CN114339356A - 视频录制方法、装置、设备及存储介质 - Google Patents

Abstract

本公开实施例提供一种视频录制方法、装置、设备及存储介质，该方法应用于终端设备，终端设备包括图形用户界面，该方法包括：获取用户选中的参考视频，参考视频包括音频数据；获取与音频数据对应的提示信息，提示信息用于对用户进行音频数据的提示，且提示信息是根据音频数据生成的；在图形用户界面上显示与音频数据对应的提示信息；响应于用户触发的启动视频录制的操作，获取用户录制的视频画面；响应于用户触发的完成视频录制的操作，得到录制视频，录制视频中的音频数据与图形用户界面上显示的所述提示信息相对应。本公开实施例能够提高视频录制效率。

Description

视频录制方法、装置、设备及存储介质

技术领域

本公开实施例涉及互联网技术领域，尤其涉及一种视频录制方法、装置、设备及存储介质。

背景技术

随着互联网的发展，短视频类视频应用越来越受到人们的喜欢。在短视频类视频应用中，用户经常会拍摄短视频并上传至互联网平台进行分享，其他人在看到一些好的视频时，也会模仿视频中人物进行对口型视频录制，并将对口型录制的视频再次上传至互联网平台进行分享。

目前，在对口型类短视频拍摄过程中，是将用户选择的对口型的参考视频进行播放，然后用户根据播放的音频的节拍，完成对口型视频录制。

然而，发明人发现目前的对口型视频录制至少存在以下技术问题：用户很难卡准音频节奏，导致视频录制效率低。

发明内容

本公开实施例提供一种视频录制方法、装置、设备及存储介质，以克服对口型视频录制过程中，用户很难卡准音频节奏，导致视频录制效率低的问题。

第一方面，本公开实施例提供一种视频录制方法，应用于终端设备，所述终端设备包括图形用户界面，所述方法包括：获取用户选中的参考视频，所述参考视频包括音频数据；获取与所述音频数据对应的提示信息，所述提示信息用于对所述用户进行音频数据的提示，且所述提示信息是根据所述音频数据生成的；在所述图形用户界面上显示与所述音频数据对应的提示信息；响应于所述用户触发的启动视频录制的操作，获取所述用户录制的视频画面；响应于所述用户触发的完成视频录制的操作，得到录制视频，所述录制视频中的音频数据与所述图形用户界面上显示的所述提示信息相对应。

第二方面，本公开实施例提供一种视频录制装置，包括：获取单元、显示单元和响应单元；所述获取单元，用于获取用户选中的参考视频，所述参考视频包括音频数据；所述获取单元，还用于获取与所述音频数据对应的提示信息，所述提示信息用于对所述用户进行音频数据的提示，且所述提示信息是根据所述音频数据生成的；所述显示单元，用于在终端设备的图形用户界面上显示与所述音频数据对应的提示信息；所述响应单元，用于响应于所述用户触发的启动视频录制的操作，获取所述用户录制的视频画面；所述响应单元，还用于响应于所述用户触发的完成视频录制的操作，得到录制视频，所述录制视频中的音频数据与所述图形用户界面上显示的所述提示信息相对应。

第三方面，本公开实施例提供一种电子设备，包括：至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的视频录制方法。

第四方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的视频录制方法。

本公开实施例提供的视频录制方法、装置、设备及存储介质，该方法首先获取用户选中的参考视频，其中，参考视频包括音频数据，之后获取与音频数据对应的提示信息，提示信息用于对用户进行音频数据的提示，且提示信息是根据音频数据生成的；以及在图形用户界面上显示与音频数据对应的提示信息，响应于用户触发的启动视频录制的操作，获取用户录制的视频画面；响应于用户触发的完成视频录制的操作，得到录制视频，录制视频中的音频数据与图形用户界面上显示的提示信息相对应。由于在获取到用户选中的参考视频之后，是根据参考视频获取与参考视频中音频数据对应的提示信息，并在图形用户界面上进行显示，因而用户可以直观地看到提示信息，对用户的视频录制起到提示作用。因此，用户可以很容易卡准节奏，不再需要反复多次才能完成视频录制，提高了视频录制效率。另外，即使是对于用户实时上传的视频，也能够提供提示信息。

附图说明

为了更清楚地说明本公开实施例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公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是适用于本公开实施例提供的视频录制方法的视频录制系统架构图；

图2为现有技术中一种视频录制的示例图；

图3为本公开一个实施例的视频录制方法的流程示意图一；

图4为本公开一个实施例的视频录制方法的流程示意图二；

图5为本公开一个实施例的视频录制方法的流程示意图三；

图6为本公开实施例的生成与至少一个角色对应的提示信息的示例图一；

图7为本公开实施例的生成与至少一个角色对应的提示信息的示例图二；

图8为本公开实施例的识别音频数据中的至少一个角色的示例图；

图9为本公开一个实施例的视频录制方法的流程示意图四；

图10为本公开一个实施例的视频录制方法的流程示意图五；

图11A为本公开实施例的角色显示的示例图一；

图11B为本公开实施例的显示与选择的角色对应的提示信息的示例图；

图12为本公开一个实施例的视频录制方法的流程示意图六；

图13A为本公开实施例的角色显示的示例图二；

图13B为本公开实施例的角色显示的示例图三；

图14A为本公开一个实施例的在图形用户界面上显示与音频数据对应的提示信息的示例图一；

图14B为本公开一个实施例的在图形用户界面上显示与音频数据对应的提示信息的示例图二；

图14C为本公开一个实施例的在图形用户界面上显示与音频数据对应的提示信息的示例图三；

图14D为本公开一个实施例的在图形用户界面上显示与音频数据对应的提示信息的示例图四；

图15为本公开一个实施例的视频录制方法的流程示意图八；

图16为本公开实施例的视频录制装置的结构示意图；

图17为本公开实施例提供的视频录制装置的结构框图；

图18为本公开实施例提供的电子设备的硬件结构示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。

图1是适用于本公开实施例提供的视频录制方法的视频录制系统架构图。如图1所示，该视频录制系统包括：终端设备11、数据分析服务器12和视频服务器13；其中，终端设备11可以是用户设备(User Equipment，UE)、移动设备、用户终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备或者可穿戴设备等；视频服务器13可以是视频云服务器，用于提供海量的视频存储和视频推荐。

