[發明專利]視頻生成方法、裝置、介質及電子設備

在審

• 申請號: 202110098921.6
• 申請日: 2021-01-25
• 公開（公告）號: CN112785667A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 殷翔
• 申請（專利權）人: 北京有竹居網絡技術有限公司
• 主分類號: G06T13/40
• 分類號: G06T13/40;G10L15/22;G10L25/63
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 賈會玲

本公開涉及一種視頻生成方法、裝置、介質及電子設備。方法包括：獲取用戶提問視頻，其中，所述用戶提問視頻包括用戶的人臉圖像信息和提問音頻；確定與所述提問音頻對應的應答文本信息；根據所述用戶提問視頻和所述應答文本信息，生成用于對所述用戶提問視頻中的用戶提問進行應答的應答視頻，其中，所述應答視頻包括與所述用戶交互的虛擬形象和所述應答文本信息對應的音頻。由于用戶提問視頻中包含有用戶提問時的表情、語氣、語調等有關情感的信息，因此就能夠根據這些有關情感的信息，控制當前與用戶交互的虛擬形象的情感表現，以提升人機交互的趣味性，從而實現擬人化的完美互動。

技術領域

本公開涉及人機交互技術領域，具體地，涉及一種視頻生成方法、裝置、介質及電子設備。

背景技術

人機交互技術(Human-Computer Interaction Techniques)是指通過計算機輸入、輸出設備，以有效的方式實現人與計算機對話的技術。人機交互技術包括機器通過輸出或顯示設備給人提供大量有關信息及提示請示等，人通過輸入設備給機器輸入有關信息，回答問題及提示請示等。

目前，人機交互方式不僅包括鍵盤輸入、手柄操作，還包括更加新奇的方式，例如，觸控操作、語音交互、視頻交互等，都可以實現信息傳遞，完成人與機器之間的“對話”。現階段，在用戶與機器視頻交互時，機器的應答視頻中的虛擬形象的表情一般為中性的，即未體現情感，這樣，用戶會感覺到乏味無趣。

發明內容

提供該發明內容部分以便以簡要的形式介紹構思，這些構思將在后面的具體實施方式部分被詳細描述。該發明內容部分并不旨在標識要求保護的技術方案的關鍵特征或必要特征，也不旨在用于限制所要求的保護的技術方案的范圍。

第一方面，本公開提供一種視頻生成方法，包括：

獲取用戶提問視頻，其中，所述用戶提問視頻包括用戶的人臉圖像信息和提問音頻；

確定與所述提問音頻對應的應答文本信息；

根據所述用戶提問視頻和所述應答文本信息，生成用于對所述用戶提問視頻中的用戶提問進行應答的應答視頻，其中，所述應答視頻包括與所述用戶交互的虛擬形象和所述應答文本信息對應的音頻。

第二方面，本公開提供一種視頻生成裝置，包括：

獲取模塊，用于獲取用戶提問視頻，其中，所述用戶提問視頻包括用戶的人臉圖像信息和提問音頻；

確定模塊，用于確定與所述獲取模塊獲取到的所述提問音頻對應的應答文本信息；

生成模塊，用于根據所述獲取模塊獲取到的所述用戶提問視頻和所述確定模塊確定出的所述應答文本信息，生成用于對所述用戶提問視頻中的用戶提問進行應答的應答視頻，其中，所述應答視頻包括與所述用戶交互的虛擬形象和所述應答文本信息對應的音頻。

第三方面，本公開提供一種計算機可讀介質，其上存儲有計算機程序，該程序被處理裝置執行時實現本公開第一方面提供的所述方法的步驟。

第四方面，本公開提供一種電子設備，包括：

存儲裝置，其上存儲有計算機程序；

處理裝置，用于執行所述存儲裝置中的所述計算機程序，以實現本公開第一方面提供的所述方法的步驟。

在上述技術方案中，在獲取到包括用戶的人臉圖像信息和提問音頻的用戶提問視頻后，首先確定與提問音頻對應的應答文本信息；之后，可以根據用戶提問視頻和應答文本信息共同生成用于對用戶提問視頻中的用戶提問進行應答的應答視頻。由于用戶提問視頻中包含有用戶提問時的表情、語氣、語調等有關情感的信息，因此就能夠根據這些有關情感的信息，控制當前與用戶交互的虛擬形象的情感表現，以提升人機交互的趣味性，從而實現擬人化的完美互動。

本公開的其他特征和優點將在隨后的具體實施方式部分予以詳細說明。