CN108989882B - 用于输出视频中的音乐片段的方法和装置 - Google Patents
用于输出视频中的音乐片段的方法和装置 Download PDFInfo
- Publication number
- CN108989882B CN108989882B CN201810878623.7A CN201810878623A CN108989882B CN 108989882 B CN108989882 B CN 108989882B CN 201810878623 A CN201810878623 A CN 201810878623A CN 108989882 B CN108989882 B CN 108989882B
- Authority
- CN
- China
- Prior art keywords
- video
- music
- clip
- segment
- piece
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 53
- 238000000605 extraction Methods 0.000 claims description 27
- 238000013145 classification model Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 17
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 12
- 238000003062 neural network model Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/439—Processing of audio elementary streams
- H04N21/4394—Processing of audio elementary streams involving operations for analysing the audio stream, e.g. detecting features or characteristics in audio streams
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/439—Processing of audio elementary streams
- H04N21/4398—Processing of audio elementary streams involving reformatting operations of audio signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Management Or Editing Of Information On Record Carriers (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了用于输出视频中的音乐片段的方法和装置。该方法的一具体实施方式包括：从目标视频中获取视频片段；将视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息，其中，音乐片段检测模型用于表征视频片段与视频片段包括的音乐片段的定位信息的对应关系；根据定位信息输出视频片段包括的音乐片段。该实施方式丰富了输出视频中的音乐片段的方法，提高了输出视频中的音乐片段的效率。
Description
技术领域
本申请实施例涉及计算机技术领域，尤其涉及用于输出视频中的音乐片段的方法和装置。
背景技术
随着移动终端普及和网络的提速，视频内容兴起。视频中的音乐片段可以是视频中音频为音乐的片段，例如影视剧中播放片头曲、片尾曲或插曲的片段。目前，对影视剧、综艺节目或者直播等视频中的音乐片段的节选主要由人工完成。
发明内容
本申请实施例提出了用于输出视频中的音乐片段的方法和装置。
第一方面，本申请实施例提供了一种用于输出视频中的音乐片段的方法，该方法包括：从目标视频中获取视频片段；将视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息，其中，音乐片段检测模型用于表征视频片段与视频片段包括的音乐片段的定位信息的对应关系；根据定位信息输出视频片段包括的音乐片段。
