CN115052188A - 一种视频剪辑方法、装置、设备及介质 - Google Patents

一种视频剪辑方法、装置、设备及介质 Download PDF

Info

Publication number
CN115052188A
CN115052188A CN202210499925.XA CN202210499925A CN115052188A CN 115052188 A CN115052188 A CN 115052188A CN 202210499925 A CN202210499925 A CN 202210499925A CN 115052188 A CN115052188 A CN 115052188A
Authority
CN
China
Prior art keywords
video
segments
source
segment
voice
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
CN202210499925.XA
Other languages
English (en)
Other versions
CN115052188B (zh
Inventor
余俊
杜臣
周文
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 Youzhuju Network Technology Co Ltd
Original Assignee
Beijing Youzhuju Network 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 Youzhuju Network Technology Co Ltd filed Critical Beijing Youzhuju Network Technology Co Ltd
Priority to CN202210499925.XA priority Critical patent/CN115052188B/zh
Publication of CN115052188A publication Critical patent/CN115052188A/zh
Application granted granted Critical
Publication of CN115052188B publication Critical patent/CN115052188B/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]
    • H04N21/40—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
    • H04N21/44016—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 splicing one content stream with another content stream, e.g. for substituting a video clip
    • 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
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • 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
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/234318—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements by decomposing into objects, e.g. MPEG-4 objects
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Television Signal Processing For Recording (AREA)
  • Management Or Editing Of Information On Record Carriers (AREA)

Abstract

本申请提供了一种视频剪辑方法、装置、设备及介质，该方法包括：电子设备获取待剪辑的源视频，根据源视频中语音对应的语义对源视频进行分割，获得第一视频片段集合，以及对源视频进行镜头分割，获得第二视频片段集合。然后电子设备根据第一视频片段集合和第二视频片段集合，获得第三视频片段集合，利用第三视频片段集合生成目标视频，其中目标视频的时长短于源视频的时长。由于第三视频片段集合中的视频片段具有完整的情节，因此利用第三视频片段集合所生成的目标视频中包括一个或多个完整的情节，从而可以保证自动剪辑中视频片段情节上的完整性，从而提高用户体验。

