[发明专利]视频处理方法、装置、终端设备及存储介质

权利要求书

1.一种视频处理方法，其特征在于，所述方法包括：

获取用户输入的交互信息；

对所述交互信息进行识别，获取与所述交互信息对应的特定音频信息；

将所述特定音频信息输入至第一机器学习模型，获得与所述特定音频信息对应的面部特征点；

将所述面部特征点输入至第二机器学习模型，获得与所述面部特征点对应的模拟人脸图像，所述第二机器学习模型为生成对抗网络模型，所述模拟人脸图像为二维人脸图像；

将预设视频中的预设人脸图像替换为所述模拟人脸图像，并获得替换人脸图像后的包含所述模拟人脸图像的答复视频，所述预设人脸图像为二维人脸图像，所述将预设视频中的预设人脸图像替换为所述模拟人脸图像为基于二维图像处理的图像替换；

输出针对所述交互信息的所述答复视频，所述答复视频中包含所述特定音频信息。

2.根据权利要求1所述的方法，其特征在于，所述交互信息包括语音信息、文本信息、图像信息中的至少一种，所述对所述交互信息进行识别，获取与所述交互信息对应的特定音频信息，包括：

对所述交互信息进行识别，获取与所述交互信息对应的交互文本；

在问答库中查询并获取与所述交互文本对应的答复文本；

合成与所述答复文本对应的特定音频信息。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取第一训练样本集，所述第一训练样本集包括从第一预训练视频中抽取的人脸图像的面部特征点以及与所述面部特征点对应的音频；

将所述第一训练样本集输入所述第一机器学习模型，对所述第一机器学习模型进行训练；

获取第二训练样本集，所述第二训练样本集包括从第二预训练视频中抽取的人脸图像以及与所述人脸图像对应的面部特征点；

将所述第二训练样本集输入所述第二机器学习模型，对所述第二机器学习模型进行训练。

4.根据权利要求3所述的方法，其特征在于，所述第二预训练视频与所述预设视频中的人脸图像为同一人的人脸图像。

5.根据权利要求3所述的方法，其特征在于，所述第一预训练视频与所述第二预训练视频中的人脸图像为同一人或不同人的人脸图像。

6.根据权利要求1所述的方法，其特征在于，所述将预设视频中的预设人脸图像替换为所述模拟人脸图像，包括：

在预设视频中确定与所述模拟人脸图像对应的图像替换区域，所述图像替换区域为所述预设视频中的预设人脸图像的局部区域或全部区域；

将所述模拟人脸图像覆盖至所述图像替换区域。

7.根据权利要求1所述的方法，其特征在于，所述面部特征点包括唇形特征点、面部轮廓特征点以及人脸细节特征点中的至少一种。

8.一种视频处理装置，其特征在于，所述装置包括：

信息输入模块，用于获取用户输入的交互信息；

音频获取模块，用于对所述交互信息进行识别，获取与所述交互信息对应的特定音频信息；

特征点获取模块，用于将所述特定音频信息输入至第一机器学习模型，获得与所述特定音频信息对应的面部特征点；

人脸生成模块，用于将所述面部特征点输入至第二机器学习模型，获得与所述面部特征点对应的模拟人脸图像，所述第二机器学习模型为生成对抗网络模型，所述模拟人脸图像为二维人脸图像；

人脸替换模块，用于将预设视频中的预设人脸图像替换为所述模拟人脸图像，并获得替换人脸图像后的包含所述模拟人脸图像的答复视频，所述预设人脸图像为二维人脸图像，所述将预设视频中的预设人脸图像替换为所述模拟人脸图像为基于二维图像处理的图像替换；

视频输出模块，用于输出针对所述交互信息的所述答复视频，所述答复视频中包含所述特定音频信息。