CN117391055A - 基于人工智能的视频生成方法、装置、计算机设备及介质 - Google Patents

Abstract

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的视频生成方法、装置、计算机设备及介质。该方法对业务描述信息进行话术推荐，得到推荐话术类型，对用户画像进行话术类型预测，得到预测话术类型，确定推荐话术类型和预测话术类型的类型差异信息，根据类型差异信息和业务描述信息进行参考文本生成，得到生成文本，根据生成文本进行虚拟视频生成，得到生成视频，根据业务描述和业务员画像两个维度综合分析，能够准确确定业务员所需要培训的话术内容，使得培训过程更加精细化，而且通过生成文本和视频的方式，使得业务员能够更全面的了解所培训话术的细节，从而提高话术培训的效率，进而提高金融服务平台中业务员的服务能力。

Description

基于人工智能的视频生成方法、装置、计算机设备及介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的视频生成方法、装置、计算机设备及介质。

背景技术

目前，基于业务内容对业务员针对性地进行话术培训的模式已广泛应用于金融服务平台中，金融服务平台可以是保险系统、银行系统、交易系统、订单系统等，金融服务平台可以支持购物、社交、互动游戏、资源转移等功能，还可以具有申请贷款、信用卡或者购买保险、理财产品等功能。

但是，由于业务内容的属性是多维复杂的，难以通过模板化的分析确定需要培训的话术，因此，现有方法中仍然采用通过经验丰富的业务员提供推荐话术的方式，辅助业务员进行话术培训，显然，现有方法需要消耗大量的人力资源，导致话术培训的效率较低，因此，如何提高话术培训的效率，进而提高金融服务平台的服务能力，成为了亟待解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种基于人工智能的视频生成方法、装置、计算机设备及介质，以解决采用现有人工培训的方式，话术培训的效率较低的问题。

第一方面，本发明实施例提供一种基于人工智能的视频生成方法，所述视频生成方法包括：

获取业务描述信息，使用训练好的话术推荐模型，对所述业务描述信息进行话术推荐，得到推荐话术类型，所述推荐话术类型包括至少一个预设话术类型及其对应的推荐概率；

获取业务员的用户画像，使用训练好的话术预测模型，对所述用户画像进行话术类型预测，得到预测话术类型，所述预测话术类型包括至少一个所述预设话术类型及其对应的预测概率；

计算每个预设话术类型分别对应的推荐概率和预测概率之间的差值，由所有差值形成所述推荐话术类型和所述预测话术类型的类型差异信息；

使用训练好的文本交互模型，对所述类型差异信息和所述业务描述信息进行参考文本生成，得到包含至少一个子文本的生成文本；

根据所述生成文本中的各个子文本以及构建的虚拟人物模型，进行虚拟视频生成，得到生成视频。

第二方面，本发明实施例提供一种基于人工智能的视频生成装置，所述视频生成装置包括：

话术推荐模块，用于获取业务描述信息，使用训练好的话术推荐模型，对所述业务描述信息进行话术推荐，得到推荐话术类型，所述推荐话术类型包括至少一个预设话术类型及其对应的推荐概率；

话术预测模块，用于获取业务员的用户画像，使用训练好的话术预测模型，对所述用户画像进行话术类型预测，得到预测话术类型，所述预测话术类型包括至少一个所述预设话术类型及其对应的预测概率；

差异分析模块，用于计算每个预设话术类型分别对应的推荐概率和预测概率之间的差值，由所有差值形成所述推荐话术类型和所述预测话术类型的类型差异信息；

文本生成模块，用于使用训练好的文本交互模型，对所述类型差异信息和所述业务描述信息进行参考文本生成，得到包含至少一个子文本的生成文本；

视频生成模块，用于根据所述生成文本中的各个子文本以及构建的虚拟人物模型，进行虚拟视频生成，得到生成视频。

第三方面，本发明实施例提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的视频生成方法。

第四方面，本发明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存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的视频生成方法。

