[发明专利]基于语音识别的视频生成方法、系统、装置和存储介质

说明书

本发明公开了一种基于语音识别的视频生成方法、系统、装置和存储介质，其中方法包括以下步骤：获取语音信息，并对语音信息进行识别后生成为文字信息；对文字信息进行解析后，获得文字特征；结合文字特征和预设的检索模型获取图片信息和/或视频信息；结合语音信息以及图片信息和/或视频信息生成视频数据。本发明根据用户输入的语音信息进行自动识别和解析，并根据解析获得的文字特征获取到图片信息和/或视频信息，无需人工检索搜集图片或视频素材，极大地节约了视频素材收集时间，提高了制作视频的效率，达到快速制作视频的效果，可广泛应用于视频制作领域。

技术领域

本发明涉及视频制作领域，尤其涉及一种基于语音识别的视频生成方法、系统、装置和存储介质。

背景技术

随着互联网技术及自媒体的发展，出现很多视频平台和对应的视频软件，比如今日头条、西瓜视频以及抖音等，同时也产生了很多网络红人和自媒体博主。博主通过制作视频在视频软件上播放，获取点击量和吸引粉丝关注，比如通过制作电影点评视频或者时事点评视频等。博主在制作视频时，既要撰写稿词，又得收集图片或视频素材，所以制作一个视频需要花费较多的时间，严重影响了制作视频的效率。目前，博主们迫切希望有相应的方案帮助提高视频制作效率，然而目前尚没有相应的方案。

发明内容

为了解决上述技术问题，本发明的目的是提供一种能够基于语音识别快速制作视频的方法、系统、装置和存储介质。

本发明所采用的第一技术方案是：

一种基于语音识别的视频生成方法，包括以下步骤：

获取语音信息，并对语音信息进行识别后生成为文字信息；

对文字信息进行解析后，获得文字特征；

结合文字特征和预设的检索模型获取图片信息和/或视频信息；

结合语音信息以及图片信息和/或视频信息生成视频数据。

进一步，所述对文字信息进行解析后，获得文字特征这一步骤，具体包括以下步骤：

识别文字信息中的名词词汇，并统计各名词词汇的出现次数；

根据各名词词汇的出现次数获取若干个关键名词词汇作为文字特征。

进一步，所述预设的检索模型为网络爬虫模型，所述结合文字特征和预设的检索模型获取图片信息和/或视频信息具体为：

结合文字特征和网络爬虫模型在网络中进行扫描检索，并获取与文字特征对应的图片信息和/或视频信息。

进一步，所述结合语音信息以及图片信息和/或视频信息生成视频数据这一步骤，具体包括以下步骤：

对检索获得的图片信息和/或视频信息进行排版；

采用预设的渲染引擎将语音信息以及图片信息和/或视频信息合成视频数据。

进一步，所述采用预设的渲染引擎将语音信息以及图片信息和/或视频信息合成视频数据这一步骤，具体为：

结合文字特征和预设的模型数据库获取播放场景模型；

采用预设的渲染引擎将语音信息、播放场景模型以及图片信息和/或视频信息合成视频数据。

进一步，还包括字幕生成步骤，所述字幕生成具体包括以下步骤：

按照预设方式将文字信息分成多段字幕后，对每段字幕进行标注排序，并按照排列顺序播放字幕；

通过识别视频播放过程中语音信息的文字，并根据识别到的文字控制各段字幕的显示时间，以使视频中的语音与字幕同步。

本发明所采用的第二技术方案是：