一种标签处理方法、装置、存储介质和电子设备与流程

本申请涉及计算机技术领域，具体涉及一种标签处理方法、装置、存储介质和电子设备。

背景技术：

电子书签是读者在中止阅读电子类书籍时，在阅读中断处添加的标记。通过添加的电子书签，使得读者下次打开该电子类书籍时，可以方便快捷地根据电子书签查找到上次阅读中断处，并从上次中断之处继续阅读。现有技术中读者可以在希望添加电子书签处，通过人工操作添加电子标签，或者阅读应用可以自行在读者的阅读中断处添加标签。然而，现有技术中电子书签仅能应用在阅读领域，电子书签生成的应用范围单一。

技术实现要素：

本申请实施例提供一种标签处理方法、装置、存储介质和电子设备，可以提升标签处理的灵活性。

本申请实施例提供一种标签处理方法，包括：

显示视频播放客户端中目标视频对应的视频播放页面，所述视频播放页面包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件；

当检测到针对所述语音输入控件的语音输入操作时，生成当前视频时间对应的视频标签，所述视频标签包括：所述当前视频时间、以及所述当前视频时间对应的视频帧图像信息；

当检测到针对所述标签查看控件的标签查看操作时，展示视频标签列表，所述视频标签列表包括按照预定顺序排列的至少一个已生成的视频标签。

相应的，本申请实施例还提供一种标签处理装置，包括：

显示模块，用于显示视频播放客户端中目标视频对应的视频播放页面，所述视频播放页面包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件；

生成模块，用于当检测到针对所述语音输入控件的语音输入操作时，生成当前视频时间对应的视频标签，所述视频标签包括：所述当前视频时间、以及所述当前视频时间对应的视频帧图像信息；

展示模块，用于当检测到针对所述标签查看控件的标签查看操作时，展示视频标签列表，所述视频标签列表包括按照预定顺序排列的至少一个已生成的视频标签。

可选的，在一些实施例中，所述生成模块可以包括获取子模块和生成子模块，如下：

获取子模块，用于当检测到针对所述语音输入控件的语音输入操作时，获取当前视频时间对应的视频帧图像信息、当前视频时间对应的待标记视频单元、以及当前录制的语音信息；

生成子模块，用于基于所述语音信息、以及所述视频帧图像信息，生成所述待标记视频单元对应的视频标签。

可选的，在一些实施例中，所述获取子模块可以包括第一获取子模块和第二获取子模块，如下：

第一获取子模块，用于当检测到针对所述语音输入控件的语音输入操作时，获取当前视频时间、所述当前视频时间对应的视频帧图像信息、以及当前针对所述语音输入控件录制的语音信息；

第二获取子模块，用于基于所述语音信息，从所述目标视频中获取所述当前视频时间对应的待标记视频单元。

则此时，所述第三获取子模块，具体可以用于当检测到所述语音信息中包括第一标签类型信息时，从所述目标视频中获取所述当前视频时间对应的当前视频帧图像，将所述当前视频帧图像确定为待标记视频单元。

则此时，所述第三获取子模块，具体可以用于当检测到所述语音信息中包括第二标签类型信息时，确定所述语音输入操作对应的操作起始时间点、以及操作终止时间点，基于所述操作起始时间点、以及所述操作终止时间点，从所述目标视频中获取当前视频片段，将所述当前视频片段确定为待标记视频单元。

则此时，所述生成子模块，具体可以用于当检测到所述语音信息中包括标签内容语音信息时，将所述标签内容语音信息转换为标签内容文本信息，基于所述标签内容文本信息、以及所述视频帧图像信息，生成所述待标记视频单元对应的视频标签。

则此时，所述获取子模块，具体可以用于当检测到针对所述语音输入控件的语音输入操作时，获取当前视频时间、以及所述当前视频时间对应的视频帧图像信息，关闭所述目标视频中的音频，并播放关闭音频后的目标视频，获取当前针对所述语音输入控件录制的语音信息。

可选的，在一些实施例中，所述标签处理装置还可以包括第一获取模块和排列模块，如下：

第一获取模块，用于获取视频集合中多个视频对应的视频标签，所述视频集合中包括多个层级对应的视频；

排列模块，用于基于所述视频集合的层级、以及所述视频标签对应的当前视频时间，将多个视频标签进行排列，得到视频标签列表。

可选的，在一些实施例中，所述标签处理装置还可以包括确定模块、第二获取模块和跳转模块，如下：

确定模块，用于当检测到针对所述视频标签列表中目标视频标签的跳转播放操作时，确定所述目标视频标签对应的目标视频时间、以及所述目标视频标签对应的待播放视频；

第二获取模块，用于基于所述目标视频时间，从所述待播放视频中获取待播放视频片段；

跳转模块，用于跳转播放所述待播放视频片段。

则此时，所述获取子模块，具体可以用于当检测到针对所述语音输入控件的语音输入操作时，对用户针对所述视频播放客户端的登录情况进行检测，得到用户登录状态信息，当所述用户登录状态信息确定所述用户已经登录所述视频播放客户端时，获取当前视频时间对应的视频帧图像信息、当前视频时间对应的待标记视频单元、以及当前录制的语音信息。

此外，本申请实施例还提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例提供的任一种标签处理方法中的步骤。

此外，本申请实施例还提供一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本申请实施例提供的任一种标签处理方法中的步骤。

本申请实施例可以显示视频播放客户端中目标视频对应的视频播放页面，视频播放页面包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件，当检测到针对语音输入控件的语音输入操作时，生成当前视频时间对应的视频标签，视频标签包括：当前视频时间、以及当前视频时间对应的视频帧图像信息，当检测到针对标签查看控件的标签查看操作时，展示视频标签列表，视频标签列表包括按照预定顺序排列的至少一个已生成的视频标签。该方案可以在视频播放的过程中，根据用户的操作生成视频标签，提升了标签处理的灵活性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的标签处理系统的场景示意图；

图2是本申请实施例提供的标签处理方法的第一流程图；

图3是本申请实施例提供的标签处理方法的第二流程图；

图4是本申请实施例提供的标签处理方法的第三流程图；

图5是本申请实施例提供的第一视频标签列表示意图；

图6是本申请实施例提供的视频标签处理示意图；

图7是本申请实施例提供的判断用户登录情况示意图；

图8是本申请实施例提供的第二视频标签列表示意图；

图9是本申请实施例提供的第三视频标签列表示意图；

图10是本申请实施例提供的视频播放页面示意图；

图11是本申请实施例提供的标签处理装置的结构示意图；

图12是本申请实施例提供的电子设备的结构示意图。

具体实施方式

请参照图式，其中相同的组件符号代表相同的组件，本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本申请具体实施例，其不应被视为限制本申请未在此详述的其它具体实施例。

在以下的说明中，本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明，除非另有述明。因此，这些步骤及操作将有数次提到由计算机执行，本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存系统中的位置处，其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实体位置，其具有由该数据格式所定义的特定特性。但是，本申请原理以上述文字来说明，其并不代表为一种限制，本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。

本文所使用的术语“模块”可看作为在该运算系统上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看作为在该运算系统上的实施对象。而本文所述的装置及方法可以以软件的方式进行实施，当然也可在硬件上进行实施，均在本申请保护范围之内。

本申请中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是某些实施例还包括没有列出的步骤或模块，或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本申请实施例提供一种标签处理方法、装置、存储介质和电子设备。具体地，本申请实施例提供适用于电子设备的标签处理方法。其中，电子设备可以为终端等设备，该终端可以为手机、平板电脑、笔记本电脑、个人计算机、智能电视、盒子等设备；其中，该电子设备还可以为服务器等设备，该服务器可以是单台服务器，也可以是由多个服务器组成的服务器集群。

