本公开涉及信息技术领域，尤其涉及一种视频处理方法、装置、电子设备和存储介质。
背景技术：
为了提高视频处理效果，用户可以通过视频应用对自己原始视频进行编辑，例如保留自己喜欢的视频片段，或者将不同时间拍摄的两段视频进行拼接等。
但是，现有的视频应用所提供的视频编辑功能单一，无法满足用户的多样化编辑需求，影响用户体验，因此需要进一步对视频应用的视频编辑功能进行进一步完善。
技术实现要素：
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种视频处理方法、装置、电子设备和存储介质，实现了在目标视频中添加与实时输入的具有第一特征的第一对象对应的具有第二特征的第二对象的目的，以实现在目标视频播放过程中展示具有第二特征的第二对象的效果。
本公开实施例提供了一种视频处理方法，该方法包括：
响应于针对视频编辑页上第一控件的触发操作，显示第一面板，所述第一面板包括第一对象的第一操作区；
响应于针对所述第一操作区的操作，在所述第一操作区显示所述第一对象的第一特征；
获取与所述第一特征对应的第二对象的第二特征；
将具有第二特征的第二对象添加至目标视频，以在所述目标视频播放过程中按照第二特征展示第二对象。
本公开实施例还提供了一种视频处理装置，该装置包括：
第一显示模块，用于响应于针对视频编辑页上第一控件的触发操作，显示第一面板，所述第一面板包括第一对象的第一操作区；
第二显示模块，用于响应于针对所述第一操作区的操作，在所述第一操作区显示所述第一对象的第一特征；
第一获取模块，用于获取与所述第一特征对应的第二对象的第二特征；
第一添加模块，用于将具有第二特征的第二对象添加至目标视频，以在所述目标视频播放过程中按照第二特征展示第二对象。
本公开实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的视频处理方法。
本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的视频处理方法。
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的视频处理方法。
本公开实施例提供的技术方案与现有技术相比至少具有如下优点：本公开实施例提供的视频处理方法包括：响应于针对视频编辑页上第一控件的触发操作，显示第一面板，第一面板包括第一对象的第一操作区；响应于针对第一操作区的操作，在第一操作区显示第一对象的第一特征；获取与第一特征对应的第二对象的第二特征；将具有第二特征的第二对象添加至目标视频中，以在目标视频播放过程中按照第二特征展示第二对象。本公开可以在目标视频中添加与输入的具有第一特征的第一对象对应的具有第二特征的第二对象，实现了在目标视频播放过程中展示具有第二特征的第二对象的效果，丰富了交互方式，提升了用户体验。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本公开实施例中的一种视频处理方法的流程图；
图2为本公开实施例中的一种视频编辑页的示意图；
图3为本公开实施例中的一种视频编辑页的示意图；
图4为本公开实施例中的一种视频编辑页面的示意图；
图5为本公开实施例中的一种视频编辑页面的示意图；
图6为本公开实施例中的一种视频处理装置的结构示意图；
图7为本公开实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例中的一种视频处理方法的流程图，本实施例可适用于客户端中对视频进行处理的情况。该方法可以由视频处理装置执行，该装置可以采用软件和/或硬件的方式实现，该装置可配置于电子设备中，例如终端，具体包括但不限于智能手机、掌上电脑、平板电脑、带显示屏的可穿戴设备、台式机、笔记本电脑、一体机、智能家居设备等。
如图1所示，该方法具体可以包括如下步骤：
步骤101、响应于针对视频编辑页上第一控件的触发操作，显示第一面板，第一面板包括第一对象的第一操作区。
其中，第一控件具体可以显示于视频编辑页。当用户想对目标视频进行编辑时，可通过启动具体的视频应用(即客户端)进入视频编辑页，进而触发显示于视频编辑页的第一控件，以调出第一面板。第一面板包括第一对象的第一操作区，用户基于第一操作区可以操作第一对象，例如输入第一对象、选中第一对象等。第一对象可以是文字、语音或动画等，用户基于第一操作区与系统进行交互完成对第一对象的操作。例如用户通过第一操作区可以输入文字或者输入语音，或者通过第一操作区选择已有文字或者选择已有语音。
在一实施例中，所述视频应用为视频拍摄类应用或者视频发布类应用，在步骤101之前，所述方法还可以包括：响应于针对视频拍摄页的拍摄触发操作，拍摄所述目标视频；响应于针对目标视频的编辑触发操作，进入所述视频编辑页。
