字幕生成方法、装置、介质及电子设备

技术领域

本公开涉及计算机技术领域，具体地，涉及一种字幕生成方法、装置、介质及电子设备。

背景技术

随着互联网的快速发展，互联网中的信息量爆炸式俱增，用户也越来越习惯从互联网中获取各种所需的信息。尤其是日常生活中，对于任何不了解的事物，用户都可以通过在互联网中搜索该事物的相关内容，以快速地查阅自身想要了解的内容。

现阶段，互联网中的信息通常都以文本、图像、音视频等形式存在。其中，视频形式的信息以内容表现丰富、可视化、直观等优势，常被用户作为了解事物的主要方式。但视频制作过程中，通常将事物的相关介绍文本直接作为字幕，或者对相关介绍文本稍加润色后作为字幕，而相关介绍文本通常内容较多，可读性差，不便于用户通过视频快速了解事物。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种字幕生成方法，包括：

获取要在视频中介绍的目标对象的原始对象描述信息，所述原始对象描述信息用于描述所述目标对象的原始固有特征；

对所述原始对象描述信息进行内容提炼，得到所述目标对象的简要描述信息；

根据所述原始对象描述信息，生成用于描述所述目标对象的特性的对象特性描述短语；

根据所述简要描述信息和所述对象特性描述短语，生成所述视频中与所述目标对象对应的字幕信息。

第二方面，本公开提供一种字幕生成装置，包括：

获取模块，用于获取要在视频中介绍的目标对象的原始对象描述信息，所述原始对象描述信息用于描述所述目标对象的原始固有特征；

提炼模块，用于对所述获取模块获取到的所述原始对象描述信息进行内容提炼，得到所述目标对象的简要描述信息；

短语生成模块，用于根据所述获取模块获取到的所述原始对象描述信息，生成用于描述所述目标对象的特性的对象特性描述短语；

字幕生成模块，用于根据所述提炼模块得到的所述简要描述信息和所述短语生成模块生成的所述对象特性描述短语，生成所述视频中与所述目标对象对应的字幕信息。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面提供的所述方法的步骤。

第四方面，本公开提供一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面提供的所述方法的步骤。

在上述技术方案中，在获取到要在视频中介绍的目标对象的、用于描述该目标对象的原始固有特征的原始对象描述信息后，根据该原始对象描述信息，确定目标对象的简要描述信息和用于描述目标对象的特性的对象特性描述短语；之后，根据二者，生成视频中与目标对象对应的字幕信息。这样，可以自动生成视频中、与要介绍的目标对象相关的字幕信息，并且，可以保证字幕信息的可读性和准确性，便于用户通过视频快速了解目标对象。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：

图1是根据一示例性实施例示出的一种字幕生成方法的流程图。

图2是根据一示例性实施例示出的一种根据简要描述信息和对象特性描述短语，生成视频中与目标对象对应的字幕信息的方法的流程图。

图3是根据另一示例性实施例示出的一种根据简要描述信息和对象特性描述短语，生成视频中与目标对象对应的字幕信息的方法的流程图。

图4是根据一示例性实施例示出的一种字幕生成装置的框图。

图5是根据一示例性实施例示出的一种电子设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

图1是根据一示例性实施例示出的一种字幕生成方法的流程图。如图1所示，该方法可以包括S101～S104。

在S101中，获取要在视频中介绍的目标对象的原始对象描述信息。

在本公开中，目标对象可以例如是花、鸟、日用品、家具等。原始对象描述信息用于描述目标对象的原始固有特征，例如，样式、规格、名称、材质等。示例地，目标对象为衣柜，它的原始对象描述信息为：高端卧室组合衣橱柜，简约现代，欧式风格，通过实木颗粒板组装而成，可推拉移滑组装；并且，容量大可作储藏柜使用，配色为大气的白色和橡木色，高1.8米，带有顶柜。

在S102中，对原始对象描述信息进行内容提炼，得到目标对象的简要描述信息。

示例地，基于上述示例中的目标对象“衣柜”的原始对象描述信息，生成的简要描述信息为：推拉移滑组装组合衣橱柜。

在S103中，根据原始对象描述信息，生成用于描述目标对象的特性的对象特性描述短语。

在本公开中，对象特性描述短语能够突出目标对象独有的特点，并且，生成的对象特性描述短语的数量可以为一个或者多个，在本公开中不作具体限定。

示例地，基于上述示例中的目标对象“衣柜”的原始对象描述信息，生成6个用于描述衣柜的特性的对象特性描述短语，为：①欧式风格，简约大气；②实木打造，高端大气；③多功能实木，大容量可折叠；④简约大气，防水防虫防尘；⑤欧式木纹，简约而不简单；⑥简约现代，欧式大容量。

