CN118828105A - 视频生成方法、装置、设备、存储介质和程序产品 - Google Patents

视频生成方法、装置、设备、存储介质和程序产品 Download PDF

Info

Publication number
CN118828105A
CN118828105A CN202310424794.3A CN202310424794A CN118828105A CN 118828105 A CN118828105 A CN 118828105A CN 202310424794 A CN202310424794 A CN 202310424794A CN 118828105 A CN118828105 A CN 118828105A
Authority
CN
China
Prior art keywords
text
text information
copy
video
information
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.)
Pending
Application number
CN202310424794.3A
Other languages
English (en)
Inventor
李欣玮
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 Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao 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 Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Priority to CN202310424794.3A priority Critical patent/CN118828105A/zh
Priority to EP23821113.0A priority patent/EP4472214A1/en
Priority to JP2023578865A priority patent/JP2025518428A/ja
Priority to PCT/CN2023/138056 priority patent/WO2024217011A1/zh
Priority to US18/390,866 priority patent/US12148451B2/en
Publication of CN118828105A publication Critical patent/CN118828105A/zh
Priority to US18/951,266 priority patent/US20250087243A1/en
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7834—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using audio features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • 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
    • 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]
    • H04N21/40—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
    • H04N21/4402—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 reformatting operations of video signals for household redistribution, storage or real-time display
    • 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
    • H04N21/4402—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 reformatting operations of video signals for household redistribution, storage or real-time display
    • H04N21/440236—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 reformatting operations of video signals for household redistribution, storage or real-time display by media transcoding, e.g. video is transformed into a slideshow of still pictures, audio is converted into text
    • 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
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • 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
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/47205—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for manipulating displayed content, e.g. interacting with MPEG-4 objects, editing locally

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • User Interface Of Digital Computer (AREA)
  • Television Signal Processing For Recording (AREA)

Abstract

本公开涉及一种视频生成方法、装置、设备、存储介质和程序产品，该方法包括：获取第一文本信息，其中，所述第一文本信息用于描述视频文案的写作要求；基于所述第一文本信息生成第二文本信息，其中，所述第二文本信息为符合所述第一文本信息所描述的写作要求的文案信息；基于第三文本信息生成多媒体编辑数据；基于所述多媒体编辑数据生成目标视频。本公开实施例中通过基于描述视频文案的写作要求生成描述的写作要求的文案信息，进而根据生成的文案信息制作视频，提供一种高效的一站式视频制作方案，提高视频制作效率。