Description

一种视频剪辑方法、装置、设备及介质
技术领域
本申请涉及视频处理技术领域，尤其涉及一种视频剪辑方法、装置、设备以及计算机 可读存储介质、计算机程序产品。
背景技术
视频剪辑是指将对较长的视频中的某些片段进行切割、合并，生成新的较短的视频的 过程。通过视频剪辑可以获取该长视频中的高光片段，在用户的浏览过程中，可以通过向 用户播放视频的高光片段吸引用户，使用户观看完整视频片段。
但是，视频的剪辑结果难以自动生成。例如，以剪辑确定视频的高光片段为例，电子 设备通过随机枚举的方式生成多个候选区间，然后通过评估模型预测候选区间内视频片段 为高光片段的概率值，根据候选区间内视频片段为高光片段的概率值，生成该视频的高光 片段。
但是，这种通过随机枚举确定区间的方法难以保证视频片段在情节上的一致性，影响 用户的观看体验。
发明内容
本公开的目的在于：提供了一种视频剪辑方法、装置、设备、计算机可读存储介质以 及计算机程序产品，在自动视频剪辑中保证视频情节的完整性。
第一方面，本公开提供了一种视频剪辑方法，所述方法包括：
获取源视频；
根据所述源视频中语音对应的语义，对所述源视频进行分割，获得第一视频片段集合， 以及对所述源视频进行镜头分割，获得第二视频片段集合；
根据所述第一视频片段集合和所述第二视频片段集合，获得第三视频片段集合，所述 第三视频片段集合中的视频片段具有完整的情节；
利用所述第三视频片段集合生成目标视频，所述目标视频的时长短于所述源视频的时 长。
第二方面，本公开提供了一种视频剪辑装置，其特征在于，所述装置包括：
获取模块，用于获取源视频；
分割模块，用于根据所述源视频中语音对应的语义，对所述源视频进行分割，获得第 一视频片段集合，以及对所述源视频进行镜头分割，获得第二视频片段集合；
确定模块，用于根据所述第一视频片段集合和所述第二视频片段集合，获得第三视频 片段集合，所述第三视频片段集合中的视频片段具有完整的情节；
生成模块，用于利用所述第三视频片段集合生成目标视频，所述目标视频的时长短于 所述源视频的时长。
第三方面，本公开提供一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
第四方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理 装置执行时实现本公开第一方面所述方法的步骤。
第五方面，本公开提供了一种包含指令的计算机程序产品，当其在设备上运行时，使 得设备执行上述第一方面所述方法的步骤。
从以上技术方案可以看出，本公开至少具有如下优点：
电子设备获取待剪辑的源视频，根据源视频中语音对应的语义对源视频进行分割，获 得第一视频片段集合，以及对源视频进行镜头分割，获得第二视频片段集合。其中，第一 视频片段集合是根据源视频的语音对应的语义进行分割获得的，因此，第一视频片段集合 中的视频片段具有语义上的完整性。第二视频片段集合使对源视频进行镜头分割获得的， 因此第二视频片段集合中的视频片段具有镜头上的完整性。然后电子设备根据第一视频片 段集合和第二视频片段集合，获得第三视频片段集合，即综合语义完整的第一视频片段集 合与镜头完整的第二视频片段集合，获得每个视频片段具有完整情节的第三视频片段集合。 然后利用第三视频片段集合生成目标视频，其中目标视频的时长短于源视频的时长。由于 第三视频片段集合中的视频片段具有完整的情节，因此利用第三视频片段集合所生成的目 标视频中包括一个或多个完整的情节，从而可以保证自动剪辑中视频片段情节上的完整性， 从而提高用户体验。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
为了更清楚地说明本申请实施例的技术方法，下面将对实施例中所需使用的附图作以 简单地介绍。
图1为本公开实施例提供的一种视频剪辑方法的流程图；
图2为本公开实施例提供的一种语义预测的示意图；
图3为本公开实施例提供的一种语义预测模型的架构示意图；
图4为本公开实施例提供的一种高光评估模型的框架示意图；
图5为本公开实施例提供的一种确定高光片段的示意图；
图6为本公开实施例提供的一种视频剪辑装置的结构示意图；
图7为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
本申请实施例中的术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相 对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可 以明示或者隐含地包括一个或者更多个该特征。
首先对本申请实施例中所涉及到的一些技术术语进行介绍。
视频是一种携带丰富信息的媒体资源。视频可以被视频播放器播放，以向用户呈现动 态影像。其中，动态影像包括连续的图像和语音。针对电视剧、电影、新闻等视频，视频被播放时所呈现的图像中可以包括文本。该文本例如可以是字幕、赞助商名称、视频制作者名称、背景文字等。上述视频被播放时所呈现的音频中可以包括语音和背景音(如主题曲、插曲等)。
为了满足用户需求，通常需要对于视频进行剪辑。视频剪辑是指通过对于源视频进行 切割、合并，以生成新的视频的过程。通常情况下，视频剪辑高度依赖于人工剪辑。例如 通过自动化的剪辑确定视频中的高光片段通常是随机枚举的方式生成多个候选区间，通过 评估模型预测候选区间内视频片段为高光片段的概率值，从而根据概率值确定对应的高光 片段。但是，这种随机通过随机枚举确定视频片段区间的方式难以保证视频片段早情节上 的一致性，影响用户的观看体验。
有鉴于此，本申请提供了一种视频剪辑方法，该方法应用于电子设备。电子设备是指 具有数据处理能力的设备，例如可以是服务器，或者是终端。其中，终端包括但不限于智能手机、平板电脑、笔记本电脑、个人数字助理(personal digital assistant，PDA)或者智能穿戴设备等。服务器可以是云服务器，例如是中心计算集群中的中心服务器，或者是边缘计算集群中的边缘服务器。当然，服务器也可以是本地数据中心中的服务器。本地数据中心是指用户直接控制的数据中心。
具体地，电子设备获取待剪辑的源视频，根据源视频中语音对应的语义对源视频进行 分割，获得第一视频片段集合，以及对源视频进行镜头分割，获得第二视频片段集合。其 中，第一视频片段集合是根据源视频的语音对应的语义进行分割获得的，因此，第一视频 片段集合中的视频片段具有语义上的完整性。第二视频片段集合使对源视频进行镜头分割 获得的，因此第二视频片段集合中的视频片段具有镜头上的完整性。然后电子设备根据第 一视频片段集合和第二视频片段集合，获得第三视频片段集合，即综合语义完整的第一视 频片段集合与镜头完整的第二视频片段集合，获得每个视频片段具有完整情节的第三视频 片段集合。然后利用第三视频片段集合生成目标视频，其中目标视频的时长短于源视频的 时长。由于第三视频片段集合中的视频片段具有完整的情节，因此利用第三视频片段集合 所生成的目标视频中包括一个或多个完整的情节，从而可以保证自动剪辑中视频片段情节 上的完整性，从而提高用户体验。
为了使得本公开的技术方案更加清楚、易于理解，下面从电子设备为终端为例，对本 公开实施例提供的文本对齐语音的方法进行介绍。
S102：终端获取源视频。
源视频是指需要进行视频剪辑的视频。在视频剪辑的场景下，源视频通常为时长较长 的视频，需要进行视频剪辑获取该较长视频中的较短部分内容。示例性地，在一些场景下， 需要通过视频剪辑获取源视频的高光片段，在用户的浏览过程中可以通过该高光片段吸引 用户，以使用户有兴趣观看完整视频片段。
S104：终端根据源视频中语音对应的语义，对源视频进行分割，获得第一视频片段集 合。
源视频中语音对应的语义是根据源视频的语音进行语音识别，获得语音文本，然后根 据该语音文本通过语义预测模型所获得的。根据源视频中语音对应的语义对源视频进行分 割，可以获得语音上具有完整情节的第一视频片段集合。