比如，标签处理装置可以集成在终端或服务器中。

在本申请实施例中，标签处理方法可以由终端或者服务器单独执行，也可以由终端和服务器共同执行完成。

参考图1，比如，电子设备可以用于显示视频播放客户端中目标视频对应的视频播放页面，视频播放页面包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件，当检测到针对语音输入控件的语音输入操作时，生成当前视频时间对应的视频标签，视频标签包括当前视频时间、以及当前视频时间对应的视频帧图像信息，当检测到针对标签查看控件的标签查看操作时，展示视频标签列表，视频标签列表包括按照预定顺序排列的至少一个已生成的视频标签。

其中，另一个实施例中，还可以在终端安装的视频播放客户端上，显示目标视频对应的视频播放页面，当检测到用户针对语音输入控件的语音输入操作时，获取当前录制的语音信息，并将语音信息发送给服务器。服务器可以根据接收到的语音信息，生成当前视频时间对应的视频标签，并将视频标签返回至视频播放客户端。

可以理解的是，在另一个实施例中，标签处理方法中的步骤还可以由终端执行，标签处理装置可以以视频播放客户端的形式集成在该终端中，该视频播放客户端可以进行专业的视频编辑等操作。

以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。

本申请实施例将从标签处理装置的角度进行描述，该标签处理装置具体可以集成在终端，也可以集成在服务器中。

本申请实施例提供的一种标签处理方法，该方法可以由终端的处理器执行，如图2所示，该标签处理方法的具体流程可以如下：

201、显示视频播放客户端中目标视频对应的视频播放页面。

其中，视频播放客户端是能够为用户提供视频播放服务的用户端，视频播放客户端可以安装在终端上，并与服务端互相配合运行。用户可以通过用户账号，登录视频播放客户端，使得视频播放客户端能够记录用户的视频播放历史、视频观看喜好等等数据。其中，视频播放客户端不限于主要是进行视频播放的客户端，还可以为包括视频播放功能的客户端，如可以是视频客户端，浏览器客户端等等。

其中，目标视频可以为视频播放客户端中当前播放的视频，比如，当用户正在通过视频播放客户端观看视频1，此时，可以将视频1确定为目标视频。其中，本申请实施例可以不对目标视频的视频内容、以及视频格式等进行限制。

其中，视频播放页面为能够针对用户进行视频播放的页面，比如，如图10所示，视频播放页面中可以播放目标视频，以便用户观看目标视频，并且视频播放页面中还可以包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件。

其中，视频标签是一种能够指引用户查找视频中特定的视频帧或者视频片段的电子书签。比如，用户正在观看电视剧1第二集，在播放至电视剧1第二集第20分第30秒时，用户添加了一个视频标签，那么用户下一次可以直接利用视频标签，跳转播放以电视剧1第二集第20分第30秒为开始的视频片段。

其中，用户还可以在视频标签中添加标签内容，该标签内容可以为对当前播放的视频内容的概述、对当前播放视频添加的小标题、或者用户的观看感受心得，等等。比如，用户正在观看电视剧1第二集，在播放至电视剧1第二集第20分第30秒时，发生了剧情1，此时，用户可以添加一个视频标签，该视频标签中包括标签内容“剧情1”；在播放至第二集第30分第30秒时，发生了剧情2，此时，用户还可以添加一个视频标签，该视频标签中包括标签内容“剧情2”，那么，当用户查看视频标签列表时，视频标签列表中可以显示电视剧1第二集第20分第30秒对应的标签内容“剧情1”、以及电视剧1第二集第30分第30秒对应的标签内容“剧情2”，因此用户可以直观地了解到视频中发生过的剧情、以及每个剧情发生的时间。

其中，语音输入控件可以为位于视频播放页面中，指引用户输入语音的控件，由于本申请实施例是根据用户输入的语音信息，生成视频标签，因此，语音输入控件还可以作为触发视频标签处理请求的控件。比如，如图10所示，语音输入控件可以为按钮的形式，用户可以通过长按该按钮形式的语音输入控件，触发视频标签处理请求，并录制语音信息。其中，语音输入控件的形式可以有多种，比如，语音输入控件可以为输入框、按钮、图标等的形式。

其中，标签查看控件可以为位于视频播放页面中，指引用户查看视频标签的控件。比如，如图10所示，标签查看控件可以为按钮的形式，用户可以通过点击该按钮形式的标签查看控件，触发视频标签列表显示的请求，此时，终端界面上可以显示视频标签列表。其中，标签查看控件的形式可以有多种，比如，标签查看控件可以为输入框、按钮、图标等的形式。

在实际应用中，比如，如图10所示，用户1可以利用账户1登录视频播放客户端，并基于视频播放客户端观看目标视频，此时，视频播放客户端的视频播放页面中可以播放目标视频。其中，该视频播放页面中还可以包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件。

在一实施例中，视频标签不仅可以针对目标视频中的某个时刻，还可以针对目标视频中的某个时间段，比如，视频标签不仅可以针对电视剧1第三集中的第20分第30秒，还可以针对电视剧1第三集中的第20分～第30分，此时，根据该视频标签，可以跳转播放电视剧1第三集中第20分～第30分对应的视频片段。

202、当检测到针对语音输入控件的语音输入操作时，生成当前视频时间对应的视频标签。

其中，语音输入操作可以为用户针对语音输入控件输入语音的操作，比如，用户可以长按按钮形式的语音输入控件，并且在长按按钮的过程中说话，此时，用户说的话会被录制并储存，这种用户长按按钮的操作可以确定为针对语音输入控件的语音输入操作。又比如，用户可以长按按钮形式的语音输入控件，并且在长按按钮的过程中播放来自播放设备的音频，此时，播放的音频会被录制并储存，这种用户长按按钮的操作也可以确定为针对语音输入控件的语音输入操作。

其中，构建视频标签需要当前视频时间、以及当前视频时间对应的视频帧图像信息。比如，若视频标签是在用户观看电视剧1第二季第三集中第20分第30秒时构建的，那么该视频标签对应的当前视频时间为电视剧1第二季第三集中的第20分第30秒。

其中，视频帧图像信息可以为当前视频时间的目标视频所对应的特征信息，比如，若视频标签是在用户观看电视剧1第二季第三集中第20分第30秒时构建的，那么视频帧图像信息可以包括电视剧1第二季第三集对应的视频标题、电视剧1第二季第三集对应的视频唯一标识、当前视频时间电视剧1第二季第三集中的第20分第30秒、时间戳，等等。

其中，当前视频时间可以为用户进行语音输入操作时，视频播放页面中目标视频对应的时间，比如，视频播放页面中正在播放电视剧1第二季第三集，当播放至第三集中第20分第30秒时，用户长按按钮形式的语音输入控件进行语音信息的输入，此时，可以将电视剧1第二季第三集中的第20分第30秒确定为当前视频时间。

在实际应用中，比如，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，检测到用户长按按钮形式的语音输入控件，并说“书签”，此时可以生成电视剧1第二季第三集中第20分第30秒对应的视频标签。

在一实施例中，比如，生成视频标签后，还可以通过消息提示框的形式，提示用户标签已经制作成功，该消息提示框中可以包括“标签制作成功”。又比如，生成视频标签后，还可以语音提示用户“标签制作成功”，以提示用户视频标签已经制作成功。

在一实施例中，生成视频标签后，还可以将视频标签进行分享，比如，用户1将视频1第20分的视频标签分享给用户2后，用户2的视频播放客户端可以提示用户2，用户1向用户2分享了视频1第20分对应的视频标签。

在一实施例中，由于视频标签需要根据输入的语音信息、当前视频时间、以及视频帧图像信息进行构建，因此，还需要获取语音信息、当前视频时间、以及视频帧图像信息。具体地，步骤“当检测到针对所述语音输入控件的语音输入操作时，生成当前视频时间对应的视频标签”，可以包括：

