据视觉标识确定视觉片段在目标视频中的应用位置信息，例如起始位置信息和终点位置信息。基于视觉标识确定视觉片段与姿态动画片段的关联关系，进而确定视觉片段与姿态动画片段的结合方式。根据确定的结合方式生成目标视频。

例如，基于该姿态动画信息，生成目标虚拟形象例如主持人在演播开始前走入演播厅的视频片段，然后播放视觉片段，两者为前后拼接关系，则生成姿态动画片段与视觉片段前后拼接的目标视频。

根据本公开的其他实施例，还可以将视觉片段与视觉片段相对应的音频相融合，作为一个视觉音频片段。将视觉音频片段与姿态动画片段前后拼接后成为目标视频。

图3示意性示出了根据本公开另一实施例的视频生成方法的流程图。

如图3所示，该方法包括操作S310～S320、S331～S333、S341、S351～S352、S361～S362。

在操作S310，服务器可以接收来自用户的音频素材。

根据本公开的实施例，根据类型分类，音频素材可以是配乐素材、配音素材。配音素材可以包括文字素材、声音素材。

在操作S320，服务器可以对音频素材进行类型识别，确定音频素材的类型。

在操作S331，响应于确定音频素材为配乐素材，确定配乐素材的配乐标识。配乐标识包括配乐素材在目标视频中的起始位置信息和终点位置信息。

在操作S361，基于配音标识和配乐素材，为目标视频配乐。

在操作S332，响应于确定音频素材为配音素材，识别配音素材的类型。

在操作S333，确定配音素材的配音标识。配音标识包括配音素材在目标视频中的应用位置信息，例如起始位置信息和终点位置信息。

在操作S341，响应于确定配音素材为声音素材，将声音素材转换为文字转换素材。

根据本公开的实施例，可以利用语音识别模型将声音素材转化为文字转换素材。本公开实施例提供的语音识别模型不做具体限定，只要是能够将语音转换为文字的模型即可。

在操作S351，基于文字转换素材确定目标虚拟形象的唇形动画信息。

在操作S352，响应于确定配音素材为文字素材，基于文字素材确定目标虚拟形象的唇形动画信息。

在操作S362，基于配音标识、唇形动画信息和配音素材，为目标视频的目标虚拟形象添加唇形动画和配音。

根据本公开的实施例，针对配音素材为声音素材，可以利用VTA(voice-to-avatar，文字转唇形动画)算法基于文字转换素材生成唇形动画信息。将唇形动画信息、配音标识和声音素材为目标视频的目标虚拟形象添加唇形动画和配音。

根据本公开的实施例，针对配音素材为文字素材，可以利用TTS(text-to-speech，文字转语音)算法，将文字素材转换为语音素材。可以利用VTA算法基于文字素材生成唇形动画信息。将唇形动画信息、配音标识和语音素材为目标视频的目标虚拟形象添加唇形动画和配音。

利用本公开实施例提供的视频生成方法，可以通过音频素材生成唇形动画，提高目标虚拟形象在说话过程中的真实性。

根据本公开的其他实施例，可以根据用户的需要为配音素材或者语音素材进行音色的转换。例如，响应于接收到用于确定目标配音音色的指令，确定目标配音音色；以及基于配音素材和目标配音音色，生成目标配音内容，基于目标配音内容和配音标识为目标视频配音。

根据本公开的实施例，可以根据用于确定目标配音音色的指令，确定与目标虚拟形象相匹配的目标配音音色。例如，职业女性的目标虚拟形象可以对应成熟的女声的目标配音音色，休闲女生的目标虚拟形象可以对应甜美的女声的目标配音音色，职业男生的目标虚拟形象可以对应低沉男声的目标配音音色，休闲男生的目标虚拟形象可以对应阳光男声的目标配音音色，卡通小老鼠的目标虚拟形象可以对应稚嫩童声的目标配音音色。基于配音素材和目标配音音色，生成目标配音内容，基于目标配音内容和配音标识来为目标视频配音。例如，为目标视频中的唇形动画配音。

