CN112988099A - 视频的显示方法和装置 - Google Patents

Abstract

本申请公开了视频的显示方法和装置，涉及计算机视觉和深度学习的人工智能技术领域。具体实施方式包括：获取文本，确定文本的关键词，并获取关键词对应的图片，其中，文本的各个语句分别存在关键词；按照各个语句在文本中的先后顺序，对于各个语句中的语句，获取并播放该语句对应的音频，以及渲染所获取的图片中、该语句的关键词对应的图片；响应于确定各个语句的关键词对应的图片渲染完毕，或接收到显示停止指令，结束视频显示流程。本申请可以将文本实时转换为视频，从而将对文章的纸面静态显示，转换为视频的动态播放，从而可以实时将文本转换为多媒体的形式，丰富用户的视觉体验。

Description

视频的显示方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及包括计算机视觉和深度学习的人工智能技术领域，尤其涉及视频的显示方法和装置。

背景技术

视频(Video)泛指将一系列静态影像以电信号的方式加以捕捉、记录、处理、储存、传送与重现的各种技术。视频技术最早是为了电视系统而发展，但现在已经发展为各种不同的格式以利消费者将视频记录下来。

网络技术的发达也促使视频的纪录片段以串流媒体的形式存在于因特网之上，并可被电脑接收与播放。

发明内容

提供了一种视频的显示方法、装置、电子设备以及存储介质。

根据第一方面，提供了一种视频的显示方法，包括：获取文本，确定文本的关键词，并获取关键词对应的图片，其中，文本的各个语句分别存在关键词；按照各个语句在文本中的先后顺序，对于各个语句中的语句，获取并播放该语句对应的音频，以及渲染所获取的图片中、该语句的关键词对应的图片；响应于确定各个语句的关键词对应的图片渲染完毕，或接收到显示停止指令，结束视频显示流程。

根据第二方面，提供了一种视频的显示装置，包括：获取单元，被配置成获取文本，确定文本的关键词，并获取关键词对应的图片，其中，文本的各个语句分别存在关键词；渲染单元，被配置成按照各个语句在文本中的先后顺序，对于各个语句中的语句，获取并播放该语句对应的音频，以及渲染所获取的图片中、该语句的关键词对应的图片；结束单元，被配置成响应于确定各个语句的关键词对应的图片渲染完毕，或接收到显示停止指令，结束视频显示流程。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行视频的显示方法中任一实施例的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行根据视频的显示方法中任一实施例的方法。

根据第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据视频的显示方法中任一实施例的方法。

根据本申请的方案，可以将文本实时转换为视频，从而将对文章的纸面静态显示，转换为视频的动态播放，从而可以实时将文本转换为多媒体的形式，丰富用户的视觉体验。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请一些实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的视频的显示方法的一个实施例的流程图；

图3是根据本申请的视频的显示方法的又一个实施例的流程图；

图4是根据本申请的视频的显示方法的又一个实施例的流程图；

图5是根据本申请的视频的显示装置的一个实施例的结构示意图；

图6是用来实现本申请实施例的视频的显示方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的视频的显示方法或视频的显示装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。

这里的终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的文本的语句等数据进行分析等处理，并将处理结果(例如语句对应的音频)反馈给终端设备。

需要说明的是，本申请实施例所提供的视频的显示方法可以由终端设备101、102、103执行，相应地，视频的显示装置可以设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的视频的显示方法的一个实施例的流程200。该视频的显示方法，包括以下步骤：

步骤201，获取文本，确定文本的关键词，并获取关键词对应的图片，其中，文本的各个语句分别存在关键词。

在本实施例中，视频的显示方法运行于其上的执行主体(例如图1所示的终端设备)可以获取文本，并确定文本的关键词。之后，上述执行主体可以以获取关键词对应的图片。上述执行主体可以在本设备提取文本的关键词，也可以将文本发送给其它电子设备(比如服务器)，并接收该其它电子设备返回的关键词。在实践中，上述执行主体可以直接获取本设备所存储的图片，也可以将关键词发送给其它电子设备，并接收该其它电子设备返回的图片。