在一些实施例中，从目标视频中获取视频片段，包括：按照预设时间间隔，从目标视频的音频中获取音频片段；对获取的音频片段进行短时傅里叶变换生成频谱图；将生成的频谱图离散化到预设数目个区间，得到频谱图序列；将得到的频谱图序列输入预先训练的概率生成模型，得到获取的音频片段为音乐音频片段的概率，概率生成模型用于表征频谱图序列与频谱图序列对应的音频片段为音乐音频片段的概率的对应关系；根据获取的音频片段为音乐音频片段的概率以及预先设置的概率阈值，从目标视频中获取视频片段。
在一些实施例中，根据音频片段为音乐音频片段的概率以及预先设置的概率阈值，从目标视频中获取视频片段，包括：根据音频片段为音乐音频片段的概率以及预先设置的至少两个概率阈值，通过分水岭算法，从目标视频中获取视频片段。
在一些实施例中，从目标视频中获取视频片段，包括：确定目标视频中的静音点；从目标视频中获取确定出的相邻的静音点之间的视频片段。
在一些实施例中，从目标视频中获取视频片段，包括：识别目标视频中包含预设字符的视频帧；将识别出的视频帧确定为切分帧；根据确定出的切分帧从目标视频中获取视频片段。
在一些实施例中，音乐片段检测模型包括特征提取模型、分类模型、完整度确定模型和回归定位模型，其中，特征提取模型用于表征视频片段与视频片段的特征的对应关系，分类模型用于表征视频片段的特征与视频片段的标签的对应关系，标签用于指示视频片段是否为音乐片段，完整度确定模型用于表征视频片段的特征与视频片段的完整度对应关系，回归定位模型用于表征视频片段的特征与视频片段包括音乐片段的定位信息对应关系。
在一些实施例中，特征提取模型用于：将输入的视频片段扩展预设帧数；将扩展后的视频片段划分为开始部分、中间部分和结束部分；通过卷积神经网络提取开始部分、中间部分和结束部分包括的视频帧的特征；组合提取出的开始部分、中间部分和结束部分包括的视频帧的特征得到输入的视频片段的特征。
第二方面，本申请实施例提供了一种用于输出视频中的音乐片段的装置，该装置包括：获取单元，被配置成从目标视频中获取视频片段；输入单元，被配置成将视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息，其中，音乐片段检测模型用于表征视频片段与视频片段包括的音乐片段的定位信息的对应关系；输出单元，被配置成根据定位信息输出视频片段包括的音乐片段。
在一些实施例中，获取单元，包括：第一获取子单元，被配置成按照预设时间间隔，从目标视频的音频中获取音频片段；变换子单元，被配置成对获取的音频进行短时傅里叶变换生成频谱图；离散化子单元，被配置成将生成的频谱图离散化到预设数目个区间，得到频谱图序列；输入子单元，被配置成将得到的频谱图序列输入预先训练的概率生成模型，得到获取的音频片段为音乐音频片段的概率，概率生成模型用于表征频谱图序列与频谱图序列对应的音频片段为音乐音频片段的概率的对应关系；第二获取子单元，被配置成根据获取的音频片段为音乐音频片段的概率以及预先设置的概率阈值，从目标视频中获取视频片段。
在一些实施例中，第二获取子单元，进一步被配置成：根据音频片段为音乐音频片段的概率以及预先设置的至少两个概率阈值，通过分水岭算法，从目标视频中获取视频片段。
在一些实施例中，获取单元，包括：第一确定子单元，被配置成确定目标视频中的静音点；第三获取子单元，被配置成从目标视频中获取确定出的相邻的静音点之间的视频片段。
在一些实施例中，获取单元，包括：识别子单元，被配置成识别目标视频中包含预设字符的视频帧；第二确定子单元，被配置成将识别出的视频帧确定为切分帧；第四获取子单元，被配置成根据确定出的切分帧从目标视频中获取视频片段。
在一些实施例中，音乐片段检测模型包括特征提取模型、分类模型、完整度确定模型和回归定位模型，其中，特征提取模型用于表征视频片段与视频片段的特征的对应关系，分类模型用于表征视频片段的特征与视频片段的标签的对应关系，标签用于指示视频片段是否为音乐片段，完整度确定模型用于表征视频片段的特征与视频片段的完整度对应关系，回归定位模型用于表征视频片段的特征与视频片段包括音乐片段的定位信息对应关系。
在一些实施例中，特征提取模型用于：将输入的视频片段扩展预设帧数；将扩展后的视频片段划分为开始部分、中间部分和结束部分；通过卷积神经网络提取开始部分、中间部分和结束部分包括的视频帧的特征；组合提取出的开始部分、中间部分和结束部分包括的视频帧的特征得到输入的视频片段的特征。
第三方面，本申请实施例提供了一种设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面上述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面上述的方法。
