[发明专利]内容生成方法、装置以及介质

说明书

本公开的实施例涉及内容生成方法、内容生成装置、以及计算机可读存储介质。该方法包括：对内容素材进行音视频分离处理，得到视频文件和音频文件；从视频文件中提取出视频特征，对视频特征进行分析以得到视频分析结果；从音频文件中提取出音频特征，对音频特征进行分析以得到音频分析结果；根据视频分析结果和音频分析结果，确定视频文件的场景；根据视频分析结果、音频分析结果以及视频文件的场景，从视频文件中选取出关键视频片段；为关键视频片段对齐相应的音频片段，得到关键内容片段；基于关键内容片段生成目标内容。

技术领域

本公开涉及视频处理技术，更具体地，涉及内容生成方法、内容生成装置、以及计算机可读存储介质。

背景技术

随着内容产业的爆发和高度竞争，内容生产机构对于内容质量和创作速度都有了更高的要求。特别是对于新闻新媒体行业来说，由于其涉及到实事热点报道，更加要求快速响应和专业性剪辑。现有的由专业的编辑人员采用人工方式进行内容制作的方式，无法满足这种需求。

发明内容

本公开实施例的一个目的是提供一种新的内容生成方案，可以提高内容制作效率。

根据本公开实施例的第一方面，提供了一种内容生成方法，包括：

对内容素材进行音视频分离处理，得到视频文件和音频文件；

从视频文件中提取出视频特征，对视频特征进行分析以得到视频分析结果；

从音频文件中提取出音频特征，对音频特征进行分析以得到音频分析结果；

根据视频分析结果和音频分析结果，确定视频文件的场景；

根据视频分析结果、音频分析结果以及视频文件的场景，从视频文件中选取出关键视频片段；

为关键视频片段对齐相应的音频片段，得到关键内容片段；

基于关键内容片段生成目标内容。

可选地，基于第一深度卷积神经网络从视频文件中提取出所述视频特征，基于第二深度卷积神经网络从音频文件中提取出所述音频特征。

可选地，在从视频文件中提取出视频特征之前，还包括：过滤掉视频文件中的无效镜头。

可选地，所述无效镜头包括抖动镜头、长时间静止镜头、黑屏镜头、模糊镜头。

可选地，所述对视频特征进行分析，至少包括下列步骤之一：检测人物、检测人脸、检测人物的动作、检测目标物体。

可选地，所述对音频特征进行分析，至少包括下列步骤之一：提取有效声音、检测人声。

可选地，所述对音频特征进行分析，还包括下列步骤之一：情感分析、内容预测、声音场景分析。

可选地，声音场景包括无人声场景、室内讲话场景、室外讲话场景。

可选地，根据视频分析结果和音频分析结果，确定视频文件的场景，包括：

根据视频分析结果和声音场景分析结果，确定视频文件的场景。

可选地，所述根据视频分析结果、音频分析结果以及视频文件的场景，从视频文件中选取出关键视频片段，包括：

根据视频文件的场景，选择对应场景的内容生成模型；

将视频文件、视频分析结果以及音频分析结果输入至所述内容生成模型中，由所述内容生成模型从视频文件中选取出关键视频片段。

根据本公开实施例的第二方面，提供了一种内容生成装置，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实现本公开实施例的第一方面提供的内容生成方法。