图片插入方法、装置、电子设备及存储介质与流程

本公开涉及人工智能，特别涉及深度学习、大模型、自然语言处理以及计算机视觉等领域的图片插入方法、装置、电子设备及存储介质。

背景技术：

1、随着技术的发展，大模型在不同场景下得到了广泛应用。大模型即指大语言模型(llm，large language model)，是利用大量文本数据训练得到的深度学习模型，可以生成自然语言文本或理解自然语言文本的含义等。比如，可以利用大模型来进行长文创作，即进行长文本生成。

技术实现思路

1、本公开提供了图片插入方法、装置、电子设备及存储介质。

2、一种图片插入方法，包括：

3、响应于确定用户需要向目标文本中的任一章节插入图片，获取待插入的目标图片；

4、响应于确定所述目标图片与所述章节的章节文本内容相关，从所述章节文本内容中包括的各段落内容中选出与所述目标图片最为匹配的段落内容，作为目标内容，根据所述目标内容确定出所述目标图片的插入位置并进行插入。

5、一种图片插入装置，包括：图片获取模块以及图片插入模块；

6、所述图片获取模块，用于响应于确定用户需要向目标文本中的任一章节插入图片，获取待插入的目标图片；

7、所述图片插入模块，用于响应于确定所述目标图片与所述章节的章节文本内容相关，从所述章节文本内容中包括的各段落内容中选出与所述目标图片最为匹配的段落内容，作为目标内容，根据所述目标内容确定出所述目标图片的插入位置并进行插入。

8、一种电子设备，包括：

9、至少一个处理器；以及

10、与所述至少一个处理器通信连接的存储器；其中，

11、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。

12、一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。

13、一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。

14、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种图片插入方法，包括：

2.根据权利要求1所述的方法，其中，所述确定所述目标图片与所述章节的章节文本内容相关包括：

3.根据权利要求2所述的方法，其中，所述获取所述目标图片的图片内容解析结果包括：

4.根据权利要求2所述的方法，其中，所述根据所述章节文本内容确定出目标文本内容包括：

5.根据权利要求2所述的方法，其中，所述根据所述图片内容解析结果以及所述目标文本内容确定出所述目标图片与所述章节文本内容是否相关包括：

6.根据权利要求5所述的方法，其中，所述从所述章节文本内容中包括的各段落内容中选出与所述目标图片最为匹配的段落内容，作为目标内容包括：

7.根据权利要求6所述的方法，其中，

8.根据权利要求7所述的方法，其中，

9.根据权利要求8所述的方法，其中，

10.根据权利要求1～9中任一项所述的方法，其中，

11.一种图片插入装置，包括：图片获取模块以及图片插入模块；

12.根据权利要求11所述的装置，其中，

13.根据权利要求12所述的装置，其中，

14.根据权利要求12所述的装置，其中，

15.根据权利要求12所述的装置，其中，

16.根据权利要求15所述的装置，其中，

17.根据权利要求16所述的装置，其中，

18.根据权利要求17所述的装置，其中，

19.根据权利要求18所述的装置，其中，

20.根据权利要求11～19中任一项所述的装置，其中，

21.一种电子设备，包括：

22.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行权利要求1-10中任一项所述的方法。

23.一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现权利要求1-10中任一项所述的方法。

技术总结本公开提供了图片插入方法、装置、电子设备及存储介质，涉及深度学习、大模型、自然语言处理以及计算机视觉等人工智能领域。其中的方法可包括：响应于确定用户需要向目标文本中的任一章节插入图片，获取待插入的目标图片；响应于确定目标图片与该章节的章节文本内容相关，从章节文本内容中包括的各段落内容中选出与目标图片最为匹配的段落内容，作为目标内容，根据目标内容确定出目标图片的插入位置并进行插入。技术研发人员：张超,吴广发,庞海龙,陈天增,薛璐影,白云龙受保护的技术使用者：百度在线网络技术（北京）有限公司技术研发日：技术公布日：2024/12/2