用于生成视频的方法和装置与流程

[0001]
本公开的实施例涉及计算机技术领域，具体涉及用于生成视频的方法和装置。


背景技术：

[0002]
随着互联网的快速发展，互联网中的信息量爆炸式地与日俱增。互联网用户的在线时间也越来越长，用户也越来越习惯从互联网中获取各种所需的信息。尤其是日常生活中，对于任何不了解的事物，用户都可以通过在互联网中搜索该事物的相关内容，以快速地查阅自身想要了解的内容。但是用户从海量的信息中寻找到自身期望了解的内容通常是需要花费一定时间的。
[0003]
目前，互联网中的信息通常都以文本、图像、音视频等形式存在。用户通常需要浏览大量文本以筛选想要了解的内容，当然同时也伴随着观看大量音视频、浏览大量图像的过程。例如，用户想要了解一个公众人物，一般需要先浏览该公众人物的百科页面，然后挑选该公众人物的一些访谈视频等来了解该公众人物。对于用户来说，如何快速、多方面、准确地了解其期望了解的事物是一直存在的一种诉求。


技术实现要素：

[0004]
本公开的实施例提出了用于生成视频的方法和装置。
[0005]
第一方面，本公开的实施例提供了一种用于生成视频的方法，该方法包括：获取用于介绍目标对象的文本；根据文本，确定与目标对象相关的图像和/或视频作为视频素材；根据视频素材，生成用于介绍目标对象的视频。
[0006]
第二方面，本公开的实施例提供了一种用于生成视频的装置，该装置包括：获取单元，被配置成获取用于介绍目标对象的文本；确定单元，被配置成根据文本，确定与目标对象相关的图像和/或视频作为视频素材；生成单元，被配置成根据视频素材，生成用于介绍目标对象的视频。
[0007]
第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
[0008]
第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
[0009]
本公开的实施例提供的用于生成视频的方法和装置，利用用于介绍目标对象的文本确定与目标对象相关的图像和/或视频作为视频素材，以生成用于介绍目标对象的视频，从而增加了目标对象的介绍信息的类型，而且通过提供关于目标对象的视频形式的介绍，可以使得不便于浏览关于目标对象的文本形式的介绍的用户也能够了解目标对象。
附图说明
[0010]
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它
特征、目的和优点将会变得更明显：
[0011]
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
[0012]
图2是根据本公开的用于生成视频的方法的一个实施例的流程图；
[0013]
图3是根据本公开的用于生成视频的方法的又一个实施例的流程图；
[0014]
图4是根据本公开的实施例的用于生成视频的方法的一个应用场景的示意图；
[0015]
图5是根据本公开的用于生成视频的装置的一个实施例的结构示意图；
[0016]
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
[0017]
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。
[0018]
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
[0019]
图1示出了可以应用本公开的用于生成视频的方法或用于生成视频的装置的实施例的示例性架构100。
[0020]
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0021]
终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如，浏览器类应用、搜索类应用、购物类应用、即时通讯工具、社交平台应用、信息流类应用等等。
[0022]
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
[0023]
服务器105可以是提供各种服务的服务器，例如为终端设备101、 102、103上安装的客户端应用提供后端支持的服务器。服务器105可以获取用于介绍目标对象的文本，然后根据获取的文本，确定与目标对象相关的图像和/或视频作为视频素材，并利用视频素材生成用于介绍目标对象的视频。终端设备101、102、103可以利用其上安装的能够浏览视频的应用浏览用于介绍目标对象的视频。