本申请实施例提供的用于输出视频中的音乐片段的方法和装置，通过从目标视频中获取视频片段，并将视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息，而后根据定位信息输出视频片段包括的音乐片段，丰富了输出视频中的音乐片段的方法，提高了输出视频中的音乐片段的效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的用于输出视频中的音乐片段的方法的一个实施例的流程图；
图3是根据本申请的用于输出视频中的音乐片段的方法的应用场景的一个示意图；
图4是根据本申请的用于输出视频中的音乐片段的方法的又一个实施例的流程图；
图5是根据本申请的用于输出视频中的音乐片段的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的服务器或终端的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于输出视频中的音乐片段的方法或用于输出视频中的音乐片段的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如视频播放类应用、图像处理类应用、社交类应用、搜索类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。终端设备101、102、103可以从目标视频中获取视频片段；将视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息，其中，音乐片段检测模型用于表征视频片段与视频片段包括的音乐片段的定位信息的对应关系；根据定位信息输出视频片段包括的音乐片段。终端设备101、102、103也可以向服务器发送目标视频的标识，使得服务器105提取标识对应的目标视频包括的音乐片段。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上安装的应用提供支持的后台服务器，服务器105可以从目标视频中获取视频片段；将视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息，其中，音乐片段检测模型用于表征视频片段与视频片段包括的音乐片段的定位信息的对应关系；根据定位信息输出视频片段包括的音乐片段。
需要说明的是，本申请实施例所提供的用于输出视频中的音乐片段的方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，用于输出视频中的音乐片段的装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的用于输出视频中的音乐片段的方法的一个实施例的流程200。该用于输出视频中的音乐片段的方法，包括以下步骤：
步骤201，从目标视频中获取视频片段。
在本实施例中，用于输出视频中的音乐片段的方法执行主体(例如图1所示的服务器或终端)可以首先从目标视频中获取视频片段。
在本实施例中，目标视频可以是任何可以获取到，需要提取其包括的音乐片段的视频。例如，视频网站数据库中的影视剧、综艺节目或者直播等视频。从目标视频中获取视频片段，可以是随机获取，也可以是根据预先设置的时间间隔从目标视频中截取视频片段，或根据其他预先设置的规则获取视频片段。
在本实施例的一些可选实现方式中，从目标视频中获取视频片段，包括：确定目标视频中的静音点；从目标视频中获取确定出的相邻的静音点之间的视频片段。静音点可以是在预设时间段内，累加音频特征数据，当得到的值低于设定阈值时，可以判断其为静音点。
在本实施例的一些可选实现方式中，从目标视频中获取视频片段，包括：识别目标视频中包含预设字符的视频帧；将识别出的视频帧确定为切分帧；根据确定出的切分帧从目标视频中获取视频片段。预设字符可以是“第n集”、“演员表”等，n可以是数字的汉字，或阿拉伯数字。根据确定出的切分帧从目标视频中获取视频片段，可以是从目标视频中获取视频开始帧至切分帧之间的视频片段，也可以是从目标视频中获取切分帧至视频结束帧之间的视频片段。
步骤202，将视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息。
在本实施例中，上述执行主体可以将步骤201中获取的视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息。音乐片段检测模型用于表征视频片段与视频片段包括的音乐片段的定位信息的对应关系。定位信息可以是指示音乐片段在目标视频或视频片段中位置的信息，例如，音乐片段开始及结束时间、音乐片段开始帧及结束帧的帧数。
