视频播放方法、视频客户端、视频播放系统及存储介质与流程

本技术涉及终端，尤其涉及到一种视频播放方法、视频客户端、视频播放系统及存储介质。

背景技术：

1、随着网络的发展以及智能终端设备的普及，网络上的各种视频数量呈爆炸式增长。为了迎合用户的观影习惯，一些视频播放软件会主动分析用户的历史观看记录，然后向用户推荐同类型或者情节相似的视频。

2、然而，用户的兴趣点往往是稍纵即逝的，分析历史观看记录后再推荐相关视频，无法及时抓住用户在视频观看过程中的联想心理。例如，用户正在观看03版《天龙八部》，当看到“乔峰三兄弟大战少林寺”这个片段时，突然联想到97版《天龙八部》中具有相同情节的片段。在用户看完当前视频之后，视频播放软件才会分析此次观看记录，后续向用户推荐97版《天龙八部》时，用户可能已经失去了兴趣。如何抓住用户在视频观看过程中的联想心理并及时推荐相关内容，成为亟待解决的问题。

技术实现思路

1、本技术实施例提供了一种视频播放方法、终端设备、装置、系统及存储介质，能够在当前播放的视频中的某个视频片段处，向用户推荐具有相同情节的其他视频片段，主动迎合用户对同情节片段的联想心理，并且能够快速实现相关版本视频中具有相同情节的视频片段的同屏多画面播放，提升用户体验。

2、第一方面，本技术提供了一种视频播放方法，应用于包含显示屏的终端设备，该方法包括：检测第一视频的播放位置，在播放到第一视频中的第一视频片段的起始位置时，提示用户是否同时观看与第一视频片段具有相同情节的其他视频片段；响应于用户的确认操作，向视频云平台发送第一视频片段的同情节片段请求；接收来自视频云平台的其他视频片段对应的视频，以及其他视频片段的起始位置和结束位置；将部分或全部其他视频片段和第一视频片段在同一界面上进行播放。

3、需要说明的是，第一视频有至少一个相关版本视频，在第一视频的相关版本视频中，包含与第一视频片段具有相同情节的其他视频片段，也就是说，第一视频的相关版本视频即为其他视频片段对应的视频。当然，在第一视频中除了有第一视频片段，还可能有第二视频片段，在相关版本视频中也有与第二视频片段同情节的其他视频片段。起始位置和结束位置可以一同概括为视频片段在对应视频中的起止时间。

4、还需要说明的是，两个视频片段之间具有相同情节，可以指这两个视频片段的情节完全相同，也可以指这两个视频片段的(视频)情节相似(大致相同)。例如，由于03年电视剧版《天龙八部》和97年电视剧版《天龙八部》对于原版小说《天龙八部》(即原故事)的改编程度可能不同，不同电视剧版可能会适当增加/删除一些故事情节，导致上述两个电视剧版本中对应原小说情节“乔峰大战少林寺”的视频片段之间的情节不完全一致，但可以确定这两个视频片段对应的是原小说中的同一段故事情节，此时可认为这两个视频片段具有相同情节。再如，不同电视剧版本视频中具有相同情节的视频片段可以通过人工方式或者通过人工智能方式进行标注，假设在03年电视剧版《天龙八部》中标注出来的对应原小说中“少林寺扫地僧打斗”这个故事情节的视频片段，只包含打斗情节，而在97年电视剧版《天龙八部》中标注出来的对应原小说中“少林寺扫地僧打斗”这个故事情节的视频片段，不仅包含打斗情节，还包括打斗情节之前的一小段人物对话，但仍然可以认为上述两个视频片段具有相同情节。

5、可以看到，通过检测第一视频的播放位置，在播放到第一视频中的第一视频片段时，提示用户是否同时观看与第一视频片段具有相同情节的其他视频片段，迎合了用户在第一视频片段处的联想心理，然后向视频云平台发送请求，将获得的其他视频片段和第一视频片段在同一界面播放，提供直观的同情节片段对比，提升了用户体验。

6、基于第一方面，在可能的实施例中，在将部分或全部其他视频片段和第一视频片段在同一界面上进行播放之后，该方法还包括：在播放完第一视频片段和/或其他视频片段时，提示用户是否继续观看第一视频和/或其他视频片段对应的视频；在用户选择继续观看第一视频和其他视频片段对应的视频的情况下，继续播放第一视频和其他视频片段对应的视频；在用户选择观看第一视频的情况下，关闭其他视频片段对应的视频；在用户选择观看其他视频片段对应的视频的情况下，关闭第一视频。

7、可以看到，在第一视频片段和/或其他视频片段播放完毕之后，提示用户是否继续观看第一视频和/或其他视频片段对应的视频，然后根据用户的选择继续播放相应的视频，能够提升用户体验。

8、基于第一方面，在可能的实施例中，在检测第一视频的播放位置之前，该方法还包括：发送第一视频的观看请求至视频云平台；接收来自视频云平台的第一视频以及第一视频片段的起始位置和结束位置；播放第一视频。