[0024]
需要说明的是，服务器105获取用于介绍目标对象的文本，然后根据获取的文本，确定与目标对象相关的图像和/或视频作为视频素材，并利用视频素材生成用于介绍目标对象的视频的过程可以无需和终端设备101、102、103交互。此时，可以不存在终端设备101、102、 103和网络104。
[0025]
需要说明的是，本公开的实施例所提供的用于生成视频的方法一般由服务器105执行，相应地，用于生成视频的装置一般设置于服务器105中。
[0026]
还需要指出的是，终端设备101、102、103也可以获取用于介绍目标对象的文本，然
后根据获取的文本，确定与目标对象相关的图像和/或视频作为视频素材，并利用视频素材生成用于介绍目标对象的视频。此时，用于生成视频的方法也可以由终端设备101、102、103执行，相应地，用于生成视频的装置也可以设置于终端设备101、102、 103中。此时，示例性系统架构100可以不存在服务器105和网络104。
[0027]
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
[0028]
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
[0029]
继续参考图2，其示出了根据本公开的用于生成视频的方法的一个实施例的流程200。该用于生成视频的方法包括以下步骤：
[0030]
步骤201，获取用于介绍目标对象的文本。
[0031]
在本实施例中，对象可以是各种各样的具有实体或虚拟的事物。例如，对象包括但不限于人、物品、动物、植物、事件、现象等等。目标对象可以是预先指定的对象或根据实际的应用需求选择的对象。
[0032]
用于介绍目标对象的文本可以包括能够让人了解目标对象的一些信息的内容。换言之，通过浏览用于介绍对象的文本可以了解目标对象的一些信息。
[0033]
用于生成视频的方法的执行主体(如图1所示的服务器105)可以从本地或其他存储设备(如所连接的数据库、第三方数据平台等等) 获取用于介绍目标对象的文本。
[0034]
可选地，可以先获取目标对象的标识，然后利用目标对象的标识进行文本检索，然后从检索结果中获取用于介绍目标对象的文本。其中，目标对象的标识可以是各种能够标识目标对象的信息。例如，目标对象的标识可以是目标对象的名称、目标对象所关联的关键词等等。
[0035]
具体地，可以利用目标对象的标识在指定数据库或搜索引擎中进行检索，然后从检索结果包括的文本中选取用于介绍目标对象的内容以形成用于介绍目标对象的文本。
[0036]
步骤202，根据文本，确定与目标对象相关的图像和/或视频作为视频素材。
[0037]
在本实施例中，与目标对象相关的图像可以是与目标对象之间具有各种关联关系的图像。例如，与目标对象相关的图像包括但不限于呈现有目标对象的图像、呈现有目标对象的部分内容的图像、表现目标对象的特点的图像等等。
[0038]
类似地，与目标对象相关的视频可以是与目标对象之间具有各种关联关系的视频。例如，与目标对象相关的视频包括但不限于呈现有目标对象的视频、呈现有目标对象的部分内容的视频、表现目标对象的特点的视频等等。
[0039]
在本实施例中，可以获取用于介绍目标对象的文本所对应的、与目标对象相关的图像和/或视频作为视频素材。例如，可以由技术人员预先构建每个对象的介绍文本与介绍图像和/或介绍视频之间的对应关系。又例如，可以利用第三方数据平台构建好的、每个对象的介绍文本与介绍图像和/或介绍视频之间的对应关系获取与目标对象相关的图像和/或视频作为视频素材。
[0040]
例如，可以利用用于介绍目标对象的文本在指定数据库或搜索引擎中进行图像检
索和/或视频检索，然后根据实际的应用需求从检索到的图像和/或视频中选取视频素材。
[0041]
又例如，可以利用现有的各种关键词提取方法或人工设置关键词的方式从用于介绍目标对象的文本中提取关键词，然后利用关键词在指定数据库或搜索引擎中进行图像检索和/或视频检索，再根据实际的应用需求从检索到的图像和/或视频中选取视频素材。
[0042]
步骤203，根据视频素材，生成用于介绍目标对象的视频。
[0043]
在本实施例中，在得到视频素材之后，可以根据实际的应用需求利用现有的各种视频处理方法对视频素材进行调整(如筛选、剪辑、拆分、滤镜等等)以生成用于介绍目标对象的视频。