现有的短视频录制，可以通过图1中的终端设备11和视频服务器13实现。在一些场景中，用户通过终端设备11拍摄短视频并上传至视频服务器13进行存储。视频服务器13根据一定的推荐规则选取短视频推荐给其他用户，其他用户看到推荐的视频后，可能会模仿推荐视频进行对口型视频录制，并将录制的视频再次至上传视频服务器13，如此，就会吸引更多的用户进行短视频投稿，逐渐丰富视频服务器13中的视频素材。

图2为现有技术中一种视频录制的示例图。现有技术中，如图2所示，在视频录制过程中，用户在终端设备上选择了视频A，终端设备会根据用户A的选择生成视频获取请求，该视频获取请求中包括视频A的标识，视频服务器13就会根据视频获取请求中视频A的标识获取对应的视频A，然后将视频A返回至终端设备。假设终端设备接收到的视频A中包括人物A1和与人物A1对应的音频A1，那么用户在对口型视频录制过程中，音频A1会进行播放，用户根据听到的音频A1，卡准音频A1的节奏进行对口型视频录制。在这一过程中，用户根据播放的音频往往很难卡准音频A1的节奏，需要反复录制多次才能完成视频录制，导致视频录制效率低。

本公开实施例针对如上技术问题，在对口型视频录制过程中，对用户选择的视频增加针对视频中音频数据的提示信息，使得用户能够根据提示信息卡准音频节奏，从而进行视频录制。

下面以具体的实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。

图3为本公开一个实施例的视频录制方法的流程示意图一。本实施例的视频录制方法可以应用在终端设备，该方法可以应用于如图1所示的应用场景，如图3所示，该视频录制方法包括：

步骤S301、获取用户选中的参考视频，该参考视频包括音频数据。

在本实施例中，可以是用户通过终端设备上安装的短视频客户端，触摸屏幕选择参考视频，还可以是用户通过语音控制的方式选择参考视频。

步骤S302、获取与音频数据对应的提示信息，该提示信息用于对用户进行音频数据的提示，且提示信息是根据音频数据生成的。

本实施例中，提示信息包括：文本信息和/或节拍信息。其中，文本信息用于表示与音频数据对应的文字内容，节拍信息用于表示音频数据的节奏。

在本实施例中，可以是终端设备11从自身获取与音频数据对应的提示信息，也可以是终端设备11从服务器获取与音频数据对应的提示信息。本实施例中的服务器可以是如图1所示的数据分析服务器12，以下实施例中如无特别说明，服务器均指代如图1所示的数据分析服务器12。

步骤S303、在图形用户界面上显示与音频数据对应的提示信息。

在本实施例中，与音频数据对应的提示信息可以在图形用户界面中的目标区域进行显示。

可选的，目标区域可以位于图形用户界面的上方或下方，也可以是位于图形用户界面的左方或右方，本公开实施例对此不作具体限定。应当理解，目标区域的位置应当以不遮挡视频画面中的感兴趣区域为准。

步骤S304、响应于用户触发的启动视频录制的操作，获取用户录制的视频画面。

其中，用户可以通过点击视频拍摄界面中的拍摄按钮启动视频录制，也可以是通过语音控制的方式启动视频录制，用户触发启动视频录制的操作后，终端设备会获取用户录制的视频画面。

步骤S305、响应于用户触发的完成视频录制的操作，得到录制视频，录制视频中的音频数据与图形用户界面上显示的提示信息相对应。

其中，用户可以通过点击视频拍摄界面中的拍摄按钮来结束视频录制，也可以是通过语音控制的方式来结束视频录制，用户触发视频录制的结束操作后，终端设备会得到用户录制的视频。

在本实施例中，用户在看到终端设备的图形用户界面上显示的提示信息之后，就可以对照提示信息进行视频录制，用户进行视频录制的视频画面，会生成相应的录制视频，并上传至视频服务器进行存储和/或推荐。

本公开实施例首先获取用户选中的参考视频，其中，参考视频包括音频数据，之后获取与音频数据对应的提示信息，提示信息用于对用户进行音频数据的提示，且提示信息是根据音频数据生成的；以及在图形用户界面上显示与音频数据对应的提示信息，响应于用户触发的启动视频录制的操作，获取用户录制的视频画面；响应于用户触发的完成视频录制的操作，得到录制视频，录制视频中的音频数据与图形用户界面上显示的提示信息相对应。由于在获取到用户选中的参考视频之后，是根据参考视频获取与参考视频中音频数据对应的提示信息，并在图形用户界面上进行显示，因而用户可以直观地看到提示信息，对用户的视频录制起到提示作用。因此，用户就可以很容易卡准节奏，不再需要反复多次才能完成视频录制，提高了视频录制效率。另外，即使是对于用户实时上传的视频，也能够提供提示信息。

图4为本公开一个实施例的视频录制方法的流程示意图二。本实施例中详细描述获取与音频数据对应的提示信息的过程，如图4所示，该视频录制方法包括：

步骤S401、获取与音频数据中至少一个角色对应的提示信息，其中，至少一个角色对应的提示信息是根据音频数据生成与音频数据对应的提示信息，并对音频数据中的至少一个角色进行识别，以及将与音频数据对应的提示信息按照识别的至少一个角色进行划分得到的。

其中，本步骤S401可以是终端设备从自身获取与音频数据中至少一个角色对应的提示信息，也可以是终端设备从服务器获取与音频数据中至少一个角色对应的提示信息。

若终端设备从自身获取与音频数据中至少一个角色对应的提示信息，则步骤S401包括：

步骤a1、提取参考视频中的音频数据。

具体的，终端设备可以采用音视频剥离技术提取参考视频中的音频数据。

步骤a2、根据音频数据，生成与音频数据对应的提示信息。

具体的，步骤a2根据音频数据，生成与音频数据对应的提示信息，包括：终端设备将音频数据输入预设的第一识别模型，得到与音频数据对应的提示信息；其中，预设的第一识别模型是根据音频样本和与音频样本对应的提示信息对神经网络进行训练得到的。

步骤a3、识别音频数据中的至少一个角色。

步骤a4、将与音频数据对应的提示信息，按照至少一个角色进行划分，得到与至少一个角色对应的提示信息。

若终端设备从服务器获取与音频数据中至少一个角色对应的提示信息，则步骤S401又可以包括如下两种实施方式：

在一种可选的实施方式中，步骤S401包括：

步骤b1、终端设备提取参考视频中的音频数据。

具体的，终端设备可以采用音视频剥离技术提取参考视频中的音频数据。

步骤b2、终端设备将参考视频中的音频数据发送至服务器。

步骤b3、终端设备接收服务器反馈的与音频数据中至少一个角色对应的提示信息，其中，与音频数据中至少一个角色对应的提示信息是服务器根据音频数据，生成与音频数据对应的提示信息，并识别音频数据中的至少一个角色，以及将与音频数据对应的提示信息，按照至少一个角色进行划分得到的。