本发明实施例与现有技术相比存在的有益效果是：

获取业务描述信息，使用训练好的话术推荐模型，对业务描述信息进行话术推荐，得到推荐话术类型，获取业务员的用户画像，使用训练好的话术预测模型，对用户画像进行话术类型预测，得到预测话术类型，计算每个预设话术类型分别对应的推荐概率和预测概率之间的差值，由所有差值形成推荐话术类型和预测话术类型的类型差异信息，使用训练好的文本交互模型，对类型差异信息和业务描述信息进行参考文本生成，得到包含至少一个子文本的生成文本，根据生成文本中的各个子文本以及构建的虚拟人物模型，进行虚拟视频生成，得到生成视频，根据业务描述和业务员画像两个维度综合分析，能够准确确定业务员所需要培训的话术内容，使得培训过程更加精细化，而且通过生成文本和视频的方式，使得业务员能够更全面的了解所培训话术的细节，从而提高话术培训的效率，进而提高金融服务平台中业务员的服务能力。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种基于人工智能的视频生成方法的一应用环境示意图；

图2是本发明实施例一提供的一种基于人工智能的视频生成方法的流程示意图；

图3是本发明实施例二提供的一种基于人工智能的视频生成装置的结构示意图；

图4是本发明实施例三提供的一种计算机设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

应当理解，当在本发明说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本发明说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本发明说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

应理解，以下实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

为了说明本发明的技术方案，下面通过具体实施例来进行说明。

本发明实施例一提供的一种基于人工智能的视频生成方法，可应用在如图1的应用环境中，其中，客户端与服务端进行通信。其中，客户端包括但不限于掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、云端终端设备、个人数字助理(personal digital assistant，PDA)等计算机设备。服务端可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

客户端和服务端可以部署于金融服务平台中，金融服务平台可以是保险系统、银行系统、交易系统、订单系统等，金融服务平台可以支持购物、社交、互动游戏、资源转移等功能，还可以具有申请贷款、信用卡或者购买保险、理财产品等功能，视频生成技术可以应用于金融服务平台中的智能培训场景中，提高业务员培训场景的智能化，使得业务员能够基于业务描述信息进行针对性培训，并以视频形式更加清楚明确的提供培训资料，提高业务培训的效率和效果，进而提高金融服务平台下业务员的服务能力，从而提高用户在应用金融服务平台时的体验。

参见图2，是本发明实施例一提供的一种基于人工智能的视频生成方法的流程示意图，上述视频生成方法可以应用于图1中的服务端，服务端对应的计算机设备与客户端通信连接，以获取由业务员添加的业务描述信息以及业务员对应的用户画像，服务端对应的计算机设备中部署有训练好的话术推荐模型、训练好的话术预测模型和训练好的文本交互模型，服务端对应的计算机设备具备虚拟视频生成的功能。如图2所示，该视频生成方法可以包括以下步骤：

步骤S201，获取业务描述信息，使用训练好的话术推荐模型，对业务描述信息进行话术推荐，得到推荐话术类型。

其中，业务描述信息可以通过业务员在金融服务平台内的客户端添加，也可以通过金融服务平台根据业务员的业务内容自动生成，业务描述信息可以用于描述业务内容，训练好的话术推荐模型可以用于根据业务描述信息进行话术推荐，推荐话术类型包括至少一个预设话术类型及其对应的推荐概率。

具体地，训练好的话术推荐模型的输入可以是业务描述信息，训练好的话术推荐模型的输出可以是推荐话术类型，话术推荐模型可以由第一编码器和第一全连接层构成，第一编码器用于提取输入的业务描述信息的描述特征信息，第一全连接层用于将提取到的描述特征信息映射到预设话术类型形成的输出空间中。

预设话术类型可以是指话术风格类型，在本实施例中，话术风格类型可以设置为全面型、简要型、风趣型、严肃型等。

在本实施例中，训练好的话术推荐模型为每个预设话术类型输出一个推荐值，所有推荐值经归一化处理后得到的归一化处理结果可以视作推荐概率，则可以将推荐概率最高的预设话术类型作为推荐话术。