在S104中，根据简要描述信息和对象特性描述短语，生成视频中与目标对象对应的字幕信息。

在上述技术方案中，在获取到要在视频中介绍的目标对象的、用于描述该目标对象的原始固有特征的原始对象描述信息后，根据该原始对象描述信息，确定目标对象的简要描述信息和用于描述目标对象的特性的对象特性描述短语；之后，根据二者，生成视频中与目标对象对应的字幕信息。这样，可以自动生成视频中、与要介绍的目标对象相关的字幕信息，并且，可以保证字幕信息的可读性和准确性，便于用户通过视频快速了解目标对象。

下面针对上述S102中的对原始对象描述信息进行内容提炼，得到目标对象的简要描述信息的具体实施方式进行详细描述。

具体来说，根据目标对象的原始对象描述信息，可以通过多种方式得到目标对象的简要描述信息，在一种实施方式中，可以通过统计的方式从原始对象描述信息中提取出关键词，例如，将原始对象描述信息中、出现频次超过预设次数阈值的词语确定为关键词；之后，将各关键词进行拼接，得到简要描述信息。

在另一种实施实施方式中，可以将原始对象描述信息输入预先训练好的内容提炼模型中，以对原始对象描述信息进行内容提炼，得到目标对象的简要描述信息。这样，通过内容提炼模型可从原始对象描述信息自动提炼出目标对象的简要描述信息，方便快捷。

在本公开中，内容提炼模型可以例如是transformer模型、长短期记忆网络(LongShort-Term Memory，LSTM)模型等。

其中，上述内容提炼模型可以通过以下步骤(1)～步骤(7)训练得到：

(1)获取第一参考对象的第一参考对象描述信息，其中，第一参考对象描述信息用于描述第一参考对象的原始固有特征。

(2)对第一参考对象描述信息进行分词，得到第一词序列，其中，第一词序列中的各词按照其在第一参考对象描述信息中的顺序依次排列。

(3)针对第一词序列中、除第一参考对象外的每一词，从第一词序列中删除该词，得到新的第一词序列，并将该新的第一词序列中的各词依次连接，得到第一参考对象的候选简要描述信息。

(4)判断任一新的第一词序列中是否存在除第一参考对象外的其他词。

若任一新的第一词序列中存在除第一参考对象外的其他词，则执行以下步骤(5)；若任一新的第一词序列中不存在除第一参考对象外的其他词，则执行以下步骤(6)。

(5)针对每一新的第一词序列，将新的第一词序列作为所述第一词序列，之后，返回上述步骤(3)。

(6)将流畅度最高的候选简要描述信息作为参考简要描述信息。

在本公开中，可以通过预训练语言模型(例如，GPT2模型)确定候选简要描述信息的流畅度。

(7)通过将第一参考对象描述信息作为内容提炼模型的输入，将参考简要描述信息作为内容提炼模型的目标输出的方式进行模型训练，以得到内容提炼模型。

在上述内容提炼模型的训练过程中，参考简要描述信息可以基于第一参考对象描述信息直接确定的，这样，不仅可以避免因训练样本有限导致的模型训练性能受到影响的问题，而且可以使得参考简要描述信息尽可能流畅，从而可以提升内容提炼模型的内容提炼性能。

下面针对上述S103中的根据原始对象描述信息，生成用于描述目标对象的特性的对象特性描述短语的具体实施方式进行详细描述。

具体来说，根据目标对象的原始对象描述信息，可以通过多种方式得到用于描述目标对象的特性的对象特性描述短语，在一种实施方式中，可以从原始对象描述信息中提取出与目标对象特性相关的描述词(通常为形容词)，之后，将各描述词进行组合、拼接，得到用于描述目标对象的特性的对象特性描述短语。

在另一种实施方式中，可以从原始对象描述信息中提取出与目标对象特性相关的描述词；同时，根据预先存储的对象和特性描述词的对应关系，确定与目标对象对应的目标特性描述词，其中，该对应关系可以根据语料库构成而成；之后，将提取出的与目标对象特性相关的描述词以及根据对应关系确定出的目标特性描述词进行组合、拼接，得到用于描述目标对象的特性的对象特性描述短语。