Description

视频生成方法、装置、设备、存储介质和程序产品
技术领域
本公开涉及视频处理技术领域，尤其涉及一种视频生成方法、装置、设备、存储介质和程序产品。
背景技术
随着计算机技术和移动通信技术的迅速发展，基于电子设备的各种视频平台得到了普遍应用，极大地丰富了人们的日常生活。越来越多的用户乐于在视频平台上分享自己的视频作品，以供其他用户观看。
用户在分享视频作品之前，需要自己剪辑创作视频。在创作视频的过程中，需要自己寻找大量的视频素材，例如：图片、文章、音乐等等。寻找素材会浪费大量时间，导致视频制作效率低。
发明内容
为了解决上述技术问题，本公开实施例提供了一种视频生成方法、装置、设备、存储介质和程序产品，基于用户输入的关键词，自动生成文章，基于生成文章自动生成视频，提供一种高效的一站式视频制作方案，提高视频制作效率。
第一方面，本公开实施例提供一种视频生成方法，包括：
获取第一文本信息，其中，所述第一文本信息用于描述视频文案的写作要求；
基于所述第一文本信息生成第二文本信息，其中，所述第二文本信息为符合所述第一文本信息所描述的写作要求的文案信息；
基于第三文本信息生成多媒体编辑数据；其中，所述第三文本信息基于所述第二文本信息得到；所述多媒体编辑数据包括至少一个视频轨道片段和至少一个音频轨道片段，所述至少一个视频轨道片段、所述至少一个音频轨道片段分别对应于所述第三文本信息划分出的至少一个文本片段，所述目标音频轨道片段用于填充所述目标文本片段匹配的朗读语音，所述至少一个视频轨道片段中的目标视频轨道与所述目标音频轨道片段在视频编辑时间线上占据相同的时间线位置；
基于所述多媒体编辑数据生成目标视频。
第二方面，本公开实施例提供一种视频生成装置，包括：
第一文本信息获取模块，用于获取第一文本信息，其中，基于第三文本信息生成多媒体编辑数据；
第二文本信息生成模块，用于基于所述第一文本信息生成第二文本信息，其中，所述第二文本信息为符合所述第一文本信息所描述的写作要求的文案信息；
多媒体编辑数据生成模块，用于基于所述第二文本信息生成多媒体编辑数据；其中，所述第三文本信息基于所述第二文本信息得到；所述多媒体编辑数据包括至少一个视频轨道片段和至少一个音频轨道片段，所述至少一个视频轨道片段、所述至少一个音频轨道片段分别对应于所述第三文本信息划分出的至少一个文本片段，所述目标音频轨道片段用于填充所述目标文本片段匹配的朗读语音，所述至少一个视频轨道片段中的目标视频轨道与所述目标音频轨道片段在视频编辑时间线上占据相同的时间线位置；
目标视频生成模块，用于基于所述多媒体编辑数据生成目标视频。
第三方面，本公开实施例提供一种电子设备，所述电子设备包括：
至少一个处理器；
存储装置，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如上述第一方面中任一项所述的视频生成方法。
第四方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面中任一项所述的视频生成方法。
第五方面，本公开实施例提供一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上述第一方面中任一项所述的视频生成方法。
本公开实施例提供了一种视频生成方法、装置、设备、存储介质和程序产品，所述方法包括：获取第一文本信息，其中，所述第一文本信息用于描述视频文案的写作要求；基于所述第一文本信息生成第二文本信息，其中，所述第二文本信息为符合所述第一文本信息所描述的写作要求的文案信息；基于第三文本信息生成多媒体编辑数据；其中，所述第三文本信息基于所述第二文本信息得到；所述多媒体编辑数据包括至少一个视频轨道片段和至少一个音频轨道片段，所述至少一个视频轨道片段、所述至少一个音频轨道片段分别对应于所述第三文本信息划分出的至少一个文本片段，所述目标音频轨道片段用于填充所述目标文本片段匹配的朗读语音，所述至少一个视频轨道片段中的目标视频轨道与所述目标音频轨道片段在视频编辑时间线上占据相同的时间线位置；基于所述多媒体编辑数据生成目标视频。本公开实施例中通过基于描述视频文案的写作要求生成描述的写作要求的文案信息，进而根据生成的文案信息制作目标视频，提供一种高效的一站式视频制作方案，提高视频制作效率。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本公开实施例提供的一种视频生成方法的流程示意图；
图2为本公开实施例提供的一种视频创作页面的示意图；
图3为本公开实施例提供的一种文案输入界面的示意图；
图4为本公开实施例提供的一种多媒体编辑页面的示意图；
图5为本公开实施例提供的一种视频生成方法的流程示意图；
图6为本公开实施例提供的一种文案输入界面的示意图；
图7a为本公开实施例中的一种文案输入界面的示意图；
图7b为本公开实施例中的一种文案输入界面的示意图；
图7c为本公开实施例中的一种文案输入界面的示意图；
图8为本公开实施例中的一种视频生成装置的结构示意图；
图9为本公开实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“至少一个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面，将参考附图详细地说明本公开的实施例。应当注意的是，不同的附图中相同的附图标记将用于指代已描述的相同的元件。
图1为本公开实施例中的一种视频生成方法的流程图，本实施例可适用于根据关键词生成视频的情况，该方法可以由视频生成装置执行，该视频生成装置可以采用软件和/或硬件的方式实现，该视频生成方法可应用于电子设备中。
可以理解的是，上述电子设备可以是能够执行数据处理的任何其他类型的电子设备，其可以包括但不限于：移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统(PCS)设备、个人导航设备、个人数字助理(PDA)、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者其任意组合，包括这些设备的配件和外设或者其任意组合。