作为示例，上述音乐片段检测模型可以包括特征提取部分和对应关系表。其中，特征提取部分可以用于从视频片段中提取特征生成特征向量，例如，特征提取部分可以包括卷积神经网络、深度神经网络。此外，由于卷积神经网络、深度神经网络输入为图像，可以先将视频片段中音频转换为图像，例如，可以按照预设时间间隔将音频切分为音频片段，再将音频片段的声波图、频谱图或语谱图等图像确定为卷积神经网络、深度神经网络的输入。
在这里，将视频片段中音频转换为图像还可以包括：将视频片段的音频划分为不重叠的960ms帧，960ms帧通过每10ms的25ms窗口进行短时傅里叶变换，得到的频谱图被离散化到64个区间，最后得到96×64的频谱图序列。上述数值可以根据实际需要进行调整，本申请对此不做限定。
此外，上述对应关系表可以是技术人员基于对大量的特征向量和视频片段包括的音乐片段的定位信息的统计而预先制定的、存储有多个特征向量与视频片段包括的音乐片段的定位信息的对应关系的对应关系表。这样，上述音乐片段检测模型可以首先使用特征提取部分提取步骤201中得到的视频片段的特征，从而生成目标特征向量。之后，将该目标特征向量与对应关系表中的多个特征向量依次进行比较，若对应关系表中的某一个特征向量与目标特征向量相同或相似，则将对应关系表中的该特征向量对应的视频片段包括的音乐片段的定位信息作为步骤201中得到的视频片段所指示的待分级烟叶的视频片段包括的音乐片段的定位信息。
在本实施例的一些可选实现方式中，音乐片段检测模型包括特征提取模型、分类模型、完整度确定模型和回归定位模型，其中，特征提取模型用于表征视频片段与视频片段的特征的对应关系，分类模型用于表征视频片段的特征与视频片段的标签的对应关系，标签用于指示视频片段是否为音乐片段，完整度确定模型用于表征视频片段的特征与视频片段的完整度对应关系，回归定位模型用于表征视频片段的特征与视频片段包括音乐片段的定位信息对应关系。完整度可以是用于指示是否完整的信息，也可以通过交并比(Intersection-over-Union，IoU)等参数体现。
在本实施例的一些可选的实现方式中，上述音乐片段检测模型可以是上述执行主体或者其他用于训练上述音乐片段检测模型的执行主体通过以下方式训练得到的：
首先，获取样本集。其中，上述样本集中的样本可以包括样本视频片段、样本视频片段对应的标签、样本视频片段的完整度以及样本视频片段包括的音乐片段的定位信息。
然后，从上述样本集中获取样本，并执行以下训练步骤：
步骤S1，将选取的样本视频片段输入初始征提取模型，得到样本视频片段的特征。
初始征提取模型可以包括多个初始神经网络模型，实践中，在步骤S1之前需要确定多个初始神经网络模型的组合关系以及初始神经网络模型的网络结构。
对于多个初始神经网络模型的组合关系，需要确定每个神经网络模型的输入，以及如何组合神经网络模型的输出得到最终的样本视频片段的特征。对于初始神经网络模型的网络结构，需要确定初始神经网络模型包括哪些层，层与层之间的连接顺序关系，以及每层都包括哪些神经元，每个神经元对应的权重(weight)和偏置项(bias)，每层的激活函数。作为示例，当上述初始神经网络模型为深度卷积神经网络时，由于深度卷积神经网络是一个多层的神经网络，因此需要确定深度卷积神经网络包括哪些层(例如，卷积层，池化层，全连接层)，层与层之间的连接顺序关系，以及每个层都包括哪些网络参数(例如，权重、偏置项、卷积的步长)。其中，卷积层可以用于提取图像特征。针对每个卷积层可以确定有多少个卷积核，每个卷积核的大小，每个卷积核中的各个神经元的权重，每个卷积核对应的偏置项，相邻两次卷积之间的步长等等。池化层用于对特征图像进行降维处理。
步骤S2，将样本视频片段的特征输入初始分类模型、初始完整度确定模型和初始回归定位模型，得到预测的样本视频片段对应的标签、样本视频片段的完整度以及样本视频片段包括的音乐片段的定位信息。
参考初始征提取模型，初始分类模型、初始完整度确定模型和初始回归定位模型也可以包括若干个神经网络模型，以及支持向量机(Support Vector Machine,SVM)等用于分类或回归模型。
步骤S3，将预测的样本视频片段对应的标签、样本视频片段的完整度以及样本视频片段包括的音乐片段的定位信息与样本集中的样本视频片段对应的标签、样本视频片段的完整度以及样本视频片段包括的音乐片段的定位信息进行比较，得到分类模型、完整度确定模型和回归定位模型的损失函数的函数值。
步骤S4，根据分类模型、完整度确定模型和回归定位模型的损失函数的函数值得到音乐片段检测模型的总损失函数的函数值。