在一实施例中，所述第一控件为文字转语音控件，所述第一对象为文字，所述第一操作区为文字输入区；相应的，步骤101具体可以为响应于针对视频编辑页上的文字转语音控件的触发操作，显示第一面板，第一面板包括文字输入区。
步骤102、响应于针对第一操作区的操作，在第一操作区显示第一对象的第一特征。
所述第一特征为与所述第一对象相对应的特征，在第一对象为文字时，与之相对应的，所述第一特征为文字内容；在第一对象为语音时，第一特征为语音内容，第一对象为动画时，第一特征为动画内容。
在一个实施例中，第一对象为文字，第一特征为为文字内容，第一操作区为文字输入区，步骤102具体可以为，响应于针对文字输入区的操作，在文字输入区显示文字内容。即若用户在第一操作区输入文字，则在第一操作区显示用户输入的文字内容，可方便用户预览文字内容以及根据需要对输入的文字内容进行修改。
步骤103、获取与第一特征对应的第二对象的第二特征。
第二对象可以为与所述第一对象类型不同的对象，第二对象可以指文字、语音、动画或者特效等。在第一对象为文字，第一特征为文字内容时，所述第二对象可以为语音(即与第一对象的文字相对应的语音)，第二特征为语音内容(即与第一特征的文字内容相对应的语音内容)，此时步骤103，具体为获取与文字内容对应的语音内容。当然并不仅限于此，此时，第二对象也可以为动画，第二特征为动画内容(例如第一特征的第一对象为关于“一键三连”的文字，第二特征的第二对象为关于“一键三连”的动画)。此时步骤103，具体为获取与文字内容对应的动画内容。相应的，第一控件为文字转动画控件。
上述仅是以文字转语音，文字转动画进行示例性说明，除此之外，还可以是语音转文字，语音转动画等等，具体过程与文字转语音类似，故不再赘述。
步骤104、将具有第二特征的第二对象添加至目标视频，以在目标视频播放过程中按照第二特征展示第二对象。
在文字转语音的情况下，将转换得到的语音内容添加至目标视频中，与目标视频合成，从而可以在目标视频播放时展示与输入的文字内容对应的语音内容。在文字转动画的情况下，将转换得到的动画内容添加至目标视频中，与目标视频合成，从而可以在目标视频播放时展示与输入的文字内容对应的动画内容。由此可以在用户仅输入文字时实现在目标视频中添加与文字对应的语音，而无需用户直接输入语音，满足了用户多样化的需求，完善了交互功能，提升了用户体验。
进一步的，在第一对象为文字，第一特征为文字内容，第二对象为语音，第二特征为语音内容的情况下，所述步骤104具体为，将语音内容添加至目标视频，以在目标视频的播放过程中播放所述语音内容。在第一对象为文字，第一特征为文字内容，第二对象为动画，第二特征为动画内容的情况下，所述步骤104具体为，将动画内容添加至目标视频，以在目标视频的播放过程中播放所述动画内容。
在第一对象为文字，第一操作区为文字输入区时，可以在第一操作区显示文字输入框，响应于针对文字输入框的触发操作(例如点击)可以调起键盘，响应于针对所述键盘的触发操作可以在所述文字输入框内展示通过所述键盘输入的文字，由此响应于针对所述第一操作区的操作可以获取文字的内容。在第一对象为语音时，第一操作区为语音输入区时，可以在第一操作区显示话筒标识，响应于针对话筒标识的触发操作(长按)，可以输入语音，由此响应于针对所述第一操作区的操作可以获取语音的内容。
在一种实施方式中，进一步的，第一面板还包括第二对象的第二操作区。所述视频处理方法还包括：响应于针对第二操作区的操作，获取第二对象的第三特征，将具有第二特征和第三特征的第二对象添加至目标视频，以在目标视频播放过程中按照第二特征和第三特征展示第二对象。
以文字转语音为例，所述第一对象是文字，与第一对象对应的第一特征是文字内容，所述第二对象是语音，与第二对象对应的第二特征是语音内容，与第二对象对应的第三特征可以是语音的音色，具有第二特征和第三特征的第二对象具体指特定音色的语音内容。第二对象的第二操作区可以是语音的音色选择区，音色选择区可以显示多个不同的音色标识，多个不同的音色标识可以包括：说唱rap标识、小清新音色标识、大叔音色标识、女生音色标识、男生声音音色标识，怪物音色标识或者萌丫头音色标识等。用户可以从多个不同的音色标识中选择一音色(例如是女生音色)作为目标音色，选中之后，则可以以目标音色生成文字内容对应的语音内容，并将目标音色的语音内容添加至目标视频，以在目标视频播放的过程中以目标音色播放语音内容。此外，也可以预设一个音色作为默认音色，在用户触发文字转语音控件，并输入对应的文字之后，但并未选择音色的情况下，可以按照所述默认音色播放对应的语音内容。
在一种实施方式中，视频编辑页上还展示有预览窗，在将具有第二特征和第三特征的第二对象添加至目标视频之前，还包括：响应于针对所述第二操作区的操作，在所述预览窗中播放所述目标视频中与所述具有第二特征和第三特征的第二对象的添加位置相匹配的视频片段，并同步展示所述具有第二特征和第三特征的第二对象。