利用本公开实施例提供的视频生成方法，可以根据目标虚拟形象来匹配目标配音音色，由此丰富目标虚拟形象的趣味性，提高用户体验。

根据本公开的实施例，还可以为目标视频的至少一个视频片段中添加镜头变换的运镜。

根据本公开的实施例，运镜方式可以包括镜头变换的类型和变换参数。镜头变换的类型可以包括推镜头、拉镜头、摇镜头、移镜头中的至少一种。变换参数可以包括变换距离、变换的角度等。运镜方式可以是已知变换距离的推镜头、拉镜头、或者移镜头的运镜方式。运镜方式也可以是已知变换角度的摇镜头的运镜方式。

根据本公开的实施例，可以响应于接收到镜头变换指令，确定运镜方式。根据镜头变换指令，来确定运镜方式的运镜标识。基于运镜标识中的运镜在目标视频中的应用位置信息，按照运镜方式为目标视频添加运镜。

例如，基于运镜标识确定目标视频中添加运镜的起始位置信息和终点位置信息，例如确定为目标视频的前3秒的视频片段。运镜方式可以是由全景推镜头到目标虚拟形象的脸部。则将该运镜方式与前3秒的视频片段相融合，生成添加运镜的目标视频。

根据本公开的实施例，还可以响应于接收到用于添加特效的指令，确定特效方式；确定特效标识，其中，特效标识包括特效在目标视频中的应用位置信息；以及基于特效标识，按照特效方式为目标视频添加特效。