在又一种实施方式中，可以将原始对象描述信息输入预先训练好的短语生成模型中，得到用于描述目标对象的特性的对象特性描述短语。这样，通过短语生成模型可从自动生成用于描述目标对象的特性的对象特性描述短语，方便快捷。其中，短语生成模型可以例如是transformer模型、LSTM模型等。

其中，上述短语生成模型可以通过以下步骤1)～步骤5)训练得到：

1)获取第二参考对象的第二参考对象描述信息和第三参考对象描述信息，其中，第二参考对象描述信息、第三参考对象描述信息均用于描述第二参考对象的原始固有特征，第二参考对象描述信息与第三参考对象描述信息的相似度大于预设相似度阈值。

2)对第二参考对象描述信息进行分词，得到第二词序列，对第三参考对象描述信息进行分词，得到第三词序列。

3)针对第二词序列中、用于所述第二参考对象的每一修饰词，从第二参考对象描述信息中提取包含该修饰词的短语，作为第一候选对象特性描述短语；针对第三词序列中、用于描述第二参考对象的每一修饰词，从第三参考对象描述信息中提取包含该修饰词的短语，作为第二候选对象特性描述短语。

4)将每一第一候选对象特性描述短语和每一第二候选对象特性描述短语确定为参考对象特性描述短语。

5)通过将第二参考对象描述信息作为短语生成模型的输入，将参考对象特性描述短语作为短语生成模型的目标输出的方式进行模型训练，以得到短语生成模型。

在上述短语生成模型的训练过程中，第二参考对象描述信息对应的参考对象特性描述短语是基于第二参考对象描述信息、与该第二参考对象描述信息相似的第三参考对象描述信息共同确定的，这样，使得参考对象特性描述短语能够尽可能体现第二参考对象的特性，从而提升短语生成模型的短语生成性能，使得生成的对象特性描述短语能够充分体现目标对象的特性，从而提升字幕信息的准确性。另外，第二参考对象描述信息对应的参考对象特性描述短语自动生成，可以避免因训练样本有限导致的模型训练性能受到影响的问题，从而进一步提升短语生成模型的短语生成性能。

下面针对上述S104中的根据简要描述信息和对象特性描述短语，生成视频中与目标对象对应的字幕信息的具体实施方式进行详细说明。

在一种实施方式中，上述S103生成的用于描述目标对象的特性的对象特性描述短语为一个，此时，可以将S102生成的简要描述信息和该S103生成的用于描述目标对象的特性的对象特性描述短语直接组合，以得到视频中与目标对象对应的字幕信息。

示例地，基于上述示例中的目标对象“衣柜”的原始对象描述信息，生成的简要描述信息为：推拉移滑组装组合衣橱柜，生成的用于描述衣柜的特性的对象特性描述短语为：实木打造，高端大气，将二者组合后，可以得到视频中与目标对象“衣柜”对应的字幕信息“推拉移滑组装组合衣橱柜，实木打造，高端大气”。

在另一种实施方式中，上述S103生成的用于描述目标对象的特性的对象特性描述短语为多个，此时，可以通过图2中所示的S1041和S1042来生成视频中与目标对象对应的字幕信息。

在S1041中，将简要描述信息与每一对象特性描述短语分别组合，得到多个候选字幕信息。

在S1042中，从多个候选字幕信息中确定目标字幕信息，作为视频中与目标对象对应的字幕信息。

具体来说，可以针对每一候选字幕信息，确定候选字幕信息与原始对象描述信息之间的相似度；然后，将与原始对象描述信息之间相似度最高的候选字幕信息确定为目标字幕信息。其中，上述相似度可以例如是余弦相似度、欧式距离相似度等。

另外，可以通过以下方式来确定候选字幕信息与原始对象描述信息之间的相似度：首先，确定候选字幕信息对应的语义信息以及原始对象描述信息对应的语义信息；然后，计算候选字幕信息对应的语义信息和原始对象描述信息对应的语义信息之间的相似度，并将该计算得到的相似度作为候选字幕信息与原始对象描述信息之间的相似度。具体来说，可以针对每一候选字幕，先通过标题向量表征服务来分别该生成候选字幕信息对应的语义向量(即语义信息)以及原始对象描述信息对应的语义向量，然后，计算两个语义向量之间的余弦相似度或欧式距离相似度，并将其作为该候选字幕信息与原始对象描述信息之间的相似度。

