[发明专利]一种视频生成方法、装置、设备及存储介质

权利要求书

1.一种视频生成方法，其特征在于，包括：

通过从预先构建的视频资源库中确定与视频剧本中的各个剧本关键词相匹配的视频资源，确定与各个剧本关键词一一对应的各个播放标签；所述播放标签中至少包括与剧本关键词相匹配的视频资源的索引信息；

根据各个播放标签对应的视频资源，确定特效标签；所述特效标签中包括视频资源播放特效标签和/或相邻视频资源之间的视频转场特效标签；

至少根据各个播放标签和所述特效标签进行视频剪辑处理，得到视频文件。

2.根据权利要求1所述的方法，其特征在于，根据各个播放标签对应的视频资源，确定相邻视频资源之间的视频转场特效标签，包括：

根据各个播放标签对应的视频资源的关键帧密度，从预先设定的视频转场特效中，确定出相邻播放标签对应的视频资源之间的视频转场特效。

3.根据权利要求1所述的方法，其特征在于，所述播放标签中还包括与剧本关键词相匹配的音频资源的索引信息和播放方式信息。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据视频剧本，生成视频语音和/或字幕标签；所述字幕标签包括视频语音对应的剧本文本的标识，以及剧本文本的显示起止时间；

至少根据各个播放标签和所述特效标签进行视频剪辑处理，得到视频文件，包括：

根据各个播放标签、所述特效标签以及所述视频语音和/或字幕标签，进行视频剪辑处理，得到视频文件。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

根据用户修改后的播放标签和/或特效标签和/或字幕标签，进行视频剪辑处理，得到视频文件。

6.根据权利要求4所述的方法，其特征在于，当所述视频剧本为剧本文本时，根据视频剧本，生成视频语音和字幕标签，包括：

根据视频剧本合成语音，得到视频语音；

根据合成的语音的句边界信息，确定视频语音中的每一语句的播放起止时间，以及确定视频剧本中的每一文本句的显示起止时间；

基于视频剧本中的每一文本句的标识以及显示起止时间，生成字幕标签。

7.根据权利要求6所述的方法，其特征在于，根据视频剧本合成语音，得到视频语音，包括：

通过对视频剧本进行语义理解，确定文本语义标签，所述文本语义标签包括视频剧本面向的用户群信息、视频剧本合成语音时所适用的发音人性别、视频剧本合成语音时的发音人情绪状态信息和视频剧本合成语音时的语音氛围信息中的至少一种；

根据所述文本语义标签和发音匹配规则，确定语音合成参数，所述语音合成参数包括语音发音人、语速、情绪、音量中的至少一种；

根据所述视频剧本和所述语音合成参数合成语音，得到视频语音。

8.根据权利要求4所述的方法，其特征在于，当所述视频剧本为剧本语音时，将所述剧本语音作为视频语音；

根据视频剧本，生成字幕标签，包括：

对视频剧本进行语音识别处理，得到剧本文本；

根据语音识别的句边界信息，确定视频语音中的每一语句的播放起止时间，以及确定剧本文本中的每一文本句的标识和显示起止时间；

根据所述剧本文本，以及所述剧本文本中的每一文本句的标识和显示起止时间，生成字幕标签。

9.根据权利要求4所述的方法，其特征在于，根据各个播放标签、所述特效标签以及所述视频语音和字幕标签，进行视频剪辑处理，得到视频文件，包括：

从预先构建的视频资源库中，获取与各个播放标签对应的视频资源和音频资源；

根据所述特效标签和所述字幕标签，对获取的各个视频资源和所述字幕标签中的文本进行图像编码处理；以及，对所述音频资源和所述视频语音进行音频编码处理；

对图像编码结果和音频编码结果进行合成处理，得到视频文件。