音乐片段检测模型的总损失函数的函数值可以是对分类模型、完整度确定模型和回归定位模型的损失函数的函数值加权求和的结果。具体的权重可以根据实际需要进行设置。
步骤S5，根据损失函数的函数值调整音乐片段检测模型的参数。
此外，还可以从上述样本集中重新选取样本，使用调整后的初始音乐片段检测模型作为初始音乐片段检测模型，继续执行上述训练步骤。作为示例，可以采用反向传播算法(Back Propgation Algorithm，BP算法)和梯度下降法(例如随机梯度下降算法)对上述初始音乐片段检测模型参数进行调整。需要说明的是，反向传播算法和梯度下降法是目前广泛研究和应用的公知技术，在此不再赘述。
需要说明的是，如果上述音乐片段检测模型由用于输出视频片段包括的音乐片段的定位信息的方法的执行主体训练得到的，可以将训练完成的初始音乐片段检测模型的网络结构信息和网络参数的参数值存储到本地。如果上述音乐片段检测模型其他执行主体训练得到，则其他执行主体可以将训练完成的初始音乐片段检测模型的网络结构信息和网络参数的参数值发送给用于输出视频片段包括的音乐片段的定位信息的方法的执行主体。
在本实施例的一些可选实现方式中，特征提取模型用于：将输入的视频片段扩展预设帧数；将扩展后的视频片段划分为开始部分、中间部分和结束部分；通过卷积神经网络提取开始部分、中间部分和结束部分包括的视频帧的特征；组合提取出的开始部分、中间部分和结束部分包括的视频帧的特征得到输入的视频片段的特征。
在本实现方式中，预设帧数可以根据视频片段的帧数确定，即可以按照预设比例扩展视频片段，例如视频片段有100帧，预设比例为10％，可以将视频片段前后各扩展5帧。具体的扩展方式可以根据实际需要进行设置。开始部分、中间部分和结束部分可以是按照预设的开始部分、中间部分和结束部分的帧数的比值进行划分，也可以是将扩展前的视频片段作为中间部分，扩展后的视频片段包括的中间部分之前的部分作为开始部分，扩展后的视频片段包括的中间部分之后的部分作为结束部分。
作为示例，可以将开始部分划分为两个部分，中间部分换分为五个部分，结束部分划分为两个部分，通过卷积神经网络提取各部分的特征，再组合开始部分划分出的两个部分及中间部分划分出的与开始部分相邻部分的特征，组合中间部分划分出的五个部分的特征，组合中间部分划分出的前三个部分的特征与后三个部分的特征以及组合结束部分划分出的两个部分及中间部分划分出的与结束部分相邻部分的特征，而后将组合出的5个特征的特征分别输入卷积神经网络，组合输出的5个特征确定为输入的视频片段的特征。
步骤203，根据定位信息输出视频片段包括的音乐片段。
在本实施例中，上述执行主体可以根据步骤202中得到的定位信息输出视频片段包括的音乐片段。此外上述执行主体还可以播放，储存或向其他设备发送视频片段包括的音乐片段。
继续参见图3，图3是根据本实施例的用于输出视频中的音乐片段的方法的应用场景的一个示意图。在图3的应用场景中，服务器301从目标视频A电影中获取视频片段；将A电影中获取的视频片段302输入至预先训练的音乐片段检测模型303，得到A电影包括的音乐片段的定位信息，其中，音乐片段检测模型302用于表征视频片段与视频片段包括的音乐片段的定位信息的对应关系；根据定位信息输出A电影包括的音乐片段304。
本申请的上述实施例提供的方法通过从目标视频中获取视频片段；将视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息，其中，音乐片段检测模型用于表征视频片段与视频片段包括的音乐片段的定位信息的对应关系；根据定位信息输出视频片段包括的音乐片段，丰富了输出视频中的音乐片段的方法，提高了输出视频中的音乐片段的效率。
进一步参考图4，其示出了用于输出视频中的音乐片段的方法的又一个实施例的流程400。该用于输出视频中的音乐片段的方法的流程400，包括以下步骤：
步骤401，按照预设时间间隔，从目标视频的音频中获取音频片段。
在本实施例中，用于输出视频中的音乐片段的方法执行主体(例如图1所示的服务器或终端)可以首先按照预设时间间隔，从目标视频的音频中获取音频片段。预设时间间隔可以根据实际需要进行设置，例如可以是960ms。
步骤402，对获取的音频片段进行短时傅里叶变换生成频谱图。
在本实施例中，上述执行主体可以将步骤401中获取的音频片段进行短时傅里叶变换生成频谱图。作为示例，960ms的音频片段可以通过每10ms的25ms窗口进行短时傅里叶变换
步骤403，将生成的频谱图离散化到预设数目个区间，得到频谱图序列。
在本实施例中，上述执行主体可以将步骤402中生成的频谱图离散化到预设数目个区间，得到频谱图序列。作为示例，可以将得到的频谱图离散化到64个区间，最后得到96×64的频谱图序列。
