CN114501112B - 用于生成视频笔记的方法、装置、设备、介质和产品 - Google Patents

用于生成视频笔记的方法、装置、设备、介质和产品 Download PDF

Info

Publication number
CN114501112B
CN114501112B CN202210076832.6A CN202210076832A CN114501112B CN 114501112 B CN114501112 B CN 114501112B CN 202210076832 A CN202210076832 A CN 202210076832A CN 114501112 B CN114501112 B CN 114501112B
Authority
CN
China
Prior art keywords
note
video
audio
determining
real
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
CN202210076832.6A
Other languages
English (en)
Other versions
CN114501112A (zh
Inventor
高炳楠
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 CN202210076832.6A priority Critical patent/CN114501112B/zh
Publication of CN114501112A publication Critical patent/CN114501112A/zh
Application granted granted Critical
Publication of CN114501112B publication Critical patent/CN114501112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in 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]
    • H04N21/40—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
    • H04N21/433—Content storage operation, e.g. storage operation in response to a pause request, caching operations
    • H04N21/4334—Recording operations
    • 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
    • H04N21/4355—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream involving reformatting operations of additional data, e.g. HTML pages on a television screen
    • 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
    • H04N21/439—Processing of audio elementary streams
    • H04N21/4394—Processing of audio elementary streams involving operations for analysing the audio stream, e.g. detecting features or characteristics in audio streams
    • 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
    • H04N21/439—Processing of audio elementary streams
    • H04N21/4398—Processing of audio elementary streams involving reformatting operations of audio signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本公开提供了用于生成视频笔记的方法、装置、设备、介质和产品，涉及计算机技术领域，具体为语音处理技术领域。具体实现方案为：获取目标视频；确定目标视频对应的视频笔记类别；基于视频笔记类别，确定笔记音频；基于笔记音频，生成目标视频对应的视频笔记。本实现方式可以提高生成视频笔记的智能化程度。