可选的是，获取业务描述信息，使用预训练好的话术推荐模型，对业务描述信息进行话术推荐，得到推荐话术类型，包括：

提取业务描述信息中的关键词，关键词包括场景类别、客户类别和主题类别；

由所提取到的所有关键词形成业务描述向量，使用训练好的话术推荐模型，对业务描述向量进行话术推荐，得到推荐话术类型。

其中，关键词可以通过预设关键词库对业务描述信息进行搜索得到，场景类别可以包括理念导入类别、销售促成类别、理赔服务类别、团队招募类别等，客户类别可以包括客户年龄段类别、客户性别类别、客户家庭情况类别、客户收入类别等，主题类别可以包括社保类别、教育类别、养老类别、健康类别等，需要说明的是，上述关键词及其下属类别均可以由实施者根据实际情况进行灵活设置。

业务描述向量可以是指表示业务关键词的词向量，业务描述向量本质上为词向量矩阵，也即是由多个词向量拼接得到的高维张量。

具体地，在本实施例中，业务描述向量的尺寸是固定的，业务描述向量的尺寸可以根据预设的最大关键词数确定，当获取到的关键词数量小于最大关键词数时，可以通过填充零向量的方式进行尺寸统一，从而保证话术推荐模型的输入尺寸一致性。

本实施例中，通过业务描述信息中的关键词形成业务描述向量，从而全面灵活将业务描述信息以数据形式表示，而且，业务员可以根据其对业务描述信息的分析，直接选择对应的关键词进行业务描述向量的构建，从而提高了业务内容表征的全面性和准确性，进而提高后续根据业务内容所生成的培训视频的有效性。

可选的是，话术推荐模型的训练过程包括：

获取样本描述信息及其对应的第一标签话术，将第一标签话术编码为第一标签话术类型；

使用话术推荐模型，对样本描述信息进行话术推荐，得到第一样本话术类型；

根据第一样本话术类型和第一标签话术类型，对话术推荐模型进行训练，得到训练好的话术推荐模型。

其中，样本描述信息可以采用金融服务平台历史已处理的业务描述信息，相应地，由于样本描述信息已经过处理，可以将处理时所采用的话术作为第一标签话术。

第一标签话术类型可以是指第一标签话术的数据表示，第一样本话术类型可以是指话术推荐模型根据样本描述信息进行话术推荐的结果。

具体地，第一标签话术编码为第一标签话术类型可以采用独热编码的方式，从而保证第一样本话术类型和第一标签话术类型的尺寸一致性，便于后续进行损失函数的计算。

根据第一样本话术类型和第一标签话术类型，采用交叉熵损失函数进行计算，得到第一训练损失，根据第一训练损失，基于反向传播算法和梯度下降算法，对话术推荐模型进行训练，直至第一训练损失收敛，得到训练好的话术推荐模型。

上述获取业务描述信息，使用训练好的话术推荐模型，对业务描述信息进行话术推荐，得到推荐话术类型的步骤，根据业务内容进行话术推荐，能够充分结合业务自身特性，从而得到可以作为参考的推荐话术类型，为后续与业务员属性结合提供基础。

步骤S202，获取业务员的用户画像，使用训练好的话术预测模型，对用户画像进行话术类型预测，得到预测话术类型。

其中，用户画像可以用于描述业务员执行业务时的特征信息，训练好的话术预测模型可以根据业务员的用户画像进行话术类型预测，预测话术类型包括至少一个预设话术类型及其对应的预测概率。

具体地，训练好的话术预测模型的输入为用户画像，训练好的话术预测模型的输出为预测话术类型，该预测话术类型即为符合业务员自身特征的话术类型。

话术预测模型可以由第二编码器和第二全连接层构成，第二编码器用于提取输入的用户画像的画像特征信息，第二全连接层用于将提取到的画像特征信息映射到预设话术类型形成的输出空间中。

可选的是，获取业务员的用户画像，使用训练好的话术预测模型，对用户画像进行话术类型预测，得到预测话术类型，包括：

获取业务员的历史业务信息，将历史业务信息和预设画像信息比对，根据比对结果确定业务员的用户画像，由用户画像形成用户画像向量；

使用训练好的话术预测模型，对用户画像向量进行话术类型预测，得到预测话术类型。

其中，历史业务信息可以是指业务员在金融服务平台下历史处理完成的业务信息，历史业务信息可以包括业务员的业务偏好，预设画像信息可以是由符合对应标准话术类型的业务偏好，比对结果可以用于表征历史业务信息和预设画像信息之间的相似性，用户画像向量可以是指用户画像的数据表示。