以文字转语音为例，所述第二操作区为音色选择区，当用户在音色选择区选中一目标音色时，在所述预览窗中播放目标视频中与目标音色的目标音频的添加位置相匹配的视频片段，并同步展示目标音色的目标音频，即以目标音色朗读用户在文字输入区所输入的文字内容。当用户进行音色更换、选中另一目标音色时，在所述预览窗中播放目标视频中与目标音色的目标音频的添加位置相匹配的视频片段，并以更换后的音色进行朗读。
具体的，响应于针对所述第二操作区的操作，在所述预览窗中播放所述目标视频中与所述具有第二特征和第三特征的第二对象的添加位置相匹配的视频片段，并同步展示所述具有第二特征和第三特征的第二对象包括：响应于针对第二操作区中目标音色的选中操作，在所述预览窗中播放与目标音频(目标音频的音色是选中的目标音色)对应的视频片段，并以目标音色播放目标音频。
示例性的，目标文字为关于“白云飘飘，小鹿欢快奔跑”的文字内容，目标语音为一段关于“白云飘飘，小鹿欢快奔跑”的小清新音色的音频，用户将目标文字添加在目标视频的第5至10秒，即目标文字对应目标视频的第5至10秒的视频片段，相应的，生成的目标音频的添加位置也对应所述第5至10秒的视频片段。响应于用户选中小清晰音色的操作，在预览窗播放所述目标视频的第5至10秒的视频片段，并同步播放所述“白云飘飘，小鹿欢快奔跑”的小清新音色的音频，此时若此时用户再进行更改音色操作，例如更改为小萝莉音色，响应于用户选中小萝莉音色的操作，在预览窗播放所述目标视频的第5至10秒的视频片段(即目标视频片段)，并同步播放所述“白云飘飘，小鹿欢快奔跑”的小萝莉音色的音频。若此时用户再进行更改目标文字添加位置的操作，例如将将目标文字添加在目标视频的第15至20秒，响应于用户选中小清晰音色的操作，在预览窗播放所述目标视频的第15至20秒的视频片段，并同步播放所述“白云飘飘，小鹿欢快奔跑”的小清新音色的音频。
在一个实施方式中，还可以在播放所述视频片段的视频画面中显示输入的“白云飘飘，小鹿欢快奔跑”目标文字内容，即将文字内容“白云飘飘，小鹿欢快奔跑”也添加至目标视频，以增强视频的显示效果。其中，文字内容“白云飘飘，小鹿欢快奔跑”可以是目标视频自带的字幕，原始文字，也可以是用户通过第一操作区输入的文字。如果文字内容是用户通过第一操作区(此时第一操作区具体可以是文字输入区)输入的，可参考如图2所示的一种视频编辑页面的示意图，所述视频编辑也显示有第一面板210，第一面板210包括文字输入区211、音色选择区212和预览窗220，文字输入区211具体可以是文字输入框，用户通过点击文字输入框可以调起键盘213，通过键盘213可以在文字输入框211内输入的文字内容“白云飘飘，小鹿欢快奔跑”，然后通过音色选择区212选中小清新音色，则在预览窗220播放目标视频片段，并同时播放“白云飘飘，小鹿欢快奔跑”的小清晰音色的语音，进一步还可以在播放画面中显示文字内容“白云飘飘，小鹿欢快奔跑”。如此，用户在目标视频于目标音频合成之前就可提前预览将目标音频添加至目标视频之后的效果，即目标视频的编辑效果，若用户对该编辑效果不满意，可及时调整编辑操作，而无需等所有的编辑操作完成(音频添加确认操作)之后才能看到完整的编辑效果，可达到节省用户时间的目的，提高用户的编辑效率，编辑了复杂的页面反复切换操作。继续参考图2，若用户切换选中其它音色标识，则响应用户的操作，利用用户切换后的音色生成针对文字内容“白云飘飘，小鹿欢快奔跑”的目标音频，并将目标音频添加至目标视频中。用户每点击一新的目标音色的音色标识，系统就会以新的目标音色朗读一次文字内容，以使用户提前知道所生成的目标音频的播放效果，方便用户基于自己的喜好选择是否要切换至其它音色，若用户对当前生成的目标音频比较满意，则可以通过触发确认指令，将目标音频添加至目标视频，若用户对当前生成的目标音频不满意，则用户可以通过切换其它音色更改目标音频的音色，响应用户触发的编辑完成操作再将对应音色的目标音频添加至目标视频，合成为待发布视频。用户每次切换目标音色，在预览窗220都可以看到将目标音色的目标音频添加至目标视频之后的效果，即在预览窗220播放目标视频中与目标音频的添加位置相匹配的视频片段，并同步播放目标音频，即提前展示目标视频的编辑效果，若用户对该编辑效果不满意，可及时调整编辑操作，而不是等编辑操作完成之后用户才能看到完整的目标视频编辑效果，可达到节省用户时间的目的，提高用户的编辑效率。需要特别说明的是，在预览窗220中，目标视频与目标音频同步播放，即在以目标音色朗读文字内容时，与目标音频的添加位置相匹配的视频片段同步播放，而不是视频画面保持静止不动，以向用户呈现完整的视频编辑效果，即将目标音频添加至目标视频中的完整效果。
