一種基于視頻大數據的文章轉視頻的方法技術

本發明專利技術公開了一種基于視頻大數據的文章轉視頻的方法，具體步驟為：用戶輸入一篇自然語言表述的文章；利用人工智能自然語言處理技術，對文章的文本信息進行關鍵字識別與提取；根據視頻內容，利用深度學習技術對已有的視頻大數據集打標簽；根據提取到的關鍵字，在學習到的視頻大數據集標簽系統中，進行標簽檢索匹配，輸出匹配度高的視頻數據；將輸入的文章信息生成為視頻字幕；利用語音合成技術對輸入的文章信息進行語音合成；將視頻、字幕、語音合并渲染，生成推薦視頻；本發明專利技術能夠極大地減少人工合成視頻的時間成本，提高內容創作效率。

A method of converting article to video based on video big data

【技術實現步驟摘要】
一種基于視頻大數據的文章轉視頻的方法
本專利技術涉及媒資管理
，具體涉及一種基于視頻大數據的文章轉視頻的方法。
技術介紹
對于內容生產者來說，音頻信息由于其語音特性，無法向用戶提供直觀的畫面信息，不利于用戶對于信息內容的理解接受，而傳統的人工轉視頻方法需要人為收集、瀏覽、標記大量的視頻數據，再從中選出一些跟音頻信息相匹配的片段來，耗費了巨大的時間與精力。
技術實現思路
本專利技術的目的在于針對現有技術的缺陷和不足，提供一種基于視頻大數據的文章轉視頻的方法，可以從海量的已有視頻數據中，自動匹配選取合適的視頻片段，將音頻快速轉換為相應的視頻內容，給用戶更強的視覺沖擊力和聽覺體驗，將作者表示的信息以更生動、豐滿、直觀的形象傳達給用戶。為實現上述目的，本專利技術采用的技術方案是：它包含如下步驟：一、用戶輸入一篇自然語言表述的文章；二、利用人工智能自然語言處理技術，對輸入的文章信息進行關鍵字識別與提取；三、利用深度學習技術，基于視頻理解，對視頻大數據集自動打標簽；四、在視頻大數據集標簽系統中，進行標簽檢索匹配，輸出匹配度高的視頻數據；五、將輸入的文章生成為字幕信息；六、利用語音合成技術將輸入的文章信息合成為語音；七、將視頻、字幕、音頻合并渲染，生成推薦視頻。進一步地，步驟二的具體方法是：通過embedding層技術得到字或者詞向量，輸入雙向LSTM，經由SoftMax隱藏層計算得到一個BIO標注體系的無監督概率序列，再經過CRF監督層，提取出關鍵字序列；進一步地，步驟三的具體方法是：使用深度3D卷積神經網絡提取視頻的時空信息，進行場景識別、動作捕捉、情感分析，提取出視頻的場景信息、對象信息、人物表情、運動信息，作為視頻的標簽內容；進一步地，步驟四的具體方法是：將步驟二中提取出的關鍵字序列特征值，與步驟三中建立的視頻標簽庫中的標簽特征值，進行相似度計算，相似度超過0.85即視為匹配成功；進一步地，步驟六的具體方法是：先將輸入文章的文字序列轉換成語音波形，送入不同人物的聲紋特征學習到的深度神經網絡中，將其合成為具有不同性別、音色、語速、語調的高質量語音流。采用上述方案后，本專利技術有益效果為：本專利技術所述的一種基于視頻大數據的文章轉視頻的方法，基于人工智能自然語言處理技術及深度學習技術構建的視頻大數據標簽匹配系統進行的視頻合成方法，能夠將用戶輸入的音頻轉化成相應的視頻內容，極大地減少人工合成視頻的時間成本，提高內容創作效率。附圖說明為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。圖1是本專利技術的流程圖。具體實施方式下面結合附圖，對本專利技術作進一步的說明。參看圖1所示，本具體實施方式采用的技術方案是：它包含如下步驟：一、用戶輸入一篇自然語言表述的文章；二、利用人工智能自然語言處理技術，對輸入的文章信息進行關鍵字識別與提取，具體是通過embedding層技術得到字或者詞向量，輸入雙向LSTM，經由SoftMax隱藏層計算得到一個BIO標注體系的無監督概率序列，再經過CRF監督層，提取出關鍵字序列；三、利用深度學習技術，基于視頻理解，對視頻大數據集自動打標簽，具體是：使用深度3D卷積神經網絡提取視頻的時空信息，進行場景識別、動作捕捉、情感分析等，提取出視頻的場景信息、對象信息、人物表情、運動信息等，作為視頻的標簽內容；四、在視頻大數據集標簽系統中，進行標簽檢索匹配，輸出匹配度高的視頻數據，具體是：將步驟二中提取出的關鍵字序列特征值，與步驟三中建立的視頻標簽庫中的標簽特征值，進行相似度計算，相似度超過0.85即視為匹配成功；五、將輸入的文章生成為字幕信息；六、利用語音合成技術將輸入的文章信息合成為語音，具體是：先將輸入文章的文字序列轉換成語音波形，送入不同人物的聲紋特征學習到的深度神經網絡中，將其合成為具有不同性別、音色、語速、語調的高質量語音流；七、將視頻、字幕、音頻合并渲染，生成推薦視頻。本專利技術所述的一種基于視頻大數據的文章轉視頻的方法，可以從海量的已有視頻數據中，自動匹配選取合適的視頻片段，將音頻快速轉換為相應的視頻內容，給用戶更強的視覺沖擊力和聽覺體驗，將作者表示的信息以更生動、豐滿、直觀的形象傳達給用戶。以上所述，僅用以說明本專利技術的技術方案而非限制，本領域普通技術人員對本專利技術的技術方案所做的其它修改或者等同替換，只要不脫離本專利技術技術方案的精神和范圍，均應涵蓋在本專利技術的權利要求范圍當中。本文檔來自技高網...