具体地，由于业务员可能存在多个历史业务信息，每个历史业务信息又包含多个业务偏好，业务偏好可以包括语速、反应时长、业务拓展程度等，因此可以采用多个历史业务信息中每项业务偏好的众数形成用于比对的历史业务信息。

历史业务信息和预设画像信息比对可以通过余弦相似度进行比较，在本实施例中，在比较之前将历史业务信息和预设画像信息分别转换为历史业务信息向量和预设画像向量，以便于相似度计算，在确定用户画像后，也可以直接将该用户画像对应的预设画像向量作为用户画像向量。

本实施例中，通过业务员的用户画像形成用户画像向量，从而全面灵活将业务员特征以数据形式表示，从而提高了业务员特征表征的全面性和准确性，进而提高后续根据用户画像所生成的培训视频的有效性。

可选的是，话术预测模型的训练过程包括：

获取样本用户画像及其对应的第二标签话术，将第二标签话术编码为第二标签话术类型；

使用话术预测模型，对样本用户画像进行话术预测，得到第二样本话术类型；

根据第二样本话术类型和第二标签话术类型，对话术预测模型进行训练，得到训练好的话术预测模型。

其中，样本用户画像可以根据金融服务平台中历史已处理的业务及其对应的业务员确定，相应地，可以将处理时最常采用的话术作为第二标签话术。

第二标签话术类型可以是指第二标签话术的数据表示，第二样本话术类型可以是指话术预测模型根据样本用户画像进行话术预测的结果。

具体地，第二标签话术编码为第二标签话术类型可以采用独热编码的方式，从而保证第二样本话术类型和第二标签话术类型的尺寸二致性，便于后续进行损失函数的计算。

根据第二样本话术类型和第二标签话术类型，采用交叉熵损失函数进行计算，得到第二训练损失，根据第二训练损失，基于反向传播算法和梯度下降算法，对话术预测模型进行训练，直至第二训练损失收敛，得到训练好的话术预测模型。

上述获取业务员的用户画像，使用训练好的话术预测模型，对用户画像进行话术类型预测，得到预测话术类型的步骤，根据业务员的用户画像进行话术预测，能够充分结合业务员自身特性，从而为后续与推荐话术类型联合分析提供基础。

步骤S203，计算每个预设话术类型分别对应的推荐概率和预测概率之间的差值，由所有差值形成推荐话术类型和预测话术类型的类型差异信息。

其中，差值可以用于表征对应预设话术类型下，根据业务描述信息确定的推荐程度和根据业务员用户画像确定的预测程度之间的差异程度，类型差异信息可以是由各个预设话术类型分别的差值形成的。

具体地，由于推荐概率和预测概率均是经过归一化处理的，因此可以直接相减，得到差值，在本实施例中，差值可以为负数，所有差值可以采用拼接形式形成类型差异信息。

上述计算每个预设话术类型分别对应的推荐概率和预测概率之间的差值，由所有差值形成推荐话术类型和预测话术类型的类型差异信息的步骤，通过类型差异信息表征推荐话术类型和预测话术类型之间的区别，从而能够准确确定出业务员需要进行培训的内容，提高业务培训的效率。

步骤S204，使用训练好的文本交互模型，对类型差异信息和业务描述信息进行参考文本生成，得到包含至少一个子文本的生成文本。

其中，训练好的文本交互模型可以用于生成交互式文本，生成文本可以是指由训练好的文本交互模型根据类型差异信息和业务描述信息所生成的参考文本，生成文本由多个子文本组成。

具体地，训练好的文本交互模型的输入可以为类型差异信息和业务描述信息，训练好的文本交互模型的输输出可以为生成文本。

文本交互模型可以由第三编码器、第四编码器和解码器组成，第三编码器可以用于提取类型差异信息的差异特征信息，第四编码器可以用于提取业务描述信息的业务特征信息，在本实施例中，将差异特征信息和业务特征信息进行融合，得到融合特征，解码器可以用于根据融合特征进行文本生成，得到生成文本。

