[发明专利]音视频信息获取方法、装置、设备及存储介质

权利要求书

1.一种音视频信息获取方法，其特征在于，所述方法包括：

获取谈话过程中各个人物对应的原始视频信息和原始音频信息；

基于所述原始音频信息提取每个所述原始视频信息中正在发言人物的视频帧序列；

将提取的各所述视频帧序列按照时间顺序进行拼接，得到拼接视频信息；

将所述拼接视频信息与所述原始音频信息进行匹配，得到音视频信息。

2.根据权利要求1所述的方法，其特征在于，所述基于所述原始音频信息提取每个所述原始视频信息中正在发言人物的视频帧序列，包括：

确定所述原始音频信息中正在发言人物的音频片段；

提取每个所述原始视频信息中与所述音频片段对应的视频帧序列。

3.根据权利要求2所述的方法，其特征在于，所述确定所述原始音频信息中正在发言人物的音频片段，包括：

对所述原始音频信息进行声纹识别，得到正在发言人物的声纹特征；

基于所述声纹特征从所述原始音频信息中筛选所述正在发言人物的音频片段。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

确定所述音频片段中所述正在发言人物的音频发言起点；

基于所述音频发言起点对所述拼接视频信息进行校正。

5.根据权利要求1所述的方法，其特征在于，所述获取谈话过程中各个人物对应的原始视频信息，包括：

获取多个图像采集装置在所述各个人物进行所述谈话过程中同时采集的多个原始视频信息。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述正在发言人物发言的过程中，将所述正在发言人物的视频图像展示在终端屏幕上的第一预设显示区域，以及将其他人物的视频图像展示在所述终端屏幕上的第二预设显示区域，所述其他人物包括所述各个人物中除所述正在发言人物之外的人物。

7.根据权利要求6所述的方法，其特征在于，所述将所述正在发言人物的视频图像展示在终端屏幕上的第一预设显示区域，包括：

确定所述正在发言人物的数量；

若所述数量大于或等于2，则以分屏的方式将所述正在发言人物的视频图像均展示在终端屏幕上的第一预设显示区域。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若检测到所述正在发言人物的声音强度高于或等于预设阈值，则生成用于提示降低声音强度的提示信息。

9.一种音视频信息获取装置，其特征在于，所述装置包括：

视频音频获取模块，用于获取谈话过程中各个人物对应的原始视频信息和原始音频信息；

帧序列提取模块，用于基于所述原始音频信息提取每个所述原始视频信息中正在发言人物的视频帧序列；

帧序列拼接模块，用于将提取的各所述视频帧序列按照时间顺序进行拼接，得到拼接视频信息；

音视频信息获取模块，用于将所述拼接视频信息与所述原始音频信息进行匹配，得到音视频信息。

10.根据权利要求9所述的装置，其特征在于，所述帧序列提取模块，包括：

音频片段获取单元，用于确定所述原始音频信息中正在发言人物的音频片段；

帧序列提取单元，用于提取每个所述原始视频信息中与所述音频片段对应的视频帧序列。

11.根据权利要求10所述的装置，其特征在于，所述音频片段获取单元还用于：

对所述原始音频信息进行声纹识别，得到正在发言人物的声纹特征；

基于所述声纹特征从所述原始音频信息中筛选所述正在发言人物的音频片段。