示例地，基于上述示例中的目标对象“衣柜”的原始对象描述信息，生成的简要描述信息为：推拉移滑组装组合衣橱柜，生成的用于描述衣柜的特性的对象特性描述短语包括：①欧式风格，简约大气；②实木打造，高端大气；③多功能实木，大容量可折叠；④简约大气，防水防虫防尘；⑤欧式木纹，简约而不简单；⑥简约现代，欧式大容量；将上述简要描述信息“推拉移滑组装组合衣橱柜”与上述6个对象特性描述短语中的每一对象特性描述短语分别组合，得到如下6个候选字幕信息：

(1)推拉移滑组装组合衣橱柜，欧式风格，简约大气；

(2)推拉移滑组装组合衣橱柜，实木打造，高端大气；

(3)推拉移滑组装组合衣橱柜，多功能实木，大容量可折叠；

(4)推拉移滑组装组合衣橱柜，简约大气，防水防虫防尘；

(5)推拉移滑组装组合衣橱柜，欧式木纹，简约而不简单；

(6)推拉移滑组装组合衣橱柜，简约现代，欧式大容量。

其中，与上述原始对象描述信息之间相似度最高的候选字幕信息为候选字幕信息(2)，因此，可以将候选字幕信息(2)确定为目标字幕信息，即视频中与目标对象“衣柜”对应的字幕信息为“推拉移滑组装组合衣橱柜，实木打造，高端大气”。

此外，上述S103中生成的用于描述目标对象的特性的对象特性描述短语并非全部来自于原始对象描述信息，这样，基于S103得到的用于描述目标对象的特性的对象特性描述短语，生成的视频中与目标对象对应的字幕信息中可能含有原始对象描述信息未出现的信息，使得生成的字幕信息的准确性无法保证。为此，在上述S1042从多个候选字幕信息中确定目标字幕信息之前，需要先对S1041组合得到的多个候选字幕信息进行筛选，以保证后续生成字幕信息的准确性和效率。具体来说，如图3所示，上述S104还包括S1043。

在S1043中，针对每一候选字幕信息，从候选字幕信息中提取用于描述目标对象的特性的至少一个对象特性描述词语，若存在未在原始对象描述信息中出现的对象特性描述词语，则滤除候选字幕信息。

在本公开中，对象特性描述词语可以为描述目标对象的材质、品类、风格等的修饰词。在S1043对多个候选字幕进行滤除操作后，上述S1042可以从经滤除操作后所剩的候选字幕信息中确定目标字幕信息。具体来说，可以针对经滤除操作后所剩的每一候选字幕信息，确定候选字幕信息与原始对象描述信息之间的相似度；然后，将与原始对象描述信息之间相似度最高的候选字幕信息确定为目标字幕信息。

下面针对上述S1043中的从候选字幕信息中提取用于描述目标对象的特性的至少一个对象特性描述词语的具体实施方式进行详细说明。具体来说，可以对候选字幕信息进行命名实体识别(Named Entity Recognition，NER)，得到至少一个命名实体，并将至少一个命名实体作为用于描述目标对象的特性的至少一个对象特性描述词语。

其中，NER用于识别候选字幕信息中用于描述目标对象的特性的对象特性描述实体，例如，材质、品类、风格等。

示例地，基于上述示例中的目标对象“衣柜”，通过S1041组合得到6个候选字幕信息，具体如下：

(1)推拉移滑组装组合衣橱柜，欧式风格，简约大气；

(2)推拉移滑组装组合衣橱柜，实木打造，高端大气；

(3)推拉移滑组装组合衣橱柜，多功能实木，大容量可折叠；

(4)推拉移滑组装组合衣橱柜，简约大气，防水防虫防尘；

(5)推拉移滑组装组合衣橱柜，欧式木纹，简约而不简单；

(6)推拉移滑组装组合衣橱柜，简约现代，欧式大容量。

其中，针对候选字幕信息(1)，从其中提取到的、用于描述目标对象“衣柜”的特性的对象特性描述词语包括：“欧式”、“简约”、“大气”，可见，该三个词语均在原始对象描述信息中出现，因此，保留候选字幕信息(1)；

针对候选字幕信息(2)，从其中提取到的、用于描述目标对象“衣柜”的特性的对象特性描述词语包括：“实木”、“高端”、“大气”，可见，该三个词语均在原始对象描述信息中出现，因此，保留候选字幕信息(2)；

针对候选字幕信息(3)，从其中提取到的、用于描述目标对象“衣柜”的特性的对象特性描述词语包括：“多功能”、“实木”、“大容量”、“可折叠”，其中，“可折叠”并未在原始对象描述信息中出现，即候选字幕信息(3)中存在未在原始对象描述信息中出现的对象特性描述词语，因此，从上述6个候选字幕中滤除该候选字幕信息(3)；