具体地，终端可以对源视频中的语音进行自动语音识别(automatic speechrecognition， ASR)，获得语音文本。其中，经过ASR识别获得的语音文本仅包括文字以及空格，其中 空格表示语句中的停顿。因此可以通过语义预测模型为识别获得的语音文本添加标点，获 得语义文本。
终端向语义预测模型中输入语音文本，语义预测模型对于所输入的语音文本序列，预 测该序列中每个空格处应插入的标点类型，即对于两个相邻的语音文本序列，语义预测模 型判断两个相邻的语音文本序列之间是否进行截断。当预测标点为“逗号(，)”时，表示 不进行截断；当预测标点为“句号(。)”时，表示进行截断。
如图2所示，以句号为1为例进行说明，语义预测模型预测“阳光象征着一切美好的到来”与“在属于他的哨声中”之间为句号的概率为0.67，预测“在属于他的哨声中”和 “他开始了自己新的一天”之间为句号的概率为0.44，预测“他开始了自己新的一天”和 “他喜欢书写”之间为句号的概率为0.58，预测“他喜欢书写”和“虽然还很稚嫩”之间 为句号的概率为0.31……预测“或许累点”和“但在他的字典里都是荣耀”之间为句号的 概率为0.59，预测最后一个序列“但在他的字典里都是荣耀”之后为句号的概率为1。
该语义预测模型的模型架构可以如图3所示，输入两个文本序列，例如“阳光象征着 一切美好的到来”和“在属于他的哨声中”，这两个文本序列分别经过语言模型进行特征提取，获取特征S1和特征S2，然后将特征进行拼接(concat)后输入至分类模型，通过该 分类模型预测两个序列之间应该插入的标点。其中，该分类模型可以又两个全连接层构成，分别为2n*256和256*2的结构，分类模型的损失函数可以为交叉熵损失函数。该语言模 型可以为经过预训练的Albert模型，特征维度可以为312。
在对语义预测模型进行训练的过程中，可以采用维基百科中文和人民日报中文语料库 作为数据集。具体地，终端可以将数据集拆分为训练集和测试集，将处理后的数据按行存 储为文本对。示例性地，训练集可以包括2300万数据对，测试集可以包括150万对数据对。
通过所获取的包括标点的语音文本，终端可以确定源视频中语音对应的语义，然后源 视频根据语音文本对应的语义进行切分，获得第一视频片段集合。其中，第一视频片段集 合是指根据语音对应的语义对源视频进行分割所获得的，第一视频片段集合中的所有视频 片段的时长总和与源视频的时长相同。第一视频片段集合可以保证对于源视频进行切分语 义上的完整性。
具体地，终端对源视频的语音文本进行文本识别后，获得结果{[starti，endi，senti]}， 其中start和end表示语音文本的起止时间，sent表示具体的文本内容。然后终端将语音文 本输入至语义预测模型中，通过语义预测模模型输出的语义对源视频进行分割后，获得第 一视频片段集合
Figure BDA0003635154030000041
S106：终端对源视频进行镜头分割，获得第二视频片段集合。
示例性地，源视频的帧数为T，该源视频对应的视频帧序列可以表示为
Figure BDA0003635154030000042
然后 终端将源视频输入至镜头分割模型，通过镜头分割模型将源视频分为N个视觉镜头
Figure BDA0003635154030000051
其中，每个视觉镜头可以包括一个开始帧下标begin和一个结束帧下标end，下标在[begin， end]区间的帧均属于该镜头。
镜头分割模型是指可以根据镜头转换对源视频进行分割的机器学习模型。当情节发生 变动时，通常会进行镜头切换，因此通过镜头切换对源视频进行分割获得的第二视频片段 集合，可以保证镜头上的完整性。其中，第二视频片段集合是指根据镜头切换对源视频进 行分割所获得的，第二视频片段集合中的所有视频片段的时长总和与源视频的时长相同。
需要说明的是，本方案中并不限制S104和S106的执行顺序，终端可以先根据源视频 中语音对应的语义，对源视频进行分割，获得第一视频片段集合，然后对源视频进行镜头 分割，获得第二视频片段集合；终端也可以先对源视频进行镜头分割，获得第二视频片段 集合，然后再根据源视频中语音对应的语义，对源视频进行分割，获得第一视频片段集合； 或者，终端也可以根据源视频中语音对应的语义，对源视频进行分割获得第一视频片段集 合的同时，对源视频进行镜头分割，获得第二视频片段集合。
S108：终端根据第一视频片段集合和第二视频片段集合，获得第三视频片段集合。
其中，第三视频片段集合中的视频片段具有完整的情节。具体地，由于第一视频片段 集合是根据语音对应的语义对源视频进行分割获得的，因此第一视频片段集合中的视频片 段具有完整的语义。第二视频片段集合是对源视频进行镜头分割获得的，因此第二视频片 段集合中的视频片段具有完整的镜头。但是一些情况下，例如对话中没跟进语义对源视频 进行分割可能导致分割不准确，或者一些情况下，镜头切换至景物导致镜头分割不准确， 因此需要将第一视频片段集合和第二视频片段集合进行综合，获得具有完整情节的第三视 频片段集合。因此，终端可以根据第二视频片段集合中的视频片段修正第一视频片段的边 界，获得修正后的第三视频片段集合，该第三视频片段集合中的视频片段具有完整的情节。
示例性地，终端以第一视频片段集合为基础，通过第二视频片段集合调整第一视频片 段集合的边界，获得情节上更为完整的第三镜头集合
Figure BDA0003635154030000052
S110：终端利用第三视频片段集合生成目标视频。
由于第三视频片段集合中的视频片段具有完整的情节，因此终端利用第三视频片段集 合中的视频片段合成的目标视频是具有一个或多个完整情节的目标视频。其中，目标视频 的时长短于源视频的时长，目标视频为第三视频片段集合中的一个或多个片段。
在一些可能的实现方式中，目标视频可以通过第三视频片段集合中视频片段的评分获 得。示例性地，终端可以将第三视频片段集合中各个视频片段输入至评分模型中，通过评 分模型确定第三视频片段集合中各个视频片段的评分，然后根据各个视频片段的评分确定 第一或多个视频片段，根据所确定的一个或多个视频片段生成目标视频。
示例性地，当本方案中的视频剪辑方法用于确定源视频的高光片段时，评分模型可以 为高光评估模型，高光评估模型用于对第三视频片段集合中各个视频片段进行打分，获得 该片段可能为高光片段的结果。高光评估模块的框架可以如图4所示，终端通过卷积神经 网络(Convolutional Neural Network，CNN)提取视频片段的视觉特征和音频特征，例如 可以通过vgg和vggish提取视觉特征和音频特征，然后分别通过两个独立的双向长短期记 忆(Long Short-Term Memory，LSTM)模型对视觉特征和音频特征进行时序上的建模，之 后将两路特征进行融合拼接，最终通过全连接层(fully connected layers，FC)完成分类。
其中，评分模型的训练数据可以为人工标注的内部数据集。数据集可以分为游戏、电 影、电视剧以及综艺四个部分。首先将待标注的视频按照本方案的方式分割为具有完整情 节的训练视频片段集合，标注人员进行镜头级别的高光或者非高光的分割，获得标注后的 数据集。其中，数据集可以按照8：2的比例划分为训练数据集和测试数据集。
在一些可能的实现方式中，由于不同的镜头通常对应的时长也不相同，因此需要将每 个具有完整情节的镜头按照5秒的时长进行切分。再训练的过程中，首先对于5s的视频片 段中的子片段的视频帧和音频序列进行降采样，然后通过对应的特征提取模型，获得维度 为[5，7，7，512]的视觉特征和维度为[5，128]的音频特征。LSTM模型的隐藏层维度可以 均为64，并且均为双向LSTM，因此最终融合后的特征维度为[5，64*4]。判别器由两个全连接层构成，由256降至64再降至2。在训练过程中，损失函数可以为交叉熵损失函数。