Description

用于生成视频笔记的方法、装置、设备、介质和产品
技术领域
本公开涉及计算机技术领域，具体为语音处理技术领域。
背景技术
目前，随着信息技术的发展，人们在获取相应的信息资讯时，往往会通过做笔记的方式，摘录重要信息，便于后续的复习和查阅。
在实践中发现，现在视频类别的信息资讯越来越多，针对这类信息资讯，人们做笔记的方式通常是人工记录，或者对视频手动截图记录。然而，这种做笔记方式存在着智能化程度较低的问题。
发明内容
本公开提供了一种用于生成视频笔记的方法、装置、设备、介质和产品。
根据本公开的一方面，提供了一种用于生成视频笔记的方法，包括：获取目标视频；确定目标视频对应的视频笔记类别；基于视频笔记类别，确定笔记音频；基于笔记音频，生成目标视频对应的视频笔记。
根据本公开的另一方面，提供了一种用于生成视频笔记的装置，包括：视频获取单元，被配置成获取目标视频；类别确定单元，被配置成确定目标视频对应的视频笔记类别；音频确定单元，被配置成基于视频笔记类别，确定笔记音频；笔记生成单元，被配置成基于笔记音频，生成目标视频对应的视频笔记。
根据本公开的另一方面，提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任意一项用于生成视频笔记的方法。
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，计算机指令用于使计算机执行如上任意一项用于生成视频笔记的方法。
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，计算机程序在被处理器执行时实现如上任意一项用于生成视频笔记的方法。
根据本公开的技术，提供一种用于生成视频笔记的方法，能够提高生成视频笔记的智能化程度。
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是本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的用于生成视频笔记的方法的一个实施例的流程图；
图3是根据本公开的用于生成视频笔记的方法的一个应用场景的示意图；
图4是根据本公开的用于生成视频笔记的方法的另一个实施例的流程图；
图5是根据本公开的用于生成视频笔记的装置的一个实施例的结构示意图；
图6是用来实现本公开实施例的用于生成视频笔记的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。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
如图1所示，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、无线通信链路或者光纤电缆等等。
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可以播放目标视频，并在目标视频的播放过程中，检测与用户的人机交互操作所触发的操作指令，并将操作指令通过网络104发送给服务器105，以使服务器105能够基于操作指令，生成目标视频对应的视频笔记。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于手机、电脑、平板等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如，服务器105可以接收终端设备101、102、103通过网络104发送的操作指令，并对操作指令进行解析，确定操作指令对应的视频笔记类别，再基于视频笔记类别确定笔记音频，基于笔记音频，生成视频对应的视频笔记，并将视频笔记通过网络104返回给终端设备101、102、103。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本公开实施例所提供的用于生成视频笔记的方法可以由终端设备101、102、103执行，也可以由服务器105执行，用于生成视频笔记的装置可以设置于终端设备101、102、103，也可以设置于服务器105中，本公开实施例对此不做限定。
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。
继续参考图2，示出了根据本公开的用于生成视频笔记的方法的一个实施例的流程200。本实施例的用于生成视频笔记的方法，包括以下步骤：
步骤201，获取目标视频。
