CN114143575A - 视频剪辑方法、装置、计算设备及存储介质 - Google Patents

Abstract

本申请公开了一种视频剪辑方法、装置、计算设备及存储介质，包括：获取待处理视频以及其对应的精彩度评分数据，该精彩度评分数据基于一个或者多个用户观看待处理视频时的行为数据进行确定；根据该精彩度评分数据，从待处理视频中切分得到多个目标视频片段，其中，该多个目标视频片段对应的精彩度评分大于预设分数阈值，从而基于该多个目标视频片段拼接得到目标视频，该目标视频的播放时长小于待处理视频的播放时长。如此，不仅可以有效降低人力成本，而且，生成目标视频的效率通常也较高。另外，基于精彩度评分相对较高的目标视频片段所生成的目标视频，可以使得针对待处理视频的自动化剪辑效果达到较高水平。

Description

视频剪辑方法、装置、计算设备及存储介质

技术领域

本申请涉及视频处理技术领域，特别是涉及一种视频剪辑方法、装置、计算设备及存储介质。

背景技术

实际应用场景中，针对播放时长较长的视频，通常可以对该视频进行剪辑，以生成播放时长相对较短、包含核心视频内容的剪辑视频。比如，在互联网视频网站的综艺正片下方，通常会发布一些根据正片所剪辑得到的精彩视频片段集锦，以供观众快速观看全篇精彩片段。

目前，通常采用人工剪辑的方式生成剪辑视频，这不仅会使得人力成本较高，而且人工剪辑视频的效率通常也较低。

发明内容

本申请实施例提供了一种视频剪辑方法、装置、计算设备及存储介质，旨在通过对视频进行自动化剪辑的方式，提高生成剪辑视频的效率、降低成本。

第一方面，本申请实施例提供了一种视频剪辑方法，所述方法包括：

获取待处理视频以及所述待处理视频对应的精彩度评分数据，所述精彩度评分数据基于至少一个用户观看所述待处理视频时的行为数据进行确定；

根据所述待处理视频对应的精彩度评分数据，从所述待处理视频中切分得到多个目标视频片段，其中，所述多个目标视频片段对应的精彩度评分大于预设分数阈值；

基于所述多个目标视频片段，拼接得到目标视频，所述目标视频的播放时长小于所述待处理视频的播放时长。

在一种可能的实施方式中，所述多个目标视频片段中每个目标视频片段的播放时长大于预设时长，所述获取所述待处理视频对应的精彩度评分数据，包括：

获取至少一个用户观看所述待处理视频时的行为数据；

根据预设时长，将所述待处理视频划分成多个子视频片段，其中，每个子视频片段的播放时长不超过所述预设时长；

根据所述行为数据，确定每个子视频片段在至少一个维度的行为特征；

根据每个子视频片段在至少一个维度的行为特征，计算得到每个子视频片段对应的精彩度评分数据。

在一种可能的实施方式中，所述根据所述待处理视频对应的精彩度评分数据，从所述待处理视频中切分得到多个目标视频片段，包括：

根据所述待处理视频对应的精彩度评分数据，确定所述待处理视频中多个候选视频片段对应的起始分割点以及终止分割点；

对目标候选视频片段对应的音频内容进行语义分析，得到所述目标候选视频片段对应的语义分析结果，所述目标候选视频片段为所述多个候选视频片段中的任一候选视频片段；

根据所述语义分析结果调整所述目标候选视频片段的起始分割点和/或终止分割点；

根据调整后的起始分割点和/或终止分割点，从所述待处理视频中切分得到所述目标候选视频片段。

在一种可能的实施方式中，所述根据所述语义分析结果调整所述目标候选视频片段的起始分割点和/或终止分割点，包括：

识别所述待处理视频中的转场位置；

根据所述转场位置以及所述语义分析结果调整所述目标候选视频片段的起始分割点和/或终止分割点。

在一种可能的实施方式中，当所述待处理视频为第一类型的视频时，所述获取待处理视频，包括：

获取原始视频；

利用音乐识别算法，从所述原始视频中确定出待处理视频，所述待处理视频的音频内容包括至少一首完整的音乐。

在一种可能的实施方式中，当所述待处理视频为第二类型的视频时，所述方法还包括：

利用预设的过滤规则，对所述多个目标视频片段中的无效片段进行过滤，所述无效片段，包括具有特定人物和/或广告内容的视频片段；

则，所述基于所述多个目标视频片段，拼接得到目标视频，包括：

基于所述多个目标视频片段中经过过滤后所剩余的目标视频片段，拼接得到目标视频。

第二方面，本申请实施例还提供了一种视频剪辑装置，所述装置包括：

获取模块，用于获取待处理视频以及所述待处理视频对应的精彩度评分数据，所述精彩度评分数据基于至少一个用户观看所述待处理视频时的行为数据进行确定；

切分模块，用于根据所述待处理视频对应的精彩度评分数据，从所述待处理视频中切分得到多个视频片段，其中，切分得到的多个视频片段对应的精彩度评分大于预设分数阈值；

拼接模块，用于基于所述多个视频片段，拼接得到目标视频，所述目标视频的播放时长小于所述待处理视频的播放时长。

在一种可能的实施方式中，所述多个目标视频片段中每个目标视频片段的播放时长大于预设时长，所述获取模块，包括：

第一获取单元，用于获取至少一个用户观看所述待处理视频时的行为数据；

划分单元，用于根据预设时长，将所述待处理视频划分成多个子视频片段，其中，每个子视频片段的播放时长不超过所述预设时长；

第一确定单元，用于根据所述行为数据，确定每个子视频片段在至少一个维度的行为特征；

计算单元，用于根据每个子视频片段在至少一个维度的行为特征，计算得到每个子视频片段对应的精彩度评分数据。

在一种可能的实施方式中，所述切分模块，包括：

第二确定单元，用于根据所述待处理视频对应的精彩度评分数据，确定所述待处理视频中多个候选视频片段对应的起始分割点以及终止分割点；

语义分析单元，用于对目标候选视频片段对应的音频内容进行语义分析，得到所述目标候选视频片段对应的语义分析结果，所述目标候选视频片段为所述多个候选视频片段中的任一候选视频片段；

