[發明專利]內容處理方法、裝置、設備及存儲介質

有效

• 申請號: 202010612062.3
• 申請日: 2020-06-30
• 公開（公告）號: CN111770388B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 張倩
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: H04N21/4788
• 分類號: H04N21/4788;H04N21/44;H04N21/439;H04N21/4402;H04N21/488
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 閻敏;武晨燕

1.一種內容處理方法，包括：

確定目標對象，其中，所述目標對象為視頻幀中所展示的對象；

接收針對所述目標對象的評論數據；

獲取所述視頻幀所對應的視頻數據中所述目標對象的聲紋特征數據；

將所述評論數據轉換為與所述聲紋特征數據相匹配的目標音頻數據，并在所述視頻幀所對應的視頻數據中輸出對所述目標對象進行評論的所述目標音頻數據。

2.根據權利要求1所述的方法，還包括：

在所述視頻數據中從所述視頻幀作為起始時間起之后的至少部分幀中添加視覺突出顯示區域，其中，所述視覺突出顯示區域在所述視頻數據中跟隨所述目標對象而顯示，以便呈現出所述目標音頻數據從所述視覺突出顯示區域而輸出的視覺效果。

3.根據權利要求2所述的方法，所述視覺突出顯示區域能夠響應于第一用戶操作，并呈現出所述目標音頻數據從所述視覺突出顯示區域輸出的視覺效果。

4.根據權利要求1或2或3所述的方法，所述在視頻幀所對應的視頻數據中輸出對所述目標對象進行評論的所述目標音頻數據，包括：

將所述目標音頻數據，與所述視頻數據中從所述視頻幀作為起始時間起之后的至少部分視頻進行合成，輸出合成后的包含有所述目標音頻數據的視頻數據。

5.根據權利要求1或2或3所述的方法，所述在視頻幀所對應的視頻數據中輸出對所述目標對象進行評論的所述目標音頻數據，包括：

將所述目標音頻數據疊加至所述視頻數據中從起始時間起之后的至少部分音頻中，以及，將所述目標音頻數據，與所述視頻數據中從所述起始時間起之后的至少部分視頻進行合成，輸出具有音頻疊加效果的包含有所述目標音頻數據的視頻數據。

6.根據權利要求1所述的方法，所述獲取所述視頻幀所對應的視頻數據中所述目標對象的聲紋特征數據，包括：

獲取所述目標對象在所述視頻數據所對應的音頻數據；

將所述目標對象在所述視頻數據中所對應的音頻數據輸入至預設音頻模型中，得到所述目標對象在所述視頻數據中的聲紋特征數據。

7.根據權利要求1或6所述的方法，其中，所述將所述評論數據轉換為與所述聲紋特征數據相匹配的目標音頻數據，包括：

將所述評論數據中的文本信息轉換為與所述聲紋特征數據相匹配的目標音頻數據；或者，

將所述評論數據中除文本信息之外的其他信息轉換為文本信息，至少將轉換后得到的文本信息轉換為與所述聲紋特征數據相匹配的目標音頻數據。

8.根據權利要求1所述的方法，還包括：

在所述視頻數據的播放過程中，檢測到第二用戶操作；

響應于所述第二用戶操作，暫停播放所述視頻數據；

識別所述第二用戶操作所對應的所述視頻幀中所展示的對象，并對識別出的對象進行視覺突出顯示，其中，所述目標對象是從視覺突出顯示的對象中所選中。

9.一種內容處理裝置，包括：

確定單元，用于確定目標對象，其中，所述目標對象為視頻幀中所展示的對象；

評論數據接收單元，用于接收針對所述目標對象的評論數據；

特征數據獲取單元，用于獲取所述視頻幀所對應的視頻數據中所述目標對象的聲紋特征數據；

內容處理單元，用于將所述評論數據轉換為與所述聲紋特征數據相匹配的目標音頻數據，并在所述視頻幀所對應的視頻數據中輸出對所述目標對象進行評論的所述目標音頻數據。

10.根據權利要求9所述的裝置，還包括：

顯示區域添加單元，用于在所述視頻數據中從所述視頻幀作為起始時間起之后的至少部分幀中添加視覺突出顯示區域，其中，所述視覺突出顯示區域在所述視頻數據中跟隨所述目標對象而顯示，以便呈現出所述目標音頻數據從所述視覺突出顯示區域而輸出的視覺效果。