视频生成方法和装置与流程

本公开涉及视频处理技术，尤其是一种视频生成方法、装置、电子设备、存储介质和计算机程序。

背景技术：

随着互联网的迅速发展，通过视频来获取信息，成为互联网用户日益重要的信息获取方式。例如，在对公司进行介绍时，可以通过视频的形式，结合丰富的画面和声音，将各个公司基本信息、经营状况、发展及风险等各方面的信息呈现出来。相比传统文字模式，可以提升接受信息的效率、增强对用户的吸引力。

现有技术中，可以采用代码批量生成视频。然而，采用代码批量生成的方式所生成的视频在播放过程中，往往存在画面与音频不同步的问题。

技术实现要素：

本公开实施例提供一种视频生成方法、装置、电子设备、存储介质和计算机程序，可以确保所生成的视频的镜头最后一个动画与该镜头相匹配的字幕音频同步完成播放，提高了视频播放过程中画面与音频的同步性。

根据本公开实施例的一个方面，提供的一种视频生成方法，包括：获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长，其中，在所述镜头序列中的镜头的播放过程中，该镜头中呈现有与该镜头相匹配的字幕音频指示的字幕文本，所述镜头序列中的每个镜头包括动画序列，每个动画序列包括至少一个动画；

针对所述镜头序列中的每个镜头，确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放所述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻；

基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。

可选地，在本公开任一实施例的方法中，所述基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频，包括：

针对所述镜头序列中的每个镜头，将与该镜头相匹配的字幕音频的起始时刻，确定为该镜头包括的第一个动画的动画起始时刻；

基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频、所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻和第一个动画的动画起始时刻，生成视频。

可选地，在本公开任一实施例的方法中，所述基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频、所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻和第一个动画的动画起始时刻，生成视频，包括：

基于该镜头包括的动画序列中的动画的数量，确定该镜头包括的动画序列中相邻动画之间的间隔时长；

基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频、所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻、第一个动画的动画起始时刻和各个镜头包括的动画序列中相邻动画之间的间隔时长，生成视频。

可选的，所述基于该镜头包括的动画序列中的动画的数量，确定该镜头包括的动画序列中相邻动画之间的间隔时长，包括：

基于该镜头包括的动画序列中的动画的数量、该镜头包括的动画序列中的动画的动画总时长，以及与该镜头相匹配的字幕音频的音频时长，确定该镜头包括的动画序列中相邻动画之间的间隔时长。

可选的，所述基于该镜头包括的动画序列中的动画的数量，确定该镜头包括的动画序列中相邻动画之间的间隔时长，包括：

在与该镜头相匹配的字幕音频中，分别识别与该镜头包括的动画序列中的动画的数量相等的语音中止点和语音起始点；

基于所确定的语音起始点和语音终止点，确定该镜头包括的动画序列中相邻动画之间的间隔时长。

可选地，在本公开任一实施例的方法中，所述基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频，包括：

针对所述镜头序列中的每个镜头，基于与该镜头的在前镜头相匹配的字幕音频的音频总时长，确定该镜头的镜头起始时刻；

基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频、所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及所述待对齐的镜头序列中的各个镜头的镜头起始时刻，生成视频。

可选地，在本公开任一实施例的方法中，所述基于与该镜头的在前镜头相匹配的字幕音频的音频总时长，确定该镜头的镜头起始时刻，包括：

将与该镜头的在前镜头相匹配的字幕音频的音频总时长的结束时刻，确定为该镜头的镜头起始时刻。

可选地，在本公开任一实施例的方法中，所述基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频，包括：

针对所述镜头序列中的每个镜头，基于该镜头的在前镜头的镜头总时长，确定与该镜头相匹配的字幕音频的音频起始时刻；

基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频、所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频的音频起始时刻，生成视频。

可选地，在本公开任一实施例的方法中，所述基于该镜头的在前镜头的镜头总时长，确定与该镜头相匹配的字幕音频的音频起始时刻，包括：

将该镜头的在前镜头的镜头总时长的结束时刻，确定为与该镜头相匹配的字幕音频的音频起始时刻。

可选地，在本公开任一实施例的方法中，所述基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频，包括：

针对所述镜头序列中的每个镜头，将该镜头的播放方式设定为在该镜头中的最后一个动画完成播放且该镜头对应的字幕音频未完成播放的情况下，循环播放该镜头中的预设动画序列；

基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频、所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及所述待对齐的镜头序列中的各个镜头的播放方式，生成视频。