各个语句均可以存在相对应的关键词，每个语句所存在的关键词可以是至少一个。在本设备或者其它电子设备上可以存在图片集合，该图片集合中的图片存在对应的关键词。比如，多个打篮球的图片，关键词都可以是“打篮球”，还可以是“打篮球”、“运动”。

步骤202，按照各个语句在文本中的先后顺序，对于各个语句中的语句，获取并播放该语句对应的音频，以及渲染所获取的图片中、该语句的关键词对应的图片。

在本实施例中，上述执行主体可以按照上述各个语句在上述文本中的行文的先后顺序(或阅读的先后顺序)，对于该各个语句中的语句(比如每个语句)，获取该语句对应的音频，并播放该音频。并且，上述执行主体还可以渲染该语句的关键词对应的图片，从而实现图片的显示和音频的播放，进而实现视频播放。该图片是所获取的图片中的图片。

步骤203，响应于确定各个语句的关键词对应的图片渲染完毕，或接收到显示停止指令，结束视频显示流程。

在本实施例中，上述执行主体可以在确定各个语句的关键词对应的图片渲染完毕的情况下，或在接收到显示停止指令的情况下，结束视频显示流程。这里的显示停止指令用于指示停止视频的显示，也即停止关键词对应的图片的显示过程。

本申请的上述实施例提供的方法可以将文本实时转换为视频，从而将对文章的纸面静态显示，转换为视频的动态播放，从而可以实时将文本转换为多媒体的形式，丰富用户的视觉体验。

在本实施例的一些可选的实现方式中，步骤202中的渲染所获取的图片中、该语句的关键词对应的图片，可以包括：对所获取的图片中，该语句的关键词对应的图片进行渲染，并将该语句作为字幕，渲染到该图片的上层。

在这些可选的实现方式中，上述执行主体不仅可以渲染该语句的关键词对应的图片，还可以将该语句作为所渲染图片对应的字幕，也即视频的字幕，渲染到图片的上层。

这些实现方式可以针对图片，显示与图片相对应的字幕，从而通过字幕对图片进行解说，有助于观众理解视频内容。

在本实施例的一些可选的实现方式中，文本中每个语句的关键词的数量为至少一个；步骤201中的获取关键词对应的图片，可以包括：向服务器发送包括关键词的图片请求，其中，服务器在图片集合中查找标签与关键词的匹配度最高的单个图片或图片子集，并返回；接收服务器返回的单个图片或图片子集，作为关键词对应的图片。

在这些可选的实现方式中，上述执行主体可以向服务器发送包括关键词的图片请求，让服务器来确定关键词对应的图片。服务器可以确定出最匹配的至少一个图片，或者至少一个图片子集。在确定的图片或图片子集不止一个的情况下，上述执行主体可以从返回的结果中进行选择。

这些实现方式可以让服务器执行需要消耗运行资源较多的图片查找任务，从而提高图片的获取效率。

可选地，该图片集合的生成步骤可以包括：收集多个图片，多个图片包括以下的至少两个类别的图片：场景类别、物种类别、动作类别；对多个图片添加标签，由添加标签后的图片生成图片集合。

具体地，上述执行主体或其它电子设备可以收集多个图片，这个多个图片包括至少两个类别的图片。之后，可以对上述多个图片添加标签，从而可以由添加标签后的图片，生成图片集合。

在实践中，对图片所添加的标签可以用于指示图片的类别和/或具体内容。比如属于场景类别的“运动”、属于动作类别的“打篮球”、属于物种类别的“老人”、“花猫”。这里的物种指物体种类。

这些可选的实现方式可以生成图片的标签，从而便于查找到关键词对应的图片。

在本实施例的一些可选的实现方式中，方法应用于终端，终端安装有视频应用；获取文本，包括：响应于视频应用启动，在视频应用获取输入的URL地址；确定URL地址指示的页面，从页面解析出文本。

