[发明专利]一种视频的音画匹配方法、相关装置以及存储介质

权利要求书

1.一种视频的音画匹配方法，其特征在于，包括：

接收客户端发送的语音序列，其中，所述语音序列包括M个语音片段，所述M为大于或等于1的整数；

从所述语音序列中获取待匹配语音片段，其中，所述待匹配语音片段属于所述语音序列中的任意一个语音片段，且所述待匹配语音片段包括对象的语音；

从图像序列中获取起止标识的初始位置以及所述起止标识的移动方向，其中，所述图像序列包括N个活动片段，每个活动片段中包括对象的动作画面，所述起止标识的初始位置为活动片段的起始帧或者活动片段的结束帧，所述N为大于或等于1的整数；

根据所述起止标识的初始位置、所述起止标识的移动方向以及所述待匹配语音片段，获取待匹配活动片段，其中，所述待匹配活动片段包括所述对象的动作画面；

将所述待匹配语音片段与所述待匹配活动片段进行合成处理，得到视频片段，其中，所述视频片段包括所述对象的动作画面以及所述对象的语音。

2.根据权利要求1所述的音画匹配方法，其特征在于，所述根据所述起止标识的初始位置、所述起止标识的移动方向以及所述待匹配语音片段，获取待匹配活动片段，包括：

若所述起止标识的移动方向为正向，且所述起止标识的初始位置小于或等于第j个活动片段的起始帧，则根据最小缩放比例、所述起止标识的初始位置以及所述第j个活动片段的结束帧，确定第一正向时长最小值，其中，所述j为大于或等于1，且小于或等于(N+1)的整数；

根据最大缩放比例、所述起止标识的初始位置以及第(j+1)个活动片段的起始帧确定第一正向时长最大值；

根据所述第一正向时长最小值以及所述第一正向时长最大值确定目标正向时长区间；

若所述待匹配语音片段在所述目标正向时长区间内，则根据所述第j个活动片段以及第(j+1)个活动片段中至少一个活动片段，获取所述待匹配活动片段；

所述方法还包括：

若满足起止标识位置更新条件，则对所述起止标识的初始位置进行更新；

若所述起止标识更新后的位置大于或等于第N个活动片段的结束帧所对应的位置，则将所述起止标识的移动方向调整为反向。

3.根据权利要求2所述的音画匹配方法，其特征在于，所述根据所述第j个活动片段以及第(j+1)个活动片段中至少一个活动片段，获取所述待匹配活动片段，包括：

根据所述起止标识的初始位置以及第j个活动片段的结束帧确定第二正向时长最小值，其中，所述第二正向时长最小值大于所述第一正向时长最小值；

根据所述第一正向时长最小值以及所述第二正向时长最小值确定第一正向时长区间；

若所述待匹配语音片段在所述第一正向时长区间内，则根据所述待匹配语音片段的时长，对所述起止标识的初始位置至所述第j个活动片段的结束帧之间的时长进行缩放处理，得到所述待匹配活动片段；

所述若满足起止标识位置更新条件，则对所述起止标识的初始位置进行更新，包括：

若所述待匹配语音片段在所述第一正向时长区间内，则满足所述起止标识位置更新条件；

将所述起止标识的初始位置更新为所述第j个活动片段的结束帧所对应的位置。

4.根据权利要求2所述的音画匹配方法，其特征在于，所述根据所述第j个活动片段以及第(j+1)个活动片段中至少一个活动片段，获取所述待匹配活动片段，包括：

根据所述起止标识的初始位置以及第(j+1)个活动片段的结束帧确定第二正向时长最大值，其中，所述第二正向时长最大值小于所述第一正向时长最大值；

根据所述第一正向时长最大值以及所述第二正向时长最大值确定第二正向时长区间；

若所述待匹配语音片段在所述第二正向时长区间内，则根据所述待匹配语音片段的时长，对所述起止标识的初始位置至所述第(j+1)个活动片段的起始帧之间的时长进行缩放处理，得到所述待匹配活动片段；

所述若满足起止标识位置更新条件，则对所述起止标识的初始位置进行更新，包括：

若所述待匹配语音片段在所述第二正向时长区间内，则满足所述起止标识位置更新条件；

将所述起止标识的初始位置更新为所述第(j+1)个活动片段的起始帧所对应的位置。