在一种实施方式中，视频处理方法还可以包括：将具有第一特征的第一对象也添加至目标视频，以在目标视频播放过程中在视频播放画面显示具有第一特征的第一对象。以文字转语音为例，所述将具有第一特征的第一对象添加至目标视频，以在目标视频播放过程中在视频播放画面显示具有第一特征的第一对象，包括：将文字内容也添加至目标视频，以在目标视频播放过程中在视频播放画面显示所述文字内容。继续以目标音频为一段关于“白云飘飘，小鹿欢快奔跑”的小清晰音色的语音为例，在将该语音添加至目标视频的同时，还可以将文字内容“白云飘飘，小鹿欢快奔跑”也添加至目标视频，如此在预览窗展示包括“小鹿奔跑”以及“天空白云”画面的视频片段，同时在该视频片段显示文字内容“白云飘飘，小鹿欢快奔跑”，同时还播放“白云飘飘，小鹿欢快奔跑”的小清晰音色的语音，如此可达到进一步增强视频效果的目的。
本实施例的技术方案，实现了将目标音频添加至目标视频的目的，丰富了目标视频的编辑效果，且目标音频是可以是针对用户输入的文字内容生成的，而不是针对目标视频中原本就有的文字内容生成的，实现了在向目标视频中添加文字的同时添加文字对应的音频的目的。
在一种实施方式中，针对目标视频中的已添加文字内容，而不是用户输入的文字内容，用户可将待编辑的文字内容选中，然后触发显示于视频编辑页面的第一控件(如图3所示的一种视频编辑页面的示意图，文字内容510为目标视频中已添加的文字内容，用户选择文字内容510，然后触发第一控件520，具体可以是文字转语音控件)，调出音色选择面板，如图4所示的一种视频编辑页面的示意图，用户从音色选择面板610中选择具体的音色类型，系统默认选中左起第一个音色，并以被选中的音色朗读文字内容，用户每切换一次选中的音色，则系统以被选中的音色重新朗读一遍文字内容，并可在预览窗630播放目标视频中与目标音频的添加位置相匹配的视频片段，即添加目标音频的视频片段，以使用户预览将目标音频添加至目标视频中之后的效果。当用户基于如图4所示的视频编辑页面触发确认控件620时，系统将针对文字内容生成的目标音色的目标音频添加至目标视频，同时显示如图5所示的视频编辑页面，音色面板被收起，并显示提示信息“音频已生成，可在音频模块查看”。
在一种实施方式中，目标视频中包括多个第一对象，响应于针对第二控件的触发操作，将目标视频中的所有第一对象转换为具有第三特征的第二对象，以在目标视频的播放过程中展示具有第三特征的第二对象。
以文字转语音为例，所述第二控件为应用到全部文字控件，除用户当前通过第一操作区输入的文字之外，所述目标视频还可以具有原始字幕或原始输入的文字，则当用户触发第二控件时，将目标视频中的所有文字均转换为目标音色的音频，并将音频添加至目标视频，实现批量生成多段文字的音频，并将该音频添加至目标视频。也就是说，用户触发第二控件可以将当前选中的目标音色应用到目标视频中的全部文字，针对目标视频中的全部文字生成目标音色的音频，并将该音频添加至目标视频中。需要说明的是，如果目标视频中的部分文字内容已经存在对应的第一目标音色的目标音频，则利用“应用到全部文字”所选择的第二目标音色的目标音频替换之前已有的第一目标音色的目标音频。由此，可极大地方便用户针对目标视频中的全部文字进行编辑，而无需用户针对每行文字重复进行编辑交互操作。若是文字转动画，则当用户触发第二控件时，将目标视频中的所有文字均转换为目标动画类型的动画，并将生成的动画添加至目标视频，实现批量生成多段文字对应的动画，并将该动画添加至目标视频。若是语音转特效，则当用户触发第二控件时，将目标视频中的所有语音均转换为目标类型的特效，并将生成的特效添加至目标视频，实现批量生成语音对应的特效，并将该特效添加至目标视频。
进一步的，在一种实施方式中，将具有第二特征和第三特征的第二对象添加至目标视频之后，视频处理方法还包括：在视频编辑页上显示第二面板；响应于作用在第二面板上的第三控件的触发操作，对第二对象的第三特征进行调整。
具体的，以第一对象是文字，第二对象是语音，第二对象的第三特征是语音的音色为例，即文字转语音时，所述在视频编辑页上显示第二面板；响应于作用在第二面板上的第三控件的触发操作，对第二对象的第三特征进行调整，包括：在视频编辑页显示音频面板，响应于作用在音频面板上的第三控件的触发操作，对目标音频的音色进行调整，为了便于用户理解与使用，第三控件具体可以是更改音色控件。参考如图5所示的一种显示有第二面板的视频编辑页面的示意图，响应于视频编辑页面中音频标签710(即第二面板710)的选择指令，显示音频面板720(即第二面板720)，显示于第二面板720上的第三控件721(具体是更改音色控件721)。当用户触发更改音色控件721时，显示音色选择面板，可参考如图4所示的音色选择面板610，用户可基于音色选择面板切换已经添加至目标视频中目标音频的目标音色。当用户选中某具体音色时，以当前选中的音色朗读文字内容，当用户确认时，更改文字内容已经存在的目标音频的音色为用户当前选中的音色。即用户在音频面板可实现对目标音频音色的更改，而无需切换至视频编辑页的首页(通常是文字标签对应的视频编辑页面)，达到了简化用户操作的效果，提高了用户的编辑效率。