如图1所示，本公开实施例提供的视频生成方法主要包括步骤S101-S104。
S101、获取第一文本信息，其中，所述第一文本信息用于描述视频文案的写作要求。
在本公开的一个实施方式中，描述视频文案的写作要求可以是用户想要生成的目标视频的关键内容。具体的，所述第一文本信息可以是描述视频文案的一个或多个关键词或者一个或多个主题词。
在一个示例性的说明中，用户想要制作一个关于“电影推荐””的视频。第一文本信息可以包括“电影”、“2023年”、“获奖”、“好评”等等。用户想要制作一个关于“手机卖点”的视频，第一文本信息可以包括“手机型号”、“超大屏幕”、“超强续航能力”“价格适中”等等。
在本公开的一个实施方式中，获取第一文本信息，包括：响应于用户的输入操作，获取输入操作对应的第一文本信息。具体的，在视频创作首页中呈现文本制作视频控件，响应于针对所述现文本制作视频控件的触发操作，显示视频创作界面。如图2所示，所述视频创作界面中包括文本创作区域21、视频类别选取区域22和视频生成控件23。文本创作区域21中包括文本展示区域和智能文本生成控件。所述文本展示区域21用于展示生成多媒体编辑数据的第三文本信息。所述智能文本生成控件，用于响应于用户的触发操作，显示文案输入界面。
在本公开的一个实施方式中，如图3所示，在文案输入页面中包括文案输入区域31，文案输入区域31响应于用户的输入操作，显示用户输入的文本信息。
如图3所示，文案输入区域31中包括一个输入框，该输入框用于响应于用户的输入操作，获取第一文本信息。
S102、基于所述第一文本信息生成第二文本信息，其中，所述第二文本信息为符合所述第一文本信息所描述的写作要求的文案信息。
在本公开实施例中，所述第二文本信息是指符合写作要求的文案信息，进一步的，所述第二文本信息为具有先后衔接，语句通顺的文章。所述第二文本信息可以有一个段落，也可以有多个段落。其中，可以通过智能文案生成算法基于第一文本信息生成第二文本信息。其中，所述智能文案生成算法的具体实现方式，本公开实施例中不再赘述。
如图3所示，响应于针对文案输入区域31中针对输入框的确认操作，基于第一文本信息生成第二文本信息，并将生成的第二文本信息在文案输入区域31中显示。
S103、基于第三文本信息生成多媒体编辑数据；其中，所述第三文本信息基于所述第二文本信息得到；所述多媒体编辑数据包括至少一个视频轨道片段和至少一个音频轨道片段，所述至少一个视频轨道片段、所述至少一个音频轨道片段分别对应于所述第三文本信息划分出的至少一个文本片段，所述至少一个音频轨道片段的目标音频轨道片段用于填充所述目标文本片段匹配的朗读语音，所述至少一个视频轨道片段中的目标视频轨道与所述目标音频轨道片段在视频编辑时间线上占据相同的时间线位置。
在本公开的一个实施方式中，所述第三文本信息可以包括如下一个或多个的组合：一个或多个第二文本信息，被编辑后的第二文本信息，以及用户编辑的其他文本信息。
在本公开的一个实施方式中，可以多次执行步骤S101-S102，生成多个第二文本信息，也可以对生成的第二文本信息进行编辑修改，还可以在文案输入区域31中手动输入文本信息。
在本公开的一个实施方式中，如图3所示，响应于针对文案输入区域31中完成控件的触发操作，切换至如图2所示的视频创作界面，且在所述视频创作界面中显示第三文本信息。
在本公开的一个实施方式中，在所述视频创作界面中显示有第三文本信息的情况下，响应于针对视频生成控件23的触发操作，基于第三文本信息生成多媒体编辑数据，并在多媒体编辑界面展示所述多媒体编辑数据。
在本公开的一个实施方式中，所述多媒体编辑数据还包括至少一个字幕轨道片段，所述目标字幕轨道片段用于填充所述目标文本片段匹配的字幕信息。
在本公开的一个实施方式中，所述多媒体编辑数据还包括至少一个背景音乐轨道片段，所述背景音乐轨道片段用于填充背景音乐。
在本公开的一个实施方式中，如图4所示，在多媒体编辑界面中可以包括视频预览区域41以及多媒体轨道区域42，其中，所述视频预览区域41用于预览多媒体编辑数据生成的目标视频。在多媒体轨道区域42中展示多媒体编辑数据包括视频轨道片段、音频轨道片段，背景音乐轨道片段。
在本公开的一个实施方式中，所述至少一个音频轨道片段的目标音频轨道片段用于填充所述目标文本片段匹配的朗读语音，所述至少一个视频轨道片段中的目标视频轨道与所述目标音频轨道片段在视频编辑时间线上占据相同的时间线位置。
在本公开的一个实施方式中，所述目标文本片段可以是第三文本信息划分出来的一个文本片段，该文本片段可以一句话，也可以是根据中文断句规则构成的不完整句子，还可以是多句话，本公开实施例中不再具体限定。目标视频片段是指与目标文本片段对应的视频片段，目标音频片段是指与目标文本片段对应的音频片段。
需要说明的是，背景音乐轨道片段中的背景音乐不根据文本片段进行划分，而且填充一个完整的音频文件。
在本公开的一个实施方式中，所述目标视频片段为空置片段。
在本公开实施方式中，如图2所示，响应于针对视频创作界面中第一视频类型控件的触发操作，将多媒体编辑数据中的视频轨道片段设置为空置片段，即在视频轨道片段中不添加图片或者视频图像。
进一步的，响应于用户对空置片段的操作，将用户选取的图片添加至空置片段。换句话说，用户可以在空置片段中填充用户选取的图片，使得制作完成的目标视频更加符合用户的需求。
在本公开的一个实施方式中，所述目标视频片段用于填充与所述目标文本片段匹配的视频图像。
在本公开实施方式中，如图2所示，响应于针对视频创作界面中第二视频类型控件的触发操作，将多媒体编辑数据中的视频轨道片段中填充与文本片段匹配的视频图像，该视频图像可以基于图片匹配算法在预设的图片数据库中基于文本片段匹配得到。
在本公开的一个实施方式中，视频图像可以基于文本内容在图片数据库中自动匹配，避免用户花费时间寻找素材，进一步提高视频制作效率。
在本公开的一个实施方式中，所述目标视频片段用于填充与所述目标文本片段匹配的表情图像。
在本公开实施方式中，如图2所示，响应于针对视频创作界面中第三视频类型控件的触发操作，将多媒体编辑数据中的视频轨道片段中填充与文本片段匹配的表情图像，该表情图像可以基于预设的算法在预设的表情包数据库中基于文本片段匹配得到。
在本公开的一个实施方式中，表情图像可以基于文本内容在表情包数据库中自动匹配，可以基于文本内容制作更加个性化的视频。