调整单元，用于根据所述语义分析结果调整所述目标候选视频片段的起始分割点和/或终止分割点；

切分单元，用于根据调整后的起始分割点和/或终止分割点，从所述待处理视频中切分得到所述目标候选视频片段。

在一种可能的实施方式中，所述调整单元，包括：

识别子单元，用于识别所述待处理视频中的转场位置；

调整子单元，用于根据所述转场位置以及所述语义分析结果调整所述目标候选视频片段的起始分割点和/或终止分割点。

在一种可能的实施方式中，当所述待处理视频为第一类型的视频时，所述获取模块，包括：

第二获取单元，用于获取原始视频；

第三确定单元，用于利用音乐识别算法，从所述原始视频中确定出待处理视频，所述待处理视频的音频内容包括至少一首完整的音乐。

在一种可能的实施方式中，当所述待处理视频为第二类型的视频时，所述装置还包括：

过滤模块，用于利用预设的过滤规则，对所述多个目标视频片段中的无效片段进行过滤，所述无效片段，包括具有特定人物和/或广告内容的视频片段；

则，所述拼接模块，具体用于基于所述多个目标视频片段中经过过滤后所剩余的目标视频片段，拼接得到目标视频。

第三方面，本申请实施例还提供了一种计算设备，该计算设备可以包括处理器以及存储器：

所述存储器用于存储计算机程序；

所述处理器用于根据所述计算机程序执行上述第一方面以及第一方面中任一种实施方式所述的方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行上述第一方面以及第一方面中任一种实施方式所述的方法。

在本申请实施例的上述实现方式中，获取待处理视频以及待处理视频对应的精彩度评分数据，该精彩度评分数据可以基于一个或者多个用户观看该待处理视频时的行为数据进行确定；根据待处理视频对应的精彩度评分数据，从待处理视频中切分得到多个目标视频片段，其中，该多个目标视频片段对应的精彩度评分大于该待处理视频中其余视频片段对应的精彩度评分，从而基于该多个目标视频片段拼接得到目标视频，并且，该目标视频的播放时长小于待处理视频的播放时长。

由于根据待处理视频的精彩度评分数据，可以自动对待处理视频进行剪辑并生成目标视频，这相比于人工剪辑的方式而言，不仅可以有效降低人力成本，而且，生成目标视频的效率通常也较高。另外，由于精彩度评分是根据用户观看待处理视频时的行为数据进行确定的，所以精彩度评分可以反映用户对于视频内容的喜好程度，因此，基于精彩度评分相对较高的目标视频片段所生成的目标视频，可以使得目标视频的视频内容通常均为用户所喜欢的内容，如此，可以使得针对待处理视频的自动化剪辑效果达到较高水平。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本申请实施例中一示例性应用场景示意图；

图2为本申请实施例中一种视频剪辑方法的流程示意图；

图3为本申请实施例中一种视频剪辑装置的结构示意图；

图4为本申请实施例中一种计算设备的硬件结构示意图。

具体实施方式

参见图1，为本申请实施例提供的一种应用场景示意图。在图1所示应用场景中，客户端101可以与计算设备102存在通信连接。并且，客户端101可以接收用户(如视频剪辑人员)提供的视频，并将视频发送给计算设备102；计算设备102用于对接收到的视频进行剪辑，生成待处理视频，并将生成的待处理视频通过客户端101呈现给用户。

其中，计算设备102，是指具有数据处理能力的设备，例如可以是终端、服务器等。客户端101可以应用于独立于计算设备102的物理设备中。例如当计算设备102通过服务器实现时，客户端101可以运行于用户侧的用户终端等设备。或者，客户端101也可以运行于计算设备102上。

由于实际应用场景中，通过人工剪辑生成待处理视频的方式不仅成本较高，而且效率也较低。为此，本申请实施例提供了一种视频剪辑方法，由计算设备102自动对待处理视频进行剪辑，以提高生成剪辑视频的效率、降低成本。具体实现时，计算设备102可以获取待处理视频，例如可以是获取用户通过客户端101提供的待处理视频等，并且，计算设备102还获取该待处理视频对应的精彩度评分数据，该精彩度评分数据可以基于一个或者多个用户观看该待处理视频时的行为数据进行确定，可以反映用户对于该待处理视频中的不同视频内容的喜好程度。然后，计算设备102可以根据待处理视频对应的精彩度评分数据，从待处理视频中切分得到多个目标视频片段，其中，该多个目标视频片段对应的精彩度评分大于预设分数阈值，从而计算设备102可以基于切分得到的多个目标视频片段拼接得到目标视频，并且，该目标视频的播放时长小于待处理视频的播放时长。