在一种实施方式中，继续参考图5，在音频面板720的面板区域722显示第一轨道和第二轨道，第一轨道展示目标视频的图像帧标识，第二轨道展示第一对象标识。第一对象标识具体可以是文字标识。第二轨道还可以同时展示文字标识和音频标识。当用户触发第一对象标识时，基于用户的具体操作(例如修改、删除、拖动)适应改变第一对象的第一特征，即文字内容，同时同步调整与第一对象对应的第二对象的第二特征，即文字内容对应的语音内容，以实现第一对象与第二对象之间的绑定关系，当第一对象发生改变时，同步调整对应的第二对象。具体的，响应于针对第一对象标识的修改操作，改变第一对象的第一特征，并同步调整第二对象的第二特征；响应于针对第一对象标识的拖动操作，改变第一对象所对应的目标视频中的视频片段，并同步调整第二对象所对应的目标视频中的视频片段；响应于针对所述第一对象标识的删除操作，同步删除第一对象对应的第二对象。
以第一对象是文字，第二对象是语音，第二对象的第三特征是语音的音色为例说明第一对象与第二对象之间的绑定关系，一旦针对文字内容生成过一次目标音频时，文字内容与其对应的目标音频之间建立绑定关系，若用户更改文字内容，则其对应的目标音频同步进行更改，以保证文字内容与其对应的目标音频之间的一致性。进一步的，基于修改后的文字内容重新生成新音频，并利用新音频替换目标音频之前，还包括：显示提示信息，以提示用户是否对目标音频进行同步修改；当接收到对所述目标音频进行同步修改的确认指令时，继续执行基于修改后的文字内容重新生成新音频，并利用新音频替换目标音频的操作。在利用新音频替换目标音频之前，通过显示提示信息，可提高交互的友好性，提升用户的使用体验。
在一个实施例中，以文字转语音为例，将具有第二特征的第二对象添加至目标视频(即将针对文字内容的目标音色的目标音频添加至目标视频)，包括：确定具有第一特征的第一对象对应的多个语音片段(即确定文字内容对应的多个语音片段)；确定目标视频中的背景音频的多个节拍位置；将多个语音片段的起始位置依次分别与背景音频的多个节拍位置对齐(例如第一对象对应的多个语音片段分别为语音片段1、语音片段2和语音片段3，目标视频中的背景音频的多个节拍位置依次是节拍位置a、节拍位置b、节拍位置c，则将语音片段1的起始位置与节拍位置a对齐，将与语音片段2的起始位置与节拍位置b对齐，将语音片段3的起始位置与节拍位置c对齐)；将多个语音片段以及背景音频基于对齐位置进行混音，以将具有第二特征的第二对象添加至目标视频。
可选的，确定具有第一特征的第一对象对应的多个语音片段，包括：获取具有第一特征的第一对象对应的韵律和文本文字融合信息，即获取文字内容对应的韵律和文本文字融合信息；将韵律和文本文字融合信息转换为音素和韵律符号信息；及将音素和韵律符号信息输入至深度学习模型，得到具有第一特征的第一对象对应的多个语音片段。确定所述目标视频中的背景音频的多个节拍位置，包括：通过节拍检测模型获取所述目标视频中的背景音频的多个节拍位置。通过将目标视频中背景音频的节拍位置与语音片段的开始位置对齐，可实现较好的目标音频添加效果，即在节拍位置处开始播放目标音频，可增强添加目标音频之后的视频的旋律感，可提升视频编辑效果。
图6为本公开实施例中的一种视频处理装置的结构示意图。本公开实施例所提供的视频处理装置可以配置于客户端中。如图6所示，该视频处理装置具体包括：第一显示模块810、第二显示模块820、第一获取模块830和第一添加模块840。
其中，第一显示模块810，用于响应于针对视频编辑页上第一控件的触发操作，显示第一面板，所述第一面板包括第一对象的第一操作区；第二显示模块820，用于响应于针对所述第一操作区的操作，在所述第一操作区显示所述第一对象的第一特征；第一获取模块830，用于获取与所述第一特征对应的第二对象的第二特征；第一添加模块840，用于将具有第二特征的第二对象添加至目标视频，以在所述目标视频播放过程中按照第二特征展示第二对象。
可选的，所述第一面板还包括第二对象的第二操作区。视频处理装置还包括：第二获取模块，用于响应于针对所述第二操作区的操作，获取第二对象的第三特征，将具有第二特征和第三特征的第二对象添加至目标视频，以在所述目标视频播放过程中按照第二特征和第三特征展示第二对象。
可选的，所述视频编辑页上还展示有预览窗，视频处理装置还包括：第一播放模块，用于在所述将具有第二特征和第三特征的第二对象添加至目标视频之前，响应于针对所述第二操作区的操作，在所述预览窗中播放所述目标视频中与所述具有第二特征和第三特征的第二对象的添加位置相匹配的视频片段，并同步展示所述具有第二特征和第三特征的第二对象。
可选的，所述目标视频中包括多个第一对象。视频处理装置还包括：
第一转换模块，用于响应于针对第二控件的触发操作，将目标视频中的所有第一对象转换为具有第三特征的第二对象，以在所述目标视频的播放过程中展示所述具有第三特征的第二对象。