针对候选字幕信息(4)，从其中提取到的、用于描述目标对象“衣柜”的特性的对象特性描述词语包括：“简约”、“大气”、“防水”、“防虫”、“防尘”，其中，“防水”、“防虫”、“防尘”均未在原始对象描述信息中出现，即候选字幕信息(4)中存在未在原始对象描述信息中出现的对象特性描述词语，因此，从上述6个候选字幕中滤除该候选字幕信息(4)；

针对候选字幕信息(5)，从其中提取到的、用于描述目标对象“衣柜”的特性的对象特性描述词语包括：“欧式”、“木纹”、“简约”、“不简单”，其中，“木纹”、“不简单”均未在原始对象描述信息中出现，即候选字幕信息(5)中存在未在原始对象描述信息中出现的对象特性描述词语，因此，从上述6个候选字幕中滤除该候选字幕信息(5)；

针对候选字幕信息(6)，从其中提取到的、用于描述目标对象“衣柜”的特性的对象特性描述词语包括：“简约”、“现代”、“欧式”、“大容量”，可见，该四个词语均在原始对象描述信息中出现，因此，保留候选字幕信息(6)。

由此，经滤除操作后所剩的候选字幕信息包括候选字幕信息(1)、候选字幕信息(2)以及候选字幕信息(6)，即：推拉移滑组装组合衣橱柜，欧式风格，简约大气；推拉移滑组装组合衣橱柜，实木打造，高端大气；推拉移滑组装组合衣橱柜，简约现代，欧式大容量。之后，S1043可以从该三个候选字幕中确定目标字幕。

基于同样的发明构思，本公开还提供一种字幕生成装置。如图4所示，该装置400包括：获取模块401，用于获取要在视频中介绍的目标对象的原始对象描述信息，所述原始对象描述信息用于描述所述目标对象的原始固有特征；提炼模块402，用于对所述获取模块401获取到的所述原始对象描述信息进行内容提炼，得到所述目标对象的简要描述信息；短语生成模块403，用于根据所述获取模块402获取到的所述原始对象描述信息，生成用于描述所述目标对象的特性的对象特性描述短语；字幕生成模块404，用于根据所述提炼模块402得到的所述简要描述信息和所述短语生成模块403生成的所述对象特性描述短语，生成所述视频中与所述目标对象对应的字幕信息。

在上述技术方案中，在获取到要在视频中介绍的目标对象的、用于描述该目标对象的原始固有特征的原始对象描述信息后，根据该原始对象描述信息，确定目标对象的简要描述信息和用于描述目标对象的特性的对象特性描述短语；之后，根据二者，生成视频中与目标对象对应的字幕信息。这样，可以自动生成视频中、与要介绍的目标对象相关的字幕信息，并且，可以保证字幕信息的可读性和准确性，便于用户通过视频快速了解目标对象。

在一种实施方式中，所述提炼模块402用于通过统计的方式从原始对象描述信息中提取出关键词；之后，将各关键词进行拼接，得到简要描述信息。

在另一种实施方式中，所述提炼模块402用于将所述原始对象描述信息输入预先训练好的内容提炼模型中，以对所述原始对象描述信息进行内容提炼，得到所述目标对象的简要描述信息。这样，通过内容提炼模型可从原始对象描述信息自动提炼出目标对象的简要描述信息，方便快捷。

在一种实施方式中，所述短语生成模块403用于从原始对象描述信息中提取出与目标对象特性相关的描述词，之后，将各描述词进行组合、拼接，得到用于描述目标对象的特性的对象特性描述短语。

在另一种实施方式中，所述短语生成模块403用于：从原始对象描述信息中提取出与目标对象特性相关的描述词；同时，根据预先存储的对象和特性描述词的对应关系，确定与目标对象对应的目标特性描述词，其中，该对应关系可以根据语料库构成而成；之后，将提取出的与目标对象特性相关的描述词以及根据对应关系确定出的目标特性描述词进行组合、拼接，得到用于描述目标对象的特性的对象特性描述短语。

在又一种实施方式中，所述短语生成模块403用于将所述原始对象描述信息输入预先训练好的短语生成模型中，得到用于描述所述目标对象的特性的对象特性描述短语。这样，通过短语生成模型可从自动生成用于描述目标对象的特性的对象特性描述短语，方便快捷。