根据本公开的实施例，该特效可以指下雪、下雨、喷洒烟雾的特效。但是并不局限于此。只要是通过编辑能够烘托目标视频效果的方式均可。

利用本公开实施例提供的运镜和特效，可以提高目标视频的观赏性和趣味性。

图4示意性示出了根据本公开另一实施例的视频生成方法的流程图。

如图4所示，该方法包括操作S410～S490。

在操作S410，响应于接收到用于确定目标三维场景的指令，确定目标三维场景。

在操作S420，响应于接收到用于确定目标虚拟形象的指令，确定目标虚拟形象。

在操作S430，接收来自用户的视频素材。

在操作S440，接收来自用户的音频素材。

在操作S450，响应于接收到用于确定目标虚拟形象的姿态的指令，确定目标虚拟形象在目标三维场景中的姿态动画信息。

在操作S460，向用户发送是否需要继续上传视频素材或者音频素材的信息。

响应于确定没有待上传的视频素材或者音频素材，执行操作S470，基于音频素材生成字幕的操作。

响应于确定还有待上传的视频素材或者音频素材，执行操作S440、S450和S460。

在操作S480，添加特效。

在操作S490，生成视频。

图5示意性示出了根据本公开实施例的视频生成装置的框图。

如图5所示，视频生成装置500可以包括第一确定模块510、第二确定模块520、第三确定模块530、生成模块540。

第一确定模块510，用于响应于接收到用于确定目标三维场景的指令，确定目标三维场景。

第二确定模块520，用于响应于接收到用于确定目标虚拟形象的指令，确定目标虚拟形象。

第三确定模块530，用于响应于接收到用于确定目标虚拟形象的姿态的指令，确定目标虚拟形象在目标三维场景中的姿态动画信息。

生成模块540，用于基于姿态动画信息，生成目标视频。

根据本公开的实施例，生成模块可以包括第一确定单元、第二确定单元、生成单元。

第一确定单元，用于基于姿态动画信息，确定姿态动画片段。

第二确定单元，用于响应于接收到用于确定目标虚拟形象的姿态的指令，确定姿态动画片段的姿态标识，其中，姿态标识包括姿态动画片段在目标视频中的应用位置信息。

生成单元，用于基于姿态动画片段和姿态标识，生成目标视频。

根据本公开的实施例，视频生成装置还可以包括音频接收模块、第四确定模块、第五确定模块、添加唇形动画模块。

音频接收模块，用于接收音频素材。

第四确定模块，用于响应于确定音频素材为配音素材，确定目标虚拟形象的唇形动画信息。

第五确定模块，用于确定配音素材的配音标识，其中，配音标识包括配音素材在目标视频中的应用位置信息。

添加唇形动画模块，用于基于配音标识和唇形动画信息，为目标视频的目标虚拟形象添加唇形动画。

根据本公开的实施例，视频生成装置还可以包括第六确定模块、配音生成模块、配音模块。

第六确定模块，用于响应于接收到用于确定目标配音音色的指令，确定目标配音音色。

配音生成模块，用于基于配音素材和目标配音音色，生成目标配音内容。

配音模块，用于基于目标配音内容和配音标识为目标视频配音。

根据本公开的实施例，视频生成装置还可以包括第七确定模块、第八确定模块、添加运镜模块。

第七确定模块，用于响应于接收到镜头变换指令，确定运镜方式。

第八确定模块，用于确定运镜方式的运镜标识，其中，运镜标识包括运镜在目标视频中的应用位置信息。

添加运镜模块，用于基于运镜标识，按照运镜方式为目标视频添加运镜。

根据本公开的实施例，视频生成装置还可以包括第九确定模块、第十确定模块、添加特效模块。

第九确定模块，用于响应于接收到用于添加特效的指令，确定特效方式。

第十确定模块，用于确定特效标识，其中，特效标识包括特效在目标视频中的应用位置信息。

添加特效模块，用于基于特效标识，按照特效方式为目标视频添加特效。

根据本公开的实施例，视频生成装置还可以包括视觉接收模块、第十一确定模块、第十二确定模块、视觉片段生成模块。

视觉接收模块，用于接收视觉素材。

第十一确定模块，用于基于视觉素材的类型，确定视觉素材在目标三维场景中的展示位置信息。

第十二确定模块，用于响应于接收到用于添加视觉素材的指令，确定视觉标识，其中，视觉标识包括视觉素材在目标视频中的应用位置信息。

视觉片段生成模块，用于基于视觉标识和视觉素材，生成目标视频的视觉片段。

根据本公开的实施例，姿态动画信息包括以下至少一项：目标虚拟形象在目标三维场景中的位置信息、目标虚拟形象的动作信息、目标虚拟形象的表情信息、目标虚拟形象的服饰信息、目标虚拟形象的五官信息。

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。

根据本公开的实施例，一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上所述的方法。

根据本公开的实施例，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，计算机指令用于使计算机执行如上所述的方法。

根据本公开的实施例，一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如上所述的方法。

图6示出了可以用来实施本公开的实施例的示例电子设备600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。本丈所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本丈中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理，例如视频生成方法。例如，在一些实施例中，视频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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的视频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601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行视频生成方法。

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)、复杂可编程逻辑设备(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，也可以是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)