可选地，在本公开任一实施例的方法中，所述预设动画序列中的相邻动画无缝衔接播放。

可选地，在本公开任一实施例的方法中，所述基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频，包括：

获取待生成的动画中包含的元素数量；

从预先确定的模板集合中，确定与所述元素数量相匹配的模板，其中，所述模板集合中的各个模板用于确定待生成的动画中的各个元素的位置；

将待生成的动画中的各个元素分别导入所确定的模板，以生成所述动画序列中的一个动画；

基于所生成的各个动画、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。

可选地，在本公开任一实施例的方法中，所述方法还包括：

响应于所述模板集合中不存在与所述元素数量相匹配的模板，在播放包括所述元素数量个元素的动画的过程中，按照预设顺序，在预设位置依次呈现各个元素。

可选地，在本公开任一实施例的方法中，所述方法还包括：

基于与镜头相对应的字幕音频的音频时长，确定该镜头的镜头时长。

可选的，在本公开任一实施例的方法中，所述待对齐的镜头序列中的每个镜头用于通过文字和/或图像呈现公司基本信息、经营状况、发展情况、风险状况中的一项或多项，与镜头相匹配的字幕音频为该镜头中的文字的音频。

根据本公开实施例的第二个方面，提供的一种视频生成装置，包括：第一获取单元，被配置成获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长，其中，在所述镜头序列中的镜头的播放过程中，该镜头中呈现有与该镜头相匹配的字幕音频指示的字幕文本，所述镜头序列中的每个镜头包括动画序列，每个动画序列包括至少一个动画；

第一确定单元，被配置成针对所述镜头序列中的每个镜头，确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放所述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻；

生成单元，被配置成基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。

可选地，在本公开任一实施例的装置中，所述生成单元包括：

第一确定子单元，被配置成针对所述镜头序列中的每个镜头，将与该镜头相匹配的字幕音频的起始时刻，确定为该镜头包括的第一个动画的动画起始时刻；

第一生成子单元，被配置成基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频、所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻和第一个动画的动画起始时刻，生成视频。

可选地，在本公开任一实施例的装置中，所述第一生成子单元包括：

第一确定模块，被配置成基于该镜头包括的动画序列中的动画的数量，确定该镜头包括的动画序列中相邻动画之间的间隔时长；

生成模块，被配置成基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频、所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻、第一个动画的动画起始时刻和各个镜头包括的动画序列中相邻动画之间的间隔时长，生成视频。

可选地，在本公开任一实施例的装置中，所述生成单元包括：

第二确定子单元，被配置成针对所述镜头序列中的每个镜头，基于与该镜头的在前镜头相匹配的字幕音频的音频总时长，确定该镜头的镜头起始时刻；

第二生成子单元，被配置成基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频、所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及所述待对齐的镜头序列中的各个镜头的镜头起始时刻，生成视频。

可选地，在本公开任一实施例的装置中，所述第二确定子单元包括：

第二确定模块，被配置成将与该镜头的在前镜头相匹配的字幕音频的音频总时长的结束时刻，确定为该镜头的镜头起始时刻。

可选地，在本公开任一实施例的装置中，所述生成单元包括：

第三确定子单元，被配置成针对所述镜头序列中的每个镜头，基于该镜头的在前镜头的镜头总时长，确定与该镜头相匹配的字幕音频的音频起始时刻；

第三生成子单元，被配置成基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频、所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频的音频起始时刻，生成视频。

可选地，在本公开任一实施例的装置中，所述第三确定子单元包括：

第三确定模块，被配置成将该镜头的在前镜头的镜头总时长的结束时刻，确定为与该镜头相匹配的字幕音频的音频起始时刻。

可选地，在本公开任一实施例的装置中，所述生成单元包括：

播放子单元，被配置成针对所述镜头序列中的每个镜头，将该镜头的播放方式设定为在该镜头中的最后一个动画完成播放且该镜头对应的字幕音频未完成播放的情况下，循环播放该镜头中的预设动画序列；

第四生成子单元，被配置成基于所述待对齐的镜头序列、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频、所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及所述待对齐的镜头序列中的各个镜头的播放方式，生成视频。

可选地，在本公开任一实施例的装置中，所述预设动画序列中的相邻动画无缝衔接播放。

可选地，在本公开任一实施例的装置中，所述生成单元包括：

第四获取子单元，被配置成获取待生成的动画中包含的元素数量；

第四确定子单元，被配置成从预先确定的模板集合中，确定与所述元素数量相匹配的模板，其中，所述模板集合中的各个模板用于确定待生成的动画中的各个元素的位置；

第五生成子单元，被配置成将待生成的动画中的各个元素分别导入所确定的模板，以生成动画；

第六生成子单元，被配置成基于所生成的各个动画、与所述待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及所述待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。