由于计算设备102可以根据待处理视频的精彩度评分数据，自动对待处理视频进行剪辑并生成目标视频，这相比于人工剪辑的方式而言，不仅可以有效降低人力成本，而且，生成目标视频的效率通常也较高。另外，由于精彩度评分是根据用户观看待处理视频时的行为数据进行确定的，所以精彩度评分可以反映用户对于视频内容的喜好程度，因此，计算设备102基于精彩度评分相对较高的目标视频片段所生成的目标视频，可以使得目标视频的视频内容通常均为用户所喜欢的内容，如此，可以使得计算设备102针对待处理视频的自动化剪辑效果可以达到较高水平。

需要说明的是，本实施例中的视频，是指同时具有图像与音频内容的视频，即一份视频文件中，不仅包括连续多帧的视频帧图像，还包括与该视频帧图像同步的音频数据。

可以理解的是，图1所示的应用场景的架构仅是本申请实施例提供的一个示例，实际应用时，本申请实施例也可以应用于其它可适用的场景中，如计算设备102可以自动从互联网中获取一个或者多个视频，并通过上述实现方式自动生成各个视频对应的剪辑视频等。总之，本申请实施例可以应用于任何可适用的场景中，而不局限于上述场景示例。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面将结合附图对本申请实施例中的各种非限定性实施方式进行示例性说明。显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

参阅图2，图2示出了本申请实施例中一种视频剪辑方法流程示意图，该方法可以应用于图1所示的应用场景中，或者可以应用于其它可适用的应用场景等。为便于说明与理解，下面应用于图1所示的应用场景为例进行说明。该方法具体可以包括：

S201：获取待处理视频以及待处理视频对应的精彩度评分数据，其中，该精彩度评分数据基于至少一个用户观看待处理视频时的行为数据进行确定。

为便于区分和描述，本实施例中将需要进行剪辑的视频称之为待处理视频，而对于剪辑生成的视频，称之为目标视频。

在一种可能的实施方式中，待处理视频可以是由用户提供给计算设备102。具体地，客户端101可以向用户呈现视频导入界面，从而用户可以在该视频导入界面上通过执行相应的操作，将待处理视频导入该客户端101。然后，客户端101可以将用户提供的待处理视频，通过与计算设备102之间的网络连接，将其传输给计算设备102。

而在另一种可能的实施方式中，待处理视频也可以是由计算设备102从互联网中获取。例如，用户可以通过客户端101向计算设备102发送生成剪辑视频的指令，从而计算设备102可以基于该指令，从互联网中下载特定类型的视频，如下载脱口秀类型的视频或者相声类型的视频等，并将这些视频作为待处理视频，以便后续对这些待处理视频进行剪辑处理。

或者，待处理视频也可以是经过计算设备102(或者其它设备)完成预处理的视频。比如，当待处理视频为第一类型的视频时(如音乐综艺类型的视频等)，计算设备102可以获取用户通过客户端101提供的原始视频，该原始视频的视频内容例如可以包括多个参赛选手依次进行唱歌表演以及评委针对各个参赛选手进行点评/打分的内容，则计算设备102可以利用语音识别算法，从原始视频中确定出待处理视频，该待处理视频的音频内容包括至少一首完整的音乐，比如，计算设备102可以将原始视频中各个参赛选手进行唱歌表演的视频内容切分出来，并将切分得到的多个子视频作为待处理视频。

值得注意的是，计算设备102所获取的待处理视频，可以是一个视频，也可以是多个视频，如计算设备102可以基于多个待处理视频，剪辑生成一个待处理视频等，本实施例对此并不进行限定。为便于理解与说明，本实施例中，以待处理视频为一个视频为例进行说明，当待处理视频包括多个视频时，其实现方式与本实施例类似，其区别在于后续拼接的多个视频片段来源于多个不同的待处理视频。

本实施例中，计算设备102不仅获取待处理视频，还获取该待处理视频对应的精彩度评分数据。其中，精彩度，是指通过综合分析用户在观看视频时行为来自动判断用户对于该视频内容的喜好，并且，可以通过精彩度评分来指示用户对于视频内容的喜好程度。比如，当视频对应的精彩度评分越高时，可以指示用户对于该视频中内容的喜好程度越高；反之，当视频对应的精彩度评分越低时，可以指示用户对于该视频中内容的喜好程度越低。因此，计算设备102可以获取待处理视频对应的精彩度评分数据，以便待处理视频中受用户喜好的视频内容以及相对不受用户喜好的视频内容。

其中，待处理视频对应的精彩度评分数据，可以是预先完成计算，如由其它设备预先计算得到该精彩度评分数据等，从而计算设备102可以直接从其它设备中读取到该精彩度评分数据。

而在另一种实现示例中，可以是由计算设备102计算得到待处理视频对应的精彩度评分数据。具体实现时，计算设备102可以获取至少一个用户观看待处理视频时的行为数据，该行为数据例如可以指示用户观看待处理视频时发弹幕、回看一段视频内容、调整播放倍速(如将播放速度由默认的1倍速调整为2倍速等)、跳过部分视频内容的播放(如用户可以跳过观看其认为部分不精彩的视频内容等)、播放结束之前退出(如用户认为视频内容不够精彩而提前关闭播放页面或者关闭播放视频的程序软件等)中的一种或者多种操作行为，也可以是指示用户其它的操作行为等，本实施例对此并不进行限定。