[0044]
需要说明的是，根据不同的应用需求，利用确定的视频素材，可以生成一个或多个用于介绍目标对象的视频。在生成多个用于介绍目标对象的视频时，各个视频所介绍的内容可以相同，也可以不同。例如，可以生成两个介绍目标对象的相同内容的视频，但是两个视频的呈现方式(如视频具体包含的画面等)可以不同。
[0045]
在本实施例的一些可选地实现方式中，在获取到用于介绍目标对象的文本之后，可以对用于介绍目标对象的文本进行拆分，从而得到子文本集，然后分别确定子文本集中的各子文本对应的视频素材。
[0046]
其中，可以利用各种方式对用于介绍目标对象的文本进行拆分以得到用于介绍目标对象的文本的子文本组成子文本集。例如，可以按照预设内容关联度和连贯性对用于介绍目标对象的文本进行拆分。
[0047]
在得到子文本集之后，对于子文本集中的每个子文本，可以利用上述根据文本确定视频素材的方法，根据该子文本，确定与目标对象相关的图像和/或视频确定视频素材作为该子文本对应的视频素材。
[0048]
此时，对于每个子文本，可以利用现有的各种图像处理方法和/ 或视频处理方法根据子文本对应的视频素材生成该子文本对应的视频，然后通过组合各子文本分别对应的视频的方式生成用于介绍目标对象的视频。
[0049]
通过对用于介绍目标对象的文本进行拆分，然后对拆分后得到的各个子文本分别处理以确定各子文本分别对应的视频素材，可以进一步细粒度地对视频素材进行筛选，从而提升确定的视频素材的准确性和质量，使得确定的视频素材能够更贴合于实际的应用需求，从而保证生成的视频的质量。而且从另一方面来将，对于各个子文本可以同时进行处理以确定各子文本分别对应的视频素材，从而缩短视频素材的选择时间，进而缩短最终视频的制作周期。
[0050]
在本实施例的一些可选的实现方式中，对于子文本集中的每个子文本，可以先确定该子文本对应的检索用关键词，然后利用检索用关键词进行图像检索和/或视频检索，得到至少一个检索结果，之后再根据得到的至少一个检索结果，确定该子文本对应的视频素材。
[0051]
其中，每个子文本对应的检索用关键词可以为该子文本的关键词。具体地，可以利用现有的各种关键词提取方法或者由人工根据实际的应用需求进行关键词提取等方式提取该子文本的关键词作为检索用关键词。
[0052]
在得到每个子文本对应的检索用关键词之后，可以利用现有的各种图像检索方法和/或视频检索方法，基于检索用关键词在指定数据库或搜索引擎等数据载体中进行图像
检索和/或视频检索，从而得到至少一个检索结果。应当可以理解，得到的至少一个检索结果中的每个检索结果为图像和/或视频。
[0053]
之后，可以从至少一个检索结果中选取检索结果作为视频素材。其中，从至少一个检索结果中选取检索结果的方法可以灵活设置。例如，可以从至少一个检索结果中随机选取检索结果。又例如，可以按照对应的发布时间距离当前时刻从近到远的顺序从至少一个检索结果中选取预设数目个检索结果。
[0054]
再例如，可以由人工打分的方式或者现有的各种视频评价方法对至少一个检索结果分别进行打分，然后根据每个检索结果的打分结果选取检索结果。其中，每个检索结果的打分结果所表征的属性可以根据实际的应用需求灵活设置。例如，每个检索结果的打分结果可以表征检索结果的质量、检索结果与对应的检索用关键词的匹配度、检索结果与预设需求的匹配度等等。
[0055]
可选地，在从至少一个检索结果中选取检索结果之后，还可以根据需求利用现有的各种图像处理方法和/或视频处理方法对选取的检索结果进行调整，并将调整后的检索结果作为视频素材。
[0056]
通过对每个子文本进行关键词提取作为检索用关键词，并利用检索用关键词直接进行检索然后筛选该子文本对应的视频素材，不仅可以利用关键词提升筛选出的视频素材的质量，而且可以通过已有的数据平台等直接检索，无需人工构建素材库，可以进一步提升视频素材的筛选速度，从而提升视频生成效率。
[0057]
在本实施例的一些可选的实现方式中，用于介绍目标对象的文本对应的子文本集中的各子文本可以分别用于介绍目标对象的不同属性。此时，在拆分用于介绍目标对象的文本时，可以按照文本内容所描述的目标对象的属性对文本进行拆分。
[0058]
作为示例，用于介绍目标对象的文本的内容描述有目标对象的a、 b、c、d四方面的属性。此时，可以从文本中选取用于描述目标对象的a方面的属性的内容作为一个子文本，同样地，可以从文本中选取用于描述目标对象的b方面的属性的内容作为一个子文本，从文本中选取用于描述目标对象的c方面的属性的内容作为一个子文本，从文本中选取用于描述目标对象的d方面的属性的内容作为一个子文本，从而可以得到四个子文本。