当检测到针对所述语音输入控件的语音输入操作时，获取当前视频时间对应的视频帧图像信息、以及当前录制的语音信息；

基于所述语音信息、以及所述视频帧图像信息，生成所述当前视频时间对应的视频标签。

在实际应用中，比如，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，检测到用户长按按钮形式的语音输入控件，此时，会触发视频标签生成请求，然后，用户可以针对语音输入控件说“书签”。终端可以根据该视频标签生成请求，将电视剧1第二季第三集中的第20分第30秒确定为当前视频时间，并获取该当前视频时间对应的视频帧图像信息，该视频帧图像信息可以包括电视剧1第二季第三集对应的视频标题、电视剧1第二季第三集对应的视频唯一标识、当前视频时间电视剧1第二季第三集中的第20分第30秒、时间戳中的一项或几项。并且获取用户针对语音输入控件录制的语音信息“书签”，然后，根据语音信息、当前视频时间、以及视频帧图像信息，生成电视剧1第二季第三集中的第20分第30秒对应的视频标签。

在一实施例中，根据语音信息、当前视频时间、以及视频帧图像信息，生成目标视频中当前视频时间对应的视频标签后，还可以将视频标签、并语音信息、当前视频时间、以及视频帧图像信息等信息都保存在数据库中。其中，视频标签的数据结构可以包括：目标视频的视频id、目标视频的视频名称、目标视频对应的视频副标题、目标视频图像的链接、当前视频时间、目标视频的总时长、视频标签的内容信息，等等。

其中，视频副标题可以为目标视频所在的视频集数，比如，若目标视频为电视剧1第二季的第三集，那么视频副标题可以为“第三集”。

其中，目标视频图像可以为目标视频中与视频标签对应的视频图像，比如，若视频标签对应电视剧1第二季第三集中的第20分第30秒，那么，目标视频图像可以为电视剧1第二季第三集中第20分第30秒所对应的视频帧图像。又比如，若视频标签对应电视剧1第二季第三集中的第20分～第30分，那么，目标视频图像可以为电视剧1第二季对应的海报图像，等等。

在一实施例中，由于视频标签是属于单个用户的，因此，在创建视频标签时需要判断用户是否已经登录视频播放客户端。具体地，步骤“当检测到针对所述语音输入控件的语音输入操作时，获取当前视频时间对应的视频帧图像信息、以及当前录制的语音信息”，可以包括：

当检测到针对所述语音输入控件的语音输入操作时，对用户针对所述视频播放客户端的登录情况进行检测，得到用户登录状态信息；

当所述用户登录状态信息确定所述用户已经登录所述视频播放客户端时，获取当前视频时间对应的视频帧图像信息、以及当前录制的语音信息。

在实际应用中，比如，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，检测到用户长按按钮形式的语音输入控件，此时，会触发视频标签生成请求。如图7所示，终端可以根据该视频标签生成请求对用户的登录情况进行检测，若检测到用户已经登录视频播放客户端时，说明此时满足构建视频标签的条件，则可以进行获取视频帧图像信息、以及语音信息的步骤。若检测到用户没有登录视频播放客户端时，说明此时还不满足构建视频标签的条件，因此，可以向用户发出登录请求，用户可以根据该登录请求，利用用户账号登录视频播放客户端，然后进行视频标签构建的步骤。

在一实施例中，由于本申请实施例中视频标签不仅可以针对目标视频中某个时刻，还可以针对目标视频中某个时间段，因此，可以根据录制的语音信息对视频标签的种类进行区分。具体地，步骤“当检测到针对所述语音输入控件的语音输入操作时，获取当前视频时间对应的视频帧图像信息、以及当前录制的语音信息”，可以包括：

当检测到针对所述语音输入控件的语音输入操作时，获取当前视频时间、以及所述当前视频时间对应的视频帧图像信息；

获取当前针对所述语音输入控件录制的语音信息；

基于所述语音信息，从所述目标视频中获取所述当前视频时间对应的待标记视频单元；

所述基于所述语音信息、以及所述视频帧图像信息，生成所述当前视频时间对应的视频标签的步骤包括：

基于所述语音信息、以及所述视频帧图像信息，生成所述待标记视频单元对应的视频标签。

其中，待标记视频单元为视频标签所标注的视频单元，该待标记视频单元可以为目标视频中的一帧视频帧，也可以为目标视频中的一段视频片段。比如，待标记视频单元可以为电视剧1第三集中第20分第30秒对应的视频帧，也可以为电视剧1第三集中第20分～第22分对应的视频片段。

在实际应用中，比如，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，检测到用户长按按钮形式的语音输入控件，此时，会触发视频标签生成请求，然后，用户可以针对语音输入控件说“书签”。终端可以根据该视频标签生成请求，将电视剧1第二季第三集中的第20分第30秒确定为当前视频时间，并获取该当前视频时间对应的视频帧图像信息。并且获取用户针对语音输入控件录制的语音信息“书签”，然后，根据语音信息，从电视剧1第二季第三集中获取第20分第30秒对应的视频帧，作为待标记视频单元，并根据语音信息、当前视频时间、以及视频帧图像信息，生成该待标记视频单元对应的视频标签。

在一实施例中，视频标签可以对应目标视频中的某个时刻，具体地，步骤“基于所述语音信息，从所述目标视频中获取所述当前视频时间对应的待标记视频单元”，可以包括：

当检测到所述语音信息中包括第一标签类型信息时，从所述目标视频中获取所述当前视频时间对应的当前视频帧图像；

将所述当前视频帧图像确定为待标记视频单元。

其中，第一标签类型信息可以为表征需要构建的视频标签为书签类型的信息，该书签类型的视频标签对应目标视频中的某个时刻，并且该书签类型的视频标签对应的待标记视频单元为目标视频中的一帧视频帧。比如，本申请实施例中可以预先设定该第一标签类型信息为“书签”，因此，当检测到语音信息中包括“书签”时，可以确定此时需要构建书签类型的视频标签。

在实际应用中，比如，可以预先设定第一标签类型信息为“书签”，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，检测到用户长按按钮形式的语音输入控件，并针对语音输入控件说“书签”。此时，由于用户输入的语音信息中包括“书签”，则可以确定语音信息中包括第一标签类型信息，可以从电视剧1第二季第三集中获取第20分第30秒对应的当前视频帧图像，并将该获取到的当前视频帧图像确定为待标记视频单元。

在一实施例中，视频标签还可以对应目标视频中某个时间段，具体地，步骤“基于所述语音信息，从所述目标视频中获取所述当前视频时间对应的待标记视频单元”，可以包括：

当检测到所述语音信息中包括第二标签类型信息时，确定所述语音输入操作对应的操作起始时间点、以及操作终止时间点；

基于所述操作起始时间点、以及所述操作终止时间点，从所述目标视频中获取当前视频片段；

将所述当前视频片段确定为待标记视频单元。

其中，第二标签类型信息可以为表征需要构建的视频标签为短视频类型的信息，该短视频类型的视频标签对应目标视频中的某个时间段，并且该短视频类型的视频标签对应的待标记视频单元为目标视频中的一个视频片段。比如，本申请实施例中可以预先设定该第二标签类型信息为“构建短视频”，因此，当检测到语音信息中包括“构建短视频”时，可以确定此时需要构建短视频类型的视频标签。

在实际应用中，比如，可以预先设定第一标签类型信息为“构建短视频”，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，检测到用户长按按钮形式的语音输入控件，并针对语音输入控件说“录制短视频”，然后在第22分第30秒时停止长按语音输入控件。此时，由于用户输入的语音信息中包括“录制短视频”，则可以确定语音信息中包括第二标签类型信息，可以将电视剧1第二季第三集的第20分第30秒确定为语音输入操作对应的操作起始时间点，将电视剧1第二季第三集的第22分第30秒确定为语音输入操作对应的操作终止时间点。然后，可以从电视剧1第二季第三集中获取第20分第30秒～第22分第30秒对应的当前视频片段，并将该获取到的当前视频片段确定为待标记视频单元。

在一实施例中，第一标签类型信息、以及第二标签类型信息不仅限于“书签”、以及“录制短视频”，可以根据实际应用需求，对第一标签类型信息、以及第二标签类型信息的信息内容进行调整，只要能够根据第一标签类型信息、以及第二标签类型信息，区分出当前需要构建的视频标签的类型即可。