可选地，在本公开任一实施例的装置中，所述装置还包括：

呈现单元，被配置成响应于所述模板集合中不存在与所述元素数量相匹配的模板，在播放包括所述元素数量个元素的动画的过程中，按照预设顺序，在预设位置依次呈现各个元素。

可选地，在本公开任一实施例的装置中，所述装置还包括：

第七确定单元，被配置成基于与镜头相对应的字幕音频的音频时长，确定该镜头的镜头时长。

可选的，在本公开任一实施例的装置中，所述待对齐的镜头序列中的每个镜头用于通过文字和/或图像呈现公司基本信息、经营状况、发展情况、风险状况中的一项或多项，与镜头相匹配的字幕音频为该镜头中的文字的音频。

根据本公开实施例的第三个方面，提供的一种电子设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现本公开上述任一实施例所述的方法。

根据本公开实施例的第四个方面，提供的一种计算机可读介质，该计算机程序被处理器执行时，实现如上述第一方面的视频生成方法中任一实施例的方法。

基于本公开上述实施例提供的视频生成方法、装置、电子设备、存储介质和计算机程序，可以获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长，其中，在镜头序列中的镜头的播放过程中，该镜头中呈现有与该镜头相匹配的字幕音频指示的字幕文本，镜头序列中的每个镜头包括动画序列，每个动画序列包括至少一个动画，之后，针对镜头序列中的每个镜头，确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻，最后，基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。这样可以通过确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为镜头最后一个动画的动画起始时刻，从而可以确保所生成的视频的镜头最后一个动画与该镜头相匹配的字幕音频同步完成播放，提高了视频播放过程中画面与音频的同步性。改善了视频由于拉伸、压缩所产生的过快、过慢以及卡顿的问题。

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同描述一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，

其中：

图1为本公开视频生成方法的第一个实施例的流程图。

图2为本公开视频生成方法的第二个实施例的流程图。

图3为本公开视频生成方法的第三个实施例的流程图。

图4为本公开视频生成方法的第四个实施例的流程图。

图5为本公开视频生成装置的一个实施例的结构示意图。

图6为本公开一示例性实施例提供的电子设备的结构图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。

还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。

还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。

另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。

还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本公开实施例可以应用于终端设备、计算机系统和服务器中的至少一种电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统和服务器中的至少一种电子设备一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端设备、计算机系统和服务器中的至少一种电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

请参考图1，示出了根据本公开的视频生成方法的第一个实施例的流程100。该视频生成方法，包括：

101，获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长。

在本实施例中，视频生成方法的执行主体(例如服务器、终端设备等)可以通过有线连接方式或者无线连接方式从其他电子设备或者本地，获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长。其中，在镜头序列中的镜头的播放过程中，该镜头中呈现有与该镜头相匹配的字幕音频指示的字幕文本，镜头序列中的每个镜头包括动画序列，每个动画序列包括至少一个动画。

其中，镜头序列中的每个镜头可以用于呈现公司一个方面的信息。例如，公司基本信息、经营状况、发展及风险可以分别用不同的镜头进行呈现。音频时长可以为字幕音频的播放时长。通常，上述执行主体可以基于字幕文本自动生成该字幕文本对应的字幕音频。在生成字幕音频之后，即可确定该字幕音频的音频时长。

在实施例的一些可选的实现方式中，待对齐的镜头序列中的每个镜头用于通过文字和/或图像呈现公司基本信息、经营状况、发展情况、风险状况中的一项或多项，与镜头相匹配的字幕音频为该镜头中的文字(例如字幕文本)的音频。

这里，所获取的镜头序列可以为采用代码批量生成的视频中的一部分。在采用代码批量生成视频的过程中，通常需要基于镜头和音频来生成视频。镜头中可以包括各种动画，例如，飞入、飞出、旋转等等。在镜头播放的过程中，镜头中可以依次呈现多个画面，每个画面可以包括多个元素。画面之间可以通过动画进行切换。上述元素可以是文字也可以是图像，例如，元素可以是上述字幕文本、公司的名称、标志等。各个元素也可以通过动画进行显示或隐藏。

此外，在获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长之后，上述执行主体可以将所获取的各个音频时长存储至本地。

102，针对镜头序列中的每个镜头，确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻。

在本实施例中，针对镜头序列中的每个镜头，上述执行主体可以首先确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，该差值可以指示一个时长。之后，上述执行主体可以将与该镜头相匹配的字幕音频播放了上述时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻。例如，如果上述差值为5秒，那么，上述执行主体可以将与该镜头相匹配的字幕音频播放了5秒的时刻，确定为该镜头包括的最后一个动画的动画起始时刻。这样，在该示例中，可以在该时刻(即与该镜头相匹配的字幕音频播放了5秒的时刻)开始播放该镜头包括的最后一个动画，并同时继续播放与该镜头相匹配的字幕音频未播放的部分，进而使得与该镜头相匹配的字幕音频与该镜头包括的最后一个动画同步完成播放。