【技術保護點】
1.一種基于視頻大數據的文章轉視頻的方法，其特征在于它包含如下步驟：/n一、用戶輸入一篇自然語言表述的文章；/n二、利用人工智能自然語言處理技術，對輸入的文章信息進行關鍵字識別與提取；/n三、利用深度學習技術，基于視頻理解，對視頻大數據集自動打標簽；/n四、在視頻大數據集標簽系統中，進行標簽檢索匹配，輸出匹配度高的視頻數據；/n五、將輸入的文章生成為字幕信息；/n六、利用語音合成技術將輸入的文章信息合成為語音；/n七、將視頻、字幕、音頻合并渲染，生成推薦視頻。/n

【技術特征摘要】
1.一種基于視頻大數據的文章轉視頻的方法，其特征在于它包含如下步驟：
一、用戶輸入一篇自然語言表述的文章；
二、利用人工智能自然語言處理技術，對輸入的文章信息進行關鍵字識別與提取；
三、利用深度學習技術，基于視頻理解，對視頻大數據集自動打標簽；
四、在視頻大數據集標簽系統中，進行標簽檢索匹配，輸出匹配度高的視頻數據；
五、將輸入的文章生成為字幕信息；
六、利用語音合成技術將輸入的文章信息合成為語音；
七、將視頻、字幕、音頻合并渲染，生成推薦視頻。


2.根據權利要求1所述的一種基于視頻大數據的文章轉視頻的方法，其特征在于步驟二的具體方法是：通過embedding層技術得到字或者詞向量，輸入雙向LSTM，經由SoftMax隱藏層計算得到一個BIO標注體系的無監督概率序列，再經過CRF監督層，提取出關鍵字序列...

【專利技術屬性】
技術研發人員：康洪文，
申請(專利權)人：杭州慧川智能科技有限公司，
類型：發明
國別省市：浙江;33