[发明专利]视频处理方法、装置、电子设备、可读存储介质及系统

说明书

本申请公开一种视频处理方法、装置、电子设备、可读存储介质及系统，视频处理方法包括：获取原始多媒体视频，原始多媒体视频包括具有第一语种的原始音频、视频文件和具有第二语种的字幕文本；将原始音频裁剪成与字幕文本中说话人的语句字幕对应的音频片段；提取音频片段中说话人的特征信息；根据说话人的语句字幕和说话人的特征信息生成具有第二语种的目标音频；将目标音频、视频文件和字幕文本合成目标多媒体视频。本申请可以提高所合成的多媒体视频中音频的逼真度。

技术领域

本申请涉及多媒体技术领域，具体涉及一种视频处理方法、装置、电子设备、可读存储介质及系统。

背景技术

随着技术的发展，电子设备的应用越来越广泛。人们经常使用电子设备观看视频。例如，当观看的视频是国外剧时，视频中采用的视频语种通常是外语(不是用户的母语)，并配有用户的母语字幕，当用户听不懂该外语时，可以借助字幕来理解视频内容，这使得用户的注意力都集中在字幕上，而错过视频中的其他重要细节。

相关技术中，一般采用视频文件配音的方法将原视频中的音频消除，使用用户熟悉的语种进行配音得到新视频，但是新视频中配音形成的音频比较单一，不能体现出原视频中说话人的个性化音频特征，影响新视频中音频的逼真度。

发明内容

本申请实施例提供一种视频处理方法、装置、电子设备、可读存储介质及系统，可以提高所合成的多媒体视频中音频的逼真度。

第一方面，本申请实施例提供一种视频处理方法，包括：获取原始多媒体视频，原始多媒体视频包括具有第一语种的原始音频、视频文件和具有第二语种的字幕文本；将原始音频裁剪成与字幕文本中说话人的语句字幕对应的音频片段；提取音频片段中说话人的特征信息；根据说话人的语句字幕和说话人的特征信息生成具有第二语种的目标音频；将目标音频、视频文件和字幕文本合成目标多媒体视频。

第二方面，本申请实施例提供一种视频处理装置，包括：获取模块，用于获取原始多媒体视频，原始多媒体视频包括具有第一语种的原始音频、视频文件和具有第二语种的字幕文本；裁剪模块，用于将原始音频裁剪成与字幕文本中说话人的语句字幕对应的音频片段；提取模块，用于提取音频片段中说话人的特征信息；生成模块，用于根据说话人的语句字幕和说话人的特征信息生成具有第二语种的目标音频；合成模块，用于将目标音频、视频文件和字幕文本合成目标多媒体视频。

第三方面，本申请实施例提供一种电子设备，包括存储器和处理器，其特征在于，处理器通过调用存储器中存储的计算机程序，用于执行如上述各实施例中的视频处理方法中的步骤。

第四方面，本申请实施例提供一种计算机可读的存储介质，其上存储有计算机程序，当计算机程序在计算机上执行时，使得计算机执行上述各实施例中的视频处理方法中的步骤。

第五方面，本申请实施例提供一种视频处理系统，包括流媒体设备和音频合成服务器，流媒体设备包括音视频分离器、音频预处理模块和同步器，音频合成服务器包括语音识别模块和语音合成器，其中，音视频分离器，用于获取原始多媒体视频，并从原始多媒体视频中确定具有第一语种的原始音频、视频文件和具有第二语种的字幕文本；音频预处理模块，与音视频分离器连接，用于将原始音频裁剪成与字幕文本中说话人的语句字幕对应的音频片段；语音识别模块，与音频预处理模块连接，用于提取音频片段中说话人的特征信息；语音合成器，与语音识别模块连接，用于根据说话人的语句字幕和说话人的特征信息生成具有第二语种的目标音频；同步器，与语音合成器连接，用于将目标音频、视频文件和字幕文本合成目标多媒体视频。