可选的，第一添加模块840还用于：将具有第一特征的第一对象添加至所述目标视频，以在所述目标视频播放过程中在视频播放画面显示所述具有第一特征的第一对象。
可选的，视频处理装置还包括：
第二显示模块，用于所述将具有第二特征和第三特征的第二对象添加至目标视频之后，在所述视频编辑页上显示第二面板。
第一调整模块，用于响应于作用在所述第二面板上的第三控件的触发操作，对第二对象的第三特征进行调整。
可选的，视频处理装置还包括：
第三显示模块，用于所述将具有第二特征和第三特征的第二对象添加至目标视频之后，在所述视频编辑页显示第一轨道和第二轨道，所述第一轨道展示所述目标视频的图像帧标识，所述第二轨道展示第一对象标识。
可选的，视频处理装置还包括：第二调整模块，用于下述至少一种操作：
响应于针对所述第一对象标识的修改操作，改变所述第一对象的第一特征，并同步调整所述第二对象的第二特征；
响应于针对所述第一对象标识的拖动操作，改变所述第一对象所对应的目标视频中的视频片段，并同步调整所述第二对象所对应的目标视频中的视频片段；
响应于针对所述第一对象标识的删除操作，同步删除所述第一对象对应的第二对象。
可选的，所述第一对象为文字，第一特征为文字内容，第二对象为语音，第二特征为语音内容，第一添加模块840包括：
第一确定单元，用于确定具有第一特征的第一对象对应的多个语音片段；第二确定单元，用于确定所述目标视频中的背景音频的多个节拍位置；对齐单元，用于将所述多个语音片段的起始位置依次分别与所述背景音频的多个节拍位置对齐；混音单元，用于将所述多个语音片段以及所述背景音频基于对齐位置进行混音，以将具有第二特征的第二对象添加至目标视频。
可选的，第一确定单元具体用于获取所述具有第一特征的第一对象对应的韵律和文本文字融合信息；将所述韵律和文本文字融合信息转换为音素和韵律符号信息；及将所述音素和韵律符号信息输入至深度学习模型，得到所述具有第一特征的第一对象对应的多个语音片段。
可选的，第二确定单元具体用于通过节拍检测模型获取所述目标视频中的背景音频的多个节拍位置。
本公开实施例提供的视频处理装置，响应于针对视频编辑页上第一控件的触发操作，显示第一面板，第一面板包括第一对象的第一操作区；响应于针对第一操作区的操作，在第一操作区显示第一对象的第一特征；获取与第一特征对应的第二对象的第二特征；将具有第二特征的第二对象添加至目标视频中，以在目标视频播放过程中按照第二特征展示第二对象。实现了在目标视频中添加与实时输入的具有第一特征的第一对象对应的具有第二特征的第二对象的目的，以实现在目标视频播放过程中展示具有第二特征的第二对象的效果。
本公开实施例提供的视频处理装置，可执行本公开方法实施例所提供的视频处理方法中客户端所执行的步骤，具备执行步骤和有益效果此处不再赘述。
图7为本公开实施例中的一种电子设备的结构示意图。下面具体参考图7，其示出了适于用来实现本公开实施例中的电子设备500的结构示意图。本公开实施例中的电子设备500可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)、可穿戴电子设备等等的移动终端以及诸如数字tv、台式计算机、智能家居设备等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储装置508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理以实现如本公开所述的实施例的方法。在ram503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
通常，以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码，从而实现如上所述的方法。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从rom502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如http(hypertexttransferprotocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，adhoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于针对视频编辑页上第一控件的触发操作，显示第一面板，所述第一面板包括第一对象的第一操作区；响应于针对所述第一操作区的操作，在所述第一操作区显示所述第一对象的第一特征；获取与所述第一特征对应的第二对象的第二特征；将具有第二特征的第二对象添加至目标视频，以在所述目标视频播放过程中按照第二特征展示第二对象。