可选的是，使用训练好的文本交互模型，对类型差异信息和业务描述信息进行参考文本生成，得到包含至少一个子文本的生成文本，包括：

初始化生成次数，以预设文本作为文本交互信息；

将生成次数映射为身份嵌入信息，使用训练好的文本交互模型，对类型差异信息、业务描述信息、文本交互信息和身份嵌入信息，进行参考文本生成，得到子文本，将生成次数增加一，以子文本作为文本交互信息；

返回执行将生成次数映射为身份嵌入信息，使用训练好的文本交互模型，对类型差异信息、业务描述信息、文本交互信息和身份嵌入信息，进行参考文本生成，得到子文本的步骤，直至生成次数与预设次数相同，停止迭代，得到至少一个子文本；

由所有子文本形成生成文本。

其中，生成次数可以是指执行文本生成过程的轮次，预设文本在本实施例中为空文本，文本交互信息可以是指当前文本生成过程之前的历史文本信息，以小于当前生成次数的生成次数对应的子文本作为历史文本信息。

身份嵌入信息可以用于表征当前文本生成时对应的说话人身份，在本实施例中，说话人身份包括业务员和客户两类。

具体地，生成次数初始值为1，在本实施例中，以生成次数对2取模的计算结果作为身份嵌入信息，当计算结果为1时，表示身份嵌入信息对应的说话人身份为业务员，当计算结果为0时，表示身份嵌入信息对应的说话人身份为客户。

将类型差异信息、业务描述信息、文本交互信息和身份嵌入信息拼接后，得到拼接结果，以拼接结果作为训练好的文本交互模型的输入，得到训练好的文本交互模型输出的子文本，文本交互模型可以采用ChatGPT等模型。

在本实施例中，子文本和文本交互信息的尺寸一致，均为标准尺寸，标准尺寸根据最大文本长度确定，若输出的子文本长度小于最大文本长度，采用补零方式即可统一尺寸。

在一实施方式中，将生成次数映射为身份嵌入信息，使用训练好的文本交互模型，对类型差异信息、业务描述信息、文本交互信息和身份嵌入信息，进行参考文本生成，得到子文本之后，将生成次数增加一，以所有子文本作为文本交互信息，返回执行将生成次数映射为身份嵌入信息，使用训练好的文本交互模型，对类型差异信息、业务描述信息、文本交互信息和身份嵌入信息，进行参考文本生成，得到子文本的步骤，直至生成次数与预设次数相同，停止迭代，得到至少一个子文本，由所有子文本形成生成文本，从而使得训练好的文本交互模型更容易提取到整体文本交互过程的信息，进而提高文本生成的准确率。

本实施例中，通过迭代方式逐对象地进行子文本生成，从而确保子文本生成的准确性，同时使得子文本生成符合交互关系，进而为业务培训提供准确的参考文本。

上述使用训练好的文本交互模型，对类型差异信息和业务描述信息进行参考文本生成，得到包含至少一个子文本的生成文本的步骤，根据业务描述和业务员画像两个维度综合分析，能够准确确定业务员所需要培训的话术内容，使得培训过程更加精细化。

