[发明专利]视频生成方法、视频生成装置、电子设备、存储介质

说明书

本申请提供一种视频生成方法、视频生成装置、电子设备、存储介质，属于人工智能技术领域。包括：获取原始视频，将原始视频分离为音频和图像帧；对音频进行语音处理，得到第一关键词和语调属性；根据第一分类模型对图像帧进行分类，得到人物图像帧和图文图像帧；对人物图像帧进行人物表情识别，得到人物表情属性；对图文图像帧进行光学字符识别，得到第二关键词；根据第一关键词、语调属性、人物表情属性、第二关键词得到关键时间点；将关键时间点、第一关键词和第二关键词输入知识图谱，根据知识图谱输出的剪辑策略对原始视频进行剪辑处理，生成目标视频。本申请通过知识图谱输出的剪辑策略对原始视频进行剪辑，能够自动输出剪辑后的视频。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种视频生成方法、视频生成装置、电子设备、存储介质。

背景技术

目前，视频拍摄完成后，需要人工对视频进行剪辑来完成后期制作，但是视频剪辑对人工制作有一定的技术和时间要求，效率低且容易因人为操作而出错。

发明内容

本申请实施例的主要目的在于提出一种视频生成方法、视频生成装置、电子设备、存储介质，能够自动输出剪辑后的视频，降低了视频制作对于技术和时间的要求，提高视频剪辑的效率。

为实现上述目的，本申请实施例的第一方面提出了一种视频生成方法，所述方法包括：

获取原始视频，将所述原始视频分离为音频和图像帧；

对所述音频进行语音处理，得到第一关键词和语调属性；

根据预设的第一分类模型对所述图像帧进行分类，得到人物图像帧和图文图像帧；

对所述人物图像帧进行人物表情识别，得到人物表情属性；

对所述图文图像帧进行光学字符识别，得到第二关键词；

获取所述第一关键词的时间属性、所述语调属性的时间属性、所述人物表情属性的时间属性、所述第二关键词的时间属性，根据所述第一关键词对应的时间属性、所述语调属性对应的时间属性、所述人物表情属性对应的时间属性、所述第二关键词对应的时间属性得到关键时间点；

将所述关键时间点、所述第一关键词和所述第二关键词输入预先建立的知识图谱，根据所述知识图谱输出剪辑策略；

根据所述剪辑策略对所述原始视频进行剪辑处理，生成目标视频。

在一些实施例，所述对所述音频进行语音处理，得到第一关键词和语调属性，包括：

将所述音频转换为第一文本，对所述第一文本进行语义识别，得到所述第一文本中的第一关键词；

对所述音频进行语调分析，得到声纹特征，根据预设的第二分类模型对所述声纹特征进行分类，得到语调属性。

在一些实施例，所述将所述音频转换为第一文本，对所述第一文本进行语义识别，得到所述第一文本中的第一关键词，包括：

根据预设的语音识别模型对所述音频进行语音识别，将所述音频转换为对应的所述第一文本；

对所述第一文本进行分词处理，得到第一单词序列；

对所述第一单词序列中每个单词进行词性标注，得到所述第一单词序列中每个所述单词的单词词性；

根据所述单词词性对所述第一单词序列进行词性还原，得到第二单词序列；

对所述第二单词序列进行语义识别，得到所述第一文本中的第一关键词。

在一些实施例，所述对所述人物图像帧进行人物表情识别，得到人物表情属性，包括：

对所述人物图像帧进行人脸对齐处理，在所述人物图像帧中定位人脸特征点；