在本实施例中，执行主体(如图1中的终端设备101、102、103或者服务器105)可以从本地存储或者预先建立连接的其他电子设备中获取目标视频，并可以控制在用于播放视频的应用软件中输出目标视频，以便用户在目标视频的播放过程中基于和目标视频之间的人机交互操作，生成针对目标视频的视频笔记。其中，目标视频可以为用户需要学习的知识类视频，也可以为用户工作需要获取的工作资讯类视频，也可以为会议过程所录制的会议视频等，本实施例对于目标视频的具体内容不做限定。
步骤202，确定目标视频对应的视频笔记类别。
在本实施例中，视频笔记类别可以用于描述针对视频所生成的笔记的类型，可以包括但不限于完整视频笔记、部分视频笔记、实时视频笔记、重点内容视频笔记等，本实施例对此不做限定。
其中，完整视频笔记可以为针对目标视频的全部内容所生成的笔记，部分视频笔记可以为针对目标视频的部分内容所生成的笔记，实时视频笔记可以为针对目标视频的当前播放时刻所生成的笔记，重点内容笔记可以为针对目标视频中的重点内容所生成的笔记。可选的，重点内容笔记中的重点内容可以预先自定义设置，从而满足用户对指定重点内容的获取需求。
步骤203，基于视频笔记类别，确定笔记音频。
在本实施例中，执行主体可以基于视频笔记类别，确定目标视频对应的笔记音频，并将该笔记音频作为视频笔记的生成依据。其中，笔记音频可以为将目标视频中的指定部分的音频转换得到的音频，也可以为用户输入的音频，也可以为对目标视频中的指定部分的音频进行某种整合处理得到的音频，本实施例中对此不做限定。
在本实施例的一些可选的实现方式中，基于视频笔记类别，确定笔记音频可以包括：响应于确定视频笔记类别为重点内容笔记，获取重点内容关键词；从目标视频中确定与该重点内容关键词相匹配的至少一个视频片段；将该至少一个视频片段对应的音频作为初始笔记音频；基于该重点内容关键词对应的知识图谱，对初始笔记音频进行整合处理，得到最终的笔记音频。通过实施这种可选的实现方式，执行主体能够对于需要对视频的重点内容生成视频笔记的情况，基于重点内容关键词，从视频中确定至少一个视频片段，并将至少一个视频片段对应的音频作为初始笔记音频。以及基于知识图谱能够对初始笔记音频进行提炼概括或者补充说明等整合处理，例如，将知识图谱中与该初始笔记音频涉及的知识内容具有关联关系的关联内容作为补充说明内容，转换为相应的音频输出，从而能够实现重点内容笔记的快速生成。
步骤204，基于笔记音频，生成目标视频对应的视频笔记。
在本实施例中，执行主体可以直接将笔记音频作为目标视频对应的视频笔记。或者，执行主体也可以基于笔记音频，对音频进行相应的音频识别，得到笔记音频对应的文本，将该文本作为目标视频对应的视频笔记。又或者，执行主体也可以同时将上述笔记音频和上述文本关联生成视频笔记。
在本实施例的一些可选的实现方式中，还可以执行以下步骤：执行主体将目标视频和视频笔记关联存储。
在本实施例的另一些可选的实现方式中，将目标视频和视频笔记关联存储还可以包括：响应于确定上述视频笔记类别为实时视频笔记，确定用户实时输入的音频或者文本对应的视频时间点，将目标视频中的该视频时间点与该实时视频笔记关联存储。
继续参见图3，其示出了根据本公开的用于生成视频笔记的方法的一个应用场景的示意图。在图3的应用场景中，执行主体可以在目标视频的播放过程中，基于与用户之间的人机交互操作，确定人机交互操作触发的操作指令指示的视频笔记类别。之后，基于视频笔记类别为完整视频笔记类别或者部分视频笔记类别，选取目标视频的全部视频或者部分视频301，确定相应的视频音频302，作为视频笔记306的生成依据。并且，在目标视频的播放过程中，用户可以暂停目标视频的播放，选择记录视频笔记类别为实时视频笔记类别的实时笔记。这里的实时笔记可以为用户实时输入的语音303，也可以为用户实时输入的文本305。
并且，在上述视频笔记类别同时包括完整视频笔记和实时视频笔记、部分视频笔记和实时视频笔记的情况下，执行主体可以将用户实时输入的语音303与视频音频302按照目标视频的时序进行融合处理，得到融合后的音频。并对融合后的音频进行音频识别304，得到视频笔记306。或者，如果存在用户实时输入的文本305，执行主体可以基于音频识别304对应的音频识别结果和用户实时输入的文本305共同生成视频笔记306。
本公开上述实施例提供的用于生成视频笔记的方法，能够对目标视频，确定相对应的视频笔记类别，并基于视频笔记类别确定笔记音频，基于笔记音频，自动生成目标视频对应的视频笔记，能够提高生成视频笔记的智能化程度。
继续参见图4，其示出了根据本公开的用于生成视频笔记的方法的另一个实施例的流程400。如图4所示，本实施例的用于生成视频笔记的方法可以包括以下步骤：