步骤S205，根据生成文本中的各个子文本以及构建的虚拟人物模型，进行虚拟视频生成，得到生成视频。

其中，虚拟人物模型可以用于表示说话人对象，生成视频可以用于作为业务员业务培训的指导视频。

具体地，虚拟视频生成可以采用Speech2Vid模型、Synthesia AI模型等进行实现。

可选的是，根据生成文本中的各个子文本以及构建的虚拟人物模型，进行虚拟视频生成，得到生成视频，包括：

根据生成文本中每个子文本对应的生成次数，为每个子文本分配所属的身份标识，身份标识包括第一身份标识和第二身份标识；

构建第一虚拟人物模型和第二虚拟人物模型，第一虚拟人物模型与属于第一身份标识的各个子文本相对应，第二虚拟人物模型与属于第二身份标识的各个子文本相对应；

根据第一虚拟人物模型及其对应的各个子文本，和第二虚拟人物模型及其对应的各个子文本，生成虚拟视频，确定虚拟视频为生成视频。

其中，第一身份标识可以是指业务员的身份标识，第二身份标识可以是指客户的身份标识。

第一虚拟人物模型对应于业务员，第二虚拟人物模型对应于客户，相应地，第一虚拟人物模型对应于业务员的所有子文本，第二虚拟人物模型对应于客户的所有子文本。

上述根据生成文本中的各个子文本以及构建的虚拟人物模型，进行虚拟视频生成，得到生成视频的步骤，通过生成视频的方式，使得业务员能够更全面的了解所培训话术的细节，包括说话语速、说话语气等难以直接从文本中获取到的信息，从而提高话术培训的效率。

本实施例中，根据业务描述和业务员画像两个维度综合分析，能够准确确定业务员所需要培训的话术内容，使得培训过程更加精细化，而且通过生成文本和视频的方式，使得业务员能够更全面的了解所培训话术的细节，从而提高话术培训的效率，进而提高金融服务平台中业务员的服务能力。

对应于上文实施例的基于人工智能的视频生成方法，图3示出了本发明实施例二提供的基于人工智能的视频生成装置的结构框图，上述视频生成装置应用于服务端，服务端对应的计算机设备与客户端通信连接，以获取由业务员添加的业务描述信息以及业务员对应的用户画像，服务端对应的计算机设备中部署有训练好的话术推荐模型、训练好的话术预测模型和训练好的文本交互模型，服务端对应的计算机设备具备虚拟视频生成的功能。为了便于说明，仅示出了与本发明实施例相关的部分。

参见图3，该视频生成装置包括：

话术推荐模块31，用于获取业务描述信息，使用训练好的话术推荐模型，对业务描述信息进行话术推荐，得到推荐话术类型，推荐话术类型包括至少一个预设话术类型及其对应的推荐概率；

话术预测模块32，用于获取业务员的用户画像，使用训练好的话术预测模型，对用户画像进行话术类型预测，得到预测话术类型，预测话术类型包括至少一个预设话术类型及其对应的预测概率；

差异分析模块33，用于计算每个预设话术类型分别对应的推荐概率和预测概率之间的差值，由所有差值形成推荐话术类型和预测话术类型的类型差异信息；

文本生成模块34，用于使用训练好的文本交互模型，对类型差异信息和业务描述信息进行参考文本生成，得到包含至少一个子文本的生成文本；

视频生成模块35，用于根据生成文本中的各个子文本以及构建的虚拟人物模型，进行虚拟视频生成，得到生成视频。

可选的是，上述话术推荐模块31包括：

关键词提取单元，用于提取业务描述信息中的关键词，关键词包括场景类别、客户类别和主题类别；

向量推荐单元，用于由所提取到的所有关键词形成业务描述向量，使用训练好的话术推荐模型，对业务描述向量进行话术推荐，得到推荐话术类型。

可选的是，上述视频生成装置还包括：

第一样本获取模块，用于获取样本描述信息及其对应的第一标签话术，将第一标签话术编码为第一标签话术类型；

样本推荐模块，用于使用话术推荐模型，对样本描述信息进行话术推荐，得到第一样本话术类型；

推荐模型训练模块，用于根据第一样本话术类型和第一标签话术类型，对话术推荐模型进行训练，得到训练好的话术推荐模型。

可选的是，上述话术预测模块32包括：

画像确定单元，用于获取业务员的历史业务信息，将历史业务信息和预设画像信息比对，根据比对结果确定业务员的用户画像，由用户画像形成用户画像向量；

向量预测单元，用于使用训练好的话术预测模型，对用户画像向量进行话术类型预测，得到预测话术类型。

可选的是，上述视频生成装置还包括：

第二样本获取模块，用于获取样本用户画像及其对应的第二标签话术，将第二标签话术编码为第二标签话术类型；

样本预测模块，用于使用话术预测模型，对样本用户画像进行话术预测，得到第二样本话术类型；

预测模型训练模块，用于根据第二样本话术类型和第二标签话术类型，对话术预测模型进行训练，得到训练好的话术预测模型。

可选的是，上述文本生成模块34包括：

初始化单元，用于初始化生成次数，以预设文本作为文本交互信息；

身份嵌入单元，用于将生成次数映射为身份嵌入信息，使用训练好的文本交互模型，对类型差异信息、业务描述信息、文本交互信息和身份嵌入信息，进行参考文本生成，得到子文本，将生成次数增加一，以子文本作为文本交互信息；