在一实施例中，用户还可以在视频标签中添加内容信息，以便用户可以在查看视频标签列表时，根据内容信息直观地了解到用户希望关注的信息。具体地，步骤“基于所述语音信息、以及所述视频帧图像信息，生成所述当前视频时间对应的视频标签”，可以包括：

当检测到所述语音信息中包括标签内容语音信息时，将所述标签内容语音信息转换为标签内容文本信息；

基于所述标签内容文本信息、以及所述视频帧图像信息，生成所述当前视频时间对应的视频标签。

其中，标签内容语音信息可以为包括对当前播放的视频内容的概述、对当前播放视频添加的小标题、或者用户的观看感受心得，等等的语音信息。比如，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，检测到用户长按按钮形式的语音输入控件，并针对语音输入控件说“书签剧情1”，此时，“剧情1”可以被确定为标签内容语音信息，代表电视剧1第二季第三集中的第20分第30秒播放的是与剧情1相关的内容。

在实际应用中，比如，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，检测到用户长按按钮形式的语音输入控件，并针对语音输入控件说“书签剧情1”，此时，“剧情1”可以被确定为标签内容语音信息，然后可以将该标签内容语音信息转换为标签内容文本信息“剧情1”，并根据标签内容文本信息、以及获取到的视频帧图像信息，生成电视剧1第二季第三集中第20分第30秒对应的视频标签，该视频标签中包括标签内容“剧情1”。

又比如，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，检测到用户长按按钮形式的语音输入控件，并针对语音输入控件说“录制短视频剧情1”，然后在第22分第30秒时停止长按语音输入控件。此时，“剧情1”可以被确定为标签内容语音信息，然后可以将该标签内容语音信息转换为标签内容文本信息“剧情1”，并根据标签内容文本信息、以及获取到的视频帧图像信息，生成电视剧1第二季第三集中第20分第30秒～第22分第30秒对应的视频标签，该视频标签中包括标签内容“剧情1”。

在一实施例中，比如，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，检测到用户长按按钮形式的语音输入控件，并针对语音输入控件说“书签观看心得”，此时，“观看心得”可以被确定为标签内容语音信息，然后可以将该标签内容语音信息转换为标签内容文本信息“观看心得”，并根据标签内容文本信息、以及获取到的视频帧图像信息，生成电视剧1第二季第三集中第20分第30秒对应的视频标签，该视频标签中包括标签内容“观看心得”。通过这种方法，可以记录用户在观看视频过程中记录的笔记或者观看心得，使得用户在查看视频标签列表时，可以像阅读小说一样，了解到用户之前做的笔记或者观看感受，等等。

在一实施例中，由于本申请实施例需要对用户录制的语音信息进行识别，并获取语音信息中包含的内容，因此，需要尽量减少对用户录制语音信息的影响，并获取到尽可能清晰的语音信息。具体地，步骤“当检测到针对所述语音输入控件的语音输入操作时，获取当前视频时间对应的视频帧图像信息、以及当前录制的语音信息”，可以包括：

当检测到针对所述语音输入控件的语音输入操作时，获取当前视频时间对应的视频帧图像信息；

关闭所述目标视频中的音频，并播放关闭音频后的目标视频；

获取当前录制的语音信息。

在实际应用中，比如，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，检测到用户长按按钮形式的语音输入控件，并针对语音输入控件说“书签”。由于在用户说“书签”的过程中，视频播放页面中的目标视频还处于继续播放的状态，因此，在用户长按按钮形式语音输入控件的过程中，可以关闭目标视频中的音频，使得目标视频处于无声状态继续播放，并在用户停止长按语音输入控件时，恢复目标视频中的音频，并继续播放带有音频的目标视频。通过这种方法，可以获取到干扰尽可能小的语音信息，从而提升标签生成的准确性。

在一实施例中，在用户长按按钮形式语音输入控件的过程中，也可以降低目标视频中音频的音量，使得目标音频处于低音量的状态继续播放，并在用户停止长按语音输入控件时，恢复目标视频中音频的音量，并继续播放原始音频音量的目标视频。这样一方面可以降低目标视频中音频对语音信息的影响，一方面又不影响用户观看视频。

在一实施例中，比如，在检测到用户长按按钮形式语音输入控件时，还可以同时暂停目标视频的播放，使得用户可以在无干扰的情况下录制语音信息，在检测到语音信息中包括“书签”时，可以在用户停止长按语音输入控件时，继续播放目标视频，从而无需用户另外的操作，即可自动播放视频。

又比如，在检测到用户长按按钮形式语音输入控件时，也可以同时暂停目标视频的播放，使得用户可以在无干扰的情况下录制语音信息，在检测到语音信息中包括“录制短视频”时，可以自动播放视频，并在用户停止长按语音输入控件时，记录语音输入操作对应的操作起始时间点、以及操作终止时间点。此时，在用户长按语音输入控件过程中，也可以播放音量调低或者消除音量的目标视频，以免影响用户录制语音信息。

在一实施例中，由于语音信息的不确定性，因此，需要对语音信息进行多次检测，以提升标签生成的准确性。比如，如图6所示，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，检测到用户长按按钮形式的语音输入控件，并针对语音输入控件说“书签”。此时，客户端语音服务可以将指令上传至服务器，该指令中可以包括语音信息“书签”、当前视频时间、以及当前视频时间对应的视频帧图像信息。服务器获取到指令后，可以对指令中语音信息的有效性进行判断，也即判断语音信息是否存在无法分辨或者指令不支持等语音信息无效的情况，若检测到该语音信息是无效的，则可以反馈到客户端，进行报错。

若检测到指令中语音信息是有效的，则可以继续判断该指令是否为标签生成指令，若该指令不是标签生成指令时，可以执行该指令对应的其他语音指令。若该指令是标签生成指令时，可以进入创建标签流程，并生成视频标签。生成视频标签后，可以将视频标签、指令中携带的当前视频时间、以及当前视频时间对应的视频帧图像信息，保存到该用户对应服务端中的数据库中。然后将视频标签发送至客户端，并根据视频标签、当前视频时间、以及当前视频时间对应的视频帧图像信息，更新客户端的数据库。标签保存完毕后，可以通过消息提示框或者语音提示的方式，告知用户视频书签已经制作完成。

在一实施例中，生成视频标签后，还可以将视频标签上传至云端，使得多个平台都保持一致。比如，用户1利用用户账号1登录了视频播放客户端1，并且在电视剧1第二季第三集中的第20分第30秒添加了视频标签。然后，在用户利用用户账号1登录视频播放客户端2时，用户可以在视频播放客户端2的电视剧1第二季第三集中查找到第20分第30秒对应的视频标签。

203、当检测到针对标签查看控件的标签查看操作时，展示视频标签列表。

其中，标签查看操作可以为用户针对标签查看控件查看标签的操作，比如，用户可以点击按钮形式的标签查看控件，此时，可以确定用户需要查看视频标签列表，并展示视频标签列表以供用户查看。

其中，视频标签列表包括按照预定顺序排列的至少一个已生成的视频标签。视频标签列表可以针对某一个电视剧或者电影，其中，多个视频标签可以按照剧集的顺序进行排列，也即将一部电视剧中属于同一集的若干视频标签按照时间顺序进行排列，并将一部电视剧中的多个剧集按照集数进行排列展示。比如，视频标签列表可以针对电视剧1，并且包括电视剧1中第一集的两个视频标签、第二集的一个视频标签。其中，第一集中的两个视频标签可以按照视频标签对应的时间的顺序进行排列。

在实际应用中，比如，如图9所示，当检测到用户点击视频播放页面中按钮形式的标签查看控件时，可以在视频播放页面左边展示视频标签列表，该视频标签列表中包括电视剧1中第一集对应的两个视频标签、以及第二集对应的一个视频标签，其中，第一集中的两个视频标签可以按照视频标签对应的时间的顺序进行排列。