在步骤b3中，服务器根据音频数据，生成与音频数据对应的提示信息时，具体包括：将音频数据输入预设的第一识别模型，得到与音频数据对应的提示信息；其中，预设的第一识别模型是根据音频样本和与音频样本对应的提示信息对神经网络进行训练得到的。

具体的，如图1所示，用户在选中参考视频之后，终端设备会首先从视频服务器获取对应的参考视频，再将获取的参考视频进行音视频剥离，然后将剥离得到的音频数据发送至服务器，由服务器根据音频数据生成对应的提示信息，再返回给终端设备。

在另一种可选的实施方式中，步骤S401包括：

步骤c1、终端设备将参考视频发送至服务器。

步骤c2、终端设备接收服务器反馈的与音频数据中至少一个角色对应的提示信息，其中，与音频数据中至少一个角色对应的提示信息是服务器提取参考视频中的音频数据，并根据音频数据，生成与音频数据对应的提示信息，以及识别音频数据中的至少一个角色，和将与音频数据对应的提示信息，按照至少一个角色进行划分得到的。

在步骤c2中，服务器可以采用音视频剥离技术提取参考视频中的音频数据。

另外，服务器根据音频数据，生成与音频数据对应的提示信息时，具体包括：将音频数据输入预设的第一识别模型，得到与音频数据对应的提示信息；其中，预设的第一识别模型是根据音频样本和与音频样本对应的提示信息对神经网络进行训练得到的。

具体的，如图1所示，用户在选中参考视频之后，终端设备会首先从视频服务器获取对应的参考视频，再将获取的参考视频发送至服务器，由服务器对参考视频进行音视频剥离，并根据剥离出来的音频数据生成对应的提示信息，再返回给终端设备。

上述步骤b1至步骤b3介绍的实施方式与步骤c1至步骤c2介绍的实施方式的不同之处在于，提取参考视频中的音频数据的操作是由终端设备还是由服务器来执行。通过终端设备提取参考视频中的音频数据的实施方式，相较于通过服务器提取参考视频中的音频数据的实施方式而言，可以减少服务器的计算压力。

步骤S402、在图形用户界面上显示与音频数据中至少一个角色对应的提示信息。

本公开实施例通过提取参考视频中的音频数据，并获取与音频数据中至少一个角色对应的提示信息，其中，至少一个角色对应的提示信息是服务器根据音频数据生成与音频数据对应的提示信息，并对音频数据中的至少一个角色进行识别，以及将与音频数据对应的提示信息按照识别的至少一个角色进行划分得到的。因而能够满足对话类视频的视频录制的提示，适用范围更广，且能够提高对话类视频录制效率。另外，即使是对于用户实时上传的视频，也能够提供提示信息。

图5为本公开一个实施例的视频录制方法的流程示意图三。本实施例中详细描述获取与音频数据对应的提示信息的过程，如图5所示，该视频录制方法包括：

步骤S501、获取与音频数据中至少一个角色对应的提示信息，其中，至少一个角色对应的提示信息是对音频数据中的至少一个角色进行识别，并将音频数据按照识别的至少一个角色进行划分，以及根据至少一个角色对应的音频数据分别生成与至少一个角色对应的提示信息得到的。

其中，本步骤S501可以是终端设备从自身获取与音频数据中至少一个角色对应的提示信息，也可以是终端设备从服务器获取与音频数据中至少一个角色对应的提示信息。

若终端设备从自身获取与音频数据中至少一个角色对应的提示信息，则步骤S501包括：

步骤d1、终端设备提取参考视频中的音频数据。

具体的，终端设备可以采用音视频剥离技术提取参考视频中的音频数据。

步骤d2、终端设备识别音频数据中的至少一个角色。

步骤d3、终端设备将音频数据按照识别的至少一个角色进行划分。

步骤d4、终端设备根据至少一个角色对应的音频数据，分别生成与至少一个角色对应的提示信息。

具体的，步骤d4可以采用如下两种实施方式来实现：

在一种可选的实施方式中，终端设备根据至少一个角色对应的音频数据，分别生成与至少一个角色对应的提示信息，包括：将与至少一个角色对应的音频数据输入预设的第二识别模型，得到与至少一个角色对应的提示信息，且至少一个角色对应的音频数据对应一个预设的第二识别模型；其中，预设的第二识别模型是根据音频样本和与音频样本对应的提示信息对神经网络进行训练得到的。

图6为本公开实施例的生成与至少一个角色对应的提示信息的示例图一。如图6所示，假设参考视频中的音频数据包括N个角色，则参考视频中的音频数据也可以划分为音频数据1、音频数据2、……、音频数据N，其中，音频数据1、音频数据2、……、音频数据N分别对应角色1、角色2、……、角色N，则将音频数据1、音频数据2、……、音频数据N依次输入预设的第二识别模型，可以得到与音频数据1、音频数据2、……、音频数据N分别对应的提示信息1、提示信息2、……、提示信息N。

在另一种可选的实施方式中，终端设备根据至少一个角色对应的音频数据，分别生成与至少一个角色对应的提示信息，包括：将与至少一个角色对应的音频数据分别输入多个预设的第三识别模型，得到与至少一个角色对应的提示信息，且一个角色对应一个预设的第三识别模型；其中，预设的第三识别模型是根据音频样本和与音频样本对应的提示信息对神经网络进行训练得到的。

图7为本公开实施例的生成与至少一个角色对应的提示信息的示例图二。如图7所示，假设参考视频中的音频数据包括N个角色，则参考视频中的音频数据也可以划分为音频数据1、音频数据2、……、音频数据N，其中，音频数据1、音频数据2、……、音频数据N分别对应角色1、角色2、……、角色N，则将音频数据1、音频数据2、……、音频数据N分别输入预设的第三识别模型1、预设的第三识别模型2、……、预设的第三识别模型N，可以同时得到与音频数据1、音频数据2、……、音频数据N分别对应的提示信息1、提示信息2、……、提示信息N。

图7所示示例的实施方式能够快速生成不同角色的提示信息，图6所示示例的实施方式能够降低模型的使用成本，本领域技术人员在具体实施过程中，可以根据实际需求选取合适的实施方式，本实施例对此不作具体限定。