然后，计算设备102根据预设时长，将待处理视频划分成多个子视频片段，每个子视频片段的播放时长不超过预设时长，从而可以根据该行为数据，确定每个子视频片段在至少一个维度的行为特征，其中，每个维度的行为特征，可以对应于用户的一种操作行为。比如，例如，当行为数据同时包括发弹幕、回看一段视频内容、调整播放倍速、跳过部分视频内容的播放、播放结束之前退出这5种操作行为时，计算设备102可以统计用户观看各个子视频片段时在弹幕维度、回看维度、倍速维度、跳过播放维度、播放退出维度这5个维度的行为特征。实际应用时，计算设备102可以以1秒时长为单位(或者以其它播放时长为单位)，将待处理视频划分为多个播放时长为1秒的子视频片段，并根据行为数据，统计每个1秒时长的子视频片段所对应的行为特征。

最后，计算设备102可以根据各个子视频片段在至少一个维度的行为特征，计算得到每个子视频片段对应的精彩度评分数据，也即得到待处理视频对应的精彩度评分数据。具体的，当各个子视频片段仅具有一个维度的行为特征时，计算设备102可以直接根据该维度的行为特征对该子视频片段进行评分。比如，各个子视频片段对应的一个维度为弹幕数量时，弹幕数量与精彩度评分的分数呈正相关，即如果子视频片段对应的弹幕数量越多，则计算设备102对该子视频片段进行评分时，精彩度评分的分数越大；反之，如果子视频片段对应的弹幕数量越少，则该子视频片段对应的精彩度评分的分数越小。其余各个维度的评分规则可以根据实际应用的需求进行设定，本实施例在此不做赘述。而当各个子视频片段具有多个维度的行为特征时，计算设备102可以采用相应的评分策略，对各个子视频片段进行评分。例如，假设子视频片段同时具有5个维度的行为特征时，计算设备102可以为每个维度赋予相应的权重，从而可以通过加权求和的方式，将子视频片段在各个维度的行为特征的加权求和结果作为该子视频片段的精彩度评分等。值得注意的是，当部分子视频片段在某个维度的行为特征缺失时，计算设备102可以通过线性插值等方式为该子视频片段添加该维度的行为特征，也可以是将该维度的行为特征确定为0等值，本实施例对此并不进行限定。

实际应用时，上述评分策略可以封装成评分模型，从而计算设备102可以将各个子视频片段对应的一个或者多个维度的行为特征输入至该评分模型后，由该评分模型输出该子视频片段对应的精彩度评分，其中，该评分模型所涉及的具体评分规则，可以根据实际应用的需求进行设定，本实施例对此不再进行赘述。

S202：根据待处理视频对应的精彩度评分数据，从待处理视频中切分得到多个目标视频片段，其中，该多个目标视频片段对应的精彩度评分大于预设分数阈值。

本实施例中，计算设备102在获得精彩度评分数据后，可以根据该精彩度评分数据对待处理视频进行剪辑，得到多个精彩度评分相对较高的目标视频片段，如通过寻找精彩度评分最大值或者精彩度评分曲线的峰值确定精彩度评分大于预设分数阈值的目标视频片段等，而待处理视频中其余视频片段对应的精彩度评分相对较低。

在一种可能的实施方式中，计算设备102可以根据待处理视频对应的精彩度评分数据，确定待处理视频中多个候选视频片段对应的起始分割点以及终止分割点。其中，起始分割点，是指候选视频片段的起始点，该起始分割点处的视频图像即为该候选视频片段的第一帧图像。相应的，终止分割点，是指该候选视频片段的终止点，该终止分割点处的视频图像即为该候选视频片段的最后一帧图像。例如，计算设备102可以根据待处理视频对应的精彩度评分数据，确定精彩度评分最大的子视频片段，并将该子视频片段15(或者其它数值)秒处的播放位置确定为候选视频片段的起始分割点，将该子视频片段的后15(或者其它数值)秒处的播放位置确定为该候选视频片段的终止分割点等。

由于候选视频片段当前的起始分割点和/或终止分割点，可能会导致候选视频片段中出现部分视频内容不完整的问题。比如，以起始分割点为例，假设原始视频中包括一段对话，其中，人物A问道：“你看最近一期的视频了么”，人物B回答道：“没有”，而计算设备102所确定的起始分割点，可能会在人物A说话结束的位置处开始截断，则候选视频片段中仅包括人物B的回答内容(“没有”)，这使得后续用户在观看该部分视频中人物B的说话内容“没有”时，会觉得不知所云，即不知道人物B是针对什么内容回答“没有”。因此，计算设备102还可以对起始分割点和/或终止分割点进行调整。

具体实现时，计算设备102可以对目标候选视频片段对应的音频内容进行语音识别，得到该目标候选视频片段对应的语义分析结果。例如，计算设备102可以识别目标候选视频片段中的字幕，例如可以是通过光学字符识别(Optical Character Recognition，OCR)技术进行字幕识别等，得到目标候选视频片段对应的字幕文本。其中，该目标候选视频片段为上述多个候选视频片段中的任意一个候选视频片段。然后，计算设备102可以对目标候选视频片段对应的字幕文本进行语义分析，得到相应的语义分析结果。或者，计算设备102在得到语义分析结果的过程中，可以先对目标候选视频片段的音频数据进行语音识别，得到该音频数据对应的文本内容；然后，计算设备102可以对识别得到的文本内容进行语义分析，得到相应的语义分析结果。