步骤404，将得到的频谱图序列输入预先训练的概率生成模型，得到获取的音频片段为音乐音频片段的概率。
在本实施例中，上述执行主体可以将步骤403中得到的频谱图序列输入预先训练的概率生成模型，得到获取的音频片段为音乐音频片段的概率。概率生成模型用于表征频谱图序列与频谱图序列对应的音频片段为音乐音频片段的概率的对应关系。概率生成模型的训练方法可以参照步骤202中音乐片段检测模型的训练方法，概率生成模型的训练样本可以来源于预先标注的视频，例如可以按照960ms构建样本音频片段，按照音乐片段1与非音乐片段0对样本进行标注，可以以正负样例1:4构成训练数据。初始的概率生成模型可以采用一些常见的卷积神经网络模型，例如ResNet-101，ResNet-50，ResNet-152。
步骤405，根据获取的音频片段为音乐音频片段的概率以及预先设置的概率阈值，从目标视频中获取视频片段。
在本实施例中，上述执行主体可以根据步骤404中获取的音频片段为音乐音频片段的概率以及预先设置的概率阈值，从目标视频中获取视频片段。概率阈值可以预设有一个或多个，可以从目标视频中获取概率超过预先设置的概率阈值的音频片段对应的视频片段。也可以对相邻或时间间隔很短的概率超过预先设置的概率阈值的音频片段进行组合，从目标视频中获取组合后的音频片段对应的视频片段。
在本实施例的一些可选实现方式中，根据音频片段为音乐音频片段的概率以及预先设置的概率阈值，从目标视频中获取视频片段，包括：根据音频片段为音乐音频片段的概率以及预先设置的至少两个概率阈值，通过分水岭算法，从目标视频中获取视频片段。分水岭算法会考虑邻近音频片段作为重要的分类依据，可以提高获取的视频片段的完整性。
步骤406，将视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息。
在本实施例中，上述执行主体可以将步骤405中获取的视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息。
步骤407，根据定位信息输出视频片段包括的音乐片段。
在本实施例中，上述执行主体可以根据步骤406中得到的定位信息输出视频片段包括的音乐片段。
在本实施例中，步骤406、步骤407的操作与步骤202、步骤203的操作基本相同，在此不再赘述。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于输出视频中的音乐片段的方法的流程400中基于预先训练的概率生成模型从目标视频中获取的视频片段，由此，本实施例描述的方案中进一步丰富了获取的视频片段，从而提高了后续输出的视频中的音乐片段的数量。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于输出视频中的音乐片段的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于输出视频中的音乐片段的装置500包括：获取单元501、输入单元502和输出单元503。其中，获取单元，被配置成从目标视频中获取视频片段；输入单元，被配置成将视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息，其中，音乐片段检测模型用于表征视频片段与视频片段包括的音乐片段的定位信息的对应关系；输出单元，被配置成根据定位信息输出视频片段包括的音乐片段。
在本实施例中，用于输出视频中的音乐片段的装置500的获取单元501、输入单元502和输出单元503的具体处理可以参考图2对应实施例中的步骤201、步骤202和步骤203。
在本实施例的一些可选实现方式中，获取单元，包括：第一获取子单元，被配置成按照预设时间间隔，从目标视频的音频中获取音频片段；变换子单元，被配置成对获取的音频进行短时傅里叶变换生成频谱图；离散化子单元，被配置成将生成的频谱图离散化到预设数目个区间，得到频谱图序列；输入子单元，被配置成将得到的频谱图序列输入预先训练的概率生成模型，得到获取的音频片段为音乐音频片段的概率，概率生成模型用于表征频谱图序列与频谱图序列对应的音频片段为音乐音频片段的概率的对应关系；第二获取子单元，被配置成根据获取的音频片段为音乐音频片段的概率以及预先设置的概率阈值，从目标视频中获取视频片段。
在本实施例的一些可选实现方式中，第二获取子单元，进一步被配置成：根据音频片段为音乐音频片段的概率以及预先设置的至少两个概率阈值，通过分水岭算法，从目标视频中获取视频片段。