若终端设备从服务器获取与音频数据中至少一个角色对应的提示信息，则步骤S401又可以包括如下两种实施方式：

在一种可选的实施方式中，步骤S401包括：

步骤e1、终端设备提取参考视频中的音频数据。

具体的，终端设备可以采用音视频剥离技术提取参考视频中的音频数据。

步骤e2、终端设备将参考视频中的音频数据发送至服务器。

步骤e3、终端设备接收服务器反馈的与音频数据中至少一个角色对应的提示信息，其中，与音频数据中至少一个角色对应的提示信息是服务器对音频数据中的至少一个角色进行识别，并将所述音频数据按照识别的至少一个角色进行划分，以及根据至少一个角色对应的音频数据分别生成与至少一个角色对应的提示信息得到的。

在另一种可选的实施方式中，步骤S401又可以包括：

步骤f1、终端设备将参考视频发送至服务器。

步骤f2、终端设备接收服务器反馈的与音频数据中至少一个角色对应的提示信息，其中，与音频数据中至少一个角色对应的提示信息是服务器提取参考视频中的音频数据，并对音频数据中的至少一个角色进行识别，并将音频数据按照识别的至少一个角色进行划分，以及根据至少一个角色对应的音频数据分别生成与至少一个角色对应的提示信息得到的。

其中，步骤e3、步骤f2中服务器根据至少一个角色对应的音频数据分别生成与至少一个角色对应的提示信息，又可以采用如下两种实施方式来实现：

在一种可选的实施方式中，服务器根据至少一个角色对应的音频数据分别生成与至少一个角色对应的提示信息，包括：将与至少一个角色对应的音频数据输入预设的第二识别模型，得到与至少一个角色对应的提示信息，且至少一个角色对应的音频数据对应一个预设的第二识别模型；其中，预设的第二识别模型是根据音频样本和与音频样本对应的提示信息对神经网络进行训练得到的。

在另一种可选的实施方式中，服务器根据至少一个角色对应的音频数据，分别生成与至少一个角色对应的提示信息，包括：将与至少一个角色对应的音频数据分别输入多个预设的第三识别模型，得到与至少一个角色对应的提示信息，且一个角色对应一个预设的第三识别模型；其中，预设的第三识别模型是根据音频样本和与音频样本对应的提示信息对神经网络进行训练得到的。

上述步骤e1至步骤e3介绍的实施方式与步骤f1至步骤f2介绍的实施方式的不同之处在于，提取参考视频中的音频数据的操作是由终端设备还是由服务器来执行。通过终端设备提取参考视频中的音频数据的实施方式，相较于通过服务器提取参考视频中的音频数据的实施方式而言，可以减少服务器的计算压力。

步骤S502、在图形用户界面上显示与音频数据中至少一个角色对应的提示信息。

本公开实施例通过提取参考视频中的音频数据；并获取与音频数据中至少一个角色对应的提示信息，其中，至少一个角色对应的提示信息是对音频数据中的至少一个角色进行识别，并将音频数据按照识别的至少一个角色进行划分，以及根据至少一个角色对应的音频数据分别生成与至少一个角色对应的提示信息得到的。因而能够对对话类视频进行提示，适用范围更广，且能够提高对话类视频录制效率。

在本公开的一个实施例中，在上述图4、图5实施例的基础上，识别音频数据中的至少一个角色，包括：对音频数据进行声纹特征提取；将相同声纹特征的音频数据识别为同一角色的音频数据；根据不同角色的音频数据的数量，确定音频数据中角色的数量，其中，一种声纹特征对应一个角色。具体的，是将音频数据按照句子划分，提取每一个句子的声纹特征，将相同声纹特征的句子划分为一类，并根据最终得到的类别数量确定角色的数量，其中，一个类别对应一个角色。

图8为本公开实施例的识别音频数据中的至少一个角色的示例图。如图8所示，假设参考视频中的音频数据包括5个句子，第1个句子的声纹特征是A特征，第2个句子的声纹特征是B特征，第3个句子的声纹特征是B特征，第4个句子的声纹特征是A特征，第5个句子的声纹特征是B特征，则第1、第1个句子划分为一类，第2、第3和第4个句子划分为一类，生成如图8所示的对应关系，最终得到两种声纹特征，这两种声纹特征对应两个角色。

图9为本公开实施例的视频录制方法的流程示意图四。在上述图3所示实施例的基础上，在步骤S303之后，该视频录制方法还包括：

步骤S901、获取用户对与音频数据对应的提示信息进行调整得到的调整后提示信息。

在本实施例中，用户可以通过触摸屏幕的方式对显示的提示信息进行调整，也可以是通过语音控制的方式对显示的提示信息进行调整。

可选的，对显示的提示信息进行调整包括：增加文本信息、修改文本信息和删除文本信息、增加节拍、修改节拍和删除节拍中至少一项。

步骤S902、在图形用户界面上显示调整后提示信息。

在本实施例中，调整后提示信息同样可以在图形用户界面中的目标区域进行显示。

可选的，目标区域可以位于图形用户界面的上方或下方，也可以是位于图形用户界面的左方或右方，本公开实施例对此不作具体限定。应当理解，目标区域的位置应当以不遮挡视频画面中的感兴趣区域为准。

本公开实施例通过获取用户对与音频数据对应的提示信息进行调整得到的调整后提示信息，并在图形用户界面上显示调整后提示信息。能够为用户提供提示信息的二次编辑功能，提升用户体验。

图10为本公开实施例的视频录制方法的流程示意图五。在上述图4、图5所示实施例的基础上，识别的角色包括至少两个角色，该视频录制方法还包括：

步骤S1001、在图形用户界面上显示至少两个角色。

图11A为本公开实施例的角色显示的示例图一。如图11A所示，例如，参考视频中音频数据包括角色A和角色B，则直接在图形用户界面中显示角色A和角色B的选择控件。

步骤S1002、获取用户从至少两个角色中选择的角色。

在图11A的基础上，用户可以通过触发角色A或角色B的选择控件来进行角色选择。

步骤S1003、根据用户选择的角色，在图形用户界面上显示与用户选择的角色对应的提示信息。

可选的，可以是根据对至少两个角色的选择，在图形用户界面上将选择的角色的提示信息进行显示。图11B为本公开实施例的显示与选择的角色对应的提示信息的示例图。如图11B所示，在图11A的基础上，若用户触发角色A的选择控件，则将角色A对应的提示信息进行显示。

可选的，还可以是根据对至少两个角色的选择，在图形用户界面上将选择的角色的音频数据进行播放。

本公开实施例通过在图形用户界面上显示至少两个角色，并获取用户在至少两个角色中选择的角色；根据用户选择的角色，在图形用户界面上显示与用户选择的角色对应的提示信息。能够让用户主动选择要模仿的角色，提升用户体验。