在得到语义识别结果后，计算设备102可以根据该语义分析结果调整目标候选视频片段的起始分割点和/或终止分割点。例如，计算设备102可以根据语义分析结果确定目标候选视频片段中包括的一段完整语义的内容，并确定该完整语义内容对应的第一句表达在原始视频中首次出现的位置，具体可以是该第一句表达对应的字幕在待处理视频中显示的第一帧图像，并将该第一帧图像确定为目标候选视频片段的起始分割点；和/或，计算设备102确定该完整语义内容对应的最后一句表达在原始视频中最终出现的位置，具体可以是该最后一句表达对应的字幕在待处理视频中显示的最后一帧图像，并将该最后一帧图像确定为目标候选视频片段的终止分割点。如此，可以使得基于该起始分割点以及终止分割点所切分得到的视频片段中的视频内容语义完整、连贯。其中，当计算设备102基于语义分析结果仅调整起始分割点时，计算设备102可以基于调整后的起始分割点以及未调整的终止分割点，从待处理视频中切分得到目标候选视频片段，也即切分得到一个目标视频片段；当计算设备102基于语义分析结果仅调整终止分割点时，计算设备102可以基于未调整的起始分割点以及调整后的终止分割点，从目标视频中切分得到目标候选视频片段；而当计算设备102基于语义分析结果同时对起始分割点以及终止分割点时，计算设备102可以基于调整后的起始分割点以及调整后的终止分割点，从目标视频中切分得到目标候选视频片段。如此，计算设备102可以参照上述类似方式，从待处理视频中切分得到的多个目标视频片段。

进一步的，计算设备102还可以综合考虑转场位置以及语义分析结果，调整起始分割点和/或终止分割点。其中，转场位置，是指待处理视频中的人物类型发生切换的位置，如由表演者切换为观众或者嘉宾席等的位置，可以是因为拍摄镜头的切换而导致拍摄的人物类型发生切换等。实际应用时，当待处理视频中的人物类型发生切换时，通常表示与该人物相关的一段视频内容暂时结束，比如该人物所演讲的一个论据/论点结束时，通常可以将拍摄镜头切换至观众席以拍摄观众对于该人物演讲内容所做出的反应(如开怀大笑、点头、摇头等)，因此，计算设备102基于转场位置确定目标候选视频片段的起始分割点和/或终止分割点，通常可以使得该目标候选视频片段中的视频内容在起始位置或者终止位置附近的视频内容更加连贯。值得注意的是，计算设备102可以根据转场位置调整目标候选视频片段的起始分割点和/或终止分割点，也可以不根据转场位置对起始分割点和/或终止分割点进行调整。比如当待处理视频为音乐类综艺的视频时，计算设备102也可以不根据转场位置来调整起始分割点和/或终止分割点等。

具体实现时，计算设备102可以识别待处理视频中的转场位置，并根据该转场位置以及语义分析结果调整目标候选视频片段的起始分割点和/或终止分割点。比如，可以先根据语义分析结果初步调整起始分割点和/或终止分割点，再确定初步调整后的起始分割点和/或终止分割点附近是否包括转场位置，如确定距离起始分割点和/或终止分割点不超过播放时长阈值的视频片段中是否包括转场位置等。如果包括，则计算设备102可以将起始分割点和/或终止分割点在待处理视频中的位置调整为该转场位置。

示例性地，计算设备102可以通过比较两帧视频图像之间的相似度的方式确定转场位置。具体的，计算设备102可以依次比较起始分割点和/或终止分割点附近的相邻两帧视频图像之间的图像相似度，并且，如果存在两帧视频图像之间的图像相似度小于预设阈值，则将前一帧(或者后一帧)视频图像的位置确定为转场位置。而若起始分割点和/或终止分割点附近任意两帧视频图像之间的图像相似度均大于预设阈值，则计算设备102确定不存在转场位置。示例性地，计算设备102在计算两帧图像之间相似度时，可以先将这两帧图像分别缩小至8像素*8像素的尺寸，即缩小后的每帧图像均具有64个像素。这一步的作用是为了去除图像的细节，只保留图像中的结构/明暗等基本信息，降低后续的计算量；然后，计算设备102可以对缩小后的两帧图像进行灰度处理，并分别计算出每帧图像的平均灰度值(即每帧图像中的64个灰度值的平均值)；接着，计算设备102将每帧图像中各个像素的灰度值与该帧图像对应的平均灰度值进行比较，并且，灰度值大于或者等于平均灰度值的像素标记为1，灰度值小于平均灰度值的像素标记为0，从而每帧图像中的64个像素按照统一规则进行组合，可以生成64位的哈希值(由1以及0组成)，该哈希值可以作为该帧图像的指纹。这样，计算设备102可以比较两帧图像分别对应的64位哈希值，当这两个哈希值中存在差异的位数超过预设值(如5等)时，计算设备102确定这两帧图像相似度较小，而当这两个哈希值中存在差异的位数不超过该预设值时，计算设备102确定这两帧图像相似度较大。

S203：基于多个目标视频片段，拼接得到目标视频，该目标视频的播放时长小于该待处理视频的播放时长。

在从待处理视频中剪辑出包括多个视频片段后，计算设备102可以对该多个视频片段进行拼接，生成待处理视频。其中，计算设备102可以按照各个视频片段在待处理视频中的播放顺序进行顺序拼接，或者可以采用其它顺序进行拼接等，本实施例对此并不进行限定。

