一种自然语言转换为动画分镜头剧本数据的方法
【技术领域】
[0001] 本发明属于计算机动画技术领域，具体涉及一种将自然语言转换为动画分镜头剧 本数据的方法。
【背景技术】
[0002] 动画制作是一项应用广泛的技术，在广播电视、网络等领域有着普遍化的应用。在 制作动画时，需要将剧本和画面分镜头构思，才能够创造出丰富合理的视觉效果。目前，动 画分镜头剧本的生成还是依靠人工方式，由编剧将自然语言人工转化为受限语言，即剧本， 再由导演人工的将剧本转化为分镜头剧本，分镜头剧本再由原画师转换为动画数据，整个 过程十分费时费力，效率低下，且容易出错。
【发明内容】
[0003] 为解决上述问题，本发明公开了一种动画分镜头剧本数据的转换方法，能够将自 然语言，直接生成分镜头剧本数据，快速高效。
[0004] 为了达到上述目的，本发明提供如下技术方案： 一种动画分镜头剧本数据的转换方法，包括如下步骤： 步骤A，建立素材的关键字词：按照分镜头表现内容不同，划分镜头类型;根据不同类 型的分镜头的数据要求，建立每个类型分镜头中必需的参数;根据各项参数特点，建立各个 属性特征;将素材按各参数下不同的属性特征建立各素材的多个关键字词； 步骤B，对自然语言进行完整句截取，得到一个个包含完整的语义和一定数量文字/符 号的完整句； 步骤C，完整句和关键字词的匹配:依次对步骤B得到的完整句进行关键字词的匹配，匹 配时，对每个完整句，按照分镜头类型的次序，分别做不同分镜头类型的各个参数的关键字 词匹配，得到某种镜头类型中吻合度最高的素材的名称作为分镜头剧本数据。
[0005] 进一步的，所述步骤C具体包括以下步骤： 按照次序进行多项匹配，如果匹配失败，再进行单项匹配，依次匹配每个完整句； 所述多项匹配包括以下步骤： 人物匹配:将所有人称代词和角色库中的每个角色的关键字与完整句中的文字做匹 配，当匹配成功时根据角色数区分镜头类型是否为双人镜头； 动作表情匹配:当人物匹配成功时，将每个表情的关键词、每个动作的关键词与完整句 中的字词做匹配，当匹配成功时区分镜头类型是否为动作镜头、特写镜头； 背景前景匹配：当人物匹配和动作表情匹配均成功时，再将背景库的每个背景的关键 词与完整句中的字词做匹配;匹配成功，则选择该背景，否则无背景;再与前景库的每个前 景的关键词做匹配;匹配成功，则选该前景;否则无前景； 所述单项匹配包括以下步骤： 情景匹配:把所有情景素材的关键词与句子中的字词做匹配，成功则选择该素材做情 景镜头； 当情景关键词匹配失败时，还需进行单帧匹配:把单帧关键词与句子中的字词做匹配， 成功则选择该素材做单帧镜头。
[0006] 进一步的，在单项匹配步骤中，如果单帧关键词匹配也失败，则与所有的背景关键 词做匹配，成功则需再做一次前景关键词匹配，都成功，则选择该背景、前景的素材做字幕 镜头，否则做有背景无前景的字幕镜头。
[0007] 进一步的，当步骤C中所有匹配均失败时，则做空白背景的字幕镜头。
[0008] 进一步的，所述步骤A中镜头类型包括:双人动作镜头、动作镜头、特写镜头、情景 镜头、单帧镜头、字蒂镜头。
[0009] 进一步的，所述步骤B中完整句截取的方法为：当自然语言中出现了句尾符号，且 第一个文字/符号到该句尾符号的文字/字符总数小于一定数量，则截取该符号及其之前的 文字/符号为一个完整句；当一定数量的文字/符号后还没有出现句尾符号，则从第一个文 字/符号开始，一直截取到位于特定位置之间的第一个符号，作为一个完整句，令该完整句 以符号结尾。
[0010] 与现有技术相比，本发明具有如下优点和有益效果： 通过本发明方法，能将各种不受限、无规则的自然语言，快速高效地生成能够完整的表 达多个连续语义的、不同类型的分镜头剧本数据，避免了传统的自然语言由编剧人工转化 为剧本，再由导演人工的将剧本转化为分镜头剧本，分镜头剧本再由原画师转换为动画数 据的冗长过程，分类和匹配过程精准，避免人为失误，大幅度的提高了动画的制作效率。
【附图说明】
[0011] 图1为第一完整句对应的镜头类型、参数、素材名及最终得到的动画截图； 图2为第二完整句对应的镜头类型、参数、素材名及最终得到的动画截图； 图3为第三完整句对应的镜头类型、参数、素材名及最终得到的动画截图； 图4为第四完整句对应的镜头类型、参数、素材名及最终得到的动画截图； 图5为第五完整句对应的镜头类型、参数、素材名及最终得到的动画截图。
【具体实施方式】