其中，上述动画起始时刻可以用于指示动画开始播放的时刻。音频时长可以为字幕音频的播放时长。通常，上述执行主体可以基于字幕文本自动生成该字幕文本对应的字幕音频。在生成字幕音频之后，即可确定该字幕音频的音频时长。

但需要说明的是，在确定该镜头包括的最后一个动画的动画起始时刻的过程中可以未对与该镜头相匹配的字幕音频进行播放。

这里，上述执行主体可以在确定播放视频之后，执行上述101和102，也可以在确定播放视频之前生成该视频的过程中，执行上述101和102，本公开的实施例对此不做限定。

此外，在生成视频或者播放视频的过程中，上述执行主体可以针对每个镜头制作动画，逐帧将该帧对应大小位置的元素(例如图片及文字)拼贴至底图。此时需按帧数生成图片及文字的开始动画及结束动画。但不同公司同一镜头中内容不同、时长不一，导致结束动画无法统一时间点。

103，基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。

在本实施例中，上述执行主体可以基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。其中，在所生成的视频的播放过程中，所生成的视频的镜头最后一个动画与该镜头相匹配的字幕音频可以同步完成播放。

本公开的上述实施例提供的视频生成方法，可以获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长，其中，在镜头序列中的镜头的播放过程中，该镜头中呈现有与该镜头相匹配的字幕音频指示的字幕文本，镜头序列中的每个镜头包括动画序列，之后，针对镜头序列中的每个镜头，确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻。这样，通过确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，并将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为镜头最后一个动画的动画起始时刻，从而可以确保所生成的视频的镜头最后一个动画与该镜头相匹配的字幕音频同步完成播放，提高了视频播放过程中画面与音频的同步性。改善了视频由于拉伸、压缩所产生的过快、过慢以及卡顿的问题。

在本实施例的一些可选的实现方式中，上述103可以包括：

第一步，针对镜头序列中的每个镜头，上述执行主体还可以将与该镜头相匹配的字幕音频的起始时刻，确定为该镜头包括的第一个动画的动画起始时刻。

这里，开始动画可从与该镜头相匹配的字幕音频的起始时刻开始播放，至元素入场完毕结束播放。其中，上述入场完毕的时间可以预先设定。

第二步，基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频、待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻和第一个动画的动画起始时刻，生成视频。

在这里，当播放所生成的视频时，可以在最后一个动画的动画起始时刻，播放最后一个动画，在第一个动画的动画起始时刻，播放第一个动画。

可以理解，上述可选的实现方式通过将与该镜头相匹配的字幕音频的起始时刻，确定为该镜头包括的第一个动画的动画起始时刻，这样可以确保一旦开始播放字幕音频，即通过动画向用户呈现视频，由此提高了视频中元素(例如公司名称、公司标志等素材)呈现的及时性，此外，多数情况下，字幕音频中的字幕文本或者与字幕音频相应的图像可以作为视频中的元素，通过动画向用户呈现，因而，上述可选的实现方式可以提高所播放的字幕音频与向用户所呈现的元素间的同步性。

在本实施例的一些可选的实现方式中，上述第二步可以包括：

首先，基于该镜头包括的动画序列中的动画的数量，确定该镜头包括的动画序列中相邻动画之间的间隔时长。

作为示例，上述执行主体可以基于该镜头包括的动画序列中的动画的数量、该镜头包括的动画序列中的动画的动画总时长，以及与该镜头相匹配的字幕音频的音频时长，确定该镜头包括的动画序列中相邻动画之间的间隔时长。

具体地，上述执行主体可以计算该镜头包括的动画序列中的动画的动画总时长，以及与该镜头相匹配的字幕音频的音频时长。若该音频时长与该动画总时长的差值大于或等于预设第一时长阈值(例如0，或者1秒等等)，则计算与动画的数量减一的结果，之后，将上述差值与该结果之间的商值作为动画序列中相邻动画之间的间隔时长。

作为又一示例，上述执行主体也可以首先在与该镜头相匹配的字幕音频中，分别识别与该镜头包括的动画序列中的动画的数量相等的语音中止点和语音起始点。然后，基于所确定的语音起始点和语音终止点，确定该镜头包括的动画序列中相邻动画之间的间隔时长。