[0059]
需要说明的是，由于目标对象的属性可以按照不同粒度定义。因此，对于上述示例，也可以按照如下方式对文本进行拆分：从文本中选取用于描述目标对象的a和b两方面的属性的内容作为一个子文本，从文本中选取用于描述目标对象的c方面的属性的内容作为一个子文本，从文本中选取用于描述目标对象的d方面的属性的内容作为一个子文本，从而可以得到三个子文本。应当可以理解，在此基础上，还可以根据实际的应用需求对文本进行其他方式的划分。
[0060]
按照目标对象不同方面的属性对文本进行拆分，以使不同的子文本对应不同的属性。由此，可以针对每种属性筛选专门筛选对应的视频素材，从而使得生成的视频可以准确地介绍目标对象的各方面的属性。
[0061]
在本实施例的一些可选地实现方式中，用于介绍目标对象的文本对应的子文本集中的各子文本可以分别用于描述不同的预设场景。此时，在拆分用于介绍目标对象的文本时，可以按照文本内容所描述的场景对文本进行拆分。
[0062]
例如，可以根据实际的应用需求确定在用于介绍目标对象的视频中期望呈现的若
干场景，然后根据每个期望的场景对用于介绍目标对象的文本进行拆分。具体地，对于每个场景，可以从文本中选取用于呈现该场景的文本作为一个子文本。
[0063]
作为示例，期望生成一个介绍目标人物十年前和十年后的转变的视频，则可以从用于介绍该目标人物的文本中选取用于描述该目标人物的十年前的信息的文本作为一个子文本，然后选取用于描述该目标人物的十年后的信息的文本作为另一个子文本。
[0064]
按照期望呈现的场景对文本进行拆分，以使不同的子文本对应不同的场景。由此，可以针对每个子文本专门挑选素材以生成用于呈现该子文本对应的场景的视频，进而可以使得最终生成的视频可以较好地呈现预期的各种场景。
[0065]
在本实施例的一些可选的实现方式中，还可以根据实际的应用需求为生成的、用于介绍目标对象的视频添加字幕和/或音频，以生成具有字幕和音频的介绍视频，从而可以提供更完善、针对更多需求面向的介绍视频。
[0066]
在本实施例的一些可选的实现方式中，对于子文本集中的每个子文本，在确定该子文本的检索用关键词，并利用检索用关键词进行图像检索和/或视频检索，得到至少一个检索结果之后，可以通过如下步骤确定该子文本对应的视频素材：
[0067]
步骤一，对于至少一个检索结果中的每个检索结果，获取该检索结果的内容标签，并利用预先训练的指标值预测模型对检索用关键词和内容标签进行处理，得到该检索结果的指标值。
[0068]
在本步骤中，检索结果的内容标签可以用于描述检索结果的内容。例如，检索结果为视频时，内容标签可以用于描述视频中出现的事物 (如事物的名称等属性)，也可以用于描述视频中的事件(如事件的关键词等)等等。应当可以理解，对于一检索结果来说，该检索结果的内容标签可以为一个，也可以为多个。
[0069]
目前，许多检索结果本身都携带有一些标签。例如，视频制作者或上传者为视频添加的标签。又例如，视频的展示平台或浏览者为视频添加的标签等等。此时，可以直接使用检索结果本身携带的标签作为该检索结果的内容标签。
[0070]
根据实际的应用需求和不同的应用场景，指标值可以是各种指标的指标值。一般地，指标值可以用于反映检索结果在某些方面的属性。例如，指标值可以用于表征以下至少一项指标：检索结果与对应的检索用关键词的关联度、检索结果的质量、期望生成的视频包括的内容与检索结果的关联度、检索结果的点击量等等。
[0071]
应当可以理解，检索结果的指标值可以反映检索结果的一项或多项属性。例如，指标值可以表征检索结果的点击量的同时，还可以表征检索结果与期望生成的视频之间的匹配度。
[0072]
指标值预测模型可以用于表征检索结果的内容标签和检索用关键词，与检索结果的指标值之间的对应关系。
[0073]
指标值预测模型可以基于现有的机器学习方法预先训练得到。作为示例，指标值预测模型可以通过如下步骤训练得到：
[0074]
步骤1)，获取训练数据。
[0075]
在本步骤中，训练数据可以包括至少一个检索结果(图像或视频) 分别对应的内容标签和检索用关键词，同时还包括至少一个检索结果分别对应的指标值。具体地，可以由技术人员预先获取至少一个检索结果，然后设置每个检索结果的内容标签和对应的检索用
关键词，同时设置每个检索结果的指标值。