步骤401，获取目标视频。
步骤402，确定目标视频对应的视频笔记类别，视频笔记类别包括以下至少一项：完整视频笔记、部分视频笔记、实时视频笔记。
在本实施例中，完整视频笔记可以为针对目标视频的全部视频内容所生成的笔记，部分视频笔记可以为针对目标视频的部分视频内容所生成的笔记，实时视频笔记可以为针对目标视频的当前播放时刻所生成的笔记。其中，执行主体可以基于用户与目标视频之间的人机交互操作所触发的操作指令，确定视频笔记类别。
可选的，在基于用户与目标视频之间的人机交互操作所触发的操作指令，确定视频笔记类别为实时视频笔记的情况下，执行主体可以暂停目标视频的播放，并将当前目标视频的视频播放时间点与用户实时输入的语音或者文本关联存储。
其中，对于步骤401至步骤402的详细描述，请一并参照对于步骤201至步骤202的详细描述，在此不再赘述。
步骤403，响应于确定视频笔记类别为完整视频笔记，将目标视频对应的音频，确定为笔记音频。
在本实施例中，如果视频笔记类别为完整视频笔记，执行主体可以提取目标视频的完整视频对应的音频，并将该音频作为笔记音频。
步骤404，响应于确定视频笔记类别为部分视频笔记，从目标视频中确定目标视频片段。
在本实施例中，如果视频笔记类别为部分视频笔记，执行主体可以从目标视频中确定部分视频的开始时刻和结束时刻，并提取开始时刻和结束时刻之间的视频片段，作为目标视频片段。
其中，目标视频片段的数量为至少一个，对每个目标视频片段，可以确定该目标视频片段的开始时刻和结束时刻。
在本实施例的一些可选的实现方式中，从目标视频中确定目标视频片段可以包括：检测用户的触控操作对目标视频所触发的操作指令，响应于确定用户点击目标视频，将用户点击目标视频的时刻确定为一个目标视频片段的开始时刻；以及，响应于确定用户再次点击目标视频，将用户再次点击目标视频的时刻确定为一个目标视频片段的结束时刻。
在本实施例的另一些可选的实现方式中，从目标视频中确定目标视频片段可以包括：检测用户的触控操作对目标视频所触发的操作指令，响应于确定用户长按目标视频，将用户长按的开始时刻确定为一个目标视频片段的开始时刻，以及将用户长按的释放时刻确定为一个目标视频片段的结束时刻。
步骤405，将目标视频片段对应的音频，确定为笔记音频。
在本实施例中，执行主体可以将至少一个目标视频片段对应的音频，作为笔记音频。
步骤406，响应于确定视频笔记类别为实时视频笔记，获取实时语音。
在本实施例中，如果视频笔记类别为实时视频笔记，执行主体可以获取用户输入的实时语音，并记录获取到实时语音的时刻在目标视频中的视频播放时间点。
可选的，执行主体可以将实时语音和相对应的目标视频中的视频播放时间点关联存储。
步骤407，将实时语音确定为笔记音频。
在本实施例中，执行主体可以将上述的用户输入的实时语音确定为笔记音频。
步骤408，响应于确定视频笔记类别为实时视频笔记，获取实时笔记文本。
在本实施例中，如果视频笔记类别为实时视频笔记，执行主体还可以获取用户输入的实时笔记文本，并记录获取到实时笔记文本的时刻在目标视频中的视频播放时间点。
可选的，执行主体可以将实时笔记文本和相对应的目标视频中的视频播放时间点关联存储。
步骤409，将实时笔记文本转换为笔记音频。
在本实施例中，执行主体可以将实时笔记文本转换为笔记音频，作为视频笔记的生成依据。
可选的，执行主体也可以不执行将实时笔记文本转换为笔记音频的步骤，可以直接基于实时笔记文本生成视频笔记，本实施例对此不做限定。
步骤410，获取目标视频对应的笔记语言类别。
在本实施例中，执行主体可以获取针对目标视频所配置的笔记语言参数，并基于对笔记语言参数进行解析，得到笔记语言类别。其中，笔记语言类别可以为用户需要得到的视频笔记的语言类别，例如，笔记语言类别可以为中文、英文等，本实施例对此不做限定。
步骤411，将笔记音频转换为笔记语言类别的视频笔记，视频笔记包括音频格式的视频笔记和文本格式的视频笔记。
在本实施例中，执行主体可以将上述的笔记音频先转换为相对应的笔记文本，并基于对笔记文本进行翻译，得到与笔记语言类别相匹配的翻译笔记文本。之后，执行主体可以将翻译笔记文本作为视频笔记，也可以再将翻译笔记文本转换为翻译笔记音频，将翻译笔记音频作为视频笔记。其中，这里的翻译笔记文本即为文本格式的视频笔记，这里的翻译笔记音频即为音频格式的视频笔记。
可选的，对于上述的实时笔记文本，执行主体可以不将其转换为笔记音频，而直接对实时笔记文本进行翻译，得到翻译笔记文本。再将翻译笔记文本转换为翻译笔记音频。
在本实施例的一些可选的实现方式中，执行主体可以将音频格式的视频笔记、文本格式的视频笔记以及目标视频关联存储。