具体地，上述执行主体还可以在字幕音频中识别与上述数量相等的语音中止点和语音起始点。其中，语音中止点表征字幕音频中语音停顿的位置，语音起始点表征字幕音频中语音开始的位置。应该理解，字幕语音中可以存在语音中止点和语音起始点。例如，公司基本信息可以包括公司名称、职工数量等信息，在生成公司基本信息的过程中，公司名称与职工数量分别对应的字幕音频之间可以存在语音中止点和语音起始点。其中，所识别的语音中止点的数量为上述该镜头包括的动画序列中的动画的数量，所识别的语音起始点的数量为上述该镜头包括的动画序列中的动画的数量。

然后，基于所确定的语音起始点和语音终止点，确定该镜头包括的动画序列中相邻动画之间的间隔时长。从而基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频、待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻、第一个动画的动画起始时刻和各个镜头包括的动画序列中相邻动画之间的间隔时长，生成视频。

在这里，当播放所生成的视频时，可以在最后一个动画的动画起始时刻，开始播放最后一个动画，在第一个动画的动画起始时刻，开始播放第一个动画，在各个镜头包括的动画序列中相邻动画之间的间隔时长播放其余动画。

可以理解，上述可选的实现方式，通过确定该镜头包括的动画序列中相邻动画之间的间隔时长，可以使得各个动画的呈现与字幕音频的播放更为同步。

在本实施例的一些可选的实现方式中，上述103还可以包括：

第一步骤，执行主体还可以针对镜头序列中的每个镜头，基于该镜头的在前镜头的镜头总时长，确定与该镜头相匹配的字幕音频的音频起始时刻。

在上述实现方式中的一些应用场景下，上述执行主体可以采用如下方式，确定与该镜头相匹配的字幕音频的音频起始时刻：将该镜头的在前镜头的镜头总时长的结束时刻，确定为与该镜头相匹配的字幕音频的音频起始时刻。

可选的，上述执行主体也可以采用如下方式，确定与该镜头相匹配的字幕音频的音频起始时刻：将该镜头的镜头时长与该镜头中第一个动画的动画时长之和指示的时长的结束时刻，确定为与该镜头相匹配的字幕音频的音频起始时刻。

第二步骤，基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频、待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及与待对齐的镜头序列中的各个镜头相匹配的字幕音频的音频起始时刻，生成视频。

在这里，当播放所生成的视频时，可以在最后一个动画的动画起始时刻，开始播放最后一个动画，在各个字幕音频的音频起始时刻，开始播放各个字幕音频。

可以理解，上述可选的实现方式通过确定与该镜头相匹配的字幕音频的音频起始时刻，进一步提高了镜头与字幕音频的同步性。

在本实施例的一些可选的实现方式中，上述执行主体还可以基于与镜头相对应的字幕音频的音频时长，确定该镜头的镜头时长。

作为示例，上述执行主体可以将与镜头相对应的字幕音频的音频时长，确定为该镜头的镜头时长。

作为又一示例，上述执行主体还可以将该镜头中的第一个动画的动画时长、与镜头相对应的字幕音频的音频时长之和，确定为该镜头的镜头时长。

可以理解，上述可选的实现方式可以基于音频时长，来确定镜头时长，从而有助于字幕音频的播放与镜头中的字幕文本的呈现更为同步。

进一步参考图2，图2是本公开的视频生成方法的第二个实施例的流程图。该视频生成方法的流程200，包括：

201，获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长。

在本实施例中，视频生成方法的执行主体(例如服务器、终端设备等)可以通过有线连接方式或者无线连接方式从其他电子设备或者本地，获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长。其中，在镜头序列中的镜头的播放过程中，该镜头中呈现有与该镜头相匹配的字幕音频指示的字幕文本，镜头序列中的每个镜头包括动画序列。

在本实施例中，201与图1对应实施例中的101基本一致，这里不再赘述。

202，针对镜头序列中的每个镜头，确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻。

在本实施例中，针对镜头序列中的每个镜头，上述执行主体可以确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻。

在本实施例中，202与图1对应实施例中的102基本一致，这里不再赘述。

203，针对镜头序列中的每个镜头，基于与该镜头的在前镜头相匹配的字幕音频的音频总时长，确定该镜头的镜头起始时刻。

在本实施例中，上述执行主体可以针对镜头序列中的每个镜头，基于与该镜头的在前镜头相匹配的字幕音频的音频总时长，确定该镜头的镜头起始时刻。

在本实施例的一些可选的实现方式中，上述执行主体可以采用如下方式确定该镜头的镜头起始时刻：将与该镜头的在前镜头相匹配的字幕音频的音频总时长的结束时刻，确定为该镜头的镜头起始时刻。

可以理解，上述可选的实现方式在该镜头的在前镜头相匹配的字幕音频完成播放时，即向用户呈现该镜头，这样既确保了镜头与字幕音频播放的同步性，又可以更及时地向用户呈现镜头中的画面。