在本公开实施例中，将表情包数据库和图片数据库分为两个数据库，可以避免在一个视频中即存在常规图片又存在表情包图片，导致的视频风格不统一的问题。
S104、基于所述多媒体编辑数据生成目标视频。
在本公开的一个实施例中，响应于视频完成的触发操作，基于多媒体编辑数据，生成目标视频。
在本公开的一个实施方式中，视频完成的触发操作可以是指对多媒体编辑界面中导出控件的触发操作。其中，导出方式可以是将目标视频在本地保存，也可以是将目标视频分享至其他视频共享平台或者网站。本公开实施例中不再进行具体限定。
在本公开的一个实施方式中，响应于针对多媒体编辑界面中导入编辑控件的触发操作，将多媒体编辑数据导入至视频编辑器中，对多媒体编辑数据进行后续编辑。
在上述实施例的基础上，本公开实施例对视频生成方法进行了进一步的优化。如图5所示，优化后的视频生成方法主要包括如下步骤：
S201、获取第一文本信息，其中，所述第一文本信息用于描述视频文案的写作要求。
本公开实施例中提供的步骤S201与上述实施例中提供的步骤S101中的具体执行流程相同，具体可参照上述实施例中的描述，本公开实施例中不再具体限定。
S202、基于所述第一文本信息生成至少一个候选文案信息，所述至少一个候选文案信息均符合所述第一文本信息所指示的写作要求。
在本公开的一个实施方式中，在多个文案类别中确定目标文案类别；所述候选文案信息是基于所述目标文案类别和所述第一文本信息生成的，所述第二文本信息的文案类别为所述目标文案类别。
在本公开的一个实施方式中，所述文案类别是指形成的文案所属的类别，具体的，文案类别可以包括：第一文案类别和第二文本类别，其中，第一文本类别可以理解为用户普遍适用于各种主题的文案类别，具体的，各种主题包括：科技、财经、娱乐等等。第二文本类别可以理解为适用于产品策划类或者产品营销类的文本类别。具体的，可以是介绍某款手机的卖点，或者某个物品的推荐理由等等。
在本公开的一个实施方式中，目标文案类别可以基于用户的选取确定，每个目标文案类别对应一个智能文案生成算法模型。
在本公开的一个实施方式中，所述文案输入界面具有第一文案类别控件和第二文案类别控件，所述第一文案类别控件用于响应于用户的触发操作，将第一文案类别控件对应的文案类别作为目标文案类别；所述第二文案类别控件用于响应于用户的触发操作，将第二文案类别控件对应的文案类别作为目标文案类别。
如图3所示，在文案输入界面中呈现有第一文案类别控件和第二文案类别控件。在本公开实施例中，不同的文案类别控件对应不同的提示信息，不同的文案类别控件对应不同的智能文案生成算法模型。
在本公开的一个实施方式中，响应于针对所述第一文案类别控件的选取操作，文案输入区域31中的输入框中显示提示信息“写一段第一类别的文案，主题是：”，用户可以在提示信息之后插入第一文本信息。响应于针对输入框的确认操作，获取第一文本信息，并基于第一文案类别和第一文本信息生成至少一个候选文案信息。
在本公开的一个实施方式中，基于第一文案类别和第一文本信息生成至少一个候选文案信息，包括：基于第一文案类别调用第一文案类别对应的第一智能文案生成算法，利用所述第一智能文案生成算法对所述第一文本信息进行处理，生成多个候选文案信息。
在本公开的一个实施方式中，响应于针对所述第二文案类别控件的选取操作，在文案输入区域31中的输入框中显示提示信息“写一段第二类别的文案，产品和卖点是：”，用户可以在提示信息之后输入第一文本信息。响应于针对输入框的确认操作，获取第一文本信息，并基于第二文案类别和第一文本信息生成至少一个候选文案信息。
在本公开的一个实施方式中，基于第二文案类别和第一文本信息生成至少一个候选文案信息，包括：基于第二文案类别调用第二文案类别对应的第二智能文案生成算法，利用所述第二智能文案生成算法对所述第一文本信息进行处理，生成多个候选文案信息。
需要说明的是，第一智能文案生成算法与第二智能文案生成算法是两个不相同的智能文案生成算法。
在本公开的一个实施方式中，上述两种智能文案生成算法使用的基础网络模型可以相同，也可以不相同。上述两种智能文案生成算法的训练方法可以相同，也可以不相同。需要说明的是，第一智能文案生成算法和第二智能文案的训练样本是不相同的。第一智能文案生成算法的训练样本是第一文案类别的文案信息，第二智能文案生成算法的训练样本是第二文案类别的文案信息。
S203、响应于用户触发的切换操作，在文案输入界面中切换呈现所述至少一个候选文案信息中的不同候选文案信息。
在本公开的一个实施方式中，在文案输入界面中具有候选文案区域，所述候选文本区域用于显示候选文案信息。具体的，所述候选文案区域以插入的形式在文本输入区域31中显示。
在本公开的一个实施方式中，所述文案输入界面中具有文案切换控件，所述文案切换控件用于触发所述切换操作，以使得在所述候选文案区域中切换呈现所述至少一个候选文案信息中的不同候选文案信息。
在本公开的一个实施方式中，如图6所示，所述候选文案区域以插入的形式在文本输入区域31中显示，所述候选文案区域61中包括第一文案切换控件62和第二文本切换控件63。
在本公开的一个实施方式中，多个候选文案信息按照设定顺序排列，第一文本切换控件62用于响应于用户的触发操作，将排列顺序在当前候选文案信息之前的候选文案信息在候选文本区域显示，第二文本切换控件63用于响应于用户的触发操作，将排列顺序在当前候选文案信息之后的候选文案信息在候选文本区域显示。
在本公开的一个实施方式中，以候选文案信息有5个为例进行说明，5个候选文案信息依次为：候选文案信息A，候选文案信息B，候选文案信息C，候选文案信息D，候选文案信息E。文案候选区域显示排序最靠前的候选文案信息A。响应于针对第二文本切换控件63的触发操作，文案候选区域显示候选文案信息B，此时，响应于针对第一文本切换控件62的触发操作，文案候选区域显示候选文案信息A。
S204、响应于用户触发的确认操作，将所述至少一个候选文案信息中切换到所述文案输入界面呈现的候选文案信息确定为所述第二文本信息。
在本公开的一个实施方式中，所述文案输入界面中具有文案确认控件，所述文案确认控件用于触发所述确认操作，以使得将所述至少一个候选文案信息中切换到所述候选文案区域呈现的候选文案信息确定为所述第二文本信息并在所述文案输入区域中呈现所述第二文本信息。