在本实施例的另一些可选的实现方式中，如果目标视频对应的视频笔记类别既包括完整视频笔记又包括实时视频笔记，此时的笔记音频可以包括完整视频笔记对应的笔记音频，以及实时视频笔记对应的笔记音频。执行主体可以确定实时视频笔记对应的笔记音频所关联的视频播放时间点，并基于该视频播放时间点，将实时视频笔记对应的笔记音频，插入完整视频笔记对应的笔记音频。
在本实施例的另一些可选的实现方式中，如果目标视频对应的视频笔记类别既包括部分视频笔记又包括实时视频笔记，此时的笔记音频可以包括部分视频笔记对应的笔记音频，以及实时视频笔记对应的笔记音频。执行主体可以确定实时视频笔记对应的笔记音频所关联的视频播放时间点，并基于该视频播放时间点以及部分视频笔记对应的视频播放时间点，将实时视频笔记对应的笔记音频和部分视频笔记对应的笔记音频进行融合，得到融合后的笔记音频。再将融合后的笔记音频转换为笔记语言类别的视频笔记。
本公开上述实施例提供的用于生成视频笔记的方法，还可以对于完整视频笔记，直接基于目标视频的音频生成视频笔记；对于部分视频笔记，选取目标视频的至少一个视频片段，基于至少一个视频片段的音频生成视频笔记；对于实时视频笔记，基于用户输入的语音或者文本，生成视频笔记，提高了视频笔记的生成多样性。以及，在生成视频笔记时，还可以基于语言转换，生成所需要的的笔记语言类别的视频笔记，从而提高了视频笔记的实用性。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于生成视频笔记的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于终端设备、服务器等电子设备中。
如图5所示，本实施例的用于生成视频笔记的装置500包括：视频获取单元501、类别确定单元502、音频确定单元503和笔记生成单元504。
视频获取单元501，被配置成获取目标视频。
类别确定单元502，被配置成确定目标视频对应的视频笔记类别。
音频确定单元503，被配置成基于视频笔记类别，确定笔记音频。
笔记生成单元504，被配置成基于笔记音频，生成目标视频对应的视频笔记。
在本实施例的一些可选的实现方式中，视频笔记类别包括以下至少一项：完整视频笔记、部分视频笔记、实时视频笔记。
在本实施例的一些可选的实现方式中，音频确定单元503进一步被配置成：响应于确定视频笔记类别为完整视频笔记，将目标视频对应的音频，确定为笔记音频。
在本实施例的一些可选的实现方式中，音频确定单元503进一步被配置成：响应于确定视频笔记类别为部分视频笔记，从目标视频中确定目标视频片段；将目标视频片段对应的音频，确定为笔记音频。
在本实施例的一些可选的实现方式中，音频确定单元503进一步被配置成：响应于确定视频笔记类别为实时视频笔记，获取实时语音；将实时语音确定为笔记音频。
在本实施例的一些可选的实现方式中，音频确定单元503进一步被配置成：响应于确定视频笔记类别为实时视频笔记，获取实时笔记文本；将实时笔记文本转换为笔记音频。
在本实施例的一些可选的实现方式中，笔记生成单元504进一步被配置成：获取目标视频对应的笔记语言类别；将笔记音频转换为笔记语言类别的视频笔记。
在本实施例的一些可选的实现方式中，视频笔记包括音频格式的视频笔记和文本格式的视频笔记。
应当理解，用于生成视频笔记的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对用于生成视频笔记的方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。
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RAM603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，例如用于生成视频笔记的方法。例如，在一些实施例中，用于生成视频笔记的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用于生成视频笔记的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)而被配置为执行用于生成视频笔记的方法。
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。
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 (14)