实际应用时，在对待处理视频进行视频剪辑时，通常对剪辑生成的待处理视频的播放时长具有一定要求。比如，对于播放时长为2小时的待处理视频，对其进行剪辑生成的待处理视频的播放时长可以不超过10分钟。因此，若多个视频片段对应的播放总时长大于所要生成的待处理视频的最大播放时长时，计算设备102从多个视频片段中，挑选部分视频片段来生成待处理视频。

实际应用的部分场景中，从待处理视频中所切分得到的多个目标视频片段中，可能存在不满足实际应用需求的视频片段。比如，当待处理视频为观察类综艺的视频时，计算设备102基于上述过程所切分得到的部分目标视频片段中，可能存在视频内容为演播室中人物的视频片段，或者存在包括广告内容的视频片段等，这部分视频片段通常人工剪辑过程中不会参与剪辑的片段(通常也是用户不喜好的视频片段等)。因此，在进一步可能的实施方式中，当待处理视频为第二类型的视频时，如观察类综艺的视频等，计算设备102在从待处理视频中切分出多个目标视频片段后，可以先对该多个目标视频片段中的无效片段进行过滤，从而计算设备102基于经过过滤后所剩余得到的多个目标视频片段进行拼接，生成目标视频。

示例性地，该无效片段，例如可以是包括广告内容的视频片段，和/或，包括特定人物的视频片段等。当然，实际应用时，无效片段也可以是采用其它方式进行实现，本实施例对此并不进行限定。

作为一些示例，当无效片段具体为包括广告内容的目标视频片段时，计算设备102可以通过图像识别的方式，识别目标视频片段包括的多帧视频图像是否存在包括“广告”字符的视频图像，若存在，则计算设备102可以将该目标视频片段识别为无效片段，否则确定该目标视频片段不是无效片段。或者，计算设备102可以利用预先完成训练的人工智能(Artificial Intelligence，AI)模型来进行识别，可以是将目标视频片段输入至该AI模型中，并且由该AI模型输出该目标视频片段是否为无效片段的指示结果。这样，当指示结果为“是”(或者其他值)时，AI模型可以将该目标视频片段识别为无效片段，否则确定该目标视频片段不是无效片段。

而在其它示例中，当无效片段具体为包括特定人脸的目标视频片段时，计算设备102可以利用人脸识别算法(或者基于人脸识别算法所训练得到的人脸识别模型)，识别目标视频片段中是否包括特定人物的人脸图像，若包括，则计算设备102可以将该目标视频片段识别为无效片段，否则确定该目标视频片段不是无效片段。

值得注意的是，上述识别无效片段的实现方式仅作为示例性说明，实际应用时，计算设备102也可以是采用其它方式识别多个目标视频片段中的无效片段，本实施例对此并不进行限定。

本实施例中，由于计算设备102可以根据待处理视频的精彩度评分数据，自动对待处理视频进行剪辑并生成目标视频，这相比于人工剪辑的方式而言，不仅可以有效降低人力成本，而且，生成目标视频的效率通常也较高。另外，由于精彩度评分可以反映用户对于视频内容的喜好程度，因此，计算设备102基于精彩度评分相对较高的目标视频片段所生成的目标视频，可以使得目标视频的视频内容通常均为用户所喜欢的内容，如此，可以使得计算设备102针对待处理视频的自动化剪辑效果达到较高水平。

为便于理解，下面以待处理视频分别为观察类综艺视频以及音乐类综艺视频进行举例说明。

计算设备102在获取到该观察类综艺视频之后，可以获取该观察类综艺视频对应的精彩度评分数据，例如可以从其它设备中直接获取该精彩度评分数据，或者可以根据至少一个用户观看该观察类综艺视频时的行为数据进行计算得到。然后，计算设备102可以根据该精彩度评分数据对该观察类综艺视频进行切分，得到多个精彩度评分分度较高的候选视频片段。由于当前所确定的候选视频片段可能存在部分视频内容不完整，因此，计算设备102可以通过对字幕或者音频数据进行语义分析的方式，对各个候选视频片段对应的起始分割点以及终止分割点进行初步调整，并结合转场位置对该起始分割点以及终止分割点进行进一步调整，以使得调整后的候选视频片段中的视频内容语义完整、连贯，最终切分得到多个目标视频片段(也即经过调整后所得到的候选视频片段)。接着，由于部分目标视频片段中可能包括演播室的视频内容或者包括广告内容的视频片段，而这部分视频片段通常不参与视频剪辑(通常也是用户不喜好的视频片段等)，因此，计算设备102可以过滤掉该多个目标视频片段中包括演播室中人物或者广告内容的部分目标视频片段，并对剩余部分的目标视频片段进行拼接，生成观察类综艺视频对应的剪辑视频。

计算设备102在获取到该音乐类综艺视频之后，可以先通过音乐识别算法识别出该音乐类综艺视频中包括的多个包括一首完整歌曲的视频片段，每个视频片段的播放时长例如可以在3～5分钟之间，并获取至少一个用户观看各个视频片段时的行为数据，从而计算设备102可以根据各个视频片段对应的行为数据，计算得到各个视频片段对应的精彩度评分数据。然后，计算设备102可以根据各个视频片段对应的精彩度评分数据，从该视频片段中切分出精彩度评分较高的候选视频片段，如截取30秒时长的候选视频片段，并且通过OCR技术识别歌词出现和消失的位置，并选取歌词消失的位置作为该候选视频片段的起始分割点以及终止分割点。接着，计算设备102可以从各个视频片段中分别切分得到的候选视频片段进行拼接，生成音乐类综艺视频对应的剪辑视频。