[0076]
步骤2)，获取初始指标值预测模型，然后利用获取的训练数据对初始指标值预测模型进行训练，并将训练完成的初始指标值预测模型确定为指标值预测模型。
[0077]
在本步骤中，初始指标值预测模型可以是各种网络模型。例如，初始指标值预测模型可以是cnn(convolutional neural networks，卷积神经网络)、rnn(recurrent neural network，循环神经网络)等等。具体地，可以直接采用现有的已经训练完成或未经训练或未训练完成的神经网络模型作为初始指标值预测模型，也可以由技术人员根据需求设计利用keras、tensorflow等深度学习框架搭建初始指标值预测模型。
[0078]
在获取到初始指标值预测模型之后，可以从训练数据中选取内容标签和其对应的检索用关键词作为初始指标值预测模型的输入，同时将训练数据中的、选取的内容标签对应的指标值作为初始指标值预测模型的期望输出，基于预设的损失函数，利用如梯度下降和反向传播等算法不断调整初始指标值预测模型的各网络层的参数，以对初始指标值预测模型进行训练，得到训练好的指标值预测模型。其中，损失函数可以由技术人员根据实际需求预先设计。
[0079]
步骤二，根据至少一个检索结果中的各检索结果分别对应的指标值，确定该子文本对应的视频素材。
[0080]
在本步骤中，根据不同的应用需求，可以从至少一个检索结果中灵活选取检索结果作为视频素材。例如，可以按照指标值从大到小或从小到大的顺序，从至少一个检索结果中选取预设数目个检索结果作为视频素材。又例如，可以从至少一个检索结果中选取对应的指标值大于预设指标值阈值的检索结果作为视频素材。
[0081]
在一些情况下，根据各检索结果分别对应的指标值，从至少一个检索结果中选取检索结果之后，可以根据实际的需求从不同角度对选取出的检索结果再次进行筛选以得到视频素材，以进一步使得确定的视频素材符合预期。
[0082]
通过预先训练的指标值预测模型预测根据每个检索结果所关联的内容标签和对应的检索用关键词，预测每个检索结果的指标值，然后根据指标值，从得到的各个检索结果中筛选检索结果作为视频素材，有助于减少视频素材的筛选时间，提升视频的制作效率，而且通过指标值对每个检索结果进行评价，可以使得筛选出的视频素材符合实际需求。
[0083]
在本实施例的一些可选的实现方式中，可以从用于介绍目标对象的页面中获取用于介绍目标对象的文本。基于此，在生成用于介绍目标对象的视频之后，可以在用于介绍目标对象的页面中展示生成的视频。
[0084]
其中，用于介绍目标对象的页面可以是各种网页。例如，用于介绍目标对象的页面可以是目标对象的百科页面、专栏页等等。此时，可以根据实际的应用需求直接从用于介绍目标对象的页面中筛选文本内容形成用于介绍目标对象的文本。
[0085]
在根据用于介绍目标对象的文本生成用于介绍目标对象的视频之后，可以在用于介绍目标对象的页面中展示生成的视频以便于浏览用于介绍目标对象的页面的用户可以浏览到生成的视频。例如，可以将生成的视频的播放地址或链接添加至用于介绍目标对象的页面中，此时，用户在浏览用于介绍目标对象的页面时，可以通过其中的播放地址或链接浏览生成的视频，以通过视频了解目标对象。
[0086]
由此可以使得用户在浏览目标对象的介绍页面时，不仅可以通过文字等了解目标
对象，而且可以根据自身需求选择通过介绍视频来了解目标对象，以满足不同用户在不同时刻的信息浏览需求。
[0087]
在本实施例的一些可选的实现方式中，对于子文本集中的每个子文本，可以生成该子文本对应的字幕。例如，可以直接将子文本作为字幕。又例如，可以对子文本进行润饰或调整等处理，然后将处理后的子文本作为字幕。
[0088]
此时，可以根据子文本集中的各子文本分别对应的视频素材和字幕，生成具有字幕的视频。例如，对于每个子文本，可以根据该子文本对应的视频素材生成该子文本对应的视频，然后在生成的视频中添加该子文本对应的字幕，得到子文本对应的具有字幕的视频。之后，通过组合各个子文本分别对应的具有字幕的视频的方式等生成用于介绍目标对象的视频。
[0089]
由此可以为每个子文本对应的视频添加准确的、符合视频内容的字幕，以辅助浏览视频的用户理解视频内容。
[0090]
在本实施例的一些可选的实现方式中，对于子文本集中的每个子文本，可以生成该子文本对应的音频。例如，可以直接利用现有的各种语音合成技术合成子文本对应的语音作为子文本对应的音频。又例如，可以对子文本进行润饰或调整等处理，然后利用语音合成技术合成处理后的子文本对应的语音作为子文本对应的音频。