在一实施例中，还可以将同属于一个系列的多个电视剧的视频标签同时展现在一个视频标签列表中。比如，如图5所示，视频标签列表中还可以包括电视剧1中第一集对应的两个视频标签、第二集对应的一个视频标签、以及电视剧1第二季中第一集对应的一个视频标签，其中，第一集中的两个视频标签可以按照视频标签对应的时间的顺序进行排列。

在一实施例中，视频标签列表可以按照视频集合的层级进行排列，具体地，该标签处理方法还可以包括：

获取视频集合中多个视频对应的视频标签，所述视频集合中包括多个层级对应的视频；

基于所述视频集合的层级、以及所述视频标签对应的当前视频时间，将多个视频标签进行排列，得到视频标签列表。

其中，视频集合可以为属于一个系列的多个视频所构成的集合，比如，一部电视剧中的多个剧集可以构成一个视频集合；又比如，属于一个系列的多个季的电视剧中的多个剧集也可以构成一个视频集合，等等。

其中，层级可以为划分视频集合中视频的标准，比如，视频集合中包括电视剧1第一季1～6集、以及电视剧1第二季1～6集，此时，可以根据季的层级，将视频集合划分为电视剧1第一季对应的多个视频、以及电视剧1第二季对应的多个视频。还可以根据剧集的层级，将电视剧1第一季对应的多个视频划分为1～6集对应的6个视频，将电视剧1第二季对应的多个视频划分为1～6集对应的6个视频，等等。

在实际应用中，比如，如图5所示，视频集合中包括电视剧1第一季1～2集、以及电视剧1第二季1集，可以获取视频集合对应的4个视频标签，然后按照季的层级，将视频集合划分为电视剧1第一季对应的若干视频、以及电视剧1第二季对应的若干视频，然后按照剧集的层级，将电视剧1第一季对应的若干视频划分为1～2集对应的2个视频，将电视剧1第二季对应的若干视频划分为1集对应的1个视频，等等。然后，将不同季的电视剧按照第几季进行排列，将属于同一季的多个视频按照剧集进行排列，将每个视频对应的多个视频标签，按照时间顺序进行排列，得到视频标签列表。

在一实施例中，比如，如图5所示，当检测到用户点击视频播放页面中按钮形式的标签查看控件时，还可以显示视频标签列表，该视频标签列表中包括电视剧1第一集对应的2个视频标签、第二集对应的1个视频标签、以及电视剧1第二季第一集对应的1个视频标签，其中，每个剧集后都表明该集视频对应的总时长、每个视频标签后都标明该视频标签对应的视频时间、以及该视频标签对应的标签内容，并且每个视频标签都对应一张目标视频图像。

在一实施例中，由于电视剧更新时间跨度较长，因此，用户会出现在看到后面的剧集时不记得之前剧集内容的情况，如果用户需要回顾，则需要进行大量的快进快退操作，操作复杂，效率低下。而显示视频标签列表后，用户可以根据视频标签列表中多个视频标签对应的标签内容，了解到之前剧集的内容，以达到剧情回顾的目的，也可以了解到用户关注的内容，从而为用户提供更准确的内容推荐。因此，对于推理悬疑等视频，用户可以根据视频标签列表中多个视频标签对应的标签内容，了解到事件线索、以及事件的发展过程。

在一实施例中，用户还可以基于视频标签列表进行视频跳转播放，具体地，该标签处理方法还可以包括：

当检测到针对所述视频标签列表中目标视频标签的跳转播放操作时，确定所述目标视频标签对应的目标视频时间、以及所述目标视频标签对应的待播放视频；

基于所述目标视频时间，从所述待播放视频中获取待播放视频片段；

跳转播放所述待播放视频片段。

其中，跳转播放操作可以为用户针对视频标签列表的跳转播放的操作，比如，用户可以点击视频标签列表中，电视剧1第二季第三集第20分第30秒对应的视频标签，此时，可以跳转从电视剧1第二季第三集第20分第30秒开始播放。

在实际应用中，比如，如图8所示，展示出视频标签列表后，当检测到用户点击视频标签列表中的目标视频标签时，可以确定该目标视频标签对应的是电视剧1第二季第三集第20分第30秒，并且确定待播放视频片段为电视剧1第二季第三集中以第20分第30秒为开始的视频片段，然后，在视频播放页面中跳转播放该待播放视频片段。

在一实施例中，比如，由于视频标签还可以针对目标视频中的时间段，因此，当用户点击视频标签列表中针对时间段的目标视频标签时，可以确定该目标视频标签对应的是电视剧1第二季第三集第20分第30秒～第22分第30秒的视频片段，可以将该视频片段确定为待播放视频片段，然后，在视频播放页面中跳转播放该待播放视频片段。

在一实施例中，本申请实施例中标签处理方法不仅限于根据语音生成视频标签，还可以根据手势生成视频标签。比如，当视频播放页面中播放到电视剧1第二季第三集中的第20分第30秒时，终端摄像头捕捉到用户的手势为向左挥手，此时，可以生成电视剧1第二季第三集中第20分第30秒对应的视频标签。

其中，根据手势生成视频标签的预设手势可以有多种，本申请实施例不对用户的手势进行过多限定，比如，预设手势可以为向左挥手、向右挥手等等。

由上可知，本申请实施例可以显示视频播放客户端中目标视频对应的视频播放页面，视频播放页面包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件，当检测到针对语音输入控件的语音输入操作时，生成当前视频时间对应的视频标签，视频标签包括：当前视频时间、以及当前视频时间对应的视频帧图像信息，当检测到针对标签查看控件的标签查看操作时，展示视频标签列表，视频标签列表包括按照预定顺序排列的至少一个已生成的视频标签。该方案可以在视频播放的过程中，根据用户的操作生成视频标签，提升了标签处理的灵活性。并且用户可以在视频标签中添加标签内容，因此在用户查看视频标签列表时，可以根据已经添加的标签内容，清晰直观地了解到用户关注的内容、用户的观看感受、剧情的发展变化，等等，从而方便用户进行情节回顾。再者用户还可以利用视频标签列表进行视频的跳转播放，当检测到用户的跳转播放操作时，视频播放页面可以直接跳转播放用户关注的视频片段。并且，视频标签不仅可以针对视频中的某个时刻，还可以针对视频中的某个时间段，因此，用户还可以利用视频标签保存一段视频片段，对视频片段添加标签内容，并利用视频标签的形式快捷方便地跳转播放。

根据前面实施例所描述的方法，以下将以该标签处理装置具体集成在电子设备举例作进一步详细说明。

参考图3，本申请实施例的标签处理方法的具体流程可以如下：

301、电子设备显示视频播放客户端中电视剧1第二集对应的视频播放页面。

在实际应用中，比如，如图10所示，用户1可以利用账户1登录视频播放客户端，并基于视频播放客户端观看电视剧1第二集，此时，视频播放客户端的视频播放页面中可以播放电视剧1第二集。其中，该视频播放页面中还可以包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件。

302、当检测到用户长按语音输入按钮时，电子设备检测用户的登录情况。

在实际应用中，比如，当视频播放页面中播放到电视剧1第二集中的第20分第30秒时，检测到用户长按语音输入按钮时，会触发视频标签生成请求。如图7所示，电子设备可以根据该视频标签生成请求对用户的登录情况进行检测，若检测到用户已经登录视频播放客户端时，说明此时满足构建视频标签的条件，则可以进行后续标签处理方法的步骤。

若检测到用户没有登录视频播放客户端，说明此时还不满足构建视频标签的条件，因此，可以向用户发出登录请求，用户可以根据该登录请求，利用用户账号登录视频播放客户端，然后进行后续标签处理方法的步骤。