可选地，所述对象特性描述短语为一个；所述字幕生成模块404用于将所述简要描述信息和所述对象特性描述短语直接组合，以得到视频中与目标对象对应的字幕信息。

可选地，所述对象特性描述短语为多个；所述字幕生成模块404包括：组合子模块，用于将所述简要描述信息与每一所述对象特性描述短语分别组合，得到多个候选字幕信息；确定子模块，用于从所述多个候选字幕信息中确定目标字幕信息，作为所述视频中与所述目标对象对应的字幕信息。

可选地，所述字幕生成模块404还包括：滤除子模块，用于：针对每一所述候选字幕信息，从所述候选字幕信息中提取用于描述所述目标对象的特性的至少一个对象特性描述词语；若存在未在所述原始对象描述信息中出现的对象特性描述词语，则滤除所述候选字幕信息；所述确定子模块用于从经滤除操作后所剩的候选字幕信息中确定所述目标字幕信息。

可选地，所述确定子模块包括：相似度确定子模块，用于针对经滤除操作后所剩的每一所述候选字幕信息，确定所述候选字幕信息与所述原始对象描述信息之间的相似度；字幕确定子模块，用于将与所述原始对象描述信息之间相似度最高的所述候选字幕信息确定为所述目标字幕信息。

可选地，所述滤除子模块，用于对所述候选字幕信息进行命名实体识别，得到至少一个命名实体，并将所述至少一个命名实体作为用于描述所述目标对象的特性的至少一个对象特性描述词语。

可选地，所述确定子模块包括：相似度确定子模块，用于针对每一所述候选字幕信息，确定所述候选字幕信息与所述原始对象描述信息之间的相似度；字幕确定子模块，用于将与所述原始对象描述信息之间相似度最高的所述候选字幕信息确定为所述目标字幕信息。

可选地，所述相似度确定子模块包括：语义信息确定子模块，用于确定所述候选字幕信息对应的语义信息以及所述原始对象描述信息对应的语义信息；计算子模块，用于计算所述候选字幕信息对应的语义信息和所述原始对象描述信息对应的语义信息之间的相似度，并将所述相似度作为所述候选字幕信息与所述原始对象描述信息之间的相似度。

可选地，所述提炼模块402用于将所述原始对象描述信息输入预先训练好的内容提炼模型中，以对所述原始对象描述信息进行内容提炼，得到所述目标对象的简要描述信息；其中，所述内容提炼模型通过第一模型训练装置训练得到，其中，该第一模型训练装置包括：第一描述信息获取模块，用于获取第一参考对象的第一参考对象描述信息，其中，所述第一参考对象描述信息用于描述所述第一参考对象的原始固有特征；第一分词模块，用于对所述第一参考对象描述信息进行分词，得到第一词序列；第一确定模块，用于针对所述第一词序列中、除所述第一参考对象外的每一词，从所述第一词序列中删除该词，得到新的第一词序列，并将所述新的第一词序列中的各词依次连接，得到所述第一参考对象的候选简要描述信息；判断模块，用于判断任一所述新的第一词序列中是否存在除所述第一参考对象外的其他词；触发模块，用于若任一所述新的第一词序列中存在除所述第一参考对象外的其他词，则针对每一所述新的第一词序列，将所述新的第一词序列作为所述第一词序列，触发所述第一确定模块针对所述第一词序列中、除所述第一参考对象外的每一词，从所述第一词序列中删除该词，得到新的第一词序列，并将所述新的第一词序列中的各词依次连接，得到候选简要描述信息；第二确定模块，用于若任一所述新的第一词序列中不存在除所述第一参考对象外的其他词，则将流畅度最高的所述候选简要描述信息作为参考简要描述信息；第一模型训练模块，用于通过将所述第一参考对象描述信息作为所述内容提炼模型的输入，将所述参考简要描述信息作为所述内容提炼模型的目标输出的方式进行模型训练，以得到所述内容提炼模型。