1.一种视频生成方法，包括：

响应于接收到用于确定目标三维场景的指令，确定所述目标三维场景；

响应于接收到用于确定目标虚拟形象的指令，确定所述目标虚拟形象；

响应于接收到用于确定所述目标虚拟形象的姿态的指令，确定所述目标虚拟形象在所述目标三维场景中的姿态动画信息；以及

基于所述姿态动画信息，生成目标视频。

2.根据权利要求1所述的方法，所述基于所述姿态动画信息，生成目标视频包括：

基于所述姿态动画信息，确定姿态动画片段；

响应于接收到用于确定所述目标虚拟形象的姿态的指令，确定所述姿态动画片段的姿态标识，其中，所述姿态标识包括所述姿态动画片段在所述目标视频中的应用位置信息；以及

基于所述姿态动画片段和所述姿态标识，生成所述目标视频。

3.根据权利要求1或2所述的方法，还包括：

接收音频素材；

响应于确定所述音频素材为配音素材，确定所述目标虚拟形象的唇形动画信息；

确定所述配音素材的配音标识，其中，所述配音标识包括所述配音素材在所述目标视频中的应用位置信息；以及

基于所述配音标识和所述唇形动画信息，为所述目标视频的目标虚拟形象添加唇形动画。

4.根据权利要求3所述的方法，还包括：

响应于接收到用于确定目标配音音色的指令，确定目标配音音色；

基于所述配音素材和所述目标配音音色，生成目标配音内容；以及

基于所述目标配音内容和所述配音标识为所述目标视频配音。

5.根据权利要求1至4中任一项所述的方法，还包括：

响应于接收到镜头变换指令，确定运镜方式；

确定所述运镜方式的运镜标识，其中，所述运镜标识包括运镜在所述目标视频中的应用位置信息；以及

基于所述运镜标识，按照所述运镜方式为所述目标视频添加运镜。

6.根据权利要求1至5中任一项所述的方法，还包括：

响应于接收到用于添加特效的指令，确定特效方式；

确定特效标识，其中，所述特效标识包括特效在所述目标视频中的应用位置信息；以及

基于所述特效标识，按照所述特效方式为所述目标视频添加特效。

7.根据权利要求1至6中任一项所述的方法，还包括：

接收视觉素材；

基于所述视觉素材的类型，确定所述视觉素材在所述目标三维场景中的展示位置信息；

响应于接收到用于添加视觉素材的指令，确定视觉标识，其中，所述视觉标识包括所述视觉素材在所述目标视频中的应用位置信息；以及

基于所述视觉标识和所述视觉素材，生成所述目标视频的视觉片段。

8.根据权利要求1至7中任一项所述的方法，其中，所述姿态动画信息包括以下至少一项：

所述目标虚拟形象在所述目标三维场景中的位置信息、所述目标虚拟形象的动作信息、所述目标虚拟形象的表情信息、所述目标虚拟形象的服饰信息、所述目标虚拟形象的五官信息。

9.一种视频生成装置，包括：

第一确定模块，用于响应于接收到用于确定目标三维场景的指令，确定所述目标三维场景；

第二确定模块，用于响应于接收到用于确定目标虚拟形象的指令，确定所述目标虚拟形象；

第三确定模块，用于响应于接收到用于确定所述目标虚拟形象的姿态的指令，确定所述目标虚拟形象在所述目标三维场景中的姿态动画信息；以及

生成模块，用于基于所述姿态动画信息，生成目标视频。

10.根据权利要求9所述的装置，所述生成模块包括：

第一确定单元，用于基于所述姿态动画信息，确定姿态动画片段；

第二确定单元，用于响应于接收到用于确定所述目标虚拟形象的姿态的指令，确定所述姿态动画片段的姿态标识，其中，所述姿态标识包括所述姿态动画片段在所述目标视频中的应用位置信息；以及

生成单元，用于基于所述姿态动画片段和所述姿态标识，生成所述目标视频。

11.根据权利要求9或10所述的装置，还包括：

音频接收模块，用于接收音频素材；

第四确定模块，用于响应于确定所述音频素材为配音素材，确定所述目标虚拟形象的唇形动画信息；

第五确定模块，用于确定所述配音素材的配音标识，其中，所述配音标识包括所述配音素材在所述目标视频中的应用位置信息；以及

添加唇形动画模块，用于基于所述配音标识和所述唇形动画信息，为所述目标视频的目标虚拟形象添加唇形动画。

12.根据权利要求11所述的装置，还包括：

第六确定模块，用于响应于接收到用于确定目标配音音色的指令，确定目标配音音色；

配音生成模块，用于基于所述配音素材和所述目标配音音色，生成目标配音内容；以及

配音模块，用于基于所述目标配音内容和所述配音标识为所述目标视频配音。

13.根据权利要求9至12中任一项所述的装置，还包括：

第七确定模块，用于响应于接收到镜头变换指令，确定运镜方式；

第八确定模块，用于确定所述运镜方式的运镜标识，其中，所述运镜标识包括运镜在所述目标视频中的应用位置信息；以及

添加运镜模块，用于基于所述运镜标识，按照所述运镜方式为所述目标视频添加运镜。

14.根据权利要求9至13中任一项所述的装置，还包括：

第九确定模块，用于响应于接收到用于添加特效的指令，确定特效方式；

第十确定模块，用于确定特效标识，其中，所述特效标识包括特效在所述目标视频中的应用位置信息；以及

添加特效模块，用于基于所述特效标识，按照所述特效方式为所述目标视频添加特效。

15.根据权利要求9至14中任一项所述的装置，还包括：

视觉接收模块，用于接收视觉素材；

第十一确定模块，用于基于所述视觉素材的类型，确定所述视觉素材在所述目标三维场景中的展示位置信息；

第十二确定模块，用于响应于接收到用于添加视觉素材的指令，确定视觉标识，其中，所述视觉标识包括所述视觉素材在所述目标视频中的应用位置信息；以及

视觉片段生成模块，用于基于所述视觉标识和所述视觉素材，生成所述目标视频的视觉片段。

16.根据权利要求9至15中任一项所述的装置，其中，所述姿态动画信息包括以下至少一项：

所述目标虚拟形象在所述目标三维场景中的位置信息、所述目标虚拟形象的动作信息、所述目标虚拟形象的表情信息、所述目标虚拟形象的服饰信息、所述目标虚拟形象的五官信息。

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至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至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至8中任一项所述的方法。

Images