[0091]
此时，可以根据子文本集中的各子文本分别对应的视频素材和音频，生成具有音频的视频。例如，对于每个子文本，可以根据该子文本对应的视频素材生成该子文本对应的视频，然为生成的视频添加该子文本对应的音频，得到子文本对应的具有音频的视频。之后，通过组合各个子文本分别对应的具有音频的视频的方式等生成用于介绍目标对象的视频。
[0092]
由此可以为每个子文本对应的视频添加准确的、对应于视频内容的音频，以辅助浏览视频的用户理解视频内容。
[0093]
本公开的上述实施例提供的方法根据目标对象的介绍文本选择与目标对象相关的图像和/或视频作为视频素材，然后根据视频素材生成目标对象的介绍视频。由此，可以提供关于目标对象的更丰富的信息介绍类型，以满足不同用户的不同需求。例如，对于不习惯或不方便通过浏览文本了解目标对象的用户来说，就可以选择通过观看视频的方式了解目标对象。
[0094]
进一步参考图3，其示出了用于生成视频的方法的又一个实施例的流程300。该用于生成视频的方法的流程300，包括以下步骤：
[0095]
步骤301，获取用于介绍目标对象的文本。
[0096]
步骤302，对文本进行拆分，得到子文本集。
[0097]
步骤303，分别确定子文本集中的各子文本对应的视频素材。
[0098]
步骤304，对于子文本集中的子文本，根据该子文本，生成该子文本对应的字幕和音频。
[0099]
在本实施中，可以根据每个子文本生成该子文本对应的字幕和音频。具体地，可以直接使用每个子文本的内容作为字幕，也可以对子文本进行调整以使调整后的文本内容更贴合于子文本对应的视频的内容，然后使用调整后的子文本作为字幕。当然，也可以由技术人员根据生成的视频内容和子文本的内容设置字幕。
[0100]
同时，可以利用语音合成技术对子文本进行处理，以生成子文本的音频，也可以先生成子文本对应的字幕，然后利用语音合成技术对字幕进行处理以生成字幕对应的音频作为子文本对应的音频。应当可以理解，根据实际的应用需求还可以在字幕对应的音频中添加音效、其它音频片段等内容，以使音频更贴合于子文本对应的视频的内容。
[0101]
步骤305，根据子文本集中的各子文本分别对应的视频素材、字幕和音频，生成具有字幕和音频的视频。
[0102]
本实施例中未详细说明的内容可以参考图2对应实施例中的相关说明，在此不再赘述。
[0103]
继续参见图4，图4是根据本实施例的用于生成视频的方法的一个示意性的应用场景400。在图4的应用场景中，期望生成一公众人物的介绍视频。此时，可以先获取该公众人物的人物姓名401，然后根据人物姓名401检索该公众人物的百科页面，然后从百科页面中选取介绍该公众人物的内容组成介绍文本402。
[0104]
然后根据介绍文本402所介绍的该公众人物的属性将介绍文本402拆分成若干子文本，得到子文本集403。例如，从介绍文本中选取介绍该公众人物的姓名年龄和籍贯的信息作为一个子文本。又例如，从介绍文本中选取介绍该公众人物的演出经历的信息又一子文本。
[0105]
之后，可以分别生成各个子文本分别对应的具有字幕和音频的视频。具体如标号404所示，以子文本集403中的子文本4031作为示例进行说明：先提取子文本4031的关键词40311，然后利用关键词40311 进行图像检索和视频检索，得到检索结果40312。检索结果40312中包括若干图像和视频。然后，根据检索结果40312中的每个图像或视频的质量筛选出部分图像和视频作为视频素材40313，并利用视频素材40313生成子文本4031对应的视频40314。应当可以理解，此时生成的视频40314即用于介绍子文本4031描述的该公众人物的属性。
[0106]
同时，将子文本4031形成字幕40315，以及对子文本4031进行语义合成形成音频40316。之后，将字幕40315和音频40316添加至生成的视频40314中以得到子文本4031对应的具有字幕和音频的视频。作为示例，若子文本4031用于介绍该公众人物的姓名和年龄。则生成的视频40314可以呈现该公众人物从小到大的样貌，同时字幕40315显示该公众人物的姓名和年龄，并且音频40316播报该公众人物的姓名和年龄。
[0107]
接着，可以组合并调整各个子文本分别对应的具有字幕和音频的视频，生成该公众人物的介绍视频405。然后，可以将介绍视频的播放地址添加至该公众人物的百科页面中。如图中标号406所示，用户在浏览该公众人物的百科页面时，不仅可以通过页面中的文字信息了解该公众人物，还可以通过点人物介绍视频的方式来了解该公众人物。