图12为本公开实施例的视频录制方法的流程示意图六。在上述图4、图5所示实施例的基础上，识别的角色包括至少两个角色，该视频录制方法还包括：

步骤S1201、在图形用户界面上显示至少两个角色的提示信息。

步骤S1202、获取用户在至少两个角色中选择的角色。

在本实施例中，用户可以通过对待选择的角色的提示信息所在的显示区域进行触发操作来进行角色选择。

具体的，用户可以通过触控屏幕，例如在待选择的角色的提示信息所在的显示区域进行点击、滑动等操作来选择角色。还可以是通过语音控制的方式来选择角色。

步骤S1203、根据用户选择的角色，在图形用户界面上采用不同的显示方式显示至少两个角色对应的提示信息。

在本实施例中，具体的，可以是根据对至少两个角色的选择，在图形用户界面上将选择的角色对应的提示信息和未选择的角色对应的提示信息采用不同的颜色、不同透明度、不同文字大小或者不同字体进行显示。

图13A为本公开实施例的角色显示的示例图二。如图13A所示，以不同字体为例，例如，参考视频中音频数据包括角色A和角色B，若用户选中角色A，则将角色A对应的文本信息以加粗字体进行显示，将角色B对应的文本信息以正常字体进行显示。

图13B为本公开实施例的角色显示的示例图三。如图13B所示，以不同文字大小为例，例如，参考视频中音频数据包括角色A和角色B，若用户选中角色A，则将角色A对应的文本信息以较大字号进行显示，将角色B对应的文本信息以较小字号进行显示。

本公开实施例通过在图形用户界面上显示至少两个角色；获取用户选择的角色；以及用户选择的角色，在图形用户界面上采用不同的显示方式显示至少两个角色对应的提示信息。能够让用户主动选择要模仿的角色，提升用户体验。

在本公开的实施例中，如图14A所示，图形用户界面包括用于录制视频的显示区域；在图形用户界面上显示与音频数据对应的提示信息，包括：在录制视频的显示区域上显示与音频数据对应的提示信息。

本实施例是将与音频数据对应的提示信息全部显示在录制视频的显示区域。

在本公开的实施例中，图形用户界面包括用于录制视频的显示区域和参考视频的显示区域；在图形用户界面上显示与音频数据对应的提示信息，包括：在录制视频的显示区域和/或参考视频的显示区域上显示提示信息。

在本实施例中，可以是如图14B所示，在录制视频的显示区域上显示提示信息，也可以是如图14C所示，在参考视频的显示区域上显示提示信息，还可以是在录制视频的显示区域和参考视频的显示区域上分别显示不同音频数据的提示信息。如图14D所示，例如，可以将音频数据中A角色的提示信息显示在用于录制视频的显示区域，将音频数据中B角色的提示信息显示在参考视频的显示区域。

可选的，在本步骤的视频录制过程中，还可以对提示信息中的文本信息进行渲染，具体的，是实时获取用户当前所读的文本信息，将已读文本信息和未读文本信息区分显示。例如，将已读文本信息高亮颜色显示，将未读文本信息以灰色显示。

图15为本公开一个实施例的视频录制方法的流程示意图八。本实施例的视频录制方法可以应用在服务器，该方法可以应用于如图1所示的应用场景，如图15所示，该视频录制方法包括：

步骤S1501、获取音频数据。

其中，音频数据是从用户选中的参考视频中进行音频提取得到的，音频数据由终端设备从用户选中的参考视频中进行音频提取之后发送至服务器，或者由终端设备将参考视频发送至服务器，并由服务器从用户选中的参考视频中进行音频提取来获取。

步骤S1502、根据音频数据，生成与音频数据对应的提示信息，该提示信息用于对用户进行音频数据的提示。

在本实施例中，提示信息包括文本信息和/或节拍信息。

在一种可选的实施方式中，根据音频数据，生成与音频数据对应的提示信息，包括：识别音频数据中的至少一个角色；将与音频数据对应的提示信息，按照识别的至少一个角色进行划分，得到与至少一个角色对应的提示信息。

在另一种可选的实施方式中，根据音频数据，生成与音频数据对应的提示信息，包括：识别音频数据中的至少一个角色；将音频数据按照识别的至少一个角色进行划分，得到与至少一个角色对应的音频数据；根据与至少一个角色对应的音频数据，生成与至少一个角色对应的提示信息。

在上述两种可选的实施方式中，识别音频数据中的至少一个角色，包括：提取音频数据中的声纹特征；确定音频数据中包括的声纹特征的种类的数量；根据音频数据中包括的声纹特征的种类的数量，确定音频数据中角色的数量，其中，相同声纹特征对应同一角色。

对于上述两种可选的实施方式，具体可以参见上述实施例中的介绍，此处不再赘述。

步骤S1503、发送与音频数据对应的提示信息至终端设备。

其中，服务器将生成的与音频数据对应的提示信息返回至终端设备，以便在终端设备上进行显示，对用户的视频录制提供提示信息，方便用户进行视频录制。

本公开实施例首先获取音频数据；并根据音频数据，生成与音频数据对应的提示信息；并发送与音频数据对应的提示信息至终端设备。由于在获取到用户选中的参考视频中的音频数据之后，是根据音频数据获取与音频数据对应的提示信息，并返回至终端设备进行显示，因而用户可以直观地看到提示信息，进而能够根据显示的提示信息进行视频录制，因此，用户就可以很容易卡准节奏，不再需要反复多次才能完成视频录制，提高了视频录制效率。另外，即使是对于用户实时上传的视频，也能够提供很好地提示。

图16为本公开一个实施例的视频录制装置的结构示意图。如图16所示，该视频录制装置160包括：第一获取单元161、显示单元162和响应单元163；其中，第一获取单元161，用于获取用户选中的参考视频，参考视频包括音频数据；第一获取单元161，还用于获取与音频数据对应的提示信息，提示信息用于对用户进行音频数据的提示，且提示信息是根据音频数据生成的；显示单元162，用于在图形用户界面上显示与音频数据对应的提示信息；响应单元163，用于响应于用户触发的启动视频录制的操作，获取用户录制的视频画面；响应单元163，还用于响应于用户触发的完成视频录制的操作，得到录制视频，录制视频中的音频数据与图形用户界面上显示的提示信息相对应。

在本公开的一个实施例中，第一获取单元161获取与音频数据对应的提示信息，具体包括：获取与音频数据中至少一个角色对应的提示信息，至少一个角色对应的提示信息是根据音频数据生成与音频数据对应的提示信息，并对音频数据中的至少一个角色进行识别，以及将与音频数据对应的提示信息按照识别的至少一个角色进行划分得到的；显示单元162，具体用于在图形用户界面上显示与音频数据中至少一个角色对应的提示信息。

