本发明涉及视频处理技术领域，尤其涉及一种互联网短视频合并系统。
背景技术：
音视频合并是指将多个(相同格式或者不同格式)音视频素材经剪辑后，任意组合或者排列再进行合并，最后输出一个统一格式的音视频成片。
本发明人指出，在实际的使用过程中很多用户反馈：在进行音视频合并过程中，经常需要在大量的音视频素材中将每一个音视频素材剪辑成一个以上的音视频短片，然后重新排列组合，这是一个很大的工作量。
举个简单的例子：a公司要求公司内的b部门、c部门和d部门拍摄一个拜年视频，其中b部门拍摄的音视频素材x是：“a公司b部门，祝大家，新年快乐，牛年大吉”；c部门拍摄的音视频素材y是：“a公司c部门，祝大家，新年快乐，身体健康”；d部门拍摄的音视频素材z是：“a公司d部门，祝大家，新年快乐，财源滚滚”。
如果最终合并视频后的拜年视频文案是“a公司b部门(取自音视频素材x)；a公司c部门(取自音视频素材y)；a公司d部门(取自音视频素材z)；祝大家，新年快乐(取自音视频素材x)；祝大家，新年快乐(取自音视频素材y)；祝大家，新年快乐(取自音视频素材z)；牛年大吉(取自音视频素材x)；身体健康(取自音视频素材y)；财源滚滚(取自音视频素材z)”。那么，也就是说，用户需要将音视频素材x、音视频素材y、音视频素材z分别剪辑成三段，形成九个音视频素材，分别是：
音视频素材x1：“a公司b部门”；
音视频素材x2：“祝大家，新年快乐”；
音视频素材x3：“牛年大吉”；
音视频素材y1：“a公司c部门”；
音视频素材y2：“祝大家，新年快乐”；
音视频素材y3：“身体健康”；
音视频素材z1：“a公司d部门”；
音视频素材z2：“祝大家，新年快乐”；
音视频素材z3：“财源滚滚”。
其中音视频素材x1、音视频素材x2和音视频素材x3剪辑自音视频素材x。音视频素材y1、音视频素材y2和音视频素材y3剪辑自音视频素材y。音视频素材z1、音视频素材z2和音视频素材z3剪辑自音视频素材z。
也就是说最终的合并视频为“音视频素材x1+音视频素材y1+音视频素材z1+音视频素材x2+音视频素材y2+音视频素材z2+音视频素材x3+音视频素材y3+音视频素材z3”。
本发明人指出，上述音视频拼接技术实际操作起来，其剪辑过程很麻烦，并且剪辑后形成了更多的音视频素材(如上述音视频素材x、音视频素材y、音视频素材z分别剪辑成三段，形成音视频素材x1、音视频素材x2、音视频素材x3、音视频素材y1、音视频素材y2、音视频素材y3、音视频素材z1、音视频素材z2和音视频素材z3九个音视频素材)，用户应对大量的剪辑后的音视频素材，还要进行排列组合，操作起来更加是头晕眼花。
技术实现要素：
因此，针对上述的问题，本发明提出一种互联网短视频合并系统，能够对音视频素材进行智能剪辑，并根据最终文案将各子素材合并成音视频成片。
为实现上述目的，本发明采用了以下技术方案：一种互联网短视频合并系统，包括短视频合并服务器，以及安装于移动终端上的客户端；
所述客户端包括：
音视频拍摄模块，用于调用移动终端的摄像头和麦克风采集音视频素材，并且命名所采集音视频素材的文件名称；自动将所采集音视频素材存储于移动终端的存储器内；
视频上传模块，用于选取移动终端的存储器内存储的音视频素材，并将所选取的音视频素材通过互联网上传至短视频合并服务器；
子文案编辑模块，用于编辑子文案，所述子文案包括编辑音视频素材的文件名称、文字文案、起始时间修正参数m、结束时间修正参数n以及子素材名称；将所述子文案通过互联网上传至短视频合并服务器；
最终文案编辑模块，用于将多段子文案所对应的子素材名称排列组合形成最终文案，将所述最终文案通过互联网上传至短视频合并服务器；
音视频成片下载模块，用于通过互联网从短视频合并服务器获取音视频成片，并下载至移动终端的存储器；
所述短视频合并服务器包括：
音视频素材存储模块，用于存储客户端上传的音视频素材；以及存储经子文案接收模块剪辑后的各个子素材；还用于存储音视频成片；
音频识别模块，用于将音视频素材所包含的每句话翻译成文字信息；
子文案接收模块，用于接收客户端上传的子文案，并且根据子文案所提供的音视频素材的文件名称检索音视频素材存储模块内存储的对应音视频素材；在检索到的音视频素材中，通过音频识别模块将该音视频素材中的每句话翻译成文字信息，根据子文案所提供的文字文案检索在该音视频素材中与所述文字文案匹配的文字信息，并且返回该文字信息对应在音视频素材翻译成文字信息起始时间t0和结束时间t1；进而剪辑所述音视频素材从时间t2到时间t3之间的音视频片段形成子素材；然后将子文案中编辑的子素材名称赋予该子素材；最后，将所述子素材存储于音视频素材存储模块；