[0108]
从图3中可以看出，与图2对应的实施例相比，本实施例中的用于生成视频的方法的流程300突出了对用于介绍目标对象的文本进行拆分，从而以拆分后的子文本为粒度进行处理，以及为生成的视频生成对应的字幕和音频的步骤。由此，通过对各子文本分别进行处理，不仅可以提升每个子文本对应的视频素材与子文本之间的匹配度和质量，而且可以提升整体的视频素材的筛选时间，从而提升整体的视频的制作效率。另外，通过为视频匹配字幕和音频，可以辅助观看视频的用户更好地理解视频的内容，从而更快地了解目标对象。
[0109]
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了用于生成视频的
装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0110]
如图5所示，本实施例提供的用于生成视频的装置500包括获取单元501、确定单元502和生成单元503。其中，获取单元，被配置成获取用于介绍目标对象的文本；确定单元，被配置成根据文本，确定与目标对象相关的图像和/或视频作为视频素材；生成单元，被配置成根据视频素材，生成用于介绍目标对象的视频。
[0111]
在本实施例中，用于生成视频的装置500中：获取单元501、确定单元502和生成单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明，在此不再赘述。
[0112]
本公开的上述实施例提供的装置，通过获取单元获取用于介绍目标对象的文本；确定单元根据文本，确定与目标对象相关的图像和/ 或视频作为视频素材；生成单元根据视频素材，生成用于介绍目标对象的视频。由此，可以提供关于目标对象的更丰富的信息介绍类型，以满足不同用户的不同需求。例如，对于不习惯或不方便通过浏览文本了解目标对象的用户来说，就可以选择通过观看视频的方式了解目标对象。
[0113]
下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0114]
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有电子设备 600操作所需的各种程序和数据。处理装置601、rom 602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线 604。
[0115]
通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置 606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0116]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。
[0117]
需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的
电连接、便携式计算机磁盘、硬盘、随机访问存储器 (ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom 或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0118]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0119]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0120]
根据本公开的一个或多个实施例，本公开提供了一种用于生成视频的方法，该方法包括：获取用于介绍目标对象的文本；根据文本，确定与目标对象相关的图像和/或视频作为视频素材；根据视频素材，生成用于介绍目标对象的视频。
[0121]
根据本公开的一个或多个实施例，上述根据文本，确定与目标对象相关的图像和/或视频作为视频素材，包括：对文本进行拆分，得到子文本集；分别确定子文本集中的各子文本对应的视频素材。
[0122]
根据本公开的一个或多个实施例，分别确定子文本集中的各子文本对应的视频素材，包括：对于子文本集中的子文本，确定该子文本对应的检索用关键词；利用检索用关键词进行图像检索和/或视频检索，得到至少一个检索结果，以及根据至少一个检索结果，确定该子文本对应的视频素材。
