[發明專利]音視頻信息獲取方法、裝置、設備及存儲介質

在審

• 申請號: 201910637586.5
• 申請日: 2019-07-15
• 公開（公告）號: CN112312039A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 路曉創
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: H04N5/262
• 分類號: H04N5/262;H04N5/265;H04N21/234;H04N21/233;G10L25/57;G10L17/00
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 康瑩

本公開提供一種音視頻信息獲取方法、裝置、設備及存儲介質，所述方法包括：獲取談話過程中各個人物對應的原始視頻信息和原始音頻信息；基于所述原始音頻信息提取每個所述原始視頻信息中正在發言人物的視頻幀序列；將提取的各所述視頻幀序列按照時間順序進行拼接，得到拼接視頻信息；將所述拼接視頻信息與所述原始音頻信息進行匹配，得到音視頻信息。本公開可使得到的拼接視頻信息包含每個正在發言人物對應的視頻幀序列，可以實現對多個人物談話過程的原始視頻信息進行自動剪輯，降低對用戶的音視頻信息獲取能力的要求，提高音視頻信息獲取的智能化水平，進而可以提升用戶的體驗。

技術領域

本公開涉及視頻處理技術領域，尤其涉及一種音視頻信息獲取方法、裝置、設備及存儲介質。

背景技術

相關技術中在拍攝一段多人談話的視頻時，通常需要架設多臺攝像設備對說話的人進行同時拍攝，進而當拍攝完成后再通過后期剪輯的方式將每個人說話的視頻剪輯在一起，實現正反打效果。

由于上述方案需要進行后期剪輯才能實現，因而要求用戶具備一定的視頻剪輯能力，普通用戶可能無法實現。

發明內容

為克服相關技術中存在的問題，本公開實施例提供一種通信方法、裝置及電子設備，以解決相關技術中的不足。

根據本公開實施例的第一方面，提供了一種音視頻信息獲取方法，上述方法包括：

獲取談話過程中各個人物對應的原始視頻信息和原始音頻信息；

基于所述原始音頻信息提取每個所述原始視頻信息中正在發言人物的視頻幀序列；

將提取的各所述視頻幀序列按照時間順序進行拼接，得到拼接視頻信息；

將所述拼接視頻信息與所述原始音頻信息進行匹配，得到音視頻信息。

在一實施例中，所述基于所述原始音頻信息提取每個所述原始視頻信息中正在發言人物的視頻幀序列，包括：

確定所述原始音頻信息中正在發言人物的音頻片段；

提取每個所述原始視頻信息中與所述音頻片段對應的視頻幀序列。

在一實施例中，所述確定所述原始音頻信息中正在發言人物的音頻片段，包括：

對所述原始音頻信息進行聲紋識別，得到正在發言人物的聲紋特征；

基于所述聲紋特征從所述原始音頻信息中篩選所述正在發言人物的音頻片段。

在一實施例中，所述方法還包括：

確定所述音頻片段中所述正在發言人物的音頻發言起點；

基于所述音頻發言起點對所述拼接視頻信息進行校正。

在一實施例中，所述獲取談話過程中各個人物對應的原始視頻信息，包括：

獲取多個圖像采集裝置在所述各個人物進行所述談話過程中同時采集的多個原始視頻信息。

在一實施例中，所述方法還包括：

在所述正在發言人物發言的過程中，將所述正在發言人物的視頻圖像展示在終端屏幕上的第一預設顯示區域，以及將其他人物的視頻圖像展示在所述終端屏幕上的第二預設顯示區域，所述其他人物包括所述各個人物中除所述正在發言人物之外的人物。

在一實施例中，所述將所述正在發言人物的視頻圖像展示在終端屏幕上的第一預設顯示區域，包括：

確定所述正在發言人物的數量；

若所述數量大于或等于2，則以分屏的方式將所述正在發言人物的視頻圖像均展示在終端屏幕上的第一預設顯示區域。

在一實施例中，所述方法還包括：