[0012] 以下将结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述具体 实施方式仅用于说明本发明而不用于限制本发明的范围。
[0013] 本发明提供的将自然语言直接转换为动画分镜头剧本数据的方法，主要包括以下 几个步骤： 步骤A，将动画中不同类型的分镜头的各项参数下的所有素材，按多个属性特征建立多 个关键字词，本步骤具体包括以下几个分步骤： 1、首先按照分镜头表现内容不同，划分镜头类型。下表1中列出了几种分镜头类型示 例，但不应作为本发明的限制，根据需要还可能划分出其他分镜头类型。
[0014] 1、根据不同类型的分镜头的数据要求，建立每个类型分镜头中必需的参数。
[0015] 3、根据各项参数特点，建立不同的属性特征。
[0016] 上表中属性特征及其数量可以根据需要扩充。
[0017] 4、将所有素材(素材是指可以用来制作动画的各种图片，可能包括背景、前景、人 物、脸部表情、人物动作等等），按各参数下不同的属性特征建立多个关键字词，并将关键词 存入数据库中。以下以部分素材样例为例，列出了其中各个关键字词，需要说明的是，这些 关键字词并不作为本发明的限制。
[0018] 步骤B，对自然语言进行包含完整的语义和一定数量文字/符号的句子截取。
[0019] 本发明定义了完整句的含义，以完整句为单位对自然语言进行截取，在一个完整 句截取之后，从该完整句结束后的第一个文字开始，再做下二个完整句的截取。完整句的截 取规则如下： 当自然语言中出现了句尾符号（如:句号（。）、感叹号（！）、问号（？）、省略号（…）等表示 一句结尾的符号），且第一个文字/符号到该句尾符号的文字/字符总数小于41，则该符号及 其之前的文字/符号视为一个"完整句"进行截取。
[0020] 当超过41个文字/符号后还没有出现句尾符号，则从第一个文字/符号开始，一直 截取到位于第24到第41之间（包括处在第24和第41位置上的符号）出现的第一个符号(包含 该符号），作为一个完整句进行截取，令该完整句以任意符号结尾。前述的41、24均为本例提 出的优选值，这些数值可以根据需要改变。
[0021 ]根据以上规则，能够将自然语言划分成一个个"完整句"。
[0022]例如，针对以下自然语言"下雪了，三胖和谦哥还站在酒楼外跟大家挥手告别…郭 德纲哭着跑了过来。德刚哭着:你们俩怎么搞到一起了？这时，天空电闪雷鸣…仿佛在说:无 厘头草泥马呀"，经过截取后，得到以下几个完整句： "下雪了，三胖和谦哥还站在酒楼外跟大家挥手告别…" "郭德纲哭着跑了过来。" "德刚哭着:你们俩怎么搞到一起了?" "这时，天空电闪雷鸣…" "仿佛在说:无厘头草泥马呀" 步骤C，把截取到的每个完整句，按照分镜头参数的常用性次序，分别做不同分镜头类 型的各个参数的关键字词匹配，在满足某个类型分镜头参数匹配的基础上，将吻合度最高 的素材名称，作为分镜头剧本的参数的对应数据。
[0023] 具体地说，先按照角色、表情、动作、背景、前景次序，进行多项匹配，如果匹配失 败，再进行单项匹配，依次对每个"完整句"中的每个字词进行匹配。上述次序可以根据需要 进行调整。
[0024] 在匹配过程中，如果有多个关键词均匹配成功，选用具有最高吻合度的素材，如具 有最高吻合度的素材有多个则随机选择其中一个素材。一个素材关键词匹配成功的个数越 多，则吻合度越高。具体的说，在同一完整句中，累计各关键词的匹配次数，计算各素材下关 键词的匹配总次数，选择总次数最高的素材，当总次数最高的素材超过一个时，随机选择其 中一个素材。本例提供了吻合度计算公式如下： 吻合度(W%)=关键词匹配成功个数(A)/关键词总数(B)*100% 多项匹配的过程如下： 首先进行人物匹配:将所有人称代词(我、你、他、她、我们、你们、他们等)和角色库（角 色库中存储有：角色关联的五官、身体服饰的编码，角色的名称和关键字词）中的关键字与 完整句中的文字做匹配。匹配成功是指库中具有与完整句中文字一致的记录。如果人称代 词匹配成功，则选择最新角色(是指用户制作完成、最新放入角色库中的角色）；如果角色库 昵称匹配成功，或者两个都匹配成功，则选择角色库昵称的角色;两个或者两个以上的角色 昵称匹配成功，则为双人镜头(本发明所指的双人镜头中可能包含两个及两个以上人数，并 不限制人数为两人）。
[0025]针对前述完整句进行人物匹配后，第一个完整句中关于人物的