在这些可选的实现方式中，作为终端的上述执行主体，可以在视频应用启动的情况下，通过视频应用获取用户输入的URL地址(比如所复制的、或手动输入的)。之后，上述执行主体可以确定该地址指示的页面，并从该页面中解析出上述文本，从而提取到文本。

这些实现方式可以在页面中提取文本，从而提供了一种获取文本的途径。

在本实施例的一些可选的实现方式中，步骤202中的获取并播放该语句对应的音频，可以包括：将该语句输入训练后的音频合成模型，得到从音频合成模型输出的音频，将该音频作为该语句对应的音频。

在这些可选的实现方式中，音频合成模型可以完成从文本到语音也即音频的过程。上述执行主体可以将该语句输入音频合成模型，从而得到从该模型输出的音频。

这些实现方式中，在上述执行主体为终端设备的情况下，上述执行主体可以通过音频合成模型，在本地实现音频合成。

继续参见图3，图3是根据本实施例的视频的显示方法的又一个实施例的流程。

进一步参考图4，其示出了视频的显示方法的又一个实施例的流程400。该流程400，包括以下步骤：

步骤401，获取文本，确定文本的关键词，并获取关键词对应的图片，其中，文本的各个语句分别存在关键词。

在本实施例中，视频的显示方法运行于其上的执行主体(例如图1所示的终端设备)可以获取文本，并确定文本的关键词。之后，上述执行主体可以以获取关键词对应的图片。上述执行主体可以在本设备提取文本的关键词，也可以将文本发送给其它电子设备(比如服务器)，并接收该其它电子设备返回的关键词。

步骤402，执行音频获取步骤：按照先后顺序，从各个语句中确定未获取的至少一个语句，获取至少一个语句所对应的音频。

在本实施例中，上述执行主体可以执行音频获取步骤，具体为按照上述的先后顺序，从各个语句中确定出未获取过的至少一个语句，并获取该至少一个语句所对应的音频。比如，可以按照先后顺序，顺序读取下一个语句，并获取该语句的音频。

步骤403，从所获取的图片中，提取至少一个语句的关键词所对应的图片，渲染该图片，以及播放所获取的音频。

在本实施例中，上述执行主体可以从所获取的图片中，提取至少一个语句的关键词对应的图片，并进行渲染。上述执行主体不仅可以进行图片渲染还可以播放音频，以实现采用多媒体形式进行播放。

步骤404，响应于确定各个语句的关键词对应的图片渲染完毕，或接收到显示停止指令，结束视频显示流程。

在本实施例中，上述执行主体可以在确定各个语句的关键词对应的图片渲染完毕的情况下，或在接收到显示停止指令的情况下，结束视频显示流程。

本实施例可以每次获取至少一个语句，并将该至少一个语句转换为视频中的一部分，以实现视频的精确转换。

在本实施例的一些可选的实现方式中，上述按照各个语句在文本中的先后顺序，对于各个语句中的语句，获取并播放该语句对应的音频，以及渲染所获取的图片中、该语句的关键词对应的图片，还可以包括：再次执行音频获取步骤，得到本次执行音频获取步骤所生成的音频；对于该音频所对应的语句，从所获取的图片中，提取该语句的关键词所对应的图片，渲染该图片，以及播放该音频。

在这些可选的实现方式中，上述执行主体可以再次执行音频获取步骤，从而得到本次执行所生成的音频。之后，上述执行主体可以继续提取该音频对应的语句(比如按照上述先后顺序确定的、尚未获取的至少一个语句)的关键词所对应的图片。上述执行主体可以渲染该图片并播放该音频。

这些可选的实现方式可以通过完成多个音频生成、播放和图片提取、渲染的过程，从而实现视频的连续播放。

可选地，再次执行音频获取步骤，可以包括：响应于确定音频播放完毕且存在未获取过的语句，再次执行音频获取步骤。

具体地，上述执行主体可以在音频播放完毕且存在未获取过的语句(也即还有下一个语句)的情况下，再次执行音频获取步骤。比如，上述执行主体可以首先确定最后生成的音频是否播放完毕，在结果为是的情况下，确定是否存在未获取过的语句。如果存在，则上述执行主体可以再次执行音频获取步骤。