在本公开的一个实施方式中，如图6所示，候选文案区域61中具有文案确认控件，响应于针对所述文案确认控件的触发操作，将所述候选文案区域呈现的候选文案信息确定为所述第二文本信息并在所述文案输入区域31中呈现所述第二文本信息。
在本公开的一个实施方式中，在所述至少一个候选文案信息生成之后，所述候选文案区域呈现的候选文案信息被插入到所述文案输入区域内的用户输入位置处；在响应到所述确认操作的情况下，所述候选文案区域从所述文案输入区域内删除。
在本公开的一个实施方式中，如图6所示，候选文案区域61呈现的候选文案信息(AAAAA)被插入到所述文案输入区域31内的用户输入位置处。其中，所述用户输入位置处为候选文案信息生成之前，光标所在的位置。进一步的，响应于用户针对所述文案确认控件的触发操作后，删除候选文案区域。
在本公开的一个实施方式中，如图7a所示，若在所述至少一个候选文案信息生成前，所述文案输入区域内没有其他文本信息，则确定所述第二文本信息之后所述文本输入区域31中呈现所述第二文本信息，并删除候选文案区域61。
S205、基于第二文本信息生成第三文本。
在本公开的一个实施方式中，若在所述至少一个候选文案信息生成前所述文案输入区域内呈现有第四文本信息，在确定所述第二文本信息之后所述文本输入区域中呈现所述第二文本信息与所述第四文本信息融合成的第五文本信息。
在本公开实施例中，第四文本信息可以用户手动输入的文本信息，也可以是采用步骤S201-S204已经确定的第二文本信息，还可以是用户编辑修改后的文本信息。
在本公开实施例中，如图7b所示，若在所述至少一个候选文案信息生成前所述文案输入区域31内呈现有第四文本信息(#######)，且用户输入位置处在第四文本信息的结尾处，则候选文案区域61在第四文本信息的结尾处显示。响应于用户针对文案确认控件的触发操作，删除候选文案区域，并将所述第二文本信息(AAAAAA)拼接在所述第四文本信息(#######)的结尾处，形成的第五文本信息(#######AAAAAA)，如图7b所示。图7b中以用户输入位置在第四文本信息结尾处为例进行说明。
在本公开的一个实施方式中，若所述用户输入位置位于所述第四文本信息的中间位置，则在所述文字输入区域中所述第四文本信息被所述候选文案区域从所述中间位置切分开呈现在所述候选文案区域的两边，所述第五文本信息中所述第二文本信息被插入到所述第四文本信息的中间位置。
在本公开实施例中，如图7c所示，若在所述至少一个候选文案信息生成前所述文案输入区域31内呈现有第四文本信息(#######)，且用户输入位置位于第四文本信息的中间位置，候选文案区域61将文案输入区域31中的第四文本信息从用户输入位置处切分，将切分后的两个部分第四文本信息分别在候选文案区域61的两边进行显示。进一步的，响应于用户针对文案确认控件的触发操作后，删除候选文案区域，并将所述第二文本信息(AAAAAA)插入在所述第四文本信息(#######)的中间位置，形成的第五文本信息(###AAAAAA####)，如图7c所示。图7c中以用户输入位置在第四文本信息的中间位置为例进行说明。
在本公开的一个实施方式中，还包括：响应于用户的输入操作，对所述第五文本信息进行编辑，得到所述第三文本信息。
在本公开的一个实施方式中，如图7a、7b和7c所示，在文本输入区域31中具有智能文案生成控件，响应于针对该智能文案生成控件的触发操作，显示如图3所示的页面，其中，该页面中包括已确认的文本信息。响应于针对如图3所示的文案编辑界面的操作，开始生成新的第二文本信息。
在本公开的一个实施方式中，响应于用户对文本输入区域31的编辑操作，对第五文本信息进行编辑，得到第三文本信息。其中，所述编辑包括输入、删除、复制、粘贴的等操作。
在本公开的一个实施方式中，响应于针对文本输入区域31中完成控件的触发操作，关闭文案输入界面，并将第三文本信息在文本创作区域21(如图2所示)中显示。
S206、基于第三文本信息生成多媒体编辑数据。
S207、基于所述多媒体编辑数据生成目标视频。
本公开实施例中提供的步骤S206-S207与上述实施例中提供的步骤S103-S104中的具体执行流程相同，具体可参照上述实施例中的描述，本公开实施例中不再具体限定。
图8为本公开实施例中的一种视频生成装置的结构示意图，本实施例可适用于根据输入文本生成视频的情况，该视频生成装置可以采用软件和/或硬件的方式实现。
如图8所示，本公开实施提供的视频生成装置80主要包括：第一文本信息获取模块81、第二文本信息生成模块82、多媒体编辑数据生成模块83和目标视频生成模块84。
其中，第一文本信息获取模块81，用于获取第一文本信息，其中，基于第三文本信息生成多媒体编辑数据；第二文本信息生成模块82，用于基于所述第一文本信息生成第二文本信息，其中，所述第二文本信息为符合所述第一文本信息所描述的写作要求的文案信息；多媒体编辑数据生成模块83，用于基于所述第二文本信息生成多媒体编辑数据；其中，所述第三文本信息基于所述第二文本信息得到；所述多媒体编辑数据包括至少一个视频轨道片段和至少一个音频轨道片段，所述至少一个视频轨道片段、所述至少一个音频轨道片段分别对应于所述第三文本信息划分出的至少一个文本片段，所述目标音频轨道片段用于填充所述目标文本片段匹配的朗读语音，所述至少一个视频轨道片段中的目标视频轨道与所述目标音频轨道片段在视频编辑时间线上占据相同的时间线位置；目标视频生成模块84，用于基于所述多媒体编辑数据生成目标视频。
在本公开的一个实施方式中，第二文本信息生成模块82，包括：候选文案信息生成单元，用于基于所述第一文本信息生成至少一个候选文案信息，所述至少一个候选文案信息均符合所述第一文本信息所指示的写作要求；候选文案信息切换单元，用于响应于用户触发的切换操作，在文案输入界面中切换呈现所述至少一个候选文案信息中的不同候选文案信息；候选文案信息确认单元，用于响应于用户触发的确认操作，将所述至少一个候选文案信息中切换到所述文案输入界面呈现的候选文案信息确定为所述第二文本信息。