在通过评分模型判断的过程中，终端将具有完整情节的视频片段按照5秒的补偿切分 为多段，然后将每一子片段通过评分模型进行打分，该视频片段的评分为全部子片段评分 的平均分。
如此，终端可以通过评分模型获得第三视频片段集合中每个视频片段的得分
Figure BDA0003635154030000061
示例性地，当评分模型为高光评估模型时，视频片段的得分表示该视频片段为高光片段的 概率，其中0≤pi≤1。然后可以根据每个视频片段的评分确定多个目标视频片段，根据多 个目标视频片段生成目标视频。
具体地，终端可以根据各个视频片段的评分、各个视频片段的时长以及目标视频的时 长，通过动态规划，确定多个目标视频片段。终端也可以根据各个视频片段的评分、各个 视频片段的时长以及目标视频的时长，通过滑动窗口，确定多个目标视频片段。
具体地，当第三视频片段集合中包括5个视频片段，按照时间顺序，分别对应的时长 与得分为：视频片段1，5分钟，0.54分；视频片段2，3分钟，0.3分；视频片段3，7分 钟，0.82分；视频片段4，2分钟，0.27分以及视频片段5，3分钟，0.32分。目标视频的 时长为10分钟。
动态规划是指根据每个视频片段的时长以及得分，在预设时长内获得具有最高总分的 片段。例如在本例中，在预设时长10分钟内，符合该预设时长的视频片段组合包括：视频片段1+视频片段2、视频片段1+视频片段4、视频片段1+视频片段5、视频片段1+视 频片段2+视频片段4、视频片段1+视频片段4+视频片段5、视频片段2+视频片段3、视 频片段2+视频片段4、视频片段2+视频片段5、视频片段2+视频片段4+视频片段5、视 频片段3+视频片段4、视频片段3+视频片段5以及视频片段4+视频片段5。上述组合对应 的得分分别为：0.84、0.81、0.86、1.11、1.13、1.12、0.57、0.62、0.89、1.09、1.14以及 0.59。因此，视频片段3+视频片段5总分为1.14(最高)，因此确定视频片段3和视频片 段5为目标视频片段，然后根据视频片段3和视频片段5生成目标视频。
滑动窗口是指通过连续的视频窗口对视频片段进行分割的方式，其中视频片段为连续 的。例如在本例中，符合该预设时长的视频片段的组合包括：视频片段1+视频片段2、视 频片段2+视频片段3、视频片段3+视频片段4以及视频片段4+视频片段5。上述组合对应的得分分别为：0.84、1.12、1.09以及0.59。因此，视频片段2+视频片段3总分为1.12(最高)，因此确定视频片段2和视频片段3为目标视频片段，然后根据视频片段2和视频片 段3生成目标视频。
终端可以根据实际需要确定通过动态规划确定评分总和最高的目标视频片段，或者通 过滑动窗口确定评分综合高且连续的目标视频片段，从而生成目标视频。
在通过视频剪辑确定源视频的高光片段的场景下，如图5所示，终端对源视频的语音 进行语音识别，然后进行语义分割，获得第一视频片段集合，第一视频片段集合中包括第 一视频片段1、第一视频片段2、第一视频片段3、……、第一视频片段n。终端对源视频 进行镜头分割，获得第二视频片段集合，第二视频片段集合中包括第二视频片段1、第二 视频片段2、第二视频片段3、……、第二视频片段m。终端根据第一视频片段集合和第 二视频片段集合，确定第三视频片段集合，第三视频片段集合中包括第三视频片段1、第 三视频片段2、第三视频片段3、……、第三视频片段x。其中第三视频片段1对应情节1， 第三视频片段2对应情节2，第三视频片段3对应情节3，第三视频片段x对应情节x。通 过高光评估模型对第三视频片段集合中的视频片段分别进行高光评估，获得该视频片段为 高光片段的概率，例如第三视频片段1为高光片段的概率为0.1，第三视频片段2为高光 片段的概率为0.3，第三视频片段3为高光片段的概率为0.9，第三视频片段x为高光片段 的概率为0.2。然后确定第三视频片段3为目标视频片段，根据第三视频片段3生成目标 视频，该目标视频可以为源视频对应的高光片段。
基于以上内容的描述，本公开提供一种视频剪辑方法。具体地，终端获取待剪辑的源 视频，根据源视频中语音对应的语义对源视频进行分割，获得第一视频片段集合，以及对 源视频进行镜头分割，获得第二视频片段集合。其中，第一视频片段集合是根据源视频的 语音对应的语义进行分割获得的，因此，第一视频片段集合中的视频片段具有语义上的完 整性。第二视频片段集合使对源视频进行镜头分割获得的，因此第二视频片段集合中的视 频片段具有镜头上的完整性。然后终端根据第一视频片段集合和第二视频片段集合，获得 第三视频片段集合，即综合语义完整的第一视频片段集合与镜头完整的第二视频片段集合， 获得每个视频片段具有完整情节的第三视频片段集合。然后利用第三视频片段集合生成目 标视频，其中目标视频的时长短于源视频的时长。由于第三视频片段集合中的视频片段具 有完整的情节，因此利用第三视频片段集合所生成的目标视频中包括一个或多个完整的情 节，从而可以保证自动剪辑中视频片段情节上的完整性，从而提高用户体验。
图6是根据一示例性公开实施例示出的一种视频剪辑装置的示意图，如图6所示，所 述视频剪辑装置600包括：
获取模块602，用于获取源视频；
分割模块604，用于根据所述源视频中语音对应的语义，对所述源视频进行分割，获 得第一视频片段集合，以及对所述源视频进行镜头分割，获得第二视频片段集合；
确定模块606，用于根据所述第一视频片段集合和所述第二视频片段集合，获得第三 视频片段集合，所述第三视频片段集合中的视频片段具有完整的情节；
生成模块608，用于利用所述第三视频片段集合生成目标视频，所述目标视频的时长 短于所述源视频的时长。
可选地，所述确定模块606可以用于：
根据所述第二视频片段集合中的视频片段修正所述第一视频片段集合中视频片段的 边界，获得第三视频片段集合，所述第三视频片段集合中的视频片段为修正后的视频片段。
可选地，所述生成模块608可以用于：
确定所述第三视频片段集合中各个视频片段的评分；
根据所述各个视频片段的评分确定多个目标视频片段；
根据所述多个目标视频片段生成目标视频。
可选地，所述生成模块608可以用于：
根据所述各个视频片段的评分，通过动态规划，确定多个目标视频片段；或者
根据所述各个视频片段的评分，通过滑动窗口，确定多个目标视频片段。
可选地，所述装置还包括识别模块，用于：
对所述源视频中的语音进行语音识别，获得所述源视频的语音文本；
将所述语音文本输入至语义预测模型中，通过语义预测模型获得所述源视频中语音对 应的语义。
可选地，所述识别模块可以用于：
将所述语音文本输入至语义预测模型中，通过语义预测模型为所述语音文本添加标点；
根据所述包括标点的语音文本，确定所述源视频中语音对应的语义。
可选地，所述生成模块608可以用于：
将所述第三视频片段集合中各个视频片段输入至评分模型，通过所述评分模型确定所 述第三视频片段集合中各个视频片段的评分。
上述各模块的功能在上一实施例中的方法步骤中已详细阐述，在此不做赘述。