在本公开的一个实施例中，第一获取单元161获取与音频数据对应的提示信息，具体包括：获取与音频数据中至少一个角色对应的提示信息，至少一个角色对应的提示信息是对音频数据中的至少一个角色进行识别，并将音频数据按照识别的至少一个角色进行划分，以及根据至少一个角色对应的音频数据分别生成与至少一个角色对应的提示信息得到的；显示单元162，还用于在图形用户界面上显示与音频数据中至少一个角色对应的提示信息。

在本公开的一个实施例中，音频数据中的至少一个角色，是根据音频数据中声纹特征的种类数量确定的。

在本公开的一个实施例中，第一获取单元161，还用于获取用户对与音频数据对应的提示信息进行调整得到的调整后提示信息；显示单元162，还用于在图形用户界面上显示调整后提示信息。

在本公开的一个实施例中，识别的角色包括至少两个角色；显示单元162，还用于在图形用户界面上显示至少两个角色；第一获取单元161，还用于获取用户在至少两个角色中选择的角色；显示单元162，还用于根据用户选择的角色，在图形用户界面上显示与用户选择的角色对应的提示信息。

在本公开的一个实施例中，识别的角色包括至少两个角色；显示单元162，还用于在图形用户界面上显示至少两个角色；第一获取单元161，还用于获取用户在至少两个角色中选择的角色；显示单元162，还用于根据用户选择的角色，在图形用户界面上采用不同的显示方式显示至少两个角色对应的提示信息，其中，不同的显示方式包括不同的颜色、不同透明度、不同文字大小或不同字体。

在本公开的一个实施例中，提示信息包括文本信息和/或节拍信息。

在本公开的一个实施例中，图形用户界面包括用于录制视频的显示区域；其中，显示单元162具体包括：在用于录制视频的显示区域上显示与音频数据对应的提示信息；或者，图形用户界面包括用于录制视频的显示区域和参考视频的显示区域；显示单元162具体包括：在用于录制视频的显示区域和/或参考视频的显示区域上显示与音频数据对应的提示信息。

本实施例提供的视频录制装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。

对应于上文实施例的视频录制方法，图17为本公开实施例提供的视频录制装置的结构框图。为了便于说明，仅示出了与本公开实施例相关的部分。

如图17所示，该视频录制装置170包括：第二获取单元171、生成单元172和发送单元173；第二获取单元171，用于获取音频数据，其中，音频数据是从用户选中的参考视频中进行音频提取得到的；生成单元172，用于根据音频数据，生成与音频数据对应的提示信息；发送单元173，用于发送与音频数据对应的提示信息至终端设备。

在本公开的一个实施例中，生成单元172根据音频数据，生成与音频数据对应的提示信息，具体包括：识别音频数据中的至少一个角色；将与音频数据对应的提示信息，按照识别的至少一个角色进行划分，得到与至少一个角色对应的提示信息。

在本公开的一个实施例中，生成单元172根据音频数据，生成与音频数据对应的提示信息，具体包括：识别音频数据中的至少一个角色；将音频数据按照识别的至少一个角色进行划分，得到与至少一个角色对应的音频数据；根据与至少一个角色对应的音频数据，生成与至少一个角色对应的提示信息。

在本公开的一个实施例中，生成单元172识别音频数据中的至少一个角色，具体包括：提取音频数据中的声纹特征；确定音频数据中包括的声纹特征的种类的数量；根据音频数据中包括的声纹特征的种类的数量，确定音频数据中角色的数量，其中，相同声纹特征对应同一角色。

本实施例提供的视频录制装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。

参考图18，其示出了适于用来实现本公开实施例的电子设备1800的结构示意图，该电子设备1800可以为终端设备或服务器。其中，终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal Digital Assistant，简称PDA)、平板电脑(Portable Android Device，简称PAD)、便携式多媒体播放器(PortableMedia Player，简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图18示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图18所示，电子设备1800可以包括处理装置(例如中央处理器、图形处理器等)1801，其可以根据存储在只读存储器(Read Only Memory，简称ROM)1802中的程序或者从存储装置1808加载到随机访问存储器(Random Access Memory，简称RAM)1803中的程序而执行各种适当的动作和处理。在RAM 1803中，还存储有电子设备1800操作所需的各种程序和数据。处理装置1801、ROM 1802以及RAM 1803通过总线1804彼此相连。输入/输出(I/O)接口1805也连接至总线1804。

通常，以下装置可以连接至I/O接口1805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置1806；包括例如液晶显示器(Liquid CrystalDisplay，简称LCD)、扬声器、振动器等的输出装置1807；包括例如磁带、硬盘等的存储装置1808；以及通信装置1809。通信装置1809可以允许电子设备1800与其他设备进行无线或有线通信以交换数据。虽然图18示出了具有各种装置的电子设备1800，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置1809从网络上被下载和安装，或者从存储装置1808被安装，或者从ROM1802被安装。在该计算机程序被处理装置1801执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行上述实施例所示的方法。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network，简称LAN)或广域网(Wide Area Network，简称WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

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。

第一方面，根据本公开的一个或多个实施例，提供了一种视频录制方法，应用于终端设备，所述终端设备包括图形用户界面，所述方法包括：获取用户选中的参考视频，所述参考视频包括音频数据；获取与所述音频数据对应的提示信息，所述提示信息用于对所述用户进行音频数据的提示，且所述提示信息是根据所述音频数据生成的；在所述图形用户界面上显示与所述音频数据对应的提示信息；响应于所述用户触发的启动视频录制的操作，获取所述用户录制的视频画面；响应于所述用户触发的完成视频录制的操作，得到录制视频，所述录制视频中的音频数据与所述图形用户界面上显示的所述提示信息相对应。

根据本公开的一个或多个实施例，所述获取与所述音频数据对应的提示信息，包括：获取与所述音频数据中至少一个角色对应的提示信息，所述至少一个角色对应的提示信息是根据所述音频数据生成与所述音频数据对应的提示信息，并对所述音频数据中的至少一个角色进行识别，以及将与所述音频数据对应的提示信息按照识别的至少一个角色进行划分得到的；相应的，所述在所述图形用户界面上显示与所述音频数据对应的提示信息，包括：在所述图形用户界面上显示与所述音频数据中至少一个角色对应的提示信息。