在本公开的一个实施方式中，所述文案输入界面中具有文案输入区域和候选文案区域；所述文案输入界面中具有文案切换控件，所述文案切换控件用于触发所述切换操作，以使得在所述候选文案区域中切换呈现所述至少一个候选文案信息中的不同候选文案信息；所述文案输入界面中具有文案确认控件，所述文案确认控件用于触发所述确认操作，以使得将所述候选文案区域呈现的候选文案信息确定为所述第二文本信息并在所述文案输入区域中呈现所述第二文本信息。
在本公开的一个实施方式中，在所述至少一个候选文案信息生成之后，所述候选文案区域呈现的候选文案信息被插入到所述文案输入区域内的用户输入位置处；在响应到所述确认操作的情况下，所述候选文案区域从所述文案输入区域内删除。
在本公开的一个实施方式中，若在所述至少一个候选文案信息生成前所述文案输入区域内呈现有第四文本信息，在确定所述第二文本信息之后所述文本输入区域中呈现所述第二文本信息与所述第四文本信息融合成的第五文本信息。
在本公开的一个实施方式中，若所述用户输入位置位于所述第四文本信息的中间位置，则在所述文字输入区域中所述第四文本信息被所述候选文案区域从所述中间位置切分开呈现在所述候选文案区域的两边，所述第五文本信息中所述第二文本信息被插入到所述第四文本信息的中间位置。
在本公开的一个实施方式中，响应于用户的输入操作，对所述第五文本信息进行编辑，得到所述第三文本信息。
在本公开的一个实施方式中，所述装置还包括：目标文案类别确认模块，用于在多个文案类别中确定目标文案类别；所述候选文案信息是基于所述目标文案类别和所述第一文本信息生成的，所述第二文本信息的文案类别为所述目标文案类别。
在本公开的一个实施方式中，所述文案输入界面具有第一文案类别控件和第二文案类别控件，所述第一文案类别控件用于响应于用户的触发操作，将第一文案类别控件对应的文案类别作为目标文案类别；所述第二文案类别控件用于响应于用户的触发操作，将第二文案类别控件对应的文案类别作为目标文案类别。
在本公开的一个实施方式中，所述目标视频片段为空置片段；或所述目标视频片段用于填充与所述目标文本片段匹配的视频图像；或所述目标视频片段用于填充与所述目标文本片段匹配的表情图像。
本公开实施例提供的视频生成装置，可执行本公开方法实施例所提供的视频生成方法中所执行的步骤，具备执行步骤和有益效果此处不再赘述。
图9为本公开实施例中的一种电子设备的结构示意图。下面具体参考图9，其示出了适于用来实现本公开实施例中的电子设备900的结构示意图。本公开实施例中的电子设备900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)、可穿戴终端设备等等的移动终端以及诸如数字TV、台式计算机、智能家居设备等等的固定终端。图9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9所示，电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储装置908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理以实现如本公开所述的实施例的图片渲染方法。在RAM 903中，还存储有终端设备900操作所需的各种程序和数据。处理装置901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
通常，以下装置可以连接至I/O接口905：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906；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置909。通信装置909可以允许终端设备900与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的终端设备900，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，从而实现如上所述的视频生成方法。在这样的实施例中，该计算机程序可以通过通信装置909从网络上被下载和安装，或者从存储装置908被安装，或者从ROM 902被安装。在该计算机程序被处理装置901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：具有至少一个导线的电连接、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(Hyper Text 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终端设备执行时，使得该终端设备：获取第一文本信息，其中，所述第一文本信息用于描述视频文案的写作要求；基于所述第一文本信息生成第二文本信息，其中，所述第二文本信息为符合所述第一文本信息所描述的写作要求的文案信息；基于第三文本信息生成多媒体编辑数据；其中，所述第三文本信息基于所述第二文本信息得到；所述多媒体编辑数据包括至少一个视频轨道片段和至少一个音频轨道片段，所述至少一个视频轨道片段、所述至少一个音频轨道片段分别对应于所述第三文本信息划分出的至少一个文本片段，所述至少一个音频轨道片段的目标音频轨道片段用于填充所述目标文本片段匹配的朗读语音，所述至少一个视频轨道片段中的目标视频轨道与所述目标音频轨道片段在视频编辑时间线上占据相同的时间线位置；基于所述多媒体编辑数据生成目标视频。可选的，当上述一个或者多个程序被该终端设备执行时，该终端设备还可以执行上述实施例所述的其他步骤。
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至少一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。
本文中以上描述的功能可以至少部分地由至少一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至少一个线的电气连接、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。
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 (14)