下面参考图7，其示出了适于用来实现本公开实施例的电子设备700的结构示意图。 本公开实施例中的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、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、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7 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7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701， 其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问 存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM703中，还存储有电 子设备700操作所需的各种程序和数据。处理装置701、ROM702以及RAM 703通过总线 704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：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706；包括例如液晶显示器(LCD)、扬 声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置 709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。 虽然图7示出了具有各种装置的电子设备700，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，其包括承载在非暂态计算机可读 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709从网络上被下载和安装，或者从存储装 置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701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。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol， 超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意 形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)， 广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)， 以及任何当前已知或未来研发的网络。
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：获取源视频；根据所述源视频中语音对应的语义，对所述源 视频进行分割，获得第一视频片段集合，以及对所述源视频进行镜头分割，获得第二视频 片段集合；根据所述第一视频片段集合和所述第二视频片段集合，获得第三视频片段集合， 所述第三视频片段集合中的视频片段具有完整的情节；利用所述第三视频片段集合生成目 标视频，所述目标视频的时长短于所述源视频的时长。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但不限于 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(LAN)或广域网(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模块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，模块的名称在某种情况下并不构成对该模块本身的限定。
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。
根据本公开的一个或多个实施例，示例1提供了一种视频剪辑方法，所述方法包括： 获取源视频；根据所述源视频中语音对应的语义，对所述源视频进行分割，获得第一视频 片段集合，以及对所述源视频进行镜头分割，获得第二视频片段集合；根据所述第一视频 片段集合和所述第二视频片段集合，获得第三视频片段集合，所述第三视频片段集合中的 视频片段具有完整的情节；利用所述第三视频片段集合生成目标视频，所述目标视频的时 长短于所述源视频的时长。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述根据所述第一视 频片段集合和所述第二视频片段集合，获得第三视频片段集合，包括：根据所述第二视频 片段集合中的视频片段修正所述第一视频片段集合中视频片段的边界，获得第三视频片段 集合，所述第三视频片段集合中的视频片段为修正后的视频片段。
根据本公开的一个或多个实施例，示例3提供了示例1的方法，所述利用所述第三视 频片段集合生成目标视频，包括：确定所述第三视频片段集合中各个视频片段的评分；根 据所述各个视频片段的评分确定多个目标视频片段；根据所述多个目标视频片段生成目标 视频。
根据本公开的一个或多个实施例，示例4提供了示例3的方法，所述根据所述各个视 频片段的评分确定多个目标视频片段，包括：根据所述各个视频片段的评分，通过动态规 划，确定多个目标视频片段；或者根据所述各个视频片段的评分，通过滑动窗口，确定多个目标视频片段。
根据本公开的一个或多个实施例，示例5提供了示例1的方法，所述方法还包括：对所述源视频中的语音进行语音识别，获得所述源视频的语音文本；将所述语音文本输入至语义预测模型中，通过语义预测模型获得所述源视频中语音对应的语义。
根据本公开的一个或多个实施例，示例6提供了示例5的方法，所述将所述语音文本 输入至语义预测模型中，通过语义预测模型获得所述源视频中语音对应的语义，包括：将 所述语音文本输入至语义预测模型中，通过语义预测模型为所述语音文本添加标点；根据 所述包括标点的语音文本，确定所述源视频中语音对应的语义。
根据本公开的一个或多个实施例，示例7提供了示例3的方法，所述确定所述第三视 频片段集合中各个视频片段的评分，包括：将所述第三视频片段集合中各个视频片段输入 至评分模型，通过所述评分模型确定所述第三视频片段集合中各个视频片段的评分。
根据本公开的一个或多个实施例，示例8提供了一种视频剪辑装置，所述装置包括： 获取模块，用于获取源视频；分割模块，用于根据所述源视频中语音对应的语义，对所述 源视频进行分割，获得第一视频片段集合，以及对所述源视频进行镜头分割，获得第二视 频片段集合；确定模块，用于根据所述第一视频片段集合和所述第二视频片段集合，获得 第三视频片段集合，所述第三视频片段集合中的视频片段具有完整的情节；生成模块，用 于利用所述第三视频片段集合生成目标视频，所述目标视频的时长短于所述源视频的时长。
根据本公开的一个或多个实施例，示例9提供了示例8的装置，所述确定模块可以用 于：根据所述第二视频片段集合中的视频片段修正所述第一视频片段集合中视频片段的边 界，获得第三视频片段集合，所述第三视频片段集合中的视频片段为修正后的视频片段。
根据本公开的一个或多个实施例，示例10提供了示例8的装置，所述生成模块可以用于：确定所述第三视频片段集合中各个视频片段的评分；根据所述各个视频片段的评分确定多个目标视频片段；根据所述多个目标视频片段生成目标视频。
根据本公开的一个或多个实施例，示例11提供了示例8的装置，所述确定模块可以用 于：根据所述各个视频片段的评分，通过动态规划，确定多个目标视频片段；或者根据所述各个视频片段的评分，通过滑动窗口，确定多个目标视频片段。
根据本公开的一个或多个实施例，示例12提供了示例8的装置，所述装置还包括识别模块，用于：对所述源视频中的语音进行语音识别，获得所述源视频的语音文本；将所 述语音文本输入至语义预测模型中，通过语义预测模型获得所述源视频中语音对应的语义。
根据本公开的一个或多个实施例，示例13提供了示例12的装置，所述识别模块可以 用于：将所述语音文本输入至语义预测模型中，通过语义预测模型为所述语音文本添加标 点；根据所述包括标点的语音文本，确定所述源视频中语音对应的语义。
根据本公开的一个或多个实施例，示例14提供了示例11的装置，所述确定模块可以 用于：将所述第三视频片段集合中各个视频片段输入至评分模型，通过所述评分模型确定 所述第三视频片段集合中各个视频片段的评分。
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。关于上述实施例中的装置，其中 各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做 详细阐述说明。

