[发明专利]视频生成方法、装置、终端设备及介质

权利要求书

1.一种视频生成方法，其特征在于，包括：

获取按照预先规划的设计方案拍摄得到的多个视频段，每个视频段具有相应的视频顺序号，所述设计方案包括组成视频的多个视频段的场景内容，以及每个视频段的时长、对应的解说词；

针对目标视频段，从多段视频解说词中获取与所述目标视频段相匹配的目标解说词，所述目标视频段为所述多个视频段中的任一视频段；

确定所述目标解说词在所述目标视频段中的起始位置；

通过从所述起始位置开始播放所述目标解说词的方式，将所述目标解说词与所述目标视频段组合为有声视频段；

按照所述视频顺序号，将组合得到的多个有声视频段生成为视频；

所述确定所述目标解说词在所述目标视频段中的起始位置，包括：

识别所述目标视频段中的至少一个音频标记帧；按照所述目标视频段的播放顺序，将所述至少一个音频标记帧中位置最靠前的音频标记帧确定为所述目标解说词的起始位置；或者，

对所述目标解说词开头预设长度的内容进行语义识别，以提取所述目标解说词中的首个实体对象；确定所述目标视频段中首次出现所述首个实体对象的视频帧；将所述视频帧确定为所述首个实体对象的起始位置。

2.根据权利要求1所述的方法，其特征在于，每段视频解说词具有相应的解说词顺序号，所述针对目标视频段，从多段视频解说词中获取与所述目标视频段相匹配的目标解说词，包括：

确定所述目标视频段的目标视频顺序号，所述目标视频顺序号为所述设计方案中规划的所述目标视频段的播放顺序；

从多段视频解说词中获取所述解说词顺序号与所述目标视频顺序号相同的目标解说词。

3.根据权利要求1所述的方法，其特征在于，所述目标解说词包括多个解说词段，所述目标视频段包括多个音频标记帧，所述方法还包括：

根据所述目标解说词和/或所述目标视频段的播放顺序，确定每个解说词段与每个音频标记帧之间的对应关系；

将具有所述对应关系的音频标记帧确定为对应的解说词段的起始位置。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述按照所述视频顺序号，将组合得到的多个有声视频段生成为视频，包括：

确定每个有声视频段的拼接顺序号，所述拼接顺序号与所述有声视频段对应的目标视频段的视频顺序号相同；

按照所述拼接顺序号，将所述多个有声视频段拼接为视频。

5.根据权利要求4所述的方法，其特征在于，在按照所述拼接顺序号，将所述多个有声视频段拼接为培训视频之后，还包括：

接收用户针对所述视频的调整指令，所述调整指令用于对所述视频中的解说词的播放位置进行微调。

6.一种视频生成装置，其特征在于，包括：

视频段获取模块，用于获取按照预先规划的设计方案拍摄得到的多个视频段，每个视频段具有相应的视频顺序号，所述设计方案包括组成视频的多个视频段的场景内容，以及每个视频段的时长、对应的解说词；

目标解说词获取模块，用于针对目标视频段，从多段视频解说词中获取与所述目标视频段相匹配的目标解说词，所述目标视频段为所述多个视频段中的任一视频段；

起始位置确定模块，用于确定所述目标解说词在所述目标视频段中的起始位置；

有声视频段组合模块，用于通过从所述起始位置开始播放所述目标解说词的方式，将所述目标解说词与所述目标视频段组合为有声视频段；

视频生成模块，用于按照所述视频顺序号，将组合得到的多个有声视频段生成为视频；

所述起始位置确定模块具体用于：

识别所述目标视频段中的至少一个音频标记帧；按照所述目标视频段的播放顺序，将所述至少一个音频标记帧中位置最靠前的音频标记帧确定为所述目标解说词的起始位置；或者，

对所述目标解说词开头预设长度的内容进行语义识别，以提取所述目标解说词中的首个实体对象；确定所述目标视频段中首次出现所述首个实体对象的视频帧；将所述视频帧确定为所述首个实体对象的起始位置。