[发明专利]视频标题生成方法、装置、计算机设备及存储介质

权利要求书

1.一种视频标题生成方法，其特征在于，所述方法包括：

获取视频的内容标签，所述内容标签用于指示所述视频是否属于教程视频；

响应于所述内容标签指示所述视频属于教程视频，对所述视频的原始标题进行识别，得到所述原始标题的风格标签，所述风格标签用于指示所述原始标题是否符合教程标题的表述风格；

响应于所述风格标签指示所述原始标题不符合所述表述风格，基于所述原始标题和所述视频，生成符合所述表述风格的目标标题。

2.根据权利要求1所述的方法，其特征在于，所述获取视频的内容标签，包括：

对所述视频进行特征提取，得到所述视频在多个维度上的特征向量；

基于所述视频在多个维度上的特征向量，确定所述视频的内容标签。

3.根据权利要求2所述的方法，其特征在于，所述对所述视频进行特征提取，得到所述视频在多个维度上的特征向量，包括：

获取所述视频的多个图像帧和多个音频帧；

基于所述多个图像帧，确定所述视频的图像维度的特征向量；

基于所述多个音频帧，确定所述视频的音频维度的特征向量；

基于所述视频对应的文本信息，确定所述视频的文本维度的特征向量。

4.根据权利要求3所述的方法，其特征在于，所述基于所述多个图像帧，确定所述视频的图像维度的特征向量，包括：

分别对所述多个图像帧进行特征提取，得到所述多个图像帧的多个特征向量；

将所述多个图像帧的多个特征向量进行聚合，得到所述视频的图像维度的特征向量。

5.根据权利要求3所述的方法，其特征在于，所述基于所述视频对应的文本信息，确定所述视频的文本维度的特征向量之前，所述方法还包括：

对所述多个图像帧进行文字识别，得到字幕文本；

对所述多个音频帧进行语音识别，得到对白文本；

将所述原始标题、所述字幕文本和所述对白文本确定为所述文本信息。

6.根据权利要求2所述的方法，其特征在于，所述基于所述视频在多个维度上的特征向量，确定所述视频的内容标签，包括：

将所述视频在多个维度上的特征向量进行融合，得到所述视频的多模态向量；

基于所述多模态向量，确定所述视频的内容标签。

7.根据权利要求1所述的方法，其特征在于，所述响应于所述风格标签指示所述原始标题不符合所述表述风格，基于所述原始标题和所述视频，生成符合所述表述风格的目标标题，包括：

响应于所述风格标签指示所述原始标题不符合所述表述风格，确定所述视频对应的教程主体词；

基于所述教程主体词、所述视频的视频类型和所述视频的多模态向量中的至少一个以及所述原始标题，生成所述目标标题；

其中，所述教程主体词用于表示所述视频的教程主题，所述多模态向量是对所述视频在多个维度上的特征向量进行融合得到的。

8.根据权利要求7所述的方法，其特征在于，所述响应于所述风格标签指示所述原始标题不符合所述表述风格，确定所述视频对应的教程主体词，包括：

响应于所述风格标签指示所述原始标题不符合所述表述风格，从所述原始标题中确定教程主体词；

响应于所述原始标题中不存在所述教程主体词，从所述视频的字幕文本和所述视频的对白文本中确定所述教程主体词。

9.根据权利要求7所述的方法，其特征在于，所述基于所述教程主体词、所述视频的视频类型和所述视频的多模态向量中的至少一个以及所述原始标题，生成所述目标标题，包括：

将所述教程主体词和所述原始标题划分为多个分词；

将所述视频类型、所述多模态向量和所述多个分词输入到标题生成模型中，通过所述标题生成模型确定多个标题词，所述标题生成模型用于生成符合所述表述风格的标题；

由所述多个标题词组成所述目标标题。