可选的，当上述一个或者多个程序被该电子设备执行时，该电子设备还可以执行上述实施例所述的其他步骤。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，本公开提供了一种视频处理方法，包括：响应于针对视频编辑页上第一控件的触发操作，显示第一面板，所述第一面板包括第一对象的第一操作区；响应于针对所述第一操作区的操作，在所述第一操作区显示所述第一对象的第一特征；获取与所述第一特征对应的第二对象的第二特征；将具有第二特征的第二对象添加至目标视频，以在所述目标视频播放过程中按照第二特征展示第二对象。
根据本公开的一个或多个实施例，在本公开提供的视频处理方法中，所述第一面板还包括第二对象的第二操作区；响应于针对所述第二操作区的操作，获取第二对象的第三特征，将具有第二特征和第三特征的第二对象添加至目标视频，以在所述目标视频播放过程中按照第二特征和第三特征展示第二对象。
根据本公开的一个或多个实施例，在本公开提供的视频处理方法中，所述视频编辑页上还展示有预览窗，在所述将具有第二特征和第三特征的第二对象添加至目标视频之前，还包括：响应于针对所述第二操作区的操作，在所述预览窗中播放所述目标视频中与所述具有第二特征和第三特征的第二对象的添加位置相匹配的视频片段，并同步展示所述具有第二特征和第三特征的第二对象。
根据本公开的一个或多个实施例，在本公开提供的视频处理方法中，所述目标视频中包括多个第一对象：响应于针对第二控件的触发操作，将目标视频中的所有第一对象转换为具有第三特征的第二对象，以在所述目标视频的播放过程中展示所述具有第三特征的第二对象。
根据本公开的一个或多个实施例，在本公开提供的视频处理方法中，还包括：将具有第一特征的第一对象添加至所述目标视频，以在所述目标视频播放过程中在视频播放画面显示所述具有第一特征的第一对象。
根据本公开的一个或多个实施例，在本公开提供的视频处理方法中，所述将具有第二特征和第三特征的第二对象添加至目标视频之后，还包括：在所述视频编辑页上显示第二面板；响应于作用在所述第二面板上的第三控件的触发操作，对第二对象的第三特征进行调整。
根据本公开的一个或多个实施例，在本公开提供的视频处理方法中，所述将具有第二特征和第三特征的第二对象添加至目标视频之后，还包括：在所述视频编辑页显示第一轨道和第二轨道，所述第一轨道展示所述目标视频的图像帧标识，所述第二轨道展示第一对象标识。
根据本公开的一个或多个实施例，在本公开提供的视频处理方法中，还包括下述至少一种：响应于针对所述第一对象标识的修改操作，改变所述第一对象的第一特征，并同步调整所述第二对象的第二特征；响应于针对所述第一对象标识的拖动操作，改变所述第一对象所对应的目标视频中的视频片段，并同步调整所述第二对象所对应的目标视频中的视频片段；响应于针对所述第一对象标识的删除操作，同步删除所述第一对象对应的第二对象。
根据本公开的一个或多个实施例，在本公开提供的视频处理方法中，第一对象为文字，第一特征为文字内容，第二对象为语音，第二特征为语音内容；所述将具有第二特征的第二对象添加至目标视频，包括：确定具有第一特征的第一对象对应的多个语音片段；确定所述目标视频中的背景音频的多个节拍位置；将所述多个语音片段的起始位置依次分别与所述背景音频的多个节拍位置对齐；将所述多个语音片段以及所述背景音频基于对齐位置进行混音，以将具有第二特征的第二对象添加至目标视频。
根据本公开的一个或多个实施例，在本公开提供的视频处理方法中，所述确定所述具有第一特征的第一对象对应的多个语音片段，包括：
获取所述具有第一特征的第一对象对应的韵律和文本文字融合信息；将所述韵律和文本文字融合信息转换为音素和韵律符号信息；及将所述音素和韵律符号信息输入至深度学习模型，得到所述具有第一特征的第一对象对应的多个语音片段；所述确定所述目标视频中的背景音频的多个节拍位置，包括：通过节拍检测模型获取所述目标视频中的背景音频的多个节拍位置。
根据本公开的一个或多个实施例，本公开提供了一种视频处理装置，包括：第一显示模块，用于响应于针对视频编辑页上第一控件的触发操作，显示第一面板，所述第一面板包括第一对象的第一操作区；第二显示模块，用于响应于针对所述第一操作区的操作，在所述第一操作区显示所述第一对象的第一特征；第一获取模块，用于获取与所述第一特征对应的第二对象的第二特征；第一添加模块，用于将具有第二特征的第二对象添加至目标视频，以在所述目标视频播放过程中按照第二特征展示第二对象。
根据本公开的一个或多个实施例，本公开提供了一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开提供的任一所述的视频处理方法。
根据本公开的一个或多个实施例，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开提供的任一所述的视频处理方法。