303、当用户已经登录视频播放客户端时，电子设备获取当前视频时间对应的视频帧图像信息、以及当前录制的语音信息。

在实际应用中，比如，当检测到用户已经登录视频播放客户端时，可以将电视剧1第二集中的第20分第30秒确定为当前视频时间，并获取该当前视频时间对应的视频帧图像信息，其中，该视频帧图像信息可以包括电视剧1对应的视频标题“电视剧1”、电视剧1第二集对应的副视频标题“第二集”、电视剧1第二集对应的视频唯一标识、时间戳中的一项或几项。并且获取用户针对语音输入按钮录制的语音信息。

获取到当前视频时间对应的视频帧图像信息、以及当前录制的语音信息之后，客户端语音服务可以将指令上传至服务器，该指令中可以包括当前视频时间对应的视频帧图像信息、以及当前录制的语音信息。服务器获取到指令后，可以对指令中语音信息的有效性进行判断，也即判断语音信息是否存在无法分辨或者指令不支持等语音信息无效的情况，若检测到该语音信息是无效的，则可以反馈到客户端，进行报错。若检测到指令中语音信息是有效的，则可以继续判断该指令是否为标签生成指令，若该指令不是标签生成指令时，可以执行该指令对应的其他语音指令。若该指令是标签生成指令时，可以进入后续视频标签生成的步骤。

在一实施例中，由于在用户针对语音输入按钮录制语音信息时，视频播放页面中的视频还处于继续播放的状态，因此，在用户长按语音输入按钮的过程中，可以关闭视频播放页面中视频里的音频，使得视频播放页面中的视频处于无声状态继续播放，并在用户停止长按语音输入按钮时，恢复视频中的音频，并继续播放带有音频的视频。

在一实施例中，在用户长按语音输入按钮的过程中，也可以降低视频中音频的音量，使得音频处于低音量的状态继续播放，并在用户停止长按语音输入按钮时，恢复视频中音频的音量，并继续播放原始音频音量的视频。

304、当语音信息中包括“书签”时，电子设备从电视剧1第二集中获取第20分第30秒对应的待标记视频单元。

在实际应用中，比如，获取到用户录制的语音信息后，可以对语音信息进行检测，当检测到语音信息中包括“书签”时，说明用户需要构建书签类型的视频标签。电子设备可以从电视剧1第二集中，获取第20分第30秒对应的视频帧，并将该视频帧作为待标记视频单元。

305、基于语音信息、以及视频帧图像信息，电子设备生成待标记视频单元对应的视频标签。

在实际应用中，比如，当检测到语音信息中包括“书签”时，可以构建书签类型的视频标签，当检测到语音信息中还包括“剧情1”时，说明用户需要在视频标签中添加标签内容“剧情1”，可以构建包括标签内容“剧情1”的视频标签，其中，该视频标签对应电视剧1第二集中的第20分第30秒。

在一实施例中，比如，生成视频标签后，还可以通过消息提示框的形式，提示用户视频标签已经制作成功，该消息提示框中可以包括“标签制作成功”。又比如，生成视频标签后，还可以语音提示用户“标签制作成功”，以提示用户视频标签已经制作成功。

在一实施例中，生成视频标签后，还可以将视频标签进行分享，比如，用户1将电视剧1第二集中第20分第30秒的视频标签分享给用户2后，用户2的视频播放客户端可以提示用户2，用户1向用户2分享了电视剧1第二集中第20分第30秒对应的视频标签。

在一实施例中，生成视频标签后，还可以将视频标签、并语音信息、当前视频时间、以及视频帧图像信息等信息都保存在数据库中。其中，视频标签的数据结构可以包括：视频id、视频名称、视频副标题、目标视频图像的链接、当前视频时间、目标视频的总时长、视频标签的内容信息，等等。

在一实施例中，生成视频标签后，还可以将视频标签上传至云端，使得多个平台都保持一致。比如，用户1利用用户账号1登录了视频播放客户端1，并且在电视剧1第二季第三集中的第20分第30秒添加了视频标签。然后，在用户利用用户账号1登录视频播放客户端2时，用户可以在视频播放客户端2的电视剧1第二季第三集中查找到第20分第30秒对应的视频标签。

306、当检测到用户点击标签查看按钮时，电子设备展示视频标签列表。

在实际应用中，比如，如图5所示，当检测到用户点击视频播放页面中的标签查看按钮时，可以显示视频标签列表，该视频标签列表中包括电视剧1第一集对应的2个视频标签、第二集对应的1个视频标签、以及电视剧1第二季第一集对应的1个视频标签，其中，每个剧集后都表明该集视频对应的总时长、每个视频标签后都标明该视频标签对应的视频时间、以及该视频标签对应的标签内容，并且每个视频标签都对应一张目标视频图像。

在一实施例中，比如，如图8所示，当检测到用户点击视频播放页面中的标签查看按钮时，还可以在视频播放页面的左侧显示视频标签列表，该视频标签列表中包括电视剧1第一集对应的2个视频标签、第二集对应的1个视频标签、以及电视剧1第二季第一集对应的1个视频标签，其中，每个视频标签后都标明该视频标签对应的视频时间、以及该视频标签对应的标签内容。

307、当检测到用户点击视频标签列表中目标视频标签对应的区域时，电子设备跳转播放待播放视频片段。

在实际应用中，比如，展示出视频标签列表后，当检测到用户点击视频标签列表中目标视频标签对应的区域时，可以确定该目标视频标签对应的是电视剧1第二集中第20分第30秒，并且确定待播放视频片段为电视剧1第二集中以第20分第30秒为开始的视频片段，然后，在视频播放页面中跳转播放该待播放视频片段。

由上可知，本申请实施例可以通过电子设备显示视频播放客户端中电视剧1第二集对应的视频播放页面，当检测到用户长按语音输入按钮时，检测用户的登录情况，当用户已经登录视频播放客户端时，获取当前视频时间对应的视频帧图像信息、以及当前录制的语音信息，当语音信息中包括“书签”时，从电视剧1第二集中获取第20分第30秒对应的待标记视频单元，基于语音信息、以及视频帧图像信息，生成待标记视频单元对应的视频标签，当检测到用户点击标签查看按钮时，展示视频标签列表，当检测到用户点击视频标签列表中目标视频标签对应的区域时，跳转播放待播放视频片段。该方案可以在视频播放的过程中，根据用户的操作生成视频标签，提升了标签处理的灵活性。并且用户可以在视频标签中添加标签内容，因此在用户查看视频标签列表时，可以根据已经添加的标签内容，清晰直观地了解到用户关注的内容、用户的观看感受、剧情的发展变化，等等，从而方便用户进行情节回顾。再者用户还可以利用视频标签列表进行视频的跳转播放，当检测到用户的跳转播放操作时，视频播放页面可以直接跳转播放用户关注的视频片段。并且，视频标签不仅可以针对视频中的某个时刻，还可以针对视频中的某个时间段，因此，用户还可以利用视频标签保存一段视频片段，对视频片段添加标签内容，并利用视频标签的形式快捷方便地跳转播放。

根据前面实施例所描述的方法，以下将以该标签处理装置具体集成在电子设备举例作进一步详细说明。

参考图4，本申请实施例的标签处理方法的具体流程可以如下：

401、电子设备显示视频播放客户端中电视剧1第二集对应的视频播放页面。

在实际应用中，显示视频播放页面的具体步骤已经叙述，此处不再赘述。

402、当检测到用户长按语音输入按钮时，电子设备检测用户的登录情况。

在实际应用中，比如，当视频播放页面中播放到电视剧1第二集中的第20分第30秒时，检测到用户长按语音输入按钮，并录制语音信息，然后在第22分第30秒停止长按语音输入按钮时，会触发视频标签生成请求。如图7所示，电子设备可以根据该视频标签生成请求对用户的登录情况进行检测，若检测到用户已经登录视频播放客户端时，说明此时满足构建视频标签的条件，则可以进行后续标签处理方法的步骤。