1.一种用于生成视频笔记的方法，包括：
获取目标视频；
确定用户的操作指令指示的视频笔记类别作为所述目标视频对应的视频笔记类别；
基于所述视频笔记类别，确定笔记音频；
基于所述笔记音频，生成所述目标视频对应的视频笔记；
其中，所述基于所述视频笔记类别，确定笔记音频，包括：响应于确定视频笔记类别为重点内容笔记，获取重点内容关键词；从所述目标视频中确定与所述重点内容关键词相匹配的至少一个视频片段；将所述至少一个视频片段对应的音频作为初始笔记音频；基于所述重点内容关键词对应的知识图谱，对所述初始笔记音频进行整合处理，得到最终的笔记音频；
响应于确定视频笔记类别为部分视频笔记，将用户点击目标视频的时刻确定为目标视频片段的开始时刻，以及将用户再次点击目标视频的时刻确定为目标视频片段的结束时刻，将所述目标视频片段对应的音频确定为笔记音频；
响应于确定视频笔记类别为实时视频笔记，获取用户输入的实时语音，将所述实时语音确定为笔记音频；
响应于确定视频笔记类别包括部分视频笔记和实时视频笔记，根据部分视频笔记和实时视频笔记分别对应的笔记音频对应在所述目标视频中的视频播放时间点，将部分视频笔记和实时视频笔记分别对应的笔记音频进行融合，得到融合后的笔记音频。
2.根据权利要求1所述的方法，其中，所述视频笔记类别包括以下至少一项：完整视频笔记、部分视频笔记、实时视频笔记。
3.根据权利要求2所述的方法，其中，所述基于所述视频笔记类别，确定笔记音频，包括：
响应于确定所述视频笔记类别为所述完整视频笔记，将所述目标视频对应的音频，确定为所述笔记音频。
4.根据权利要求2所述的方法，其中，所述基于所述视频笔记类别，确定笔记音频，包括：
响应于确定所述视频笔记类别为所述实时视频笔记，获取实时笔记文本；
将所述实时笔记文本转换为所述笔记音频。
5.根据权利要求1所述的方法，其中，所述基于所述笔记音频，生成所述目标视频对应的视频笔记，包括：
获取所述目标视频对应的笔记语言类别；
将所述笔记音频转换为所述笔记语言类别的所述视频笔记。
6.根据权利要求1所述的方法，其中，所述视频笔记包括音频格式的视频笔记和文本格式的视频笔记。
7.一种用于生成视频笔记的装置，包括：
视频获取单元，被配置成获取目标视频；
类别确定单元，被配置成确定用户的操作指令指示的视频笔记类别作为所述目标视频对应的视频笔记类别；
音频确定单元，被配置成基于所述视频笔记类别，确定笔记音频；
笔记生成单元，被配置成基于所述笔记音频，生成所述目标视频对应的视频笔记；
其中，所述音频确定单元进一步被配置成：响应于确定视频笔记类别为重点内容笔记，获取重点内容关键词；从所述目标视频中确定与所述重点内容关键词相匹配的至少一个视频片段；将所述至少一个视频片段对应的音频作为初始笔记音频；基于所述重点内容关键词对应的知识图谱，对所述初始笔记音频进行整合处理，得到最终的笔记音频；
响应于确定视频笔记类别为部分视频笔记，将用户点击目标视频的时刻确定为目标视频片段的开始时刻，以及将用户再次点击目标视频的时刻确定为目标视频片段的结束时刻，将所述目标视频片段对应的音频确定为笔记音频；
响应于确定视频笔记类别为实时视频笔记，获取用户输入的实时语音，将所述实时语音确定为笔记音频；
响应于确定视频笔记类别包括部分视频笔记和实时视频笔记，根据部分视频笔记和实时视频笔记分别对应的笔记音频对应在所述目标视频中的视频播放时间点，将部分视频笔记和实时视频笔记分别对应的笔记音频进行融合，得到融合后的笔记音频。
8.根据权利要求7所述的装置，其中，所述视频笔记类别包括以下至少一项：完整视频笔记、部分视频笔记、实时视频笔记。
9.根据权利要求8所述的装置，其中，所述音频确定单元进一步被配置成：
响应于确定所述视频笔记类别为所述完整视频笔记，将所述目标视频对应的音频，确定为所述笔记音频。
10.根据权利要求8所述的装置，其中，所述音频确定单元进一步被配置成：
响应于确定所述视频笔记类别为所述实时视频笔记，获取实时笔记文本；
将所述实时笔记文本转换为所述笔记音频。
11.根据权利要求7所述的装置，其中，所述笔记生成单元进一步被配置成：
获取所述目标视频对应的笔记语言类别；
将所述笔记音频转换为所述笔记语言类别的所述视频笔记。
12.根据权利要求7所述的装置，其中，所述视频笔记包括音频格式的视频笔记和文本格式的视频笔记。
13.一种电子设备，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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
CN202210076832.6A 2022-01-24 2022-01-24 用于生成视频笔记的方法、装置、设备、介质和产品 Active CN114501112B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210076832.6A CN114501112B (zh) 2022-01-24 2022-01-24 用于生成视频笔记的方法、装置、设备、介质和产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210076832.6A CN114501112B (zh) 2022-01-24 2022-01-24 用于生成视频笔记的方法、装置、设备、介质和产品