9、可以看到，在检测第一视频的播放位置之前，终端设备向视频云平台请求第一视频，然后接收来自视频云平台的第一视频以及第一视频片段的起始位置和结束位置，以便在第一视频的播放过程中检测其播放位置，进而实现在第一视频片段处提示用户是否获取与第一视频片段具有相同情节的其他视频片段，主动迎合了用户对相同情节片段的联想心理，提升了用户体验。

10、第二方面，本技术实施例提供了又一种视频播放方法，用于视频云平台，该方法包括：接收来自终端设备的第一视频片段的同情节片段请求，其中，第一视频片段位于第一视频中；将与第一视频片段具有相同情节的其他视频片段对应的视频、以及其他视频片段的起始位置和结束位置，发送至终端设备，以使终端设备将部分或全部其他视频片段和第一视频片段在同一界面上进行播放。

11、可以看到，通过接收来自终端设备的请求，然后将与第一视频片段具有相同情节的其他视频片段对应的视频、以及其他视频片段的起始位置和结束位置发送至终端设备，能够使终端设备实现多个具有相同情节的视频片段的同屏多画面播放，迎合了用户在当前视频观看过程中对相同情节片段的联想心理，提供直观的视频片段对比，提升了用户体验感。

12、基于第二方面，在可能的实施例中，在接收来自终端设备的第一视频片段的同情节片段请求之前，该方法还包括：接收来自终端设备的第一视频的观看请求；发送第一视频以及第一视频片段的起始位置和结束位置至终端设备。

13、可以看到，视频云平台在接收来自终端设备的第一视频的观看请求后，将第一视频以及第一视频片段的起始位置和结束位置至终端设备，使得终端设备能够检测第一视频的播放位置，进而在播放到第一视频中的第一视频片段时，提示用户是否同时观看与第一视频片段具有相同情节的其他视频片段，迎合了用户的联想心理，提升了用户体验。

14、基于第二方面，在可能的实施例中，在接收来自终端设备的第一视频片段的同情节片段请求之前，该方法还包括：从多个视频中获取多个具有相同情节的视频片段，分别记录多个具有相同情节的视频片段中的每个视频片段的起始位置和结束位置，其中，第一视频是多个视频中的任意一个视频，多个具有相同情节的视频片段包括第一视频片段和其他视频片段。

15、可以看到，从多个视频中获取多个具有相同情节的视频片段，分别记录多个具有相同情节的视频片段中的每个视频片段的起始位置和结束位置，能够预先将多个具有相同情节的视频片段关联起来，然后视频云平台就可以在接收到用户的请求之后，把具有相同情节的其他视频片段发送至终端设备，以使终端设备快速实现多个具有相同情节的视频片段的同屏多画面播放，迎合了用户对相同情节片段的联想心理，提升了用户的体验感。

16、基于第二方面，在可能的实施例中，上述从多个视频中获取多个具有相同情节的视频片段，包括：从多个视频中获取多个目标类型片段；从多个目标类型片段中获取多个具有相同情节的视频片段。需要说明的是，目标类型片段是符合一定条件的视频片段，可以根据实际需求设置该条件，本技术实施例对此不做具体限定。先从多个视频中获取多个目标类型片段，再从多个目标类型片段中获取多个具有相同情节的视频片段，可以减少对情节进行判断的视频片段个数。

17、基于第二方面，在可能的实施例中，从多个视频中获取多个目标类型片段，包括：对多个视频中的每个视频分别进行镜头分割，得到每个视频对应的镜头集；对每个视频的镜头集分别使用聚类算法进行镜头聚类，得到每个视频对应的视频片段集合；将视频片段集合中的每一个视频片段分别输入目标类型检测模型，得到多个目标类型片段。

18、可以看到，通过对多个视频中的每个视频分别进行镜头分割、镜头聚类以及将视频片段输入目标类型检测模型，可以实现从多个视频中获取多个目标类型片段。其中，目标类型检测模型就是用来判断某视频片段是否符合一定条件、是否属于目标类型片段。

19、基于第二方面，在可能的实施例中，从多个目标类型片段中获取多个具有相同情节的视频片段，包括：从当前目标类型片段中提取音频、图像和字幕文本，其中，当前目标类型片段是多个目标类型片段中的任意一个目标类型片段；将当前目标类型片段的音频、图像和字幕文本分别输入音频特征提取模型、图像特征提取模型和文本特征提取模型，得到当前目标类型片段的第一音频特征向量、第一图像特征向量和第一文本特征向量；将当前目标类型片段的第一音频特征向量、第一图像特征向量和第一文本特征向量分别输入音频特征精细化模型、图像特征精细化模型和文本特征精细化模型，获得当前目标类型片段的第二音频特征向量、第二图像特征向量和第二文本特征向量；将当前目标类型片段的第二音频特征向量、第二图像特征向量和第二文本特征向量进行向量拼接，得到当前目标类型片段的融合特征向量；将当前目标类型片段的融合特征向量输入分类模型，得到当前目标类型片段的第一标签；提取当前目标类型片段的关键字，将关键字与第一标签组合得到当前目标类型片段的第二标签；将具有相同第二标签的目标类型片段作为多个具有相同情节的视频片段。