可选的，上述执行主体可以采用如下方式确定该镜头的镜头起始时刻：检测与该镜头相匹配的字幕音频的语音起始点，将该语音起始点指示的时刻作为该镜头的镜头起始时刻。

可以理解，上述可选的实现方式更适于各字幕音频之间存在停顿的场景下，可以更为准确地确定出镜头起始时刻。

204，基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频、待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及待对齐的镜头序列中的各个镜头的镜头起始时刻，生成视频。

在本实施例中，上述执行主体可以基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频、待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及待对齐的镜头序列中的各个镜头的镜头起始时刻，生成视频。

在这里，当播放所生成的视频时，可以在最后一个动画的动画起始时刻，开始播放最后一个动画，在各个镜头的镜头起始时刻，开始播放各个镜头。

需要说明的是，除上面所记载的内容外，本申请实施例还可以包括与图1对应的实施例相同或类似的特征、效果，在此不再赘述。

从图2中可以看出，本实施例中的视频生成方法的流程200可以基于与该镜头的在前镜头相匹配的字幕音频的音频总时长，确定该镜头的镜头起始时刻，由此以字幕音频为基准，实现了镜头种画面的呈现与字幕音频播放的同步。

请继续参考图3，图3是本公开的视频生成方法的第三个实施例的流程图。该视频生成方法的流程300，包括：

301，获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长。

在本实施例中，视频生成方法的执行主体(例如服务器、终端设备等)可以通过有线连接方式或者无线连接方式从其他电子设备或者本地，获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长。其中，在镜头序列中的镜头的播放过程中，该镜头中呈现有与该镜头相匹配的字幕音频指示的字幕文本，镜头序列中的每个镜头包括动画序列。

在本实施例中，301与图1对应实施例中的101基本一致，这里不再赘述。

302，针对镜头序列中的每个镜头，确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻。

在本实施例中，针对镜头序列中的每个镜头，上述执行主体可以确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻。

在本实施例中，302与图1对应实施例中的102基本一致，这里不再赘述。

303，针对镜头序列中的每个镜头，在该镜头中的最后一个动画完成播放且该镜头对应的字幕音频未完成播放的情况下，循环播放该镜头中的预设动画序列。

在本实施例中，上述执行主体可以针对镜头序列中的每个镜头，在该镜头中的最后一个动画完成播放且该镜头对应的字幕音频未完成播放的情况下，循环播放该镜头中的预设动画序列。

在本实施例的一些可选的实现方式中，在预设动画序列循环播放的过程中，预设动画序列中的相邻动画无缝衔接播放。

其中，上述预设动画序列可以是预先从该镜头中选取的动画。作为示例，上述预设动画序列可以替换或删除该镜头中进入、离开的动画之后，所保留的其他动画，这样，可以使之无论从何处截断，都能够自然流畅的衔接相邻画面。

304，基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频、待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及待对齐的镜头序列中的各个镜头的播放方式，生成视频。

在本实施例中，上述执行主体可以基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频、待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及待对齐的镜头序列中的各个镜头的播放方式，生成视频。

在这里，当播放所生成的视频时，可以在最后一个动画的动画起始时刻，开始播放最后一个动画，按照各个镜头的播放方式播放各个镜头。

需要说明的是，除上面所记载的内容外，本申请实施例还可以包括与图1对应的实施例相同或类似的特征、效果，在此不再赘述。

从图3中可以看出，本实施例中的视频生成方法的流程300中，可以通过循环播放该镜头中的预设动画序列，延长时长不固定的镜头的播放时间，使之与该镜头相匹配的字幕音频的音频时长更为接近，从而使二者的播放更为同步。

请继续参考图4，图4是本公开的视频生成方法的第四个实施例的流程图。该视频生成方法的流程400，包括：

401，获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长。

在本实施例中，视频生成方法的执行主体(例如服务器、终端设备等)可以通过有线连接方式或者无线连接方式从其他电子设备或者本地，获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长。其中，在镜头序列中的镜头的播放过程中，该镜头中呈现有与该镜头相匹配的字幕音频指示的字幕文本，镜头序列中的每个镜头包括动画序列。

在本实施例中，401与图1对应实施例中的101基本一致，这里不再赘述。

402，针对镜头序列中的每个镜头，确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻。

在本实施例中，针对镜头序列中的每个镜头，上述执行主体可以确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻。

在本实施例中，402与图1对应实施例中的102基本一致，这里不再赘述。

403，获取待生成的动画中包含的元素数量。

在本实施例中，上述执行主体可以获取待生成的动画中包含的元素数量。其中，在镜头播放的过程中，镜头中可以依次呈现多个画面，每个画面可以包括多个元素。画面之间可以通过动画进行切换。上述元素可以是文字也可以是图像，例如，元素可以是上述字幕文本、公司的名称、标志等。各个元素也可以通过动画进行显示或隐藏。

