[发明专利]视频配音方法、装置、计算机设备及计算机可读存储介质

说明书

本申请公开了一种视频配音方法、装置、计算机设备及计算机可读存储介质，属于计算机技术领域。本申请通过显示配音界面，该配音界面上显示有目标视频的多个视频帧，基于在该配音界面所采集的文本信息以及被选中的音色类型，生成与该文本信息相对应的语音数据，该语音数据的音频特征基于该音色类型确定，基于该多个视频帧中被选中的目标视频帧，将该语音数据添加至目标视频中，该语音数据的起始播放时刻与该目标视频帧的播放时刻相同，在上述视频配音过程中，可以将用户提供的文本信息按照特定的音色转换为配音，添加到视频中，无需人工配音，提高了配音效率，进而可以提高视频制作效率。

技术领域

本申请涉及计算机技术领域，特别涉及一种视频配音方法、装置、计算机设备及计算机可读存储介质。

背景技术

视频配音是视频制作过程中的一个重要环节，在录制视频时，录制现场所收集的声音往往会存在噪音，影响视频效果，因此，在目前的视频制作过程中，通常在视频录制完成后，需要在专业录音棚或其他安静的环境中，由人工单独录制一段语音，再将语音和视频进行合成，但是这种人工配音的方式，耗费的时间成本较高，配音效率低，进而导致视频制作的周期较长，制作效率低。

发明内容

本申请实施例提供了一种视频配音方法、装置、计算机设备及计算机可读存储介质，可以解决相关技术中视频配音效率低的问题。该技术方案如下：

一方面，提供了一种视频配音方法，该方法包括：

显示配音界面，该配音界面上显示有目标视频的多个视频帧；

基于在该配音界面所采集的文本信息以及被选中的音色类型，生成与该文本信息相对应的语音数据，该语音数据的音频特征基于该音色类型确定；

基于该多个视频帧中被选中的目标视频帧，将该语音数据添加至该目标视频中，该语音数据的起始播放时刻与该目标视频帧的播放时刻相同。

在一种可能实现方式中，该基于在该配音界面所采集的文本信息以及音色类型，生成与该文本信息相对应的语音数据，包括：

获取该音色类型所对应的音色特征；

获取该文本信息对应的音素序列；

基于该音素序列以及该音色特征，生成该语音数据。

在一种可能实现方式中，该基于该音素序列以及该音色特征，生成该语音数据，包括：

对该文本信息进行情绪识别，得到该文本信息所对应的情绪特征，该情绪特征用于指示该文本信息对应的情绪信息；

基于该音素序列、该音色特征以及该情绪特征，生成语音数据，该语音数据的音频特征基于该情绪信息的变化而变化。

在一种可能实现方式中，该基于该音素序列以及该音色特征，生成该语音数据，包括：

获取该目标视频中背景音乐的音频特征；

基于该音素序列、该音色特征以及该背景音乐的音频特征，生成该语音数据，该语音数据的音频特征基于该背景音乐音频特征的变化而变化。

在一种可能实现方式中，该基于在该配音界面所采集的文本信息以及音色类型，生成与该文本信息相对应的语音数据之后，该方法还包括：

接收对该语音数据的编辑指令，该编辑指令携带有第一音量信息以及第二音量信息；

基于该第一音量信息调整该语音数据的播放音量，基于该第二音量信息调整该目标视频的播放音量。

在一种可能实现方式中，该显示配音界面之后，该方法还包括：

当接收到文本添加指令时，生成与该文本信息相对应的目标图像；

将该目标图像添加至该目标视频帧的目标位置。