1.一种视频生成方法，其特征在于，包括：
获取第一文本信息，其中，所述第一文本信息用于描述视频文案的写作要求；
基于所述第一文本信息生成第二文本信息，其中，所述第二文本信息为符合所述第一文本信息所描述的写作要求的文案信息；
基于第三文本信息生成多媒体编辑数据；其中，所述第三文本信息基于所述第二文本信息得到；所述多媒体编辑数据包括至少一个视频轨道片段和至少一个音频轨道片段，所述至少一个视频轨道片段、所述至少一个音频轨道片段分别对应于所述第三文本信息划分出的至少一个文本片段，所述至少一个音频轨道片段的目标音频轨道片段用于填充所述目标文本片段匹配的朗读语音，所述至少一个视频轨道片段中的目标视频轨道与所述目标音频轨道片段在视频编辑时间线上占据相同的时间线位置；
基于所述多媒体编辑数据生成目标视频。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一文本信息生成第二文本信息，包括：
基于所述第一文本信息生成至少一个候选文案信息，所述至少一个候选文案信息均符合所述第一文本信息所指示的写作要求；
响应于用户触发的切换操作，在文案输入界面中切换呈现所述至少一个候选文案信息中的不同候选文案信息；
响应于用户触发的确认操作，将所述至少一个候选文案信息中切换到所述文案输入界面呈现的候选文案信息确定为所述第二文本信息。
3.根据权利要求2所述的方法，其特征在于，所述文案输入界面中具有文案输入区域和候选文案区域；
所述文案输入界面中具有文案切换控件，所述文案切换控件用于触发所述切换操作，以使得在所述候选文案区域中切换呈现所述至少一个候选文案信息中的不同候选文案信息；
所述文案输入界面中具有文案确认控件，所述文案确认控件用于触发所述确认操作，以使得将所述候选文案区域呈现的候选文案信息确定为所述第二文本信息并在所述文案输入区域中呈现所述第二文本信息。
4.根据权利要求3所述的方法，其特征在于，在所述至少一个候选文案信息生成之后，所述候选文案区域呈现的候选文案信息被插入到所述文案输入区域内的用户输入位置处；
在响应到所述确认操作的情况下，所述候选文案区域从所述文案输入区域内删除。
5.根据权利要求4所述的方法，其特征在于，若在所述至少一个候选文案信息生成前所述文案输入区域内呈现有第四文本信息，在确定所述第二文本信息之后所述文本输入区域中呈现所述第二文本信息与所述第四文本信息融合成的第五文本信息。
6.根据权利要求5所述的方法，其特征在于，若所述用户输入位置位于所述第四文本信息的中间位置，则在所述文字输入区域中所述第四文本信息被所述候选文案区域从所述中间位置切分开呈现在所述候选文案区域的两边，所述第五文本信息中所述第二文本信息被插入到所述第四文本信息的中间位置。
7.根据权利要求5所述的方法，其特征在于，还包括：
响应于用户的输入操作，对所述第五文本信息进行编辑，得到所述第三文本信息。
8.根据权利要求2所述的方法，其特征在于，还包括：
在多个文案类别中确定目标文案类别；所述候选文案信息是基于所述目标文案类别和所述第一文本信息生成的，所述第二文本信息的文案类别为所述目标文案类别。
9.根据权利要求8所述的方法，其特征在于，所述文案输入界面具有第一文案类别控件和第二文案类别控件，所述第一文案类别控件用于响应于用户的触发操作，将第一文案类别控件对应的文案类别作为目标文案类别；所述第二文案类别控件用于响应于用户的触发操作，将第二文案类别控件对应的文案类别作为目标文案类别。
10.根据权利要求1所述的方法，其特征在于，所述目标视频片段为空置片段；或
所述目标视频片段用于填充与所述目标文本片段匹配的视频图像；或
所述目标视频片段用于填充与所述目标文本片段匹配的表情图像。
11.一种视频生成装置，其特征在于，包括：
第一文本信息获取模块，用于获取第一文本信息，其中，所述第一文本信息用于描述视频文案的写作要求；
第二文本信息生成模块，用于基于所述第一文本信息生成第二文本信息，其中，所述第二文本信息为符合所述第一文本信息所描述的写作要求的文案信息；
多媒体编辑数据生成模块，用于基于所述第二文本信息生成多媒体编辑数据；其中，所述第三文本信息基于所述第二文本信息得到；所述多媒体编辑数据包括至少一个视频轨道片段和至少一个音频轨道片段，所述至少一个视频轨道片段、所述至少一个音频轨道片段分别对应于所述第三文本信息划分出的至少一个文本片段，所述至少一个音频轨道片段的目标音频轨道片段用于填充所述目标文本片段匹配的朗读语音，所述至少一个视频轨道片段中的目标视频轨道与所述目标音频轨道片段在视频编辑时间线上占据相同的时间线位置；
目标视频生成模块，用于基于所述多媒体编辑数据生成目标视频。
12.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；
存储装置，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-10中任一项所述的方法。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-10中任一项所述的方法。
14.一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如权利要求1-10中任一项所述的方法。
CN202310424794.3A 2023-04-19 2023-04-19 视频生成方法、装置、设备、存储介质和程序产品 Pending CN118828105A (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN202310424794.3A CN118828105A (zh) 2023-04-19 2023-04-19 视频生成方法、装置、设备、存储介质和程序产品
EP23821113.0A EP4472214A1 (en) 2023-04-19 2023-12-12 Video generation method and apparatus, device, storage medium, and program product
JP2023578865A JP2025518428A (ja) 2023-04-19 2023-12-12 動画生成方法、装置、機器、記憶媒体及びプログラム製品
PCT/CN2023/138056 WO2024217011A1 (zh) 2023-04-19 2023-12-12 视频生成方法、装置、设备、存储介质和程序产品
US18/390,866 US12148451B2 (en) 2023-04-19 2023-12-20 Method, apparatus, device, storage medium and program product for video generating
US18/951,266 US20250087243A1 (en) 2023-04-19 2024-11-18 Method, apparatus, device, storage medium and program product for video generating

