技术特征：
1.一种视频播放方法，所述视频播放方法包括：获取视频的多个图像帧；从所述多个图像帧识别感兴趣对象；确定与感兴趣对象对应的语音；在向用户播放视频的同时，播放与感兴趣对象对应的语音。2.如权利要求1所述的视频播放方法，其中，从所述多个图像帧识别感兴趣对象的步骤包括：将所述多个图像帧输入到图像识别模型，其中，图像识别模型被预先训练为响应于输入的多个训练图像帧而输出指示与输入的多个训练图像帧中的感兴趣对象对应的文本；基于图像识别模型，输出与感兴趣对象对应的文本。3.如权利要求2所述的视频播放方法，其中，确定与感兴趣对象对应的语音的步骤包括：通过人工语音合成来合成与输出的文本对应的语音，以获得与感兴趣对象对应的语音。4.如权利要求1所述的视频播放方法，其中，向用户播放视频的步骤包括：根据用户数据模型确定视频的初始播放速率，其中，用户数据模型是根据用户学习的速度、内容、年龄、性别中的至少一个而建立的模型；根据视频的初始播放速率向用户播放视频。5.如权利要求1所述的视频播放方法，其中，所述视频播放方法还包括：实时拍摄包括用户的动作的用户视频；从用户视频识别用户的动作，其中，向用户播放视频的步骤包括：确定识别的用户的动作与播放中的视频中的动作之间的相似度；基于相似度控制视频的播放速率。6.如权利要求5所述的视频播放方法，其中，基于相似度控制视频的播放速率的步骤包括：基于相似度确定用户的级别，其中，相似度越高，用户的级别越高；基于用户的级别控制视频的播放速率，其中，不同的级别对应于不同的播放速率。7.如权利要求1所述的视频播放方法，其中，从所述多个图像帧识别感兴趣对象的步骤包括：响应于感兴趣对象对应于多个候选对象，请求用户对所述多个候选对象进行选择；响应于用户选择所述多个候选对象中的一个候选对象，将所述一个候选对象的动作识别为感兴趣对象。8.如权利要求1所述的视频播放方法，其中，感兴趣对象包括人的动作和指示标志中的至少一个。9.一种视频播放装置，所述视频播放装置包括：图像帧获取单元，被配置为获取视频的多个图像帧；感兴趣对象识别单元，被配置为从所述多个图像帧识别感兴趣对象；语音确定单元，被配置为确定与感兴趣对象对应的语音；
播放单元，被配置为在向用户播放视频的同时，播放与感兴趣对象对应的语音。10.一种存储有计算机程序的计算机可读存储介质，其中，当所述计算机程序被处理器执行时，实现如权利要求1至8中任一项所述的视频播放方法。11.一种计算装置，包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1至8中任一项所述的视频播放方法。