Claims (11)

1.一种视频剪辑方法，其特征在于，所述方法包括：
获取源视频；
根据所述源视频中语音对应的语义，对所述源视频进行分割，获得第一视频片段集合，以及对所述源视频进行镜头分割，获得第二视频片段集合；
根据所述第一视频片段集合和所述第二视频片段集合，获得第三视频片段集合，所述第三视频片段集合中的视频片段具有完整的情节；
利用所述第三视频片段集合生成目标视频，所述目标视频的时长短于所述源视频的时长。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一视频片段集合和所述第二视频片段集合，获得第三视频片段集合，包括：
根据所述第二视频片段集合中的视频片段修正所述第一视频片段集合中视频片段的边界，获得第三视频片段集合，所述第三视频片段集合中的视频片段为修正后的视频片段。
3.根据权利要求1所述的方法，其特征在于，所述利用所述第三视频片段集合生成目标视频，包括：
确定所述第三视频片段集合中各个视频片段的评分；
根据所述各个视频片段的评分确定多个目标视频片段；
根据所述多个目标视频片段生成目标视频。
4.根据权利要求3所述的方法，其特征在于，所述根据所述各个视频片段的评分确定多个目标视频片段，包括：
根据所述各个视频片段的评分，通过动态规划，确定多个目标视频片段；或者
根据所述各个视频片段的评分，通过滑动窗口，确定多个目标视频片段。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述源视频中的语音进行语音识别，获得所述源视频的语音文本；
将所述语音文本输入至语义预测模型中，通过语义预测模型获得所述源视频中语音对应的语义。
6.根据权利要求5所述的方法，其特征在于，所述将所述语音文本输入至语义预测模型中，通过语义预测模型获得所述源视频中语音对应的语义，包括：
将所述语音文本输入至语义预测模型中，通过语义预测模型为所述语音文本添加标点；
根据所述包括标点的语音文本，确定所述源视频中语音对应的语义。
7.根据权利要求3所述的方法，其特征在于，所述确定所述第三视频片段集合中各个视频片段的评分，包括：
将所述第三视频片段集合中各个视频片段输入至评分模型，通过所述评分模型确定所述第三视频片段集合中各个视频片段的评分。
8.一种视频剪辑装置，其特征在于，所述装置包括：
获取模块，用于获取源视频；
分割模块，用于根据所述源视频中语音对应的语义，对所述源视频进行分割，获得第一视频片段集合，以及对所述源视频进行镜头分割，获得第二视频片段集合；
确定模块，用于根据所述第一视频片段集合和所述第二视频片段集合，获得第三视频片段集合，所述第三视频片段集合中的视频片段具有完整的情节；
生成模块，用于利用所述第三视频片段集合生成目标视频，所述目标视频的时长短于所述源视频的时长。
9.一种设备，其特征在于，所述设备包括处理器和存储器；
所述处理器用于执行所述存储器中存储的指令，以使得所述设备执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，包括指令，所述指令指示设备执行如权利要求1至7中任一项所述的方法。
11.一种计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得计算机执行如权利要求1至7中任一项所述的方法。
CN202210499925.XA 2022-05-09 2022-05-09 一种视频剪辑方法、装置、设备及介质 Active CN115052188B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210499925.XA CN115052188B (zh) 2022-05-09 2022-05-09 一种视频剪辑方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210499925.XA CN115052188B (zh) 2022-05-09 2022-05-09 一种视频剪辑方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115052188A true CN115052188A (zh) 2022-09-13
CN115052188B CN115052188B (zh) 2024-08-27