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310424794.3A CN118828105A (zh) 2023-04-19 2023-04-19 视频生成方法、装置、设备、存储介质和程序产品

Publications (1)

Publication Number Publication Date
CN118828105A true CN118828105A (zh) 2024-10-22

Family

ID=89509002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310424794.3A Pending CN118828105A (zh) 2023-04-19 2023-04-19 视频生成方法、装置、设备、存储介质和程序产品

Country Status (2)

Country Link
CN (1) CN118828105A (zh)
WO (1) WO2024217011A1 (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101968599B1 (ko) * 2017-11-14 2019-04-15 한성호 입력 텍스트에 따른 스토리 동영상 생성방법 및 장치
CN112291614A (zh) * 2019-07-25 2021-01-29 北京搜狗科技发展有限公司 一种视频生成方法及装置
CN114120992B (zh) * 2020-09-01 2025-01-07 抖音视界有限公司 语音生成视频的方法、装置、电子设备及计算机可读介质
CN112232067B (zh) * 2020-11-03 2024-09-27 汉海信息技术(上海)有限公司 文案生成方法、文案评估模型的训练方法、装置及设备
CN114363531B (zh) * 2022-01-14 2023-08-01 中国平安人寿保险股份有限公司 基于h5的文案解说视频生成方法、装置、设备以及介质
CN114513706B (zh) * 2022-03-22 2023-07-25 中国平安人寿保险股份有限公司 视频生成方法和装置、计算机设备、存储介质
CN117082292A (zh) * 2022-05-10 2023-11-17 北京字跳网络技术有限公司 视频生成方法、装置、设备、存储介质和程序产品

Also Published As

Publication number Publication date
WO2024217011A1 (zh) 2024-10-24

Similar Documents

Publication Publication Date Title
CN115079884B (zh) 会话消息的显示方法、装置、设备及存储介质
US12137262B2 (en) Information push method, apparatus, electronic device and storage medium
US20240168605A1 (en) Text input method and apparatus, and electronic device and storage medium
WO2022184077A1 (zh) 文档编辑的方法、装置、终端及非暂时性存储介质
CN110275962B (zh) 用于输出信息的方法和装置
CN114443897B (zh) 一种视频推荐方法、装置、电子设备和存储介质
CN114925285B (zh) 书籍信息处理方法、装置、设备和存储介质
CN115134670A (zh) 多媒体播放方法、设备、存储介质及程序产品
WO2024087821A1 (zh) 信息处理方法、装置和电子设备
JP2025508593A (ja) ビデオ生成方法、装置、機器、記憶媒体及びプログラム製品
WO2025031371A1 (zh) 特效的生成方法、装置、电子设备和存储介质
CN112035581B (zh) 基于模型的任务处理方法、装置、设备和介质
WO2025001726A1 (zh) 封面的设置方法、装置、电子设备和存储介质
JP7684446B2 (ja) ビデオ生成方法、装置、機器、記憶媒体及びプログラム製品
WO2024251228A1 (zh) 媒体内容展示方法、装置、电子设备及存储介质
CN117857829A (zh) 内容生成方法、装置、可读介质及电子设备
CN114786069B (zh) 视频生成方法、装置、介质及电子设备
CN117034887A (zh) 信息处理方法、装置、电子设备和存储介质
CN114997115B (zh) 文档处理方法、装置、设备和介质
WO2024217011A1 (zh) 视频生成方法、装置、设备、存储介质和程序产品
US12148451B2 (en) Method, apparatus, device, storage medium and program product for video generating
CN112182290A (zh) 一种信息处理方法、装置和电子设备
CN114997120B (zh) 文档标签的生成方法、装置、终端和存储介质
CN118915943A (zh) 交互方法、装置、介质、设备以及计算机程序产品
CN118152660A (zh) 内容推送方法、装置、可读介质、电子设备及产品

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