[发明专利]短视频文本生成方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种短视频文本生成方法、装置、设备及存储介质，用于提高短视频文本的制作效率。所述短视频文本生成方法包括：对目标短视频进行音频提取，得到目标短视频的音频内容，并对目标短视频的音频内容进行文本转换，得到初始短视频文本；对初始短视频文本进行文本过滤和标准化处理，得到标准短视频文本；对标准短视频文本进行分词，得到短视频分词文本，并对短视频分词文本进行词性编码，得到编码短视频文本；对编码短视频文本进行关键词标记，得到关键词标识，并根据关键词标识对编码短视频文本进行关键词替换，得到目标短视频文本。此外，本发明还涉及区块链技术，目标短视频文本可存储于区块链节点中。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种短视频文本生成方法、装置、设备及存储介质。

背景技术

随着智能终端技术的发展，智能手机、平板电脑等智能终端在人们的日常生活中日益普及，智能终端采集视频信息的功能越来越强大，于是，出现了很多向用户提供短视频制作素材的多种应用程序。短视频相对于传统的视频，视频时间短，因此短视频缺乏有价值的文本类描述，且由于短视频时长问题，现有技术中传统的视频分析方式，无法有效提取针对短视频的文本描述。

现有方案是通过光学字符识别(optical character recognition，OCR)去识别文本文字，在短视频播放的过程中，获取短视频关键帧的字幕截图，通过光学字符识别截图中的文字，然后生成短视频剧本文稿，但是现有方案的短视频文本制作效率很低。

发明内容

本发明提供了一种短视频文本生成方法、装置、设备及存储介质，用于提高短视频文本的制作效率。

本发明第一方面提供了一种短视频文本生成方法，所述短视频文本生成方法包括：接收终端发送的短视频下载地址，并根据所述短视频下载地址获取目标短视频；对所述目标短视频进行音频提取，得到所述目标短视频的音频内容，并调用预置的自动语音识别模型对所述目标短视频的音频内容进行文本转换，得到初始短视频文本；调用预置的自然语言处理模型对所述初始短视频文本进行文本过滤和标准化处理，得到标准短视频文本；对所述标准短视频文本进行分词，得到短视频分词文本，并根据预置的词性编码规则对所述短视频分词文本进行词性编码，得到编码短视频文本；对所述编码短视频文本进行关键词标记，得到关键词标识，并根据所述关键词标识对所述编码短视频文本进行关键词替换，得到目标短视频文本。

可选的，在本发明第一方面的第一种实现方式中，所述接收终端发送的短视频下载地址，并根据所述短视频下载地址获取目标短视频，包括：接收终端发送的短视频下载地址，并对所述短视频下载地址进行识别，得到识别结果；根据所述识别结果搜索预置的全网视频数据，得到所述目标短视频。

可选的，在本发明第一方面的第二种实现方式中，所述对所述目标短视频进行音频提取，得到所述目标短视频的音频内容，并调用预置的自动语音识别模型对所述目标短视频的音频内容进行文本转换，得到初始短视频文本，包括：对所述目标短视频进行音频提取，得到所述目标短视频的音频内容，并对所述目标短视频的音频内容进行降噪处理，得到标准短视频音频；通过预置的自动语音识别模型对所述标准短视频音频进行分帧，得到多个音频帧，并对所述多个音频帧进行特征提取，得到每个音频帧对应的特征元素；对每个音频帧对应的特征元素进行合并处理，得到目标音频特征向量；对所述目标音频特征向量进行音频解码，得到初始短视频文本。

可选的，在本发明第一方面的第三种实现方式中，所述调用预置的自然语言处理模型对所述初始短视频文本进行文本过滤和标准化处理，得到标准短视频文本，包括：通过预置的自然语言处理模型对所述初始短视频文本进行切词，得到多个短视频词；删除所述多个短视频词中的语气词和停用词，得到多个短视频标准词；对所述多个短视频标准词进行文本标准化处理，得到标准短视频文本。