此外，本申请实施例还提供了一种视频剪辑装置。参阅图3，图3示出了本申请实施例中一种视频剪辑装置的结构示意图，该视频剪辑装置300包括：

获取模块301，用于获取待处理视频以及所述待处理视频对应的精彩度评分数据，所述精彩度评分数据基于至少一个用户观看所述待处理视频时的行为数据进行确定；

切分模块302，用于根据所述待处理视频对应的精彩度评分数据，从所述待处理视频中切分得到多个视频片段，其中，切分得到的多个视频片段对应的精彩度评分大于预设分数阈值；

拼接模块303，用于基于所述多个视频片段，拼接得到目标视频，所述目标视频的播放时长小于所述待处理视频的播放时长。

在一种可能的实施方式中，所述多个目标视频片段中每个目标视频片段的播放时长大于预设时长，所述获取模块301，包括：

第一获取单元，用于获取至少一个用户观看所述待处理视频时的行为数据；

划分单元，用于根据预设时长，将所述待处理视频划分成多个子视频片段，其中，每个子视频片段的播放时长不超过所述预设时长；

第一确定单元，用于根据所述行为数据，确定每个子视频片段在至少一个维度的行为特征；

计算单元，用于根据每个子视频片段在至少一个维度的行为特征，计算得到每个子视频片段对应的精彩度评分数据。

在一种可能的实施方式中，所述切分模块302，包括：

第二确定单元，用于根据所述待处理视频对应的精彩度评分数据，确定所述待处理视频中多个候选视频片段对应的起始分割点以及终止分割点；

语义分析单元，用于对目标候选视频片段对应的音频内容进行语义分析，得到所述目标候选视频片段对应的语义分析结果，所述目标候选视频片段为所述多个候选视频片段中的任一候选视频片段；

调整单元，用于根据所述语义分析结果调整所述目标候选视频片段的起始分割点和/或终止分割点；

切分单元，用于根据调整后的起始分割点和/或终止分割点，从所述待处理视频中切分得到所述目标候选视频片段。

在一种可能的实施方式中，所述调整单元，包括：

识别子单元，用于识别所述待处理视频中的转场位置；

调整子单元，用于根据所述转场位置以及所述语义分析结果调整所述目标候选视频片段的起始分割点和/或终止分割点。

在一种可能的实施方式中，当所述待处理视频为第一类型的视频时，所述获取模块301，包括：

第二获取单元，用于获取原始视频；

第三确定单元，用于利用音乐识别算法，从所述原始视频中确定出待处理视频，所述待处理视频的音频内容包括至少一首完整的音乐。

在一种可能的实施方式中，当所述待处理视频为第二类型的视频时，所述装置300还包括：

过滤模块，用于利用预设的过滤规则，对所述多个目标视频片段中的无效片段进行过滤，所述无效片段，包括具有特定人物和/或广告内容的视频片段；

则，所述拼接模块，具体用于基于所述多个目标视频片段中经过过滤后所剩余的目标视频片段，拼接得到目标视频。

需要说明的是，上述装置各模块、单元之间的信息交互、执行过程等内容，由于与本申请实施例中方法实施例基于同一构思，其带来的技术效果与本申请实施例中方法实施例相同，具体内容可参见本申请实施例前述所示的方法实施例中的叙述，此处不再赘述。

此外，本申请实施例还提供了一种计算设备。参阅图4，图4示出了本申请实施例中一种计算设备的硬件结构示意图，该计算设备400可以包括处理器401以及存储器402。

其中，所述存储器402，用于存储计算机程序；

所述处理器401，用于根据所述计算机程序执行以下步骤：

获取待处理视频以及所述待处理视频对应的精彩度评分数据，所述精彩度评分数据基于至少一个用户观看所述待处理视频时的行为数据进行确定；

根据所述待处理视频对应的精彩度评分数据，从所述待处理视频中切分得到多个目标视频片段，其中，所述多个目标视频片段对应的精彩度评分大于预设分数阈值；

基于所述多个目标视频片段，拼接得到目标视频，所述目标视频的播放时长小于所述待处理视频的播放时长。

在一种可能的实施方式中，所述多个目标视频片段中每个目标视频片段的播放时长大于预设时长，所述处理器401，具体用于根据所述计算机程序执行以下步骤：

获取至少一个用户观看所述待处理视频时的行为数据；

根据预设时长，将所述待处理视频划分成多个子视频片段，其中，每个子视频片段的播放时长不超过所述预设时长；

根据所述行为数据，确定每个子视频片段在至少一个维度的行为特征；

根据每个子视频片段在至少一个维度的行为特征，计算得到每个子视频片段对应的精彩度评分数据。

在一种可能的实施方式中，所述处理器401，具体用于根据所述计算机程序执行以下步骤：

根据所述待处理视频对应的精彩度评分数据，确定所述待处理视频中多个候选视频片段对应的起始分割点以及终止分割点；

对目标候选视频片段对应的音频内容进行语义分析，得到所述目标候选视频片段对应的语义分析结果，所述目标候选视频片段为所述多个候选视频片段中的任一候选视频片段；

根据所述语义分析结果调整所述目标候选视频片段的起始分割点和/或终止分割点；

根据调整后的起始分割点和/或终止分割点，从所述待处理视频中切分得到所述目标候选视频片段。

在一种可能的实施方式中，所述处理器401，具体用于根据所述计算机程序执行以下步骤：

识别所述待处理视频中的转场位置；

根据所述转场位置以及所述语义分析结果调整所述目标候选视频片段的起始分割点和/或终止分割点。

在一种可能的实施方式中，当所述待处理视频为第一类型的视频时，所述处理器401，具体用于根据所述计算机程序执行以下步骤：

获取原始视频；

利用音乐识别算法，从所述原始视频中确定出待处理视频，所述待处理视频的音频内容包括至少一首完整的音乐。

在一种可能的实施方式中，当所述待处理视频为第二类型的视频时，所述处理器401，还用于根据所述计算机程序执行以下步骤：利用预设的过滤规则，对所述多个目标视频片段中的无效片段进行过滤，所述无效片段，包括具有特定人物和/或广告内容的视频片段；