根据本公开的一个或多个实施例，所述获取与所述音频数据对应的提示信息，包括：获取与所述音频数据中至少一个角色对应的提示信息，所述至少一个角色对应的提示信息是对所述音频数据中的至少一个角色进行识别，并将所述音频数据按照识别的至少一个角色进行划分，以及根据至少一个角色对应的音频数据分别生成与所述至少一个角色对应的提示信息得到的；相应的，所述在所述图形用户界面上显示与所述音频数据对应的提示信息，包括：在所述图形用户界面上显示与所述音频数据中至少一个角色对应的提示信息。

根据本公开的一个或多个实施例，所述音频数据中的至少一个角色，是根据所述音频数据中声纹特征的种类数量确定的。

根据本公开的一个或多个实施例，所述在所述图形用户界面上显示与所述音频数据对应的提示信息之后，所述方法还包括：获取所述用户对与所述音频数据对应的提示信息进行调整得到的调整后提示信息；在所述图形用户界面上显示所述调整后提示信息。

根据本公开的一个或多个实施例，识别的角色包括至少两个角色，所述方法还包括：在所述图形用户界面用于录制视频的显示区域上显示所述至少两个角色；获取用户在所述至少两个角色中选择的角色；根据所述用户选择的角色，在所述图形用户界面用于录制视频的显示区域上上显示与所述用户选择的角色对应的提示信息。

根据本公开的一个或多个实施例，识别的角色包括至少两个角色，所述方法还包括：在所述图形用户界面上显示所述至少两个角色；获取用户在所述至少两个角色中选择的角色；根据所述用户选择的角色，在所述图形用户界面上采用不同的显示方式显示所述至少两个角色对应的提示信息，其中，所述不同的显示方式包括不同的颜色、不同透明度、不同文字大小或不同字体。

根据本公开的一个或多个实施例，所述提示信息包括文本信息和/或节拍信息。

根据本公开的一个或多个实施例，所述图形用户界面包括用于录制视频的显示区域，和/或，所述参考视频的显示区域；所述在所述图形用户界面上显示与所述音频数据对应的提示信息，包括：在所述用于录制视频的显示区域，和/或，所述参考视频的显示区域上显示与所述音频数据对应的提示信息。

第二方面，根据本公开的一个或多个实施例，提供了一种视频录制方法，应用于服务器，所述方法包括：获取音频数据，所述音频数据是从用户选中的参考视频中进行音频提取得到的；根据所述音频数据，生成与所述音频数据对应的提示信息，该提示信息用于对用户进行音频数据的提示；发送与音频数据对应的提示信息至终端设备。

根据本公开的一个或多个实施例，所述根据所述音频数据，生成与所述音频数据对应的提示信息，包括：识别所述音频数据中的至少一个角色；将与所述音频数据对应的提示信息，按照识别的至少一个角色进行划分，得到与所述至少一个角色对应的提示信息。

根据本公开的一个或多个实施例，所述根据所述音频数据，生成与所述音频数据对应的提示信息，包括：识别所述音频数据中的至少一个角色；将所述音频数据按照识别的至少一个角色进行划分，得到与所述至少一个角色对应的音频数据；根据与所述至少一个角色对应的音频数据，生成与所述至少一个角色对应的提示信息。

根据本公开的一个或多个实施例，所述识别所述音频数据中的至少一个角色，包括：提取所述音频数据中的声纹特征；确定所述音频数据中包括的声纹特征的种类的数量；根据所述音频数据中包括的声纹特征的种类的数量，确定所述音频数据中角色的数量，其中，相同声纹特征对应同一角色。

第三方面，根据本公开的一个或多个实施例，提供了一种视频录制装置，包括：第一获取单元、显示单元和响应单元；其中，第一获取单元，用于获取用户选中的参考视频，所述参考视频包括音频数据；第一获取单元，还用于获取与所述音频数据对应的提示信息，所述提示信息用于对所述用户进行音频数据的提示，且所述提示信息是根据所述音频数据生成的；显示单元，用于在所述图形用户界面上显示与所述音频数据对应的提示信息；响应单元，用于响应于所述用户触发的启动视频录制的操作，获取所述用户录制的视频画面；响应单元，还用于响应于所述用户触发的完成视频录制的操作，得到录制视频，所述录制视频中的音频数据与所述图形用户界面上显示的所述提示信息相对应。

根据本公开的一个或多个实施例，第一获取单元获取与所述音频数据对应的提示信息，具体包括：获取与所述音频数据中至少一个角色对应的提示信息，所述至少一个角色对应的提示信息是根据所述音频数据生成与所述音频数据对应的提示信息，并对所述音频数据中的至少一个角色进行识别，以及将与所述音频数据对应的提示信息按照识别的至少一个角色进行划分得到的；显示单元，具体用于在所述图形用户界面上显示与所述音频数据中至少一个角色对应的提示信息。

根据本公开的一个或多个实施例，第一获取单元获取与所述音频数据对应的提示信息，具体包括：获取与所述音频数据中至少一个角色对应的提示信息，所述至少一个角色对应的提示信息是对所述音频数据中的至少一个角色进行识别，并将所述音频数据按照识别的至少一个角色进行划分，以及根据至少一个角色对应的音频数据分别生成与所述至少一个角色对应的提示信息得到的；显示单元，还用于在所述图形用户界面上显示与所述音频数据中至少一个角色对应的提示信息。

根据本公开的一个或多个实施例，所述音频数据中的至少一个角色，是根据所述音频数据中声纹特征的种类数量确定的。

根据本公开的一个或多个实施例，第一获取单元，还用于获取所述用户对与所述音频数据对应的提示信息进行调整得到的调整后提示信息；显示单元，还用于在所述图形用户界面上显示所述调整后提示信息。

根据本公开的一个或多个实施例，识别的角色包括至少两个角色；显示单元，还用于在所述图形用户界面上显示所述至少两个角色；第一获取单元，还用于获取用户在所述至少两个角色中选择的角色；显示单元，还用于根据所述用户选择的角色，在所述图形用户界面上显示与所述用户选择的角色对应的提示信息。

根据本公开的一个或多个实施例，识别的角色包括至少两个角色；显示单元，还用于在所述图形用户界面上显示所述至少两个角色；第一获取单元，还用于获取用户在所述至少两个角色中选择的角色；显示单元，还用于根据所述用户选择的角色，在所述图形用户界面上采用不同的显示方式显示所述至少两个角色对应的提示信息，其中，所述不同的显示方式包括不同的颜色、不同透明度、不同文字大小或不同字体。

