[发明专利]直播视频互动方法、装置以及计算机设备

说明书

本发明公开了一种直播视频互动方法，该方法包括：获取主播端视频数据和用户终端实时拍摄的用户端视频数据进行显示；监测并识别所述主播端视频数据中是否包含预设的语音指令；当所述主播端视频数据中包含所述语音指令时，判断所述用户端视频数据中是否包含目标音频和/或目标视频；当包含所述目标音频和/或所述目标视频时，将所语音指令对应的视频特效显示到用户视频。本发明还提供一种直播视频互动装置、计算机设备以及计算机可读存储介质。本发明能够根据主播和用户的语音和/或动作的互动结果，从而对用户视频执行播放视频特效，丰富了互动展示的方式，加强了互动参与感。

技术领域

本发明涉及多媒体技术领域，尤其涉及一种直播视频互动方法、装置、计算机设备及计算机可读存储介质。

背景技术

随着互联网技术的快速发展，视频直播由于具备直观、快速、交互性强的特点已经成为一种非常广泛的娱乐方式，受到了大众的喜爱。在视频直播的过程中，观看用户一般可以通过送礼，点赞，打call跟主播进行互动，其中，礼物是直播内容的重要组成部分，而付费礼物的消费行为对直播内容可产生正向的激励作用，丰富的礼物展示形式更能有效促进优质直播内容的产出。而主播则会通过问答或者邀请观看用户进行娱乐互动，比如一起执行某些表情动作。

目前，观看用户与主播的互动过程一般仅仅设置在聊天公屏区域或直播画面上的固定位置实时展示主播画面，其展示方式单一，不能体现出观看用户个人的互动状态。因此观看用户的体验并不好，也无法满足用户多元化的娱乐需求。

发明内容

本发明提出一种直播视频互动方法、装置、计算机设备及计算机可读存储介质，用于解决直播过程中用户跟主播进行互动时展示的方式较为单一，互动参与感有限的问题。

首先，为实现上述目的，本发明提供一种直播视频互动方法，所述方法包括：

获取主播端视频数据和用户终端实时拍摄的用户端视频数据，并分别显示为主播视频和用户视频；监测并识别所述主播端视频数据中是否包含预设的语音指令；当所述主播端视频数据中包含所述语音指令时，截取所述用户端视频数据中预设时间范围内的视频数据段；判断所述视频数据段是否包含目标音频和/或目标视频，其中，所述目标音频和所述目标视频与所述语音指令具有关联关系；当所述视频数据段包含所述目标音频和/或所述目标视频时，将所语音指令对应的视频特效显示到所述用户视频。

在一个例子中，述监测并识别所述主播端视频数据中是否包含预设的语音指令包括：通过平移截取的方式将所述主播端视频数据中的音频数据划分为音频数据单位；依次对每个音频数据单位识别，得到第一语音文本，并将所述第一语音文本与预设的语音指令文本库进行比较；当所述第一语音文本中包含所述语音指令文本库中的第一语音指令时，则判断所述主播端视频数据包含所述第一语音指令。

在一个例子中，所述判断所述视频数据段是否包含目标音频包括：对所述视频数据段中的音频数据进行语音识别，得到第二语音文本；将所述第二语音文本与所述第一语音文本进行比对；当所述第二语音文本与所述第一语音文本有高于第一阈值的相似度时，则判断为所述视频数据段包含所述目标音频。

在一个例子中，所述判断所述视频数据段是否包含目标视频包括：对所述视频数据段中的视频数据进行图像识别，得到识别结果；将所述识别结果与预设的语音指令关联列表中所述第一语音文本对应的视频识别数据进行比对；当所述识别结果与所述视频识别数据有高于第二阈值的相似度时，则判断为所述视频数据段包含所述目标视频。

在一个例子中，所述方法还包括：统计所述目标音频和/或所述目标视频的持续时长；根据所述持续时长选择对应的显示等级显示所述特效视频，其中，所述显示等级包括显示时长和显示样式中的至少一种。

在一个例子中，所述方法还包括：在将所语音指令对应的视频特效显示到所述用户视频的同时，将所述语音指令对应的名称显示到所述用户视频。