[发明专利]视频生成方法和装置、存储介质和电子设备

权利要求书

1.一种视频生成方法，其特征在于，所述方法包括：

获取用户输入的视频文案，将用户输入的视频文案进行分句，得到多个文案子句；

通过场景判别模型，分别判别每一所述文案子句在所述视频文案中所属的场景；

基于各场景对应的所述文案子句，检索视频资源和/或图像资源；

针对每一场景，将所述场景以及所述场景对应的文案子句一并输入风格预测模型，并获取所述风格预测模型基于所述场景和所述文案子句的文本内容输出的风格标签；

基于各场景对应的风格标签和文案子句，生成该场景的配音音频；

将所述视频资源和/或图像资源整合为目标视频，并将各场景对应的所述配音音频插入至所述目标视频中该场景对应的位置。

2.根据权利要求1所述的方法，其特征在于，所述基于各场景对应的所述文案子句，检索各场景对应的视频资源和/或图像资源，包括：

通过各场景对应的关键词提取模型，提取各场景对应的文案子句的关键词；

基于各场景对应的文案子句的关键词，检索该场景对应的视频资源和/或图像资源。

3.根据权利要求1所述的方法，其特征在于，在检索到的内容为视频资源的情况下，所述方法还包括：

基于人脸识别算法，从至少一个视频资源中提取包括人脸图像的视频片段；

基于人脸分类算法，对所述人脸图像进行聚类，得到多个人物分类；

基于用户对人物分类的选择操作，从所述多个人物分类中确定目标人物分类，并将待处理视频中包括所述目标人物分类的视频片段整合为待选视频；

基于用户对待选视频的选择操作，从多个待选视频中确定目标人物视频；

基于用户对所述目标人物视频的剪辑操作，确定所述目标人物视频中的至少一个目标视频片段；

所述将所述视频资源和/或图像资源整合为目标视频，包括：

将所述目标视频片段整合为目标视频。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

响应于用户对目标视频中的任意视频片段的编辑操作，调整该视频片段在所述目标视频中的位置。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

响应于用户对所述视频文案的编辑操作，从多个文案子句中确定用户调整的目标文案子句；

基于用户的编辑操作，更新所述目标文案子句。

6.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

获取用户的选择操作，从多个场景中确定用户选择的场景；

基于用户对所述场景的编辑操作，对所述场景对应的文案子句、视频资源和/或图像资源、所述场景对应的子视频中的至少一者进行与所述编辑操作对应的修改。

7.一种视频生成装置，其特征在于，所述装置包括：

获取模块，用于获取用户输入的视频文案，并将用户输入的视频文案进行分句，得到多个文案子句；通过场景判别模型，分别判别每一所述文案子句在所述视频文案中所属的场景；

检索模块，用于基于各场景对应的所述文案子句，检索各场景对应的视频资源和/或图像资源；

生成模块，用于针对每一场景，将所述场景以及所述场景对应的文案子句一并输入风格预测模型，并获取所述风格预测模型基于所述场景和所述文案子句的文本内容输出的风格标签，并基于各场景对应的风格标签和文案子句，生成该场景的配音音频；

合成模块，用于将所述视频资源和/或图像资源整合为目标视频，并将各场景对应的所述配音音频插入至所述目标视频中该场景对应的位置。

8.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-6中任一项所述方法的步骤。

9.一种电子设备，其特征在于，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，以实现权利要求1-6中任一项所述方法的步骤。