404，从预先确定的模板集合中，确定与元素数量相匹配的模板。

在本实施例中，上述执行主体可以从预先确定的模板集合中，确定与元素数量相匹配的模板。

其中，模板集合中的各个模板用于确定待生成的动画中的各个元素的位置。每个元素数量可以与模板集合中的一个或多个模板预先建立匹配关系。例如，只有一个元素的时候，模板指示该元素居中；有两个元素的时候；模板指示该两元素对称摆放；有五个元素的时候，模板指示该元素在画面上部分显示2个元素下部分显示3个元素等等。

元素可以是任意预先确定的文字或图像。作为示例，在介绍公司的相关信息的应用场景下，公司中每个股东的信息可以作为一个元素。当公司只有一个股东时，如果模板指示该元素居中，那么最终可以生成股东信息居中的动画。

405，将待生成的动画中的各个元素分别导入所确定的模板，以生成动画序列中的一个动画。

在本实施例中，上述执行主体可以将待生成的动画中的各个元素分别导入所确定的模板，以便在相应位置显示各个元素，从而生成动画序列中的一个动画。

406，基于所生成的各个动画、与待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。

在本实施例中，上述执行主体可以基于所生成的各个动画、与待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。

在这里，当播放所生成的视频时，可以在最后一个动画的动画起始时刻，开始播放最后一个动画，在所确定的模板指示的位置呈现各个动画中的元素。

需要说明的是，除上面所记载的内容外，本申请实施例还可以包括与图1对应的实施例相同或类似的特征、效果，在此不再赘述。

从图4中可以看出，本实施例中的视频生成方法的流程400中，根据不同元素数量预先确定模板集合，从而使得自动生成的视频中包括个数不定元素的情况的镜头时，可以按照模板指示的位置向用户呈现各元素。

在本实施例的一些可选的实现方式中，在预先确定的模板集合中，不存在与元素数量相匹配的模板的情况下，上述执行主体还可以在播放包括元素数量个元素的动画的过程中，按照预设顺序，在预设位置依次呈现各个元素。

可以理解，上述可选的实现方式在预先确定的模板集合中不存在与元素数量相匹配的模板的情况下，可以按照设定的顺序，在镜头的预设位置依次呈现各个元素，这样上述可选的实现方式可以适用于任意元素数量的情况。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种视频生成装置的一个实施例，该装置实施例与图1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1所示的方法实施例相同或相应的特征，以及产生与图1所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的视频生成装置500包括：第一获取单元501和第一确定单元502。其中，第一获取单元501被配置成获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长，其中，在镜头序列中的镜头的播放过程中，该镜头中呈现有与该镜头相匹配的字幕音频指示的字幕文本，镜头序列中的每个镜头包括动画序列。第一确定单元502被配置成针对镜头序列中的每个镜头，确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻。生成单元503被配置成基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。

在本实施例中，视频生成装置500的第一获取单元501可以获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长，其中，在镜头序列中的镜头的播放过程中，该镜头中呈现有与该镜头相匹配的字幕音频指示的字幕文本，镜头序列中的每个镜头包括动画序列。

在本实施例中，第一确定单元502可以针对镜头序列中的每个镜头，确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻。

在本实施例中，生成单元503可以基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。

在本实施例的一些可选的实现方式中，上述生成单元503包括：

第一确定子单元(图中未示出)，被配置成针对镜头序列中的每个镜头，将与该镜头相匹配的字幕音频的起始时刻，确定为该镜头包括的第一个动画的动画起始时刻；

第一生成子单元(图中未示出)，被配置成基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频、待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻和第一个动画的动画起始时刻，生成视频。

在本实施例的一些可选的实现方式中，第一生成子单元包括：

第一确定模块(图中未示出)，被配置成基于该镜头包括的动画序列中的动画的数量，确定该镜头包括的动画序列中相邻动画之间的间隔时长；

生成模块(图中未示出)，被配置成基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频、待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻、第一个动画的动画起始时刻和各个镜头包括的动画序列中相邻动画之间的间隔时长，生成视频。

在本实施例的一些可选的实现方式中，生成单元503包括：

第二确定子单元(图中未示出)，被配置成针对镜头序列中的每个镜头，基于与该镜头的在前镜头相匹配的字幕音频的音频总时长，确定该镜头的镜头起始时刻；

第二生成子单元(图中未示出)，被配置成基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频、待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及待对齐的镜头序列中的各个镜头的镜头起始时刻，生成视频。