可选地，所述短语生成模块403用于将所述原始对象描述信息输入预先训练好的短语生成模型中，得到用于描述所述目标对象的特性的对象特性描述短语；其其中，所述短语生成模型通过第二模型训练装置训练得到，其中，该第二模型训练装置包括：第二描述信息获取模块，用于获取第二参考对象的第二参考对象描述信息和第三参考对象描述信息，其中，所述第二参考对象描述信息、所述第三参考对象描述信息均用于描述所述第二参考对象的原始固有特征，所述第二参考对象描述信息与所述第三参考对象描述信息的相似度大于预设相似度阈值；第二分词模块，用于对所述第二参考对象描述信息进行分词，得到第二词序列，对所述第三参考对象描述信息进行分词，得到第三词序列；第三确定模块，用于：针对所述第二词序列中、用于描述所述第二参考对象的每一修饰词，从所述第二参考对象描述信息中提取包含该修饰词的短语，作为第一候选对象特性描述短语；针对所述第三词序列中、用于描述所述第二参考对象的每一修饰词，从所述第三参考对象描述信息中提取包含该修饰词的短语，作为第二候选对象特性描述短语；第四确定模块，用于将每一所述第一候选对象特性描述短语和每一所述第二候选对象特性描述短语确定为参考对象特性描述短语；第二模型训练模块，用于通过将所述第二参考对象描述信息作为所述短语生成模型的输入，将所述参考对象特性描述短语作为所述短语生成模型的目标输出的方式进行模型训练，以得到所述短语生成模型。

其中，需要说明的是，上述第一模型训练装置可以独立于上述字幕生成装置400，也可以集成于上述字幕生成装置400内，上述第二模型训练装置可以独立于上述字幕生成装置400，也可以集成于上述字幕生成装置400内，对此，本公开不作具体限定。

本公开还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开提供的上述字幕生成方法的步骤。

下面参考图5，其示出了适于用来实现本公开实施例的电子设备(例如终端设备或服务器)500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置505；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

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电子设备执行时，使得该电子设备：获取要在视频中介绍的目标对象的原始对象描述信息，所述原始对象描述信息用于描述所述目标对象的原始固有特征；对所述原始对象描述信息进行内容提炼，得到所述目标对象的简要描述信息；根据所述原始对象描述信息，生成用于描述所述目标对象的特性的对象特性描述短语；根据所述简要描述信息和所述对象特性描述短语，生成所述视频中与所述目标对象对应的字幕信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。

描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取要在视频中介绍的目标对象的原始对象描述信息的模块”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，示例1提供了一种字幕生成方法，包括：获取要在视频中介绍的目标对象的原始对象描述信息，所述原始对象描述信息用于描述所述目标对象的原始固有特征；对所述原始对象描述信息进行内容提炼，得到所述目标对象的简要描述信息；根据所述原始对象描述信息，生成用于描述所述目标对象的特性的对象特性描述短语；根据所述简要描述信息和所述对象特性描述短语，生成所述视频中与所述目标对象对应的字幕信息。

根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述对象特性描述短语为多个；所述根据所述简要描述信息和所述对象特性描述短语，生成所述视频中与所述目标对象对应的字幕信息，包括：将所述简要描述信息与每一所述对象特性描述短语分别组合，得到多个候选字幕信息；从所述多个候选字幕信息中确定目标字幕信息，作为所述视频中与所述目标对象对应的字幕信息。

根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述根据所述简要描述信息和所述对象特性描述短语，生成所述视频中与所述目标对象对应的字幕信息，还包括：针对每一所述候选字幕信息，从所述候选字幕信息中提取用于描述所述目标对象的特性的至少一个对象特性描述词语；若存在未在所述原始对象描述信息中出现的对象特性描述词语，则滤除所述候选字幕信息；所述从所述多个候选字幕信息中确定目标字幕信息，包括：从经滤除操作后所剩的候选字幕信息中确定所述目标字幕信息。

根据本公开的一个或多个实施例，示例4提供了示例3的方法，所述从经滤除操作后所剩的候选字幕信息中确定所述目标字幕信息，包括：针对经滤除操作后所剩的每一所述候选字幕信息，确定所述候选字幕信息与所述原始对象描述信息之间的相似度；将与所述原始对象描述信息之间相似度最高的所述候选字幕信息确定为所述目标字幕信息。

根据本公开的一个或多个实施例，示例5提供了示例3的方法，所述从所述候选字幕信息中提取用于描述所述目标对象的特性的至少一个对象特性描述词语，包括：对所述候选字幕信息进行命名实体识别，得到至少一个命名实体，并将所述至少一个命名实体作为用于描述所述目标对象的特性的至少一个对象特性描述词语。

根据本公开的一个或多个实施例，示例6提供了示例2的方法，所述从所述多个候选字幕信息中确定目标字幕信息，包括：针对每一所述候选字幕信息，确定所述候选字幕信息与所述原始对象描述信息之间的相似度；将与所述原始对象描述信息之间相似度最高的所述候选字幕信息确定为所述目标字幕信息。

