[发明专利]视频数据生成方法、计算机可读存储介质和电子设备

说明书

本申请公开了一种视频数据生成方法、计算机可读存储介质和电子设备。本申请通过获取视频中的音频流数据，将音频流数据通过语音识别进行转换，获取对应的文本数据，并根据同步获得的图像流数据以及所述通过语音识别转换过来的文本数据来生成可供发布或分享的视频数据。由此，本申请可以在视频数据中嵌入表征视频中的语音信息的文本，从视觉和听觉两方面对于视频中的语音信息进行表达，提供了更加丰富的用户体验。并通过本申请的视频数据生成方法可以“一键”操作生成一个带有视频、语音、图像、文本的多媒体内容，方便用户的使用。本申请公开的视频生成及发布方法，在移动互联网信息发布及交互场景里，比用输入法和键盘发布文字信息更加便捷高效。

技术领域

本申请涉及视频处理技术，具体涉及一种视频数据生成方法、计算机可读存储介质和电子设备。

背景技术

随着互联网接入带宽的不断增加以及智能终端的普及，视频内容逐渐成为社交应用的主要信息载体。相比于图文信息和音频信息，视频内容可以传递更真实、更具视觉冲击的信息。应用程序的用户可以通过用户终端录制生成视频数据进行发布和分享。但是，现有技术中，由于口音、环境或观看者本身的原因，视频内容中的语音类信息往往无法有效地被观看者识别。同时，如果需要在视频内容中添加特效或文字等附加信息，操作比较繁琐。

发明内容

有鉴于此，本申请提供一种视频数据生成方法、计算机可读存储介质和电子设备，其目的在于自动地在生成的视频中添加文本信息，实现一键操作，同时，使得用户可以摆脱对于输入法的依赖，自如地进行视频、语音、图像和文字的输入。

一方面，本申请提出了一种视频数据生成方法，包括:

获取图像流数据和音频流数据；

获取通过语音识别转换过来的文本数据；以及

根据所述图像流数据、音频流数据和所述通过语音识别转换过来的文本数据生成待发布的视频数据。

优选地，在检测到对第一控件的操作时，开始获取所述图像流数据和音频流数据，在检测到对位于相同位置的第二控件的操作时，触发生成待发布的视频数据以实现一键操作。

优选地，在检测到对第一空间的操作时，开始获取所述图像流数据和音频流数据，在检测到录制时间达到预定时限时，自动跳转生成待发布的视频数据以实现一键操作。

优选地，所述方法还包括：

在接收到发布指令时，将所述待发布的视频数据上传内容服务器。

优选地，获取通过语音识别转换过来的文本数据为：

实时获取通过语音识别转换过来的文本流信息。

优选地，所述方法还包括：

在视频录制过程中，实时显示经过处理的图像流数据和所述通过语音识别转换过来的文本流信息。

优选地，所述实时显示经过处理的图像流数据和所述文本流信息包括：

以第一图层显示获取的图像流数据；

在第二图层添加选定的蒙版图像和/或滤镜效果；以及

在第三图层显示所述通过语音识别转换过来的文本流信息。

优选地，所述方法还包括：

获取用户选定的蒙版图像和/或滤镜。

优选地，在第三图层显示所述通过语音识别转换过来的文本流信息包括：

根据所述通过语音识别转换过来的文本流信息中的划分标记逐步地显示所述通过语音识别转换过来的文本流信息。

优选地，所述获取所述音频流数据对应的文本数据包括：