所述t2＝t0-m；
所述t3＝t1+n；
最终文案接收模块，用于接收客户端上传的最终文案，以及用于音视频素材存储模块存储的各子素材按照最终文案中对应的子素材名称进行排列组合后合并形成音视频成片，所述音视频成片储于音视频素材存储模块。
进一步的，所述客户端还包括背景音乐添加模块；
所述背景音乐添加模块用于选取移动终端的存储器内存储的背景音乐，并将所选取的背景音乐添加到音视频成片内。
进一步的，所述客户端还包括视频特效素材添加模块；
所述视频特效素材添加模块用于选取移动终端的存储器内存储的视频特效素材，并在音视频成片内添加所选取的视频特效素材。
通过采用前述技术方案，本发明的有益效果是：本互联网短视频合并系统能够对音视频素材进行智能剪辑，并根据最终文案将各子素材合并成音视频成片，具体的：
用户通过移动终端的客户端采集音视频素材通过互联网上传至短视频合并服务器，并且在客户端上编辑子文案和最终文案上传至短视频合并服务器。
短视频合并服务器根据接收的子文案对音视频素材进行智能剪辑，更具体的，短视频合并服务器的子文案编辑模块根据子文案所提供的音视频素材的文件名称检索音视频素材存储模块内存储的对应音视频素材，在检索到的音视频素材中，再根据子文案所提供的文字文案检索与该音视频素材中所述文字文案匹配的文字信息，并且返回该文字信息对应在音视频素材翻译成文字信息起始时间t0和结束时间t1；进而剪辑所述音视频素材从时间t2(t2＝t0-m，m为起始时间修正参数)到时间t3(t3＝t0-n，n为起始时间修正参数)之间的音视频片段形成子素材，将子文案中编辑的子素材名称赋予该子素材。最终文案接收模块对子文案接收模块所剪辑得到的各子素材按照最终文案中对应的子素材名称进行排列组合后合并形成音视频成片。
进一步的，客户端从短视频合并服务器上下载音视频成片后，可再在客户端上在音视频成片内添加背景音乐和视频特效素材。
具体实施方式
现结合具体实施方式对本发明进一步说明。
本实施例提供一种互联网短视频合并系统，包括短视频合并服务器,以及安装于移动终端上的客户端；
所述客户端包括：
音视频拍摄模块，用于调用移动终端的摄像头和麦克风采集音视频素材，并且命名所采集音视频素材的文件名称；自动将所采集音视频素材存储于移动终端的存储器内；所述移动终端可采用手机或者ipad等设备。
例如，在本实施例中，利用手机采集音视频素材包括以下：
音视频素材一：“a公司b部门，祝大家，新年快乐，牛年大吉”,将音视频素材一命名为文件e；
音视频素材二：“a公司c部门，祝大家，新年快乐，身体健康”,将音视频素材一命名为文件f；
音视频素材三：“a公司d部门，祝大家，新年快乐，财源滚滚”,将音视频素材一命名为文件g。
上述文件e、文件f和文件g存储于手机的存储器内。
视频上传模块，用于选取手机的存储器内存储的音视频素材，即文件e、文件f和文件g。
并将文件e、文件f和文件g通过互联网上传至短视频合并服务器。
子文案编辑模块，用于编辑子文案，所述子文案包括编辑音视频素材的文件名称、文字文案、起始时间修正参数m、结束时间修正参数n以及子素材名称；例如编辑子文案依次包括：
子文案一：“文件e”、“a公司b部门”、“m＝0.5s”、“n＝0.5s”、“子素材一”；
子文案二：“文件e”、“祝大家，新年快乐”、“m＝0.5s”、“n＝0.5s”、“子素材二”；
子文案三：“文件e”、“牛年大吉”、“m＝0.5s”、“n＝0.5s”、“子素材三”；
子文案四：“文件f”、“a公司c部门”、“m＝0.5s”、“n＝0.5s”、“子素材四”；
子文案五：“文件f”、“祝大家，新年快乐”、“m＝0.5s”、“n＝0.5s”、“子素材五”；
子文案六：“文件f”、“身体健康”、“m＝0.5s”、“n＝0.5s”、“子素材六”；
子文案七：“文件g”、“a公司d部门”、“m＝0.5s”、“n＝0.5s”、“子素材七”；
子文案八：“文件g”、“祝大家，新年快乐”、“m＝0.5s”、“n＝0.5s”、“子素材八”；
子文案九：“文件g”、“财源滚滚”、“m＝0.5s”、“n＝0.5s”、“子素材九”。