根据本公开的一个或多个实施例，示例7提供了示例4或6的方法，所述确定所述候选字幕信息与所述原始对象描述信息之间的相似度，包括：确定所述候选字幕信息对应的语义信息以及所述原始对象描述信息对应的语义信息；计算所述候选字幕信息对应的语义信息和所述原始对象描述信息对应的语义信息之间的相似度，并将所述相似度作为所述候选字幕信息与所述原始对象描述信息之间的相似度。

根据本公开的一个或多个实施例，示例8提供了示例1的方法，所述对所述原始对象描述信息进行内容提炼，得到所述目标对象的简要描述信息，包括：将所述原始对象描述信息输入预先训练好的内容提炼模型中，以对所述原始对象描述信息进行内容提炼，得到所述目标对象的简要描述信息；其中，所述内容提炼模型通过以下方式训练得到：获取第一参考对象的第一参考对象描述信息，其中，所述第一参考对象描述信息用于描述所述第一参考对象的原始固有特征；对所述第一参考对象描述信息进行分词，得到第一词序列；针对所述第一词序列中、除所述第一参考对象外的每一词，从所述第一词序列中删除该词，得到新的第一词序列，并将所述新的第一词序列中的各词依次连接，得到所述第一参考对象的候选简要描述信息；判断任一所述新的第一词序列中是否存在除所述第一参考对象外的其他词；若任一所述新的第一词序列中存在除所述第一参考对象外的其他词，则针对每一所述新的第一词序列，将所述新的第一词序列作为所述第一词序列，重复执行所述针对所述第一词序列中、除所述第一参考对象外的每一词，从所述第一词序列中删除该词的步骤至所述判断任一所述新的第一词序列中是否存在除所述第一参考对象外的其他词的步骤；若任一所述新的第一词序列中不存在除所述第一参考对象外的其他词，则将流畅度最高的所述候选简要描述信息作为参考简要描述信息；通过将所述第一参考对象描述信息作为所述内容提炼模型的输入，将所述参考简要描述信息作为所述内容提炼模型的目标输出的方式进行模型训练，以得到所述内容提炼模型。

根据本公开的一个或多个实施例，示例9提供了示例1或8所述的方法，所述根据所述原始对象描述信息，生成用于描述所述目标对象的特性的对象特性描述短语，包括：将所述原始对象描述信息输入预先训练好的短语生成模型中，得到用于描述所述目标对象的特性的对象特性描述短语；其中，所述短语生成模型通过以下方式训练得到：获取第二参考对象的第二参考对象描述信息和第三参考对象描述信息，其中，所述第二参考对象描述信息、所述第三参考对象描述信息均用于描述所述第二参考对象的原始固有特征，所述第二参考对象描述信息与所述第三参考对象描述信息的相似度大于预设相似度阈值；对所述第二参考对象描述信息进行分词，得到第二词序列，对所述第三参考对象描述信息进行分词，得到第三词序列；针对所述第二词序列中、用于描述所述第二参考对象的每一修饰词，从所述第二参考对象描述信息中提取包含该修饰词的短语，作为第一候选对象特性描述短语；针对所述第三词序列中、用于描述所述第二参考对象的每一修饰词，从所述第三参考对象描述信息中提取包含该修饰词的短语，作为第二候选对象特性描述短语；将每一所述第一候选对象特性描述短语和每一所述第二候选对象特性描述短语确定为参考对象特性描述短语；通过将所述第二参考对象描述信息作为所述短语生成模型的输入，将所述参考对象特性描述短语作为所述短语生成模型的目标输出的方式进行模型训练，以得到所述短语生成模型。

根据本公开的一个或多个实施例，示例10提供了一种字幕生成装置，包括：获取模块，用于获取要在视频中介绍的目标对象的原始对象描述信息，所述原始对象描述信息用于描述所述目标对象的原始固有特征；提炼模块，用于对所述获取模块获取到的所述原始对象描述信息进行内容提炼，得到所述目标对象的简要描述信息；短语生成模块，用于根据所述获取模块获取到的所述原始对象描述信息，生成用于描述所述目标对象的特性的对象特性描述短语；字幕生成模块，用于根据所述提炼模块得到的所述简要描述信息和所述短语生成模块生成的所述对象特性描述短语，生成所述视频中与所述目标对象对应的字幕信息。

根据本公开的一个或多个实施例，示例11提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1-9中任一项所述方法的步骤。

根据本公开的一个或多个实施例，示例12提供了一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1-9中任一项所述方法的步骤。

以上描述仅为本公开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，本公开中所涉及的公开范围，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公开构思的情况下，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。例如上述特征与本公开中公开的(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。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。