403、当用户已经登录视频播放客户端时，电子设备获取当前视频时间对应的视频帧图像信息、以及当前录制的语音信息。

在实际应用中，比如，当检测到用户已经登录视频播放客户端时，可以将电视剧1第二集中的第20分第30秒确定为当前视频时间，并获取该当前视频时间对应的视频帧图像信息，其中，该视频帧图像信息可以包括电视剧1对应的视频标题“电视剧1”、电视剧1第二集对应的副视频标题“第二集”、电视剧1第二集对应的视频唯一标识、时间戳中的一项或几项。并且获取用户针对语音输入按钮录制的语音信息。

获取到当前视频时间对应的视频帧图像信息、以及当前录制的语音信息之后，客户端语音服务可以将指令上传至服务器，该指令中可以包括当前视频时间对应的视频帧图像信息、以及当前录制的语音信息。服务器获取到指令后，可以对指令中语音信息的有效性进行判断，也即判断语音信息是否存在无法分辨或者指令不支持等语音信息无效的情况，若检测到该语音信息是无效的，则可以反馈到客户端，进行报错。若检测到指令中语音信息是有效的，则可以继续判断该指令是否为标签生成指令，若该指令不是标签生成指令时，可以执行该指令对应的其他语音指令。若该指令是标签生成指令时，可以进入后续视频标签处理的步骤。

在一实施例中，由于在用户针对语音输入按钮录制语音信息时，视频播放页面中的视频还处于继续播放的状态，因此，在用户长按语音输入按钮的过程中，可以关闭视频播放页面中视频里的音频，使得视频播放页面中的视频处于无声状态继续播放，并在用户停止长按语音输入按钮时，恢复视频中的音频，并继续播放带有音频的视频。

在一实施例中，在用户长按语音输入按钮的过程中，也可以降低视频中音频的音量，使得音频处于低音量的状态继续播放，并在用户停止长按语音输入按钮时，恢复视频中音频的音量，并继续播放原始音频音量的视频。

404、当语音信息中包括“录制短视频”时，电子设备从电视剧1第二集中获取第20分第30秒至第22分第30秒对应的待标记视频单元。

在实际应用中，比如，获取到用户录制的语音信息后，可以对语音信息进行检测，当检测到语音信息中包括“录制短视频”时，说明用户需要构建短视频类型的视频标签。电子设备可以从电视剧1第二集中，获取第20分第30秒至第22分第30秒对应的视频片段，并将该视频片段作为待标记视频单元。

405、基于语音信息、以及视频帧图像信息，电子设备生成待标记视频单元对应的视频标签。

在实际应用中，比如，当检测到语音信息中包括“录制短视频”时，可以构建短视频类型的视频标签，当检测到语音信息中还包括“剧情1”时，说明用户需要在视频标签中添加标签内容“剧情1”，可以构建包括标签内容“剧情1”的视频标签，其中，该视频标签对应电视剧1第二集中的第20分第30秒至第22分第30秒。

在一实施例中，比如，生成视频标签后，还可以通过消息提示框的形式，提示用户视频标签已经制作成功，该消息提示框中可以包括“标签制作成功”。又比如，生成视频标签后，还可以语音提示用户“标签制作成功”，以提示用户视频标签已经制作成功。

在一实施例中，生成视频标签后，还可以将视频标签进行分享，比如，用户1将电视剧1第二集中第20分第30秒至第22分第30秒的视频标签分享给用户2后，用户2的视频播放客户端可以提示用户2，用户1向用户2分享了电视剧1第二集中第20分第30秒至第22分第30秒对应的视频标签。

在一实施例中，生成视频标签后，还可以将视频标签、并语音信息、当前视频时间、以及视频帧图像信息等信息都保存在数据库中。其中，视频标签的数据结构可以包括：视频id、视频名称、视频副标题、目标视频图像的链接、当前视频时间、目标视频的总时长、视频标签的内容信息，等等。

在一实施例中，生成视频标签后，还可以将视频标签上传至云端，使得多个平台都保持一致。比如，用户1利用用户账号1登录了视频播放客户端1，并且在电视剧1第二季第三集中的第20分第30秒至第22分第30秒添加了视频标签。然后，在用户利用用户账号1登录视频播放客户端2时，用户可以在视频播放客户端2的电视剧1第二季第三集中，查找到第20分第30秒至第22分第30秒对应的视频标签。

406、当检测到用户点击标签查看按钮时，电子设备展示视频标签列表。

在实际应用中，比如，如图5所示，当检测到用户点击视频播放页面中的标签查看按钮时，可以显示视频标签列表，该视频标签列表中包括电视剧1第一集对应的2个视频标签、第二集对应的1个视频标签、以及电视剧1第二季第一集对应的1个视频标签，其中，每个剧集后都表明该集视频对应的总时长、每个视频标签后都标明该视频标签对应的视频时间、以及该视频标签对应的标签内容，并且每个视频标签都对应一张目标视频图像。

在一实施例中，比如，如图8所示，当检测到用户点击视频播放页面中的标签查看按钮时，还可以在视频播放页面的左侧显示视频标签列表，该视频标签列表中包括电视剧1第一集对应的2个视频标签、第二集对应的1个视频标签、以及电视剧1第二季第一集对应的1个视频标签，其中，每个视频标签后都标明该视频标签对应的视频时间、以及该视频标签对应的标签内容。

407、当检测到用户点击视频标签列表中目标视频标签对应的区域时，电子设备跳转播放待播放视频片段。

在实际应用中，比如，展示出视频标签列表后，当检测到用户点击视频标签列表中目标视频标签对应的区域时，可以确定该目标视频标签对应的是电视剧1第二集中第20分第30秒至第22分第30秒，并且确定待播放视频片段为电视剧1第二集中第20分第30秒至第22分第30秒的视频片段，然后，在视频播放页面中跳转播放该待播放视频片段。

由上可知，本申请实施例可以通过电子设备显示视频播放客户端中电视剧1第二集对应的视频播放页面，当检测到用户长按语音输入按钮时，检测用户的登录情况，当用户已经登录视频播放客户端时，获取当前视频时间对应的视频帧图像信息、以及当前录制的语音信息，当语音信息中包括“录制短视频”时，从电视剧1第二集中获取第20分第30秒至第22分第30秒对应的待标记视频单元，基于语音信息、以及视频帧图像信息，生成待标记视频单元对应的视频标签，当检测到用户点击标签查看按钮时，展示视频标签列表，当检测到用户点击视频标签列表中目标视频标签对应的区域时，跳转播放待播放视频片段。该方案可以在视频播放的过程中，根据用户的操作生成视频标签，提升了标签处理的灵活性。并且用户可以在视频标签中添加标签内容，因此在用户查看视频标签列表时，可以根据已经添加的标签内容，清晰直观地了解到用户关注的内容、用户的观看感受、剧情的发展变化，等等，从而方便用户进行情节回顾。再者用户还可以利用视频标签列表进行视频的跳转播放，当检测到用户的跳转播放操作时，视频播放页面可以直接跳转播放用户关注的视频片段。并且，视频标签不仅可以针对视频中的某个时刻，还可以针对视频中的某个时间段，因此，用户还可以利用视频标签保存一段视频片段，对视频片段添加标签内容，并利用视频标签的形式快捷方便地跳转播放。

为了更好地实施以上方法，相应的，本申请实施例还提供一种标签处理装置，该标签处理装置可以集成在电子设备中，参考图11该标签处理装置包括显示模块111、生成模块112和展示模块113，如下：

显示模块111，用于显示视频播放客户端中目标视频对应的视频播放页面，所述视频播放页面包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件；

生成模块112，用于当检测到针对所述语音输入控件的语音输入操作时，生成当前视频时间对应的视频标签，所述视频标签包括：所述当前视频时间、以及所述当前视频时间对应的视频帧图像信息；

展示模块113，用于当检测到针对所述标签查看控件的标签查看操作时，展示视频标签列表，所述视频标签列表包括按照预定顺序排列的至少一个已生成的视频标签。

在一实施例中，所述生成模块112可以包括获取子模块1121和生成子模块1122，如下：

获取子模块1121，用于当检测到针对所述语音输入控件的语音输入操作时，获取当前视频时间对应的视频帧图像信息、当前视频时间对应的待标记视频单元、以及当前录制的语音信息；

