[发明专利]视频生成方法、装置、电子设备及存储介质

权利要求书

1.一种视频生成方法，其特征在于，包括：

对剧本进行分镜处理，得到分镜信息；所述分镜信息包括画面信息、动作信息、文本信息及镜头时长；所述画面信息用于表征人物信息及所述人物与空间背景的关系，所述动作信息用于表征所述人物的运动信息及运镜方式；

根据所述画面信息从素材库获取目标素材，所述人物信息包括人物的数量、职业、性别和服装，包括：根据所述人物的职业、性别和服装从所述素材库中获取多个第一候选素材；所述多个第一候选素材中的每个第一候选素材中的人物信息与所述人物信息中的人物的职业、性别和服装相同；根据所述人物的数量及所述人物的数量与景别的对应关系从所述多个第一候选素材中确定出多个第二候选素材，所述多个第二候选素材中每个第二候选素材中人物的数量为所述人物信息中的人物的数量，且所述第二候选素材中包括景别为所述人物的数量对应的景别的图像；根据所述人物与空间背景的关系从所述多个第二候选素材中确定出所述目标素材，所述目标素材中的人物与空间背景的关系与所述画面信息所表征的人物与背景空间的关系相同；

根据所述文本信息及镜头时长确定音频信号；所述音频信号的时长与所述分镜信息的镜头时长相同；

根据所述分镜信息的动作信息表征的运镜方式及镜头时长对所述目标素材进行预处理，以得到目标视频片段；

对所述音频信号和所述目标视频片段进行融合，以得到目标视频。

2.根据权利要求1所述的方法，其特征在于，所述人物的数量与景别的对应关系，包括：

当所述人物的数量为1时，对应的景别为近景或者特写；

当所述人物的数量大于1且小于或者等于3时，对应的景别为中景或者远景；

当所述人物的数量大于3时，对应的景别为远景或者全景。

3.根据权利要求1或2所述的方法，其特征在于，所述目标素材包括图像，所述根据所述分镜信息的动作信息表征的运镜方式及镜头时长对所述目标素材进行预处理，以得到目标视频片段，包括：

根据所述音频信号对所述目标素材包括的图像进行插帧处理，以得到第一视频片段，所述第一视频片段的播放时长与所述镜头时长相等；

根据所述动作信息表征的运镜方式对所述第一视频片段进行处理，以得到第二视频片段，所述第二视频片段的运镜方式与所述动作信息表征的运镜方式相同；

其中，所述目标视频片段包括所述第二视频片段。

4.根据权利要求1或2所述的方法，其特征在于，所述目标素材包括视频片段，所述根据所述分镜信息的动作信息表征的运镜方式及镜头时长对所述目标素材进行预处理，以得到目标视频片段，包括：

根据所述目标素材包括的视频片段的播放时长与所述镜头时长对所述目标素材包括的视频片段进行处理，以得到第三视频片段；其中，所述第三视频片段的播放时长与所述镜头时长相同；当所述目标素材包括的视频片段的播放时长大于所述镜头时长时，所述第三视频片段是对所述目标素材包括的视频片段进行采样操作得到的；当所述目标素材包括的视频片段的播放时长小于所述镜头时长时，所述第三视频片段是对所述目标素材包括的视频片段进行插帧操作得到的；

确定所述目标素材包括的视频片段的运镜方式；

当所述目标素材包括的视频片段的运镜方式与所述动作信息表征的运镜方式相同时，将所述第三视频片段作为所述目标视频片段中的一个；

当所述目标素材包括的视频片段的运镜方式与所述动作信息表征的运镜方式不相同时，对所述第三视频片段进行运镜处理，以得到第四视频片段；所述第四视频片段的运镜方式与所述动作信息表征的运镜方式相同；所述目标视频片段包括所述第四视频片段。

5.根据权利要求1或2所述的方法，其特征在于，所述分镜信息有多个，所述对所述剧本进行分镜处理，以得到分镜信息，包括:

对所述剧本进行分句处理，以得到多个分句，所述多个分句与多个所述分镜信息对应；

对每个所述分句执行如下操作：

基于关键词提取模型提取出所述分句的关键词，以得到所述分句的关键词；所述关键词提取模型是基于神经网络实现的；

根据所述分句的关键词确定对应的分镜信息的画面信息、动作信息和文本信息；

基于所述分句中关键词的数量确定对应的分镜信息的镜头时长，所述镜头时长与所述关键词的数量成正比关系。