上述起始时间修正参数m和结束时间修正参数n的值均可在子文案编辑模块自行设置。
将所述子文案一、子文案二、子文案三、子文案四、子文案五、子文案六、子文案七、子文案八和子文案九通过互联网上传至短视频合并服务器。
最终文案编辑模块，用于将多段子文案所对应的子素材名称排列组合形成最终文案，将所述最终文案通过互联网上传至短视频合并服务器；
在本具体实施例中，将上述子素材一、子素材二、子素材三、子素材四、子素材五、子素材六、子素材七、子素材八和子素材九依次顺序排列形成最终文案。
音视频成片下载模块，用于通过互联网从短视频合并服务器获取音视频成片，并下载至手机的存储器。
所述短视频合并服务器包括：
音视频素材存储模块，用于存储客户端上传的文件e、文件f和文件g，以及存储经子文案接收模块剪辑后的各个子素材(即子文案接收模块剪辑后的子素材一、子素材二、子素材三、子素材四、子素材五、子素材六、子素材七、子素材八和子素材九)；还用于存储音视频成片。
音频识别模块，用于将上述文件e、文件f和文件g所包含的每句话翻译成文字信息。
子文案接收模块，用于接收客户端上传的子文案，并且根据子文案所提供的音视频素材的文件名称检索音视频素材存储模块内存储的对应音视频素材；在检索到的音视频素材中，通过音频识别模块将该音视频素材中的每句话翻译成文字信息，根据子文案所提供的文字文案检索在该音视频素材中与所述文字文案匹配的文字信息，并且返回该文字信息对应在音视频素材翻译成文字信息起始时间t0和结束时间t1；进而剪辑所述音视频素材从时间t2到时间t3之间的音视频片段形成子素材；然后将子文案中编辑的子素材名称赋予该子素材；最后，将所述子素材存储于音视频素材存储模块；
所述t2＝t0-m；
所述t3＝t1-n。
例如，在本具体实施例中，子文案接收模块接收子文案一，根据子文案一所提供的音视频素材的文件名称“文件e”检索音视频素材存储模块内存储的对应音视频素材，即音视频素材存储模块存储的文件e。
在检索到的音视频素材中(即文件e)，通过音频识别模块将该音视频素材中的每句话翻译成文字信息：“a公司b部门，祝大家，新年快乐，牛年大吉”。
再根据子文案一所提供的文字文案“a公司b部门”检索文件e中与该文字文案匹配的文字信息(即a公司b部门)，并且返回该文字信息对应在音视频素材一翻译成文字信息起始时间t0和结束时间t1；进而剪辑所述音视频素材从时间t2到时间t3之间的音视频片段形成子素材，将子文案一中编辑的子素材名称“子素材一”赋予该子素材。t2＝t0-0.5；t3＝t1+0.5。
同理，子文案接收模块分别剪辑子文案二、子文案三、子文案四、子文案五、子文案六、子文案七、子文案八和子文案九，得到对应的子素材，并将各子文案(文案二、子文案三、子文案四、子文案五、子文案六、子文案七、子文案八和子文案九)中编辑的子素材名称一一对应赋予相应的子素材，在此不再一一赘述。
最终文案接收模块，用于接收客户端上传的最终文案，以及用于音视频素材存储模块存储的各子素材按照最终文案中对应的子素材名称进行排列组合后合并形成音视频成片，所述音视频成片储于音视频素材存储模块。
在本具体实施例中，最终文案为子素材一、子素材二、子素材三、子素材四、子素材五、子素材六、子素材七、子素材八和子素材九依次顺序排列，即得到的音视频成片为“a公司b部门(子素材一)，a公司c部门(子素材二)，a公司d部门(子素材三)；祝大家，新年快乐(子素材四)；祝大家，新年快乐(子素材五)；祝大家，新年快乐(子素材六)；牛年大吉(子素材七)，身体健康(子素材八)，财源滚滚(子素材九)”。
用户在使用时，只需通过客户端上传相应的音视频素材、编辑各个子文案以及最终文案到短视频合并服务器。短视频合并服务器就能够对音视频素材智能剪辑，并根据最终文案将各子素材合并成音视频成片。用户再通过客户端下载音视频成片即可，操作方便，可以大大的减少音视频剪辑时间，快速合成音视频成片，减少用户的工作量。
优选的，上述客户端还包括背景音乐添加模块；所述背景音乐添加模块用于选取手机的存储器内存储的背景音乐，并将所选取的背景音乐添加到音视频成片内；
优选的，上述客户端还包括视频特效素材添加模块；所述视频特效素材添加模块用于选取手机的存储器内存储的视频特效素材，并在音视频成片内添加所选取的视频特效素材。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。