[发明专利]视频配音生成方法、装置、设备及存储介质

说明书

本申请公开了一种视频配音生成方法、装置、设备及存储介质，属于配音技术领域。所述方法包括：获取待配音视频；将待配音视频对应的原始配音文本转化为目标配音文本，目标配音文本与原始配音文本属于不同语种；对待配音视频的原始配音进行特征提取，得到原始配音的原始音频信号特征；将原始音频信号特征输入配音模型，得到目标配音状态和目标配音语料；根据目标配音文本、目标配音状态和目标配音语料生成目标配音。采用本申请实施例提供的视频配音方法，能够根据视频中的已有配音自动为视频生成其他语种的配音，无需配音人员朗读不同语种的对白，降低了视频配音的成本，并提高了为视频进行多语种配音的效率。

技术领域

本申请实施例涉及配音技术领域，特别涉及一种视频配音生成方法、装置、设备及存储介质。

背景技术

随着网络自制节目的不断兴起，越来越多的用户开始将自制视频上传到互联网，供其他用户观看。且为了提高自制视频中对白的质量，用户通常会对自制视频进行后期配音。

相关技术中通常采用人工配音的方式为自制视频进行后期配音。人工配音过程中，配音人员需要根据实时视频画面朗读对白，保证视频与音频的同步性；并且，配音人员需要使用专业的配音设备，甚至在专业的配音工作室进行配音，以达到较好的配音效果。

采用人工配音方式进行配音的成本较高，且当需要为自制视频配置多语种配音时，配音人员需要分别朗读不同语种的对白，导致配音的效率较低。

发明内容

本申请实施例提供了一种视频配音生成方法、装置、设备及存储介质，可以解决相关技术中采用人工方式进行多语种配音时，配音流程复杂，且配音效率较低的问题。所述技术方案如下：

一方面，提供了一种视频配音生成方法，所述方法包括：

获取待配音视频；

将所述待配音视频对应的原始配音文本转化为目标配音文本，所述目标配音文本与所述原始配音文本属于不同语种；

对所述待配音视频的原始配音进行特征提取，得到所述原始配音的原始音频信号特征；

将所述原始音频信号特征输入配音模型，得到目标配音状态和目标配音语料；

根据所述目标配音文本、所述目标配音状态和所述目标配音语料生成目标配音。

另一方面，提供了一种视频配音生成装置，所述装置包括：

视频获取模块，用于获取待配音视频；

文本转化模块，用于将所述待配音视频对应的原始配音文本转化为目标配音文本，所述目标配音文本与所述原始配音文本属于不同语种；

特征提取模块，用于对所述待配音视频的原始配音进行特征提取，得到所述原始配音的原始音频信号特征；

模型输入模块，用于将所述原始音频信号特征输入配音模型，得到目标配音状态和目标配音语料；

配音生成模块，用于根据所述目标配音文本、所述目标配音状态和所述目标配音语料生成目标配音。

另一方面，提供了一种视频配音设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器执行以实现如上述方面所述的视频配音生成方法。

另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器执行以实现如上述方面所述的视频配音生成方法。

本申请实施例提供的技术方案带来的有益效果至少包括：