20、可以看到，先从当前目标类型片段中提取出音频、图像和字幕文本，然后将它们分别输入到相应的特征提取模型中，得到当前目标类型片段的第一音频特征向量、第一图像特征向量和第一文本特征向量；再将这三种特征向量分别输入相应的特征精细化模型中，得到当前目标类型片段的第二音频特征向量、第二图像特征向量和第二文本特征向量，将得到的这三种特征向量进行向量拼接，得到当前目标类型片段的融合特征向量；将当前目标类型片段的融合特征向量输入分类模型，得到当前目标类型片段的第一标签；再提取当前目标类型片段的关键字，将关键字与第一标签组合得到当前目标类型片段的第二标签；最后将具有相同第二标签的多个目标类型片段作为多个具有相同情节的视频片段。该方法通过提取特征向量并进行相应处理，得到每个目标类型片段的第二标签，再根据第二标签识别出多个具有相同情节的视频片段，并将它们关联起来，以使得终端设备能够在当前视频播放过程中提示用户是否获取具有相同情节的其他视频片段，迎合了用户的联想心理，实现多个具有相同情节的视频片段的同屏多画面播放，提升用户体验。

21、基于第二方面，在可能的实施例中，音频特征提取模型为vggish网络模型，图像特征提取模型为inception-v3网络模型，分类模型为混合专家模型，音频特征精细化模型为第一netvlad模型，图像特征精细化模型为第二netvlad模型，文本特征精细化模型为第三netvlad模型，其中，第一netvlad模型、第二netvlad模型和第三netvlad模型的模型参数不同。

22、第三方面，本技术实施例提供了一种终端设备，该终端设备包括：提示模块，用于检测第一视频的播放位置，在播放到第一视频中的第一视频片段的起始位置时，提示用户是否同时观看与第一视频片段具有相同情节的其他视频片段；发送模块，用于向视频云平台发送第一视频片段的同情节片段请求；接收模块，用于接收来自视频云平台的其他视频片段对应的视频，以及其他视频片段的起始位置和结束位置；显示模块，用于将部分或全部其他视频片段和第一视频片段在同一界面上进行播放。

23、终端设备的各个模块具体用于实现第一方面中任一实施例的方法。

24、第四方面，本技术实施例提供了一种装置，该装置包括：接收模块，用于接收来自终端设备的第一视频片段的同情节片段请求，其中，第一视频片段位于第一视频中；发送模块，用于将与第一视频片段具有相同情节的其他视频片段对应的视频、以及其他视频片段的起始位置和结束位置发送至终端设备，以使终端设备将部分或全部其他视频片段和第一视频片段在同一界面上进行播放。

25、上述装置的各个模块具体用于实现第二方面中任一实施例的方法。

26、第五方面，本技术实施例提供了又一种装置，该装置包括处理器、存储器和收发器，处理器、存储器和收发器可通过总线相互连接，也可以集成在一起。该处理器用于读取存储器中存储的程序代码，执行上述第一方面或第二方面的任一实施例的方法。

27、第六方面，本技术实施例提供了又一种视频播放系统，该系统包括上述终端设备和/或装置。

28、第七方面，本发明实施例提供了一种计算机可读存储介质；计算机可读存储介质用于存储第一方面或第二方面的任一方法的实现代码。

29、可以理解的是上述任何一方面可以与其他任一方面或者多方面一起实施，也可以独立实施。

30、在本技术实施例中，视频云平台预先从多个视频中获取多个具有相同情节的视频片段，分别记录多个具有相同情节的视频片段中的每个视频片段的起始位置和结束位置，将多个具有相同情节的视频片段关联起来；在终端设备向视频云平台请求第一视频时，视频云平台除了将第一视频发送至终端设备，还会将第一视频中的第一视频片段的起始位置和结束位置发送给终端设备，以使终端设备能够检测第一视频的播放位置；在播放到第一视频片段的起始位置时，终端设备提示用户是否同时观看与第一视频片段具有相同情节的其他视频片段，迎合了用户对相同情节片段的联想心理；视频云平台在接收到终端设备的请求后，将与第一视频片段具有相同情节的其他视频片段所对应的视频、以及其他视频片段的起始位置和结束位置一起发送给终端设备，以使终端设备能够快速实现多个具有相同情节的视频片段的同屏多画面播放，提供直观的对比；而且在播放完第一视频片段和/或所述其他视频片段时，终端设备提示用户是否继续观看第一视频和/或其他视频片段对应的视频，然后根据用户的选择继续播放相应的视频，提升了用户体验。