这些可选的实现方式可以逐句将语句转换为视频，从而避免集中生成视频造成的运行资源占用过多的问题。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种视频的显示装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征或效果。该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的视频的显示装置500包括：获取单元501、渲染单元502和结束单元503。其中，获取单元501，被配置成获取文本，确定文本的关键词，并获取关键词对应的图片，其中，文本的各个语句分别存在关键词；渲染单元502，被配置成按照各个语句在文本中的先后顺序，对于各个语句中的语句，获取并播放该语句对应的音频，以及渲染所获取的图片中、该语句的关键词对应的图片；结束单元503，被配置成响应于确定各个语句的关键词对应的图片渲染完毕，或接收到显示停止指令，结束视频显示流程。

在本实施例中，视频的显示装置500的获取单元501、渲染单元502和结束单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202和步骤203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，渲染单元，进一步被配置成按照如下方式执行按照各个语句在文本中的先后顺序，对于各个语句中的语句，获取并播放该语句对应的音频，以及渲染所获取的图片中、该语句的关键词对应的图片：执行音频获取步骤：按照先后顺序，从各个语句中确定未获取的至少一个语句，获取至少一个语句所对应的音频；从所获取的图片中，提取至少一个语句的关键词所对应的图片，渲染该图片，以及播放所获取的音频。

在本实施例的一些可选的实现方式中，渲染单元，进一步被配置成按照如下方式执行按照各个语句在文本中的先后顺序，对于各个语句中的语句，获取并播放该语句对应的音频，以及渲染所获取的图片中、该语句的关键词对应的图片：再次执行音频获取步骤，得到本次执行音频获取步骤所生成的音频；对于该音频所对应的语句，从所获取的图片中，提取该语句的关键词所对应的图片，渲染该图片，以及播放该音频。

在本实施例的一些可选的实现方式中，渲染单元，进一步被配置成按照如下方式执行再次执行音频获取步骤：响应于确定音频播放完毕且存在未获取过的语句，再次执行音频获取步骤。

在本实施例的一些可选的实现方式中，渲染单元，进一步被配置成按照如下方式执行渲染所获取的图片中、该语句的关键词对应的图片：对所获取的图片中，该语句的关键词对应的图片进行渲染，并将该语句作为字幕，渲染到该图片的上层。

在本实施例的一些可选的实现方式中，文本中每个语句的关键词的数量为至少一个；获取单元，进一步被配置成按照如下方式执行获取关键词对应的图片：向服务器发送包括关键词的图片请求，其中，服务器在图片集合中查找标签与关键词的匹配度最高的单个图片或图片子集，并返回；接收服务器返回的单个图片或图片子集，作为关键词对应的图片。

在本实施例的一些可选的实现方式中，图片集合的生成步骤，包括：收集多个图片，其中，多个图片包括以下的至少两个类别的图片：场景类别、物种类别、动作类别；对多个图片添加标签，由添加标签后的图片生成图片集合。

在本实施例的一些可选的实现方式中，方法应用于终端，终端安装有视频应用；获取单元，进一步被配置成按照如下方式执行获取文本：响应于视频应用启动，在视频应用获取输入的URL地址；确定URL地址指示的页面，从页面解析出文本。

在本实施例的一些可选的实现方式中，渲染单元，进一步被配置成按照如下方式执行获取并播放该语句对应的音频：将该语句输入训练后的音频合成模型，得到从音频合成模型输出的音频，将该音频作为该语句对应的音频。

根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

如图6所示，是根据本申请实施例的视频的显示方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的视频的显示方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的视频的显示方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的视频的显示方法对应的程序指令/模块(例如，附图5所示的获取单元501、渲染单元502和结束单元503)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的视频的显示方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据视频的显示电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至视频的显示电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

