技術(shù)特征：

1.一種基于大語言模型的智能視頻剪輯方法，其特征在于，所述方法步驟包括：

2.根據(jù)權(quán)利要求1所述的基于大語言模型的智能視頻剪輯方法，其特征在于，所述步驟1中的綜合智能分析包括：

3.根據(jù)權(quán)利要求1所述的基于大語言模型的智能視頻剪輯方法，其特征在于，所述步驟4，對于標記為同期聲的文字內(nèi)容，系統(tǒng)基于對文字稿件的語義理解，對同期聲索引進行相似度匹配，包括文字稿件與語音識別的文字結(jié)果不完全相同，以保證稿件中的書面文字與素材采訪、對話中的口語之間進行智能匹配；對于正文類型，系統(tǒng)基于文字的語義理解，從跨模態(tài)索引庫中，在向量維度將文字與視音頻內(nèi)容進行匹配，根據(jù)匹配的比對結(jié)果，形成相似度數(shù)據(jù)，根據(jù)相似度來進行鏡頭的智能匹配。

4.根據(jù)權(quán)利要求1所述的基于大語言模型的智能視頻剪輯方法，其特征在于，所述步驟6的根據(jù)鏡頭匹配結(jié)果中前后鏡頭在原素材中的時間先后順序，進行場景智能合并方法如下：

5.根據(jù)權(quán)利要求1所述的基于大語言模型的智能視頻剪輯方法，其特征在于，所述步驟6中的使用視聽語言模型來進行對匹配鏡頭結(jié)果的分析和處理方法包括：將每一句/段文字的智能匹配的鏡頭結(jié)果進行判重；對智能匹配的鏡頭結(jié)果進行鏡頭長度的處理；對前后鏡頭的景別、攝法等視聽語音進行分析，與視聽語言模型中的蒙太奇句式相匹配；根據(jù)配音或同期聲的音頻長度，對視頻鏡頭的長度進行微調(diào)；文稿中的每一句/段文字進行了鏡頭匹配之后，將鏡頭匹配的結(jié)果按照文稿或分鏡頭腳本的順序進行排列與拼接。

6.根據(jù)權(quán)利要求1所述的基于大語言模型的智能視頻剪輯方法，其特征在于，所述步驟7，可通過語音識別與語音合成引擎，為剪輯結(jié)果的旁白部分生成配音，為正文和同期中的語音，自動生成對白字幕，系統(tǒng)提供的音樂可進行情感分類，根據(jù)需要，對生成的智能剪輯結(jié)果，選擇相對應(yīng)的情感自動添加音樂。

7.根據(jù)權(quán)利要求1所述的基于大語言模型的智能視頻剪輯方法，其特征在于，所述最大鏡頭數(shù)量小于等于10。

8.根據(jù)權(quán)利要求2所述的基于大語言模型的智能視頻剪輯方法，其特征在于，所述步驟1.4對關(guān)鍵幀跨模態(tài)分析是：對視頻內(nèi)容按照每10幀抽取第1幀作為1個關(guān)鍵幀，對抽幀之后的關(guān)鍵幀進行向量分析，并將前后兩個關(guān)鍵幀的向量進行差值計算；

技術(shù)總結(jié)
本發(fā)明公開了一種基于大語言模型的智能視頻剪輯方法，基于機構(gòu)資源庫素材，通過大語言模型、跨模態(tài)引擎、語音識別與合成、視聽語言模型等AI人工智能技術(shù)與視音頻生產(chǎn)相結(jié)合，將專業(yè)媒體內(nèi)容生產(chǎn)中的文字稿件通過大語言模型進行處理，把視音頻素材通過跨模態(tài)引擎和語音識別引擎等進行綜合智能分析，通過語義匹配方式分別在跨模態(tài)索引庫和同期聲索引庫中進行智能鏡頭匹配，供編輯人員對智能編輯結(jié)果進行人工快速調(diào)整與修改。本發(fā)明可用于新媒體短視頻、事件播報類視頻新聞、電視節(jié)目二次創(chuàng)作、影視劇片花和集錦等類型節(jié)目的智能生產(chǎn)，為各媒體機構(gòu)和專業(yè)內(nèi)容生產(chǎn)者提供全新的視頻生產(chǎn)方式，滿足互聯(lián)網(wǎng)時代，視頻推送制下對海量視頻內(nèi)容的生產(chǎn)要求。

技術(shù)研發(fā)人員：王彥彬,李永葆,朱宇,朱慶余,鄭鐸,劉煥
受保護的技術(shù)使用者：北京中科大洋科技發(fā)展股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19