Family

ID=83158415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210499925.XA Active CN115052188B (zh) 2022-05-09 2022-05-09 一种视频剪辑方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115052188B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116033094A (zh) * 2022-10-21 2023-04-28 维沃移动通信有限公司 视频编辑方法及装置
CN116112743A (zh) * 2023-02-01 2023-05-12 北京有竹居网络技术有限公司 视频处理的方法、装置、设备和存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017118353A1 (zh) * 2016-01-04 2017-07-13 努比亚技术有限公司 显示视频文件的装置及方法
US10319410B1 (en) * 2015-12-21 2019-06-11 Amazon Technologies, Inc. Video story assembly
CN111263234A (zh) * 2020-01-19 2020-06-09 腾讯科技（深圳）有限公司 一种视频剪辑的方法、相关装置、设备以及存储介质
CN112532897A (zh) * 2020-11-25 2021-03-19 腾讯科技（深圳）有限公司 视频剪辑方法、装置、设备及计算机可读存储介质
CN112929744A (zh) * 2021-01-22 2021-06-08 北京百度网讯科技有限公司 用于分割视频剪辑的方法、装置、设备、介质和程序产品
CN113225488A (zh) * 2020-02-05 2021-08-06 字节跳动有限公司 一种视频处理方法、装置、电子设备及存储介质
CN113709561A (zh) * 2021-04-14 2021-11-26 腾讯科技（深圳）有限公司 视频剪辑方法、装置、设备及存储介质
CN113709560A (zh) * 2021-03-31 2021-11-26 腾讯科技（深圳）有限公司 视频剪辑方法、装置、设备及存储介质
US20220067383A1 (en) * 2020-08-25 2022-03-03 Beijing Xiaomi Pinecone Electronics Co., Ltd. Method and apparatus for video clip extraction, and storage medium
CN114143575A (zh) * 2021-12-31 2022-03-04 上海爱奇艺新媒体科技有限公司 视频剪辑方法、装置、计算设备及存储介质
CN114299415A (zh) * 2021-12-02 2022-04-08 北京达佳互联信息技术有限公司 一种视频切分方法、装置、电子设备以及存储介质
WO2022080670A1 (ko) * 2020-10-12 2022-04-21 세종대학교 산학협력단 컨텐츠 제공 방법 및 장치와, 컨텐츠 재생 방법