迭代执行单元，用于返回执行将生成次数映射为身份嵌入信息，使用训练好的文本交互模型，对类型差异信息、业务描述信息、文本交互信息和身份嵌入信息，进行参考文本生成，得到子文本的步骤，直至生成次数与预设次数相同，停止迭代，得到至少一个子文本；

文本形成单元，用于由所有子文本形成生成文本。

可选的是，上述视频生成模块35包括：

标识分配单元，用于根据生成文本中每个子文本对应的生成次数，为每个子文本分配所属的身份标识，身份标识包括第一身份标识和第二身份标识；

虚拟模型构建单元，用于构建第一虚拟人物模型和第二虚拟人物模型，第一虚拟人物模型与属于第一身份标识的各个子文本相对应，第二虚拟人物模型与属于第二身份标识的各个子文本相对应；

虚拟视频生成单元，用于根据第一虚拟人物模型及其对应的各个子文本，和第二虚拟人物模型及其对应的各个子文本，生成虚拟视频，确定虚拟视频为生成视频。

需要说明的是，上述模块、单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

图4为本发明实施例三提供的一种计算机设备的结构示意图。如图4所示，该实施例的计算机设备包括：至少一个处理器(图4中仅示出一个)、存储器以及存储在存储器中并可在至少一个处理器上运行的计算机程序，处理器执行计算机程序时实现上述任意各个视频生成方法实施例中的步骤。

该计算机设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图4仅仅是计算机设备的举例，并不构成对计算机设备的限定，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括网络接口、显示屏和输入装置等。

所称处理器可以是CPU，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器包括可读存储介质、内存储器等，其中，内存储器可以是计算机设备的内存，内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。可读存储介质可以是计算机设备的硬盘，在另一些实施例中也可以是计算机设备的外部存储设备，例如，计算机设备上配备的插接式硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，该其他程序如计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。集成的单元如果以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，本发明实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

本发明实现上述实施例方法中的全部或部分流程，也可以通过一种计算机程序产品来完成，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现可实现上述方法实施例中的步骤。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

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，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于人工智能的视频生成方法，其特征在于，所述视频生成方法包括：

获取业务描述信息，使用训练好的话术推荐模型，对所述业务描述信息进行话术推荐，得到推荐话术类型，所述推荐话术类型包括至少一个预设话术类型及其对应的推荐概率；

获取业务员的用户画像，使用训练好的话术预测模型，对所述用户画像进行话术类型预测，得到预测话术类型，所述预测话术类型包括至少一个所述预设话术类型及其对应的预测概率；