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的视频处理方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
1.一种视频处理方法，其特征在于，包括：
响应于针对视频编辑页上第一控件的触发操作，显示第一面板，所述第一面板包括第一对象的第一操作区；
响应于针对所述第一操作区的操作，在所述第一操作区显示所述第一对象的第一特征；
获取与所述第一特征对应的第二对象的第二特征；
将具有第二特征的第二对象添加至目标视频，以在所述目标视频播放过程中按照第二特征展示第二对象。
2.根据权利要求1所述的方法，其特征在于，所述第一面板还包括第二对象的第二操作区；
响应于针对所述第二操作区的操作，获取第二对象的第三特征，将具有第二特征和第三特征的第二对象添加至目标视频，以在所述目标视频播放过程中按照第二特征和第三特征展示第二对象。
3.根据权利要求2所述的方法，其特征在于，所述视频编辑页上还展示有预览窗，在所述将具有第二特征和第三特征的第二对象添加至目标视频之前，还包括：
响应于针对所述第二操作区的操作，在所述预览窗中播放所述目标视频中与所述具有第二特征和第三特征的第二对象的添加位置相匹配的视频片段，并同步展示所述具有第二特征和第三特征的第二对象。
4.根据权利要求2所述的方法，其特征在于，所述目标视频中包括多个第一对象：
响应于针对第二控件的触发操作，将目标视频中的所有第一对象转换为具有第三特征的第二对象，以在所述目标视频的播放过程中展示所述具有第三特征的第二对象。
5.根据权利要求2所述的方法，其特征在于，还包括：将具有第一特征的第一对象添加至所述目标视频，以在所述目标视频播放过程中在视频播放画面显示所述具有第一特征的第一对象。
6.根据权利要求2所述的方法，其特征在于，所述将具有第二特征和第三特征的第二对象添加至目标视频之后，还包括：
在所述视频编辑页上显示第二面板；
响应于作用在所述第二面板上的第三控件的触发操作，对第二对象的第三特征进行调整。
7.根据权利要求2所述的方法，其特征在于，所述将具有第二特征和第三特征的第二对象添加至目标视频之后，还包括：
在所述视频编辑页显示第一轨道和第二轨道，所述第一轨道展示所述目标视频的图像帧标识，所述第二轨道展示第一对象标识。
8.根据权利要求7所述的方法，其特征在于，还包括下述至少一种：
响应于针对所述第一对象标识的修改操作，改变第一对象的第一特征，并同步调整第二对象的第二特征；
响应于针对所述第一对象标识的拖动操作，改变第一对象所对应的目标视频中的视频片段，并同步调整第二对象所对应的目标视频中的视频片段；
响应于针对所述第一对象标识的删除操作，同步删除第一对象对应的第二对象。
9.根据权利要求1-8任一项所述的方法，其特征在于，第一对象为文字，第一特征为文字内容，第二对象为语音，第二特征为语音内容；所述将具有第二特征的第二对象添加至目标视频，包括：
确定具有第一特征的第一对象对应的多个语音片段；
确定所述目标视频中的背景音频的多个节拍位置；
将所述多个语音片段的起始位置依次分别与所述背景音频的多个节拍位置对齐；
将所述多个语音片段以及所述背景音频基于对齐位置进行混音，以将具有第二特征的第二对象添加至目标视频。
10.根据权利要求9所述的方法，其特征在于，所述确定所述具有第一特征的第一对象对应的多个语音片段，包括：
获取所述具有第一特征的第一对象对应的韵律和文本文字融合信息；
将所述韵律和文本文字融合信息转换为音素和韵律符号信息；及将所述音素和韵律符号信息输入至深度学习模型，得到所述具有第一特征的第一对象对应的多个语音片段；
所述确定所述目标视频中的背景音频的多个节拍位置，包括：
通过节拍检测模型获取所述目标视频中的背景音频的多个节拍位置。
11.一种视频处理装置，其特征在于，包括：
第一显示模块，用于响应于针对视频编辑页上第一控件的触发操作，显示第一面板，所述第一面板包括第一对象的第一操作区；
第二显示模块，用于响应于针对所述第一操作区的操作，在所述第一操作区显示所述第一对象的第一特征；
第一获取模块，用于获取与所述第一特征对应的第二对象的第二特征；
第一添加模块，用于将具有第二特征的第二对象添加至目标视频，以在所述目标视频播放过程中按照第二特征展示第二对象。
12.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一项所述的方法。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-10中任一项所述的方法。
14.一种计算机程序产品，包括计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现如权利要求1-10中任一项所述的方法。
技术总结