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10319410B1 (en) * 2015-12-21 2019-06-11 Amazon Technologies, Inc. Video story assembly
WO2017118353A1 (zh) * 2016-01-04 2017-07-13 努比亚技术有限公司 显示视频文件的装置及方法
CN111263234A (zh) * 2020-01-19 2020-06-09 腾讯科技（深圳）有限公司 一种视频剪辑的方法、相关装置、设备以及存储介质
CN113225488A (zh) * 2020-02-05 2021-08-06 字节跳动有限公司 一种视频处理方法、装置、电子设备及存储介质
US20220067383A1 (en) * 2020-08-25 2022-03-03 Beijing Xiaomi Pinecone Electronics Co., Ltd. Method and apparatus for video clip extraction, and storage medium
WO2022080670A1 (ko) * 2020-10-12 2022-04-21 세종대학교 산학협력단 컨텐츠 제공 방법 및 장치와, 컨텐츠 재생 방법
CN112532897A (zh) * 2020-11-25 2021-03-19 腾讯科技（深圳）有限公司 视频剪辑方法、装置、设备及计算机可读存储介质
CN112929744A (zh) * 2021-01-22 2021-06-08 北京百度网讯科技有限公司 用于分割视频剪辑的方法、装置、设备、介质和程序产品
CN113709560A (zh) * 2021-03-31 2021-11-26 腾讯科技（深圳）有限公司 视频剪辑方法、装置、设备及存储介质
CN113709561A (zh) * 2021-04-14 2021-11-26 腾讯科技（深圳）有限公司 视频剪辑方法、装置、设备及存储介质
CN114299415A (zh) * 2021-12-02 2022-04-08 北京达佳互联信息技术有限公司 一种视频切分方法、装置、电子设备以及存储介质
CN114143575A (zh) * 2021-12-31 2022-03-04 上海爱奇艺新媒体科技有限公司 视频剪辑方法、装置、计算设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116033094A (zh) * 2022-10-21 2023-04-28 维沃移动通信有限公司 视频编辑方法及装置
CN116112743A (zh) * 2023-02-01 2023-05-12 北京有竹居网络技术有限公司 视频处理的方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN115052188B (zh) 2024-08-27

Similar Documents

Publication Publication Date Title
CN110971969B (zh) 视频配乐方法、装置、电子设备及计算机可读存储介质
CN112929744B (zh) 用于分割视频剪辑的方法、装置、设备、介质和程序产品
CN115052188B (zh) 一种视频剪辑方法、装置、设备及介质
CN112153460B (zh) 一种视频的配乐方法、装置、电子设备和存储介质
CN114501064B (zh) 一种视频生成方法、装置、设备、介质及产品
CN112364829B (zh) 一种人脸识别方法、装置、设备及存储介质
CN114022668B (zh) 一种文本对齐语音的方法、装置、设备及介质
WO2023142913A1 (zh) 视频处理方法、装置、可读介质及电子设备
CN115967833A (zh) 视频生成方法、装置、设备计存储介质
CN112929746A (zh) 视频生成方法和装置、存储介质和电子设备
CN111897950A (zh) 用于生成信息的方法和装置
CN115481283A (zh) 音视频特征提取方法、装置、电子设备及计算机可读存储介质
CN114780792A (zh) 一种视频摘要生成方法、装置、设备及介质
CN112954453B (zh) 视频配音方法和装置、存储介质和电子设备
CN111327960B (zh) 文章处理方法、装置、电子设备及计算机存储介质
CN117319705A (zh) 视频生成方法、装置、介质及电子设备
WO2023195914A2 (zh) 处理方法、装置、终端设备及介质
CN114430491A (zh) 一种基于直播的数据处理方法及装置
CN112652329B (zh) 文本重对齐方法、装置、电子设备和存储介质
CN111027332B (zh) 生成翻译模型的方法和装置
CN112487937B (zh) 视频识别方法、装置、存储介质及电子设备
CN112905838A (zh) 信息检索方法和装置、存储介质和电子设备
CN113420723A (zh) 获取视频热点的方法、装置、可读介质和电子设备
CN113761865A (zh) 声文重对齐及信息呈现方法、装置、电子设备和存储介质
CN113905177A (zh) 视频生成方法、装置、设备及存储介质

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