计算每个预设话术类型分别对应的推荐概率和预测概率之间的差值，由所有差值形成所述推荐话术类型和所述预测话术类型的类型差异信息；

使用训练好的文本交互模型，对所述类型差异信息和所述业务描述信息进行参考文本生成，得到包含至少一个子文本的生成文本；

根据所述生成文本中的各个子文本以及构建的虚拟人物模型，进行虚拟视频生成，得到生成视频。

2.根据权利要求1所述的视频生成方法，其特征在于，所述获取业务描述信息，使用预训练好的话术推荐模型，对所述业务描述信息进行话术推荐，得到推荐话术类型，包括：

提取所述业务描述信息中的关键词，所述关键词包括场景类别、客户类别和主题类别；

由所提取到的所有关键词形成业务描述向量，使用所述训练好的话术推荐模型，对所述业务描述向量进行话术推荐，得到所述推荐话术类型。

3.根据权利要求1所述的视频生成方法，其特征在于，所述话术推荐模型的训练过程包括：

获取样本描述信息及其对应的第一标签话术，将所述第一标签话术编码为第一标签话术类型；

使用所述话术推荐模型，对所述样本描述信息进行话术推荐，得到第一样本话术类型；

根据所述第一样本话术类型和所述第一标签话术类型，对所述话术推荐模型进行训练，得到所述训练好的话术推荐模型。

4.根据权利要求1所述的视频生成方法，其特征在于，所述获取业务员的用户画像，使用训练好的话术预测模型，对所述用户画像进行话术类型预测，得到预测话术类型，包括：

获取所述业务员的历史业务信息，将所述历史业务信息和预设画像信息比对，根据比对结果确定所述业务员的用户画像，由所述用户画像形成用户画像向量；

使用所述训练好的话术预测模型，对所述用户画像向量进行话术类型预测，得到所述预测话术类型。

5.根据权利要求1所述的视频生成方法，其特征在于，所述话术预测模型的训练过程包括：

获取样本用户画像及其对应的第二标签话术，将所述第二标签话术编码为第二标签话术类型；

使用所述话术预测模型，对所述样本用户画像进行话术预测，得到第二样本话术类型；

根据所述第二样本话术类型和所述第二标签话术类型，对所述话术预测模型进行训练，得到所述训练好的话术预测模型。

6.根据权利要求1至5任一项所述的视频生成方法，其特征在于，所述使用训练好的文本交互模型，对所述类型差异信息和所述业务描述信息进行参考文本生成，得到包含至少一个子文本的生成文本，包括：

初始化生成次数，以预设文本作为文本交互信息；

将所述生成次数映射为身份嵌入信息，使用所述训练好的文本交互模型，对所述类型差异信息、所述业务描述信息、所述文本交互信息和所述身份嵌入信息，进行参考文本生成，得到子文本，将所述生成次数增加一，以所述子文本作为所述文本交互信息；

返回执行所述将所述生成次数映射为身份嵌入信息，使用所述训练好的文本交互模型，对所述类型差异信息、所述业务描述信息、所述文本交互信息和所述身份嵌入信息，进行参考文本生成，得到子文本的步骤，直至所述生成次数与预设次数相同，停止迭代，得到至少一个子文本；

由所有子文本形成所述生成文本。

7.根据权利要求6所述的视频生成方法，其特征在于，所述根据所述生成文本中的各个子文本以及构建的虚拟人物模型，进行虚拟视频生成，得到生成视频，包括：

根据所述生成文本中每个子文本对应的生成次数，为每个子文本分配所属的身份标识，所述身份标识包括第一身份标识和第二身份标识；

构建第一虚拟人物模型和第二虚拟人物模型，所述第一虚拟人物模型与属于所述第一身份标识的各个子文本相对应，所述第二虚拟人物模型与属于所述第二身份标识的各个子文本相对应；

根据所述第一虚拟人物模型及其对应的各个子文本，和所述第二虚拟人物模型及其对应的各个子文本，生成虚拟视频，确定所述虚拟视频为所述生成视频。

8.一种基于人工智能的视频生成装置，其特征在于，所述视频生成装置包括：

话术推荐模块，用于获取业务描述信息，使用训练好的话术推荐模型，对所述业务描述信息进行话术推荐，得到推荐话术类型，所述推荐话术类型包括至少一个预设话术类型及其对应的推荐概率；

话术预测模块，用于获取业务员的用户画像，使用训练好的话术预测模型，对所述用户画像进行话术类型预测，得到预测话术类型，所述预测话术类型包括至少一个所述预设话术类型及其对应的预测概率；

差异分析模块，用于计算每个预设话术类型分别对应的推荐概率和预测概率之间的差值，由所有差值形成所述推荐话术类型和所述预测话术类型的类型差异信息；

文本生成模块，用于使用训练好的文本交互模型，对所述类型差异信息和所述业务描述信息进行参考文本生成，得到包含至少一个子文本的生成文本；

视频生成模块，用于根据所述生成文本中的各个子文本以及构建的虚拟人物模型，进行虚拟视频生成，得到生成视频。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的视频生成方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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7任一项所述的视频生成方法。