[发明专利]一种视频生成方法及相关装置

说明书

本申请提供了一种视频生成方法及相关设备，可应用于人工智能领域中的图像处理、视频生成领域，其中，一种视频生成方法包括：接收视频生成指令，并响应于视频生成指令获取文本信息和图片信息，文本信息包括一个或多个关键字，图片信息包括N张图片；根据一个或多个关键字获取N张图片的每张图片中与一个或多个关键字对应的图像特征；将一个或多个关键字和N张图片的图像特征输入目标生成器网络中，生成目标视频，目标视频包括M张图片，M张图片为基于N张图片的图像特征生成的、且与所述一个或多个关键字对应的图片。实施本申请实施例，保证了视频内容的丰富性的前提下，自动生成视频。

技术领域

本申请涉及人工智能领域，尤其涉及一种视频生成方法及相关装置。

背景技术

状态分享是当今新媒体社会内许多用户都会使用的方式，通过状态分享可以让他人了解自己，促进人与人之间的交流。例如：微信的地理位置状态分享、说说状态分享，抖音的视频分享等，丰富的状态分享能促进社交平台友好发展，提升用户生活交友体验。

然而，在社交平台上，单一的地理位置信息、文字或图片的分享使得用户间所能获取的信息较少，无法在视觉和听觉上同时满足需求。因此，为了满足用户在视觉上和听觉上的需求，可以拍摄视频后再分享。然而，拍摄视频后再分享，给用户带来一定的不便，需要耗费用户一定的时间进行手动摄影，而且拍摄的视频质量和内容，也很容易受到用户拍摄技术和拍摄条件的限制。如果直接利用图片合成视频，只局限于以幻灯片的形式切换式放映，缺少内容的丰富性。

因此，如何在保证视频内容的丰富性的前提下，自动生成视频，是亟待解决的问题。

发明内容

本申请实施例提供一种视频生成方法及相关装置，能够根据文本和图片生成视频，以便用户可以实时分享自己的生活状态。

第一方面，本申请实施例提供了一种视频生成方法，可包括：接收视频生成指令，并响应于所述视频生成指令获取文本信息和图片信息，所述文本信息包括一个或多个关键字，所述图片信息包括N张图片，N为大于或等于1的正整数；根据所述一个或多个关键字获取所述N张图片的每张图片中与所述一个或多个关键字对应的图像特征；将所述一个或多个关键字和所述N张图片的图像特征输入目标生成器网络中，生成目标视频，所述目标视频包括M张图片，所述M张图片为基于所述N张图片的图像特征生成的、且与所述一个或多个关键字对应的图片，M为大于1的正整数。

实施本申请实施例，电子设备可以根据文本信息和图片信息自动生成视频，以便用户可以实时分享自己的生活状态。当电子设备接收视频生成指令后，可以响应于该视频生成指令获取文本信息和图片信息，其中，所述文本信息包括一个或多个关键字，所述图片信息包括N张图片。由于所述文本信息可以用于描述生成视频的视频内容(如：所述一个或多个关键字可以包括人物、时间、地点、事件或动作等等)，所述图片信息可以用于提取或生成每一帧的视频图片，因此，可以根据一个或多个关键字提取所述N张图片的每张图片中与所述一个或多个关键字对应的图像特征，再将所述一个或多个关键字和所述N张图片的图像特征输入目标生成器网络中，生成目标视频。这种利用文本和图像共同生成视频，使得生成的视频可以根据输入的文本信息对输入的图片信息进行调整，大大的丰富了视频内容，避免了现有终端设备上的由多张图片直接堆叠生成的视频，只局限于以幻灯片的形式切换式放映，缺少内容的丰富性，同时也满足了用户需求。