生成子模块1122，用于基于所述语音信息、以及所述视频帧图像信息，生成所述待标记视频单元对应的视频标签。

在一实施例中，所述获取子模块1121可以包括第一获取子模块11211和第二获取子模块11212，如下：

第一获取子模块11211，用于当检测到针对所述语音输入控件的语音输入操作时，获取当前视频时间、所述当前视频时间对应的视频帧图像信息、以及当前针对所述语音输入控件录制的语音信息；

第二获取子模块11212，用于基于所述语音信息，从所述目标视频中获取所述当前视频时间对应的待标记视频单元。

在一实施例中，所述第三获取子模块11213可以具体用于：

当检测到所述语音信息中包括第一标签类型信息时，从所述目标视频中获取所述当前视频时间对应的当前视频帧图像；

将所述当前视频帧图像确定为待标记视频单元。

在一实施例中，所述第三获取子模块11213可以具体用于：

当检测到所述语音信息中包括第二标签类型信息时，确定所述语音输入操作对应的操作起始时间点、以及操作终止时间点；

基于所述操作起始时间点、以及所述操作终止时间点，从所述目标视频中获取当前视频片段；

将所述当前视频片段确定为待标记视频单元。

在一实施例中，所述生成子模块1122可以具体用于：

当检测到所述语音信息中包括标签内容语音信息时，将所述标签内容语音信息转换为标签内容文本信息；

基于所述标签内容文本信息、以及所述视频帧图像信息，生成所述待标记视频单元对应的视频标签。

在一实施例中，所述获取子模块1121可以具体用于：

当检测到针对所述语音输入控件的语音输入操作时，获取当前视频时间、以及所述当前视频时间对应的视频帧图像信息；

关闭所述目标视频中的音频，并播放关闭音频后的目标视频；

获取当前针对所述语音输入控件录制的语音信息。

在一实施例中，所述标签处理装置还可以包括第一获取模块114和排列模块115，如下：

第一获取模块114，用于获取视频集合中多个视频对应的视频标签，所述视频集合中包括多个层级对应的视频；

排列模块115，用于基于所述视频集合的层级、以及所述视频标签对应的当前视频时间，将多个视频标签进行排列，得到视频标签列表。

在一实施例中，所述标签处理装置还可以包括确定模块116、第二获取模块117和跳转模块118，如下：

确定模块116，用于当检测到针对所述视频标签列表中目标视频标签的跳转播放操作时，确定所述目标视频标签对应的目标视频时间、以及所述目标视频标签对应的待播放视频；

第二获取模块117，用于基于所述目标视频时间，从所述待播放视频中获取待播放视频片段；

跳转模块118，用于跳转播放所述待播放视频片段。

在一实施例中，所述获取子模块1121可以具体用于：

当检测到针对所述语音输入控件的语音输入操作时，对用户针对所述视频播放客户端的登录情况进行检测，得到用户登录状态信息；

当所述用户登录状态信息确定所述用户已经登录所述视频播放客户端时，获取当前视频时间对应的视频帧图像信息、当前视频时间对应的待标记视频单元、以及当前录制的语音信息。

具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。

由上可知，本申请实施例可以通过显示模块111显示视频播放客户端中目标视频对应的视频播放页面，视频播放页面包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件，当检测到针对语音输入控件的语音输入操作时，通过生成模块112生成当前视频时间对应的视频标签，视频标签包括：当前视频时间、以及当前视频时间对应的视频帧图像信息，当检测到针对标签查看控件的标签查看操作时，通过展示模块113展示视频标签列表，视频标签列表包括按照预定顺序排列的至少一个已生成的视频标签。该方案可以在视频播放的过程中，根据用户的操作生成视频标签，提升了标签处理的灵活性。并且用户可以在视频标签中添加标签内容，因此在用户查看视频标签列表时，可以根据已经添加的标签内容，清晰直观地了解到用户关注的内容、用户的观看感受、剧情的发展变化，等等，从而方便用户进行情节回顾。再者用户还可以利用视频标签列表进行视频的跳转播放，当检测到用户的跳转播放操作时，视频播放页面可以直接跳转播放用户关注的视频片段。并且，视频标签不仅可以针对视频中的某个时刻，还可以针对视频中的某个时间段，因此，用户还可以利用视频标签保存一段视频片段，对视频片段添加标签内容，并利用视频标签的形式快捷方便地跳转播放。

本申请实施例还提供一种电子设备，该电子设备可以集成本申请实施例所提供的任一种标签处理装置。

例如，如图12所示，其示出了本申请实施例所涉及的电子设备的结构示意图，具体来讲：

该电子设备可以包括一个或者一个以上处理核心的处理器121、一个或一个以上计算机可读存储介质的存储器122、电源123和输入单元124等部件。本领域技术人员可以理解，图12中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

处理器121是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器122内的软件程序和/或模块，以及调用存储在存储器122内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器121可包括一个或多个处理核心；优选的，处理器121可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器121中。

存储器122可用于存储软件程序以及模块，处理器121通过运行存储在存储器122的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器122可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器122可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器122还可以包括存储器控制器，以提供处理器121对存储器122的访问。

电子设备还包括给各个部件供电的电源123，优选的，电源123可以通过电源管理系统与处理器121逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源123还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该电子设备还可包括输入单元124，该输入单元124可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，电子设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器121会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器122中，并由处理器121来运行存储在存储器122中的应用程序，从而实现各种功能，如下：

显示视频播放客户端中目标视频对应的视频播放页面，视频播放页面包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件，当检测到针对语音输入控件的语音输入操作时，生成当前视频时间对应的视频标签，视频标签包括：当前视频时间、以及当前视频时间对应的视频帧图像信息，当检测到针对标签查看控件的标签查看操作时，展示视频标签列表，视频标签列表包括按照预定顺序排列的至少一个已生成的视频标签。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

由上可知，本申请实施例可以显示视频播放客户端中目标视频对应的视频播放页面，视频播放页面包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件，当检测到针对语音输入控件的语音输入操作时，生成当前视频时间对应的视频标签，视频标签包括：当前视频时间、以及当前视频时间对应的视频帧图像信息，当检测到针对标签查看控件的标签查看操作时，展示视频标签列表，视频标签列表包括按照预定顺序排列的至少一个已生成的视频标签。该方案可以在视频播放的过程中，根据用户的操作生成视频标签，提升了标签处理的灵活性。并且用户可以在视频标签中添加标签内容，因此在用户查看视频标签列表时，可以根据已经添加的标签内容，清晰直观地了解到用户关注的内容、用户的观看感受、剧情的发展变化，等等，从而方便用户进行情节回顾。再者用户还可以利用视频标签列表进行视频的跳转播放，当检测到用户的跳转播放操作时，视频播放页面可以直接跳转播放用户关注的视频片段。并且，视频标签不仅可以针对视频中的某个时刻，还可以针对视频中的某个时间段，因此，用户还可以利用视频标签保存一段视频片段，对视频片段添加标签内容，并利用视频标签的形式快捷方便地跳转播放。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种电子设备，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种标签处理方法中的步骤。例如，该指令可以执行如下步骤：

显示视频播放客户端中目标视频对应的视频播放页面，视频播放页面包括用于触发生成视频标签的语音输入控件、以及用于查看视频标签的标签查看控件，当检测到针对语音输入控件的语音输入操作时，生成当前视频时间对应的视频标签，视频标签包括：当前视频时间、以及当前视频时间对应的视频帧图像信息，当检测到针对标签查看控件的标签查看操作时，展示视频标签列表，视频标签列表包括按照预定顺序排列的至少一个已生成的视频标签。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器(rom，readonlymemory)、随机存取记忆体(ram，randomaccessmemory)、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种标签处理方法中的步骤，因此，可以实现本申请实施例所提供的任一种标签处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的一种标签处理方法、装置、存储介质和电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。