则，所述处理器401，具体用于根据所述计算机程序执行以下步骤：基于所述多个目标视频片段中经过过滤后所剩余的目标视频片段，拼接得到目标视频。

另外，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行上述方法实施例中所述的方法。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如只读存储器(英文：read-only memory，ROM)/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如路由器等网络通信设备)执行本申请各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本申请示例性的实施方式，并非用于限定本申请的保护范围。

Claims (10)

1.一种视频剪辑方法，其特征在于，所述方法包括：

获取待处理视频以及所述待处理视频对应的精彩度评分数据，所述精彩度评分数据基于至少一个用户观看所述待处理视频时的行为数据进行确定；

根据所述待处理视频对应的精彩度评分数据，从所述待处理视频中切分得到多个目标视频片段，其中，所述多个目标视频片段对应的精彩度评分大于预设分数阈值；

基于所述多个目标视频片段，拼接得到目标视频，所述目标视频的播放时长小于所述待处理视频的播放时长。

2.根据权利要求1所述的方法，其特征在于，所述多个目标视频片段中每个目标视频片段的播放时长大于预设时长，所述获取所述待处理视频对应的精彩度评分数据，包括：

获取至少一个用户观看所述待处理视频时的行为数据；

根据预设时长，将所述待处理视频划分成多个子视频片段，其中，每个子视频片段的播放时长不超过所述预设时长；

根据所述行为数据，确定每个子视频片段在至少一个维度的行为特征；

根据每个子视频片段在至少一个维度的行为特征，计算得到每个子视频片段对应的精彩度评分数据。

3.根据权利要求1所述的方法，其特征在于，所述根据所述待处理视频对应的精彩度评分数据，从所述待处理视频中切分得到多个目标视频片段，包括：

根据所述待处理视频对应的精彩度评分数据，确定所述待处理视频中多个候选视频片段对应的起始分割点以及终止分割点；

对目标候选视频片段对应的音频内容进行语义分析，得到所述目标候选视频片段对应的语义分析结果，所述目标候选视频片段为所述多个候选视频片段中的任一候选视频片段；

根据所述语义分析结果调整所述目标候选视频片段的起始分割点和/或终止分割点；

根据调整后的起始分割点和/或终止分割点，从所述待处理视频中切分得到所述目标候选视频片段。

4.根据权利要求3所述的方法，其特征在于，所述根据所述语义分析结果调整所述目标候选视频片段的起始分割点和/或终止分割点，包括：

识别所述待处理视频中的转场位置；

根据所述转场位置以及所述语义分析结果调整所述目标候选视频片段的起始分割点和/或终止分割点。

5.根据权利要求1至4任一项所述的方法，其特征在于，当所述待处理视频为第一类型的视频时，所述获取待处理视频，包括：

获取原始视频；

利用音乐识别算法，从所述原始视频中确定出待处理视频，所述待处理视频的音频内容包括至少一首完整的音乐。

6.根据权利要求1至4任一项所述的方法，其特征在于，当所述待处理视频为第二类型的视频时，所述方法还包括：

利用预设的过滤规则，对所述多个目标视频片段中的无效片段进行过滤，所述无效片段，包括具有特定人物和/或广告内容的视频片段；

则，所述基于所述多个目标视频片段，拼接得到目标视频，包括：

基于所述多个目标视频片段中经过过滤后所剩余的目标视频片段，拼接得到目标视频。

7.一种视频剪辑装置，其特征在于，所述装置包括：

获取模块，用于获取待处理视频以及所述待处理视频对应的精彩度评分数据，所述精彩度评分数据基于至少一个用户观看所述待处理视频时的行为数据进行确定；

切分模块，用于根据所述待处理视频对应的精彩度评分数据，从所述待处理视频中切分得到多个视频片段，其中，切分得到的多个视频片段对应的精彩度评分大于预设分数阈值；

拼接模块，用于基于所述多个视频片段，拼接得到目标视频，所述目标视频的播放时长小于所述待处理视频的播放时长。

8.根据权利要求7所述的装置，其特征在于，所述多个目标视频片段中每个目标视频片段的播放时长大于预设时长，所述获取模块，包括：

第一获取单元，用于获取至少一个用户观看所述待处理视频时的行为数据；

划分单元，用于根据预设时长，将所述待处理视频划分成多个子视频片段，其中，每个子视频片段的播放时长不超过所述预设时长；

第一确定单元，用于根据所述行为数据，确定每个子视频片段在至少一个维度的行为特征；

计算单元，用于根据每个子视频片段在至少一个维度的行为特征，计算得到每个子视频片段对应的精彩度评分数据。

9.一种计算设备，其特征在于，所述设备包括处理器以及存储器：

所述存储器用于存储计算机程序；

所述处理器用于根据所述计算机程序执行权利要求1-6中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行权利要求1-6中任一项所述的方法。

Images