在本实施例的一些可选的实现方式中，第二确定子单元包括：

第二确定模块(图中未示出)，被配置成将与该镜头的在前镜头相匹配的字幕音频的音频总时长的结束时刻，确定为该镜头的镜头起始时刻。

在本实施例的一些可选的实现方式中，生成单元包括：

第三确定子单元(图中未示出)，被配置成针对镜头序列中的每个镜头，基于该镜头的在前镜头的镜头总时长，确定与该镜头相匹配的字幕音频的音频起始时刻；

第三生成子单元(图中未示出)，被配置成基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频、待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及与待对齐的镜头序列中的各个镜头相匹配的字幕音频的音频起始时刻，生成视频。

在本实施例的一些可选的实现方式中，第三确定子单元包括：

第三确定模块(图中未示出)，被配置成将该镜头的在前镜头的镜头总时长的结束时刻，确定为与该镜头相匹配的字幕音频的音频起始时刻。

在本实施例的一些可选的实现方式中，生成单元503包括：

播放子单元(图中未示出)，被配置成针对镜头序列中的每个镜头，将该镜头的播放方式设定为在该镜头中的最后一个动画完成播放且该镜头对应的字幕音频未完成播放的情况下，循环播放该镜头中的预设动画序列；

第四生成子单元(图中未示出)，被配置成基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频、待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，以及待对齐的镜头序列中的各个镜头的播放方式，生成视频。

在本实施例的一些可选的实现方式中，预设动画序列中的相邻动画无缝衔接播放。

在本实施例的一些可选的实现方式中，生成单元503包括：

第四获取子单元(图中未示出)，被配置成获取待生成的动画中包含的元素数量；

第四确定子单元(图中未示出)，被配置成从预先确定的模板集合中，确定与元素数量相匹配的模板，其中，模板集合中的各个模板用于确定待生成的动画中的各个元素的位置；

第五生成子单元(图中未示出)，被配置成将待生成的动画中的各个元素分别导入所确定的模板，以生成动画；

第六生成子单元(图中未示出)，被配置成基于所生成的各个动画、与待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。

在本实施例的一些可选的实现方式中，上述装置500还包括：

第七确定单元(图中未示出)，被配置成基于与镜头相对应的字幕音频的音频时长，确定该镜头的镜头时长。

在实施例的一些可选的实现方式中，待对齐的镜头序列中的每个镜头用于通过文字和/或图像呈现公司基本信息、经营状况、发展情况、风险状况中的一项或多项，与镜头相匹配的字幕音频为该镜头中的文字的音频。

本公开的上述实施例提供的视频生成装置中，第一获取单元501可以获取与待对齐的镜头序列中的各个镜头分别相匹配的字幕音频的音频时长，其中，在镜头序列中的镜头的播放过程中，该镜头中呈现有与该镜头相匹配的字幕音频指示的字幕文本，镜头序列中的每个镜头包括动画序列，之后，第一确定单元502可以针对镜头序列中的每个镜头，确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为该镜头包括的最后一个动画的动画起始时刻，最后，生成单元503可以基于待对齐的镜头序列、与待对齐的镜头序列中的各个镜头相匹配的字幕音频，以及待对齐的镜头序列中的各个镜头包括的最后一个动画的动画起始时刻，生成视频。这样，通过确定与该镜头相匹配的字幕音频的音频时长与该镜头包括的最后一个动画的动画时长的差值，并将与该镜头相匹配的字幕音频播放上述差值指示的时长的时刻，确定为镜头最后一个动画的动画起始时刻，从而可以确保所生成的视频的镜头最后一个动画与该镜头相匹配的字幕音频同步完成播放，提高了视频播放过程中画面与音频的同步性。改善了视频由于拉伸、压缩所产生的过快、过慢以及卡顿的问题。

下面，参考图6来描述根据本公开实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。

图6图示了根据本公开实施例的电子设备的框图。

如图6所示，电子设备6包括一个或多个处理器601和存储器602。

处理器601可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。

存储器602可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器601可以运行所述程序指令，以实现上文所述的本公开的各个实施例的视频生成方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

在一个示例中，电子设备还可以包括：输入装置603和输出装置604，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

例如，在该电子设备是第一设备或第二设备时，该输入装置603可以是上述的麦克风或麦克风阵列，用于捕捉声源的输入信号。在该电子设备是单机设备时，该输入装置603可以是通信网络连接器，用于从第一设备和第二设备接收所采集的输入信号。

此外，该输入装置603还可以包括例如键盘、鼠标等等。该输出装置604可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置604可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图6中仅示出了该电子设备中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。

除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的视频生成方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、c++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的视频生成方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。

以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。