[发明专利]视频处理方法、装置、计算机可读存储介质和计算机设备

说明书

本申请涉及一种视频处理方法、装置、计算机可读存储介质和计算机设备，方法包括：获取音频文件中的音频片段；对音频片段进行声纹识别，得到音频片段对应的声音类型；获取字幕文件中与音频片段对应的字幕文字；获取原视频文件中与音频片段对应的原视频帧序列；基于原视频帧序列中的原视频帧，识别与声音类型对应的角色；根据角色在原视频帧中的位置，生成包括字幕文字的字幕图像帧；字幕图像帧用于与原视频帧合成目标视频帧。本申请提供的方案可以提高视频传递信息的能力。

技术领域

本申请涉及计算机技术领域，特别是涉及一种视频处理方法、装置、计算机可读存储介质和计算机设备。

背景技术

如今大多数视频是通过将视频文件、音频文件和字幕文件按照约定的协议进行组合后得到的，这样可以得到一部完整的视频并将视频呈现给用户。视频中的字幕可以将音频文件中的声音信息以字幕的形式呈现出来，可以使用户从视觉上看到角色之间的对话，更好的理解视频的内容。

然而，对于视频中的字幕，大多数情况下是固定放置在视频画面中的，这样导致字幕与视频画面中出现的角色之间的联系不够紧密，使得视频传达信息的能力受到了限制。

发明内容

基于此，有必要针对现有的字幕固定放置在视频画面中导致视频传达信息的能力受到限制的技术问题，提供一种视频处理方法、装置、计算机可读存储介质和计算机设备。

一种视频处理方法，包括：

获取音频文件中的音频片段；

对所述音频片段进行声纹识别，得到所述音频片段对应的声音类型；

获取字幕文件中与所述音频片段对应的字幕文字；

获取原视频文件中与所述音频片段对应的原视频帧序列；

基于所述原视频帧序列中的原视频帧，识别与所述声音类型对应的角色；

根据所述角色在所述原视频帧中的位置，生成包括所述字幕文字的字幕图像帧；所述字幕图像帧用于与所述原视频帧合成目标视频帧。

一种视频处理装置，所述装置包括：

音频片段获取模块，用于获取音频文件中的音频片段；

声音类型识别模块，用于对所述音频片段进行声纹识别，得到所述音频片段对应的声音类型；

字幕文字获取模块，用于获取字幕文件中与所述音频片段对应的字幕文字；

原视频帧序列获取模块，用于获取原视频文件中与所述音频片段对应的原视频帧序列；

角色识别模块，用于基于所述原视频帧序列中的原视频帧，识别与所述声音类型对应的角色；

字幕图像帧生成模块，用于根据所述角色在所述原视频帧中的位置，生成包括所述字幕文字的字幕图像帧；所述字幕图像帧用于与所述原视频帧合成目标视频帧。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述视频处理方法的步骤。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述视频处理方法的步骤。

上述视频处理方法、装置、计算机可读存储介质和计算机设备，预先建立了整个视频中声音类型与角色的对应关系，通过在原视频帧中找到与识别出的声音类型对应的角色，根据该角色在原视频帧中的位置，生成包括字幕文字的字幕图像帧。生成的字幕图像帧与原视频帧合成得到包括靠近角色的字幕文字的目标视频帧。由于合成的目标视频帧中的字幕靠近视频画面中的角色显示，表现形式更为丰富，从而提升了视频画面向用户传递信息的能力，有利于用户更好的理解视频内容。

附图说明