视频的显示方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与视频的显示电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、音频输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、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。

描述于本申请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。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、渲染单元和结束单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“确定文本的关键词，并获取关键词对应的图片的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。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装置执行时，使得该装置：获取文本，确定文本的关键词，并获取关键词对应的图片，其中，文本的各个语句分别存在关键词；按照各个语句在文本中的先后顺序，对于各个语句中的语句，获取并播放该语句对应的音频，以及渲染所获取的图片中、该语句的关键词对应的图片；响应于确定各个语句的关键词对应的图片渲染完毕，或接收到显示停止指令，结束视频显示流程。

以上描述仅为本申请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，本申请中所涉及的发明范围，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发明构思的情况下，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。例如上述特征与本申请中公开的(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。

Claims (11)

1.一种视频的显示方法，所述方法包括：

获取文本，确定所述文本的关键词，并获取所述关键词对应的图片，其中，所述文本的各个语句分别存在关键词；

按照所述各个语句在所述文本中的先后顺序，对于所述各个语句中的语句，获取并播放该语句对应的音频，以及渲染所获取的图片中、该语句的关键词对应的图片；

响应于确定所述各个语句的关键词对应的图片渲染完毕，或接收到显示停止指令，结束视频显示流程。

2.根据权利要求1所述的方法，其中，所述按照所述各个语句在所述文本中的先后顺序，对于所述各个语句中的语句，获取并播放该语句对应的音频，以及渲染所获取的图片中、该语句的关键词对应的图片，包括：

执行音频获取步骤：按照所述先后顺序，从所述各个语句中确定未获取的至少一个语句，获取所述至少一个语句所对应的音频；

从所获取的图片中，提取所述至少一个语句的关键词所对应的图片，渲染该图片，以及播放所获取的音频。

3.根据权利要求2所述的方法，其中，所述按照所述各个语句在所述文本中的先后顺序，对于所述各个语句中的语句，获取并播放该语句对应的音频，以及渲染所获取的图片中、该语句的关键词对应的图片，还包括：

再次执行音频获取步骤，得到本次执行音频获取步骤所生成的音频；

对于该音频所对应的语句，从所获取的图片中，提取该语句的关键词所对应的图片，渲染该图片，以及播放该音频。

4.根据权利要求3所述的方法，其中，所述再次执行音频获取步骤，包括：

响应于确定所述音频播放完毕且存在未获取过的语句，再次执行所述音频获取步骤。

5.根据权利要求1所述的方法，其中，所述渲染所获取的图片中、该语句的关键词对应的图片，包括：

对所获取的图片中，该语句的关键词对应的图片进行渲染，并将该语句作为字幕，渲染到该图片的上层。

6.根据权利要求1所述的方法，其中，所述文本中每个语句的关键词的数量为至少一个；

所述获取所述关键词对应的图片，包括：

向服务器发送包括所述关键词的图片请求，其中，所述服务器在图片集合中查找标签与所述关键词的匹配度最高的单个图片或图片子集，并返回；

接收所述服务器返回的单个图片或图片子集，作为所述关键词对应的图片。

7.根据权利要求6所述的方法，其中，所述图片集合的生成步骤，包括：

收集多个图片，其中，所述多个图片包括以下的至少两个类别的图片：场景类别、物种类别、动作类别；

对所述多个图片添加标签，由添加标签后的图片生成所述图片集合。

8.根据权利要求1所述的方法，其中，所述方法应用于终端，所述终端安装有视频应用；所述获取文本，包括：

响应于所述视频应用启动，在所述视频应用获取输入的URL地址；

确定所述URL地址指示的页面，从所述页面解析出文本。

9.根据权利要求1所述的方法，其中，所述获取并播放该语句对应的音频，包括：

将该语句输入训练后的音频合成模型，得到从所述音频合成模型输出的音频，将该音频作为该语句对应的音频。

10.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。

11.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。

Images