[0123]
根据本公开的一个或多个实施例，子文本集中的各子文本分别用于介绍目标对象
的不同属性。
[0124]
根据本公开的一个或多个实施例，子文本集中的各子文本分别用于描述不同的预设场景。
[0125]
根据本公开的一个或多个实施例，上述方法还包括：对于子文本集中的子文本，根据该子文本，生成该子文本对应的字幕；以及上述根据视频素材，生成用于介绍目标对象的视频，包括：根据子文本集中的各子文本分别对应的视频素材和字幕，生成具有字幕的视频。
[0126]
根据本公开的一个或多个实施例，上述方法还包括：对于子文本集中的子文本，根据该子文本，生成该子文本对应的音频；以及根据视频素材，生成用于介绍目标对象的视频，包括：根据子文本集中的各子文本分别对应的视频素材和音频，生成具有音频的视频。
[0127]
根据本公开的一个或多个实施例，利用检索用关键词进行图像检索和/或视频检索，得到至少一个检索结果，以及根据至少一个检索结果，确定该子文本对应的视频素材，包括：对于至少一个检索结果中的检索结果，获取该检索结果的内容标签；利用预先训练的指标值预测模型对检索用关键词和内容标签进行处理，得到该检索结果的指标值；根据至少一个检索结果中的各检索结果分别对应的指标值，确定该子文本对应的视频素材。
[0128]
根据本公开的一个或多个实施例，获取用于介绍目标对象的文本，包括：从用于介绍目标对象的页面中获取文本；以及上述方法还包括：在页面中展示用于介绍目标对象的视频。
[0129]
作为另一方面，本公开还提供了一种用于生成视频的装置，该装置包括：获取单元，被配置成获取用于介绍目标对象的文本；确定单元，被配置成根据文本，确定与目标对象相关的图像和/或视频作为视频素材；生成单元，被配置成根据视频素材，生成用于介绍目标对象的视频。
[0130]
根据本公开的一个或多个实施例，上述确定单元进一步被配置成：对文本进行拆分，得到子文本集；分别确定子文本集中的各子文本对应的视频素材。
[0131]
根据本公开的一个或多个实施例，上述确定单元进一步被配置成：对于子文本集中的子文本，确定该子文本对应的检索用关键词；利用检索用关键词进行图像检索和/或视频检索，得到至少一个检索结果，以及根据至少一个检索结果，确定该子文本对应的视频素材。
[0132]
根据本公开的一个或多个实施例，子文本集中的各子文本分别用于介绍目标对象的不同属性。
[0133]
根据本公开的一个或多个实施例，子文本集中的各子文本分别用于描述不同的预设场景。
[0134]
根据本公开的一个或多个实施例，上述生成单元进一步被配置成：对于子文本集中的子文本，根据该子文本，生成该子文本对应的字幕；根据子文本集中的各子文本分别对应的视频素材和字幕，生成具有字幕的视频。
[0135]
根据本公开的一个或多个实施例，上述生成单元进一步被配置成：对于子文本集中的子文本，根据该子文本，生成该子文本对应的音频；根据子文本集中的各子文本分别对应的视频素材和音频，生成具有音频的视频。
[0136]
根据本公开的一个或多个实施例，上述确定单元进一步被配置成：对于至少一个
检索结果中的检索结果，获取该检索结果的内容标签；利用预先训练的指标值预测模型对检索用关键词和内容标签进行处理，得到该检索结果的指标值；根据至少一个检索结果中的各检索结果分别对应的指标值，确定该子文本对应的视频素材。
[0137]
根据本公开的一个或多个实施例，上述获取单元进一步被配置成：从用于介绍目标对象的页面中获取文本；上述装置还包括：展示单元，被配置成在页面中展示用于介绍目标对象的视频。
[0138]
作为另一方面，本公开还提供了一种计算机可读介质。该计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取用于介绍目标对象的文本；根据文本，确定与目标对象相关的图像和/或视频作为视频素材；根据视频素材，生成用于介绍目标对象的视频。
[0139]
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取用于介绍目标对象的文本的单元”。
[0140]
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离本公开的构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。