Publications (2)

Publication Number Publication Date
CN114501112A CN114501112A (zh) 2022-05-13
CN114501112B true CN114501112B (zh) 2024-03-22

Family

ID=81473144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210076832.6A Active CN114501112B (zh) 2022-01-24 2022-01-24 用于生成视频笔记的方法、装置、设备、介质和产品

Country Status (1)

Country Link
CN (1) CN114501112B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102664984A (zh) * 2012-04-20 2012-09-12 上海合合信息科技发展有限公司 语音笔记的创建方法及系统
CN105957531A (zh) * 2016-04-25 2016-09-21 上海交通大学 基于云平台的演讲内容提取方法及装置
CN106653077A (zh) * 2016-12-30 2017-05-10 网易（杭州）网络有限公司 用于记录语音笔记的方法和装置及可读存储介质
CN110381382A (zh) * 2019-07-23 2019-10-25 腾讯科技（深圳）有限公司 视频笔记生成方法、装置、存储介质和计算机设备
CN111276018A (zh) * 2020-03-24 2020-06-12 深圳市多亲科技有限公司 一种网课记录方法、装置和终端
CN111556371A (zh) * 2020-05-20 2020-08-18 维沃移动通信有限公司 笔记记录方法及电子设备
CN112115301A (zh) * 2020-08-31 2020-12-22 湖北美和易思教育科技有限公司 一种基于课堂笔记的视频标注方法及系统
CN113099256A (zh) * 2021-04-01 2021-07-09 读书郎教育科技有限公司 一种智慧课堂回放视频增加语音笔记的方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10468018B2 (en) * 2017-12-29 2019-11-05 Dish Network L.L.C. Methods and systems for recognizing audio played and recording related video for viewing

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102664984A (zh) * 2012-04-20 2012-09-12 上海合合信息科技发展有限公司 语音笔记的创建方法及系统
CN105957531A (zh) * 2016-04-25 2016-09-21 上海交通大学 基于云平台的演讲内容提取方法及装置
CN106653077A (zh) * 2016-12-30 2017-05-10 网易（杭州）网络有限公司 用于记录语音笔记的方法和装置及可读存储介质
CN110381382A (zh) * 2019-07-23 2019-10-25 腾讯科技（深圳）有限公司 视频笔记生成方法、装置、存储介质和计算机设备
CN111276018A (zh) * 2020-03-24 2020-06-12 深圳市多亲科技有限公司 一种网课记录方法、装置和终端
CN111556371A (zh) * 2020-05-20 2020-08-18 维沃移动通信有限公司 笔记记录方法及电子设备
WO2021233293A1 (zh) * 2020-05-20 2021-11-25 维沃移动通信有限公司 笔记记录方法及电子设备
CN112115301A (zh) * 2020-08-31 2020-12-22 湖北美和易思教育科技有限公司 一种基于课堂笔记的视频标注方法及系统
CN113099256A (zh) * 2021-04-01 2021-07-09 读书郎教育科技有限公司 一种智慧课堂回放视频增加语音笔记的方法及系统

Also Published As

Publication number Publication date
CN114501112A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
KR20210038449A (ko) 문답 처리, 언어 모델 훈련 방법, 장치, 기기 및 저장 매체
US10796224B2 (en) Image processing engine component generation method, search method, terminal, and system
JP7394809B2 (ja) ビデオを処理するための方法、装置、電子機器、媒体及びコンピュータプログラム
WO2023142451A1 (zh) 工作流生成方法、装置、电子设备
CN115982376A (zh) 基于文本、多模数据和知识训练模型的方法和装置
CN115481227A (zh) 人机交互对话方法、装置以及设备
CN113111658B (zh) 校验信息的方法、装置、设备和存储介质
JP2022050309A (ja) 情報処理方法、装置、システム、電子機器、記憶媒体およびコンピュータプログラム
CN116935287A (zh) 视频理解方法和装置
CN116894078A (zh) 一种信息交互方法、装置、电子设备及介质
CN114501112B (zh) 用于生成视频笔记的方法、装置、设备、介质和产品
CN116049370A (zh) 信息查询方法和信息生成模型的训练方法、装置
CN116150339A (zh) 对话方法、装置、设备及存储介质
CN113360672B (zh) 用于生成知识图谱的方法、装置、设备、介质和产品
CN112632241A (zh) 智能会话的方法、装置、设备和计算机可读介质
CN114171063A (zh) 一种实时话务客户情绪分析辅助方法及系统
CN113852835A (zh) 直播音频处理方法、装置、电子设备以及存储介质
US20230117749A1 (en) Method and apparatus for processing audio data, and electronic device
CN114818748B (zh) 用于生成翻译模型的方法、翻译方法及装置
CN115905490B (zh) 人机交互对话方法、装置以及设备
CN115965018B (zh) 信息生成模型的训练方法、信息生成方法和装置
CN114462364B (zh) 录入信息的方法和装置
CN115828915B (zh) 实体消歧方法、装置、电子设备和存储介质
CN114078478B (zh) 语音交互的方法、装置、电子设备及存储介质
CN113836291B (zh) 数据处理方法、装置、设备和存储介质

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