根据本公开的一个或多个实施例，所述提示信息包括文本信息和/或节拍信息。

根据本公开的一个或多个实施例，所述图形用户界面包括用于录制视频的显示区域，和/或，所述参考视频的显示区域；所述显示单元，具体用于在所述用于录制视频的显示区域，和/或，所述参考视频的显示区域上显示与所述音频数据对应的提示信息。

第四方面，根据本公开的一个或多个实施例，提供了一种视频录制装置，包括：第二获取单元、生成单元和发送单元；第二获取单元，用于获取音频数据，其中，音频数据是从用户选中的参考视频中进行音频提取得到的；生成单元，用于根据音频数据，生成与音频数据对应的提示信息；发送单元，用于发送与音频数据对应的提示信息至终端设备。

根据本公开的一个或多个实施例，生成单元根据所述音频数据，生成与所述音频数据对应的提示信息，具体包括：识别所述音频数据中的至少一个角色；将与所述音频数据对应的提示信息，按照识别的至少一个角色进行划分，得到与所述至少一个角色对应的提示信息。

根据本公开的一个或多个实施例，生成单元根据所述音频数据，生成与所述音频数据对应的提示信息，具体包括：识别所述音频数据中的至少一个角色；将所述音频数据按照识别的至少一个角色进行划分，得到与所述至少一个角色对应的音频数据；根据与所述至少一个角色对应的音频数据，生成与所述至少一个角色对应的提示信息。

根据本公开的一个或多个实施例，生成单元识别所述音频数据中的至少一个角色，具体包括：提取所述音频数据中的声纹特征；确定所述音频数据中包括的声纹特征的种类的数量；根据所述音频数据中包括的声纹特征的种类的数量，确定所述音频数据中角色的数量，其中，相同声纹特征对应同一角色。

第五方面，根据本公开的一个或多个实施例，提供了一种电子设备，包括：至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面、第二方面以及第一方面、第二方面各种可能的设计所述的视频录制方法。

第六方面，根据本公开的一个或多个实施例，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面、第二方面以及第一方面、第二方面各种可能的设计所述的视频录制方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (12)

1.一种视频录制方法，其特征在于，应用于终端设备，所述终端设备包括图形用户界面，所述方法包括：

获取用户选中的参考视频，所述参考视频包括音频数据；

获取与所述音频数据对应的提示信息，所述提示信息用于对所述用户进行音频数据的提示，且所述提示信息是根据所述音频数据生成的；

在所述图形用户界面上显示与所述音频数据对应的提示信息；

响应于所述用户触发的启动视频录制的操作，获取所述用户录制的视频画面；

响应于所述用户触发的完成视频录制的操作，得到录制视频，所述录制视频中的音频数据与所述图形用户界面上显示的所述提示信息相对应。

2.根据权利要求1所述的方法，其特征在于，所述获取与所述音频数据对应的提示信息，包括：

获取与所述音频数据中至少一个角色对应的提示信息，所述至少一个角色对应的提示信息是根据所述音频数据生成与所述音频数据对应的提示信息，并对所述音频数据中的至少一个角色进行识别，以及将与所述音频数据对应的提示信息按照识别的至少一个角色进行划分得到的；

相应的，所述在所述图形用户界面上显示与所述音频数据对应的提示信息，包括：

在所述图形用户界面上显示与所述音频数据中至少一个角色对应的提示信息。

3.根据权利要求1所述的方法，其特征在于，所述获取与所述音频数据对应的提示信息，包括：

获取与所述音频数据中至少一个角色对应的提示信息，所述至少一个角色对应的提示信息是对所述音频数据中的至少一个角色进行识别，并将所述音频数据按照识别的至少一个角色进行划分，以及根据至少一个角色对应的音频数据分别生成与所述至少一个角色对应的提示信息得到的；

相应的，所述在所述图形用户界面上显示与所述音频数据对应的提示信息，包括：

在所述图形用户界面上显示与所述音频数据中至少一个角色对应的提示信息。

4.根据权利要求2或3所述的方法，其特征在于，所述音频数据中的至少一个角色，是根据所述音频数据中声纹特征的种类数量确定的。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述在所述图形用户界面上显示与所述音频数据对应的提示信息之后，所述方法还包括：

获取所述用户对与所述音频数据对应的提示信息进行调整得到的调整后提示信息；

在所述图形用户界面上显示所述调整后提示信息。

6.根据权利要求2或3所述的方法，其特征在于，识别的角色包括至少两个角色，所述方法还包括：

在所述图形用户界面上显示所述至少两个角色；

获取所述用户在所述至少两个角色中选择的角色；

根据所述用户选择的角色，在所述图形用户界面上显示与所述用户选择的角色对应的提示信息。

7.根据权利要求2或3所述的方法，其特征在于，识别的角色包括至少两个角色，所述方法还包括：

在所述图形用户界面上显示所述至少两个角色；

获取所述用户在所述至少两个角色中选择的角色；

根据所述用户选择的角色，在所述图形用户界面上采用不同的显示方式显示所述至少两个角色对应的提示信息，其中，所述不同的显示方式包括不同的颜色、不同透明度、不同文字大小或不同字体。

8.根据权利要求1-3任一项所述的方法，其特征在于，所述提示信息包括文本信息和/或节拍信息。

9.根据权利要求1-3任一项所述的方法，其特征在于，所述图形用户界面包括用于录制视频的显示区域；

其中，所述在所述图形用户界面上显示与所述音频数据对应的提示信息，包括：

在所述用于录制视频的显示区域上显示与所述音频数据对应的提示信息；

或者，

所述图形用户界面包括用于录制视频的显示区域和所述参考视频的显示区域；

其中，所述在所述图形用户界面上显示与所述音频数据对应的提示信息，包括：

在所述用于录制视频的显示区域和/或所述参考视频的显示区域上显示与所述音频数据对应的提示信息。

10.一种视频录制装置，其特征在于，包括：获取单元、显示单元和响应单元；

所述获取单元，用于获取用户选中的参考视频，所述参考视频包括音频数据；

所述获取单元，还用于获取与所述音频数据对应的提示信息，所述提示信息用于对所述用户进行音频数据的提示，且所述提示信息是根据所述音频数据生成的；

所述显示单元，用于在终端设备的图形用户界面上显示与所述音频数据对应的提示信息；

所述响应单元，用于响应于所述用户触发的启动视频录制的操作，获取所述用户录制的视频画面；

所述响应单元，还用于响应于所述用户触发的完成视频录制的操作，得到录制视频，所述录制视频中的音频数据与所述图形用户界面上显示的所述提示信息相对应。

11.一种电子设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至9任一项所述的视频录制方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至9任一项所述的视频录制方法。

Images