在本实施例的一些可选实现方式中，获取单元，包括：第一确定子单元，被配置成确定目标视频中的静音点；第三获取子单元，被配置成从目标视频中获取确定出的相邻的静音点之间的视频片段。
在本实施例的一些可选实现方式中，获取单元，包括：识别子单元，被配置成识别目标视频中包含第一预设字符、第二预设字符的视频帧；第二确定子单元，被配置成将识别出的视频帧确定为切分帧；第四获取子单元，被配置成根据确定出的切分帧从目标视频中获取视频片段。
在本实施例的一些可选实现方式中，音乐片段检测模型包括特征提取模型、分类模型、完整度确定模型和回归定位模型，其中，特征提取模型用于表征视频片段与视频片段的特征的对应关系，分类模型用于表征视频片段的特征与视频片段的标签的对应关系，标签用于指示视频片段是否为音乐片段，完整度确定模型用于表征视频片段的特征与视频片段的完整度对应关系，回归定位模型用于表征视频片段的特征与视频片段包括音乐片段的定位信息对应关系。
在本实施例的一些可选实现方式中，特征提取模型用于：将输入的视频片段扩展预设帧数；将扩展后的视频片段划分为开始部分、中间部分和结束部分；通过卷积神经网络提取开始部分、中间部分和结束部分包括的视频帧的特征；组合提取出的开始部分、中间部分和结束部分包括的视频帧的特征得到输入的视频片段的特征。
本申请的上述实施例提供的装置，通过从目标视频中获取视频片段；将视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息，其中，音乐片段检测模型用于表征视频片段与视频片段包括的音乐片段的定位信息的对应关系；根据定位信息输出视频片段包括的音乐片段，丰富了输出视频中的音乐片段的方法，提高了输出视频中的音乐片段的效率。
下面参考图6，其示出了适于用来实现本申请实施例的服务器或终端的计算机系统600的结构示意图。图6示出的服务器或终端仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件可以连接至I/O接口605：包括诸如键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
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部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所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介质或者是上述两者的任意组合。计算机可读介质例如可以是——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。在本申请中，计算机可读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。而在本申请中，计算机可读的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。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
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申请的操作的计算机程序代码，所述程序设计语言包括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，图示了按照本申请各种实施例的系统、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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、输入单元和输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“被配置成从目标视频中获取视频片段的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。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装置执行时，使得该装置：从目标视频中获取视频片段；将视频片段输入至预先训练的音乐片段检测模型，得到视频片段包括的音乐片段的定位信息，其中，音乐片段检测模型用于表征视频片段与视频片段包括的音乐片段的定位信息的对应关系；根据定位信息输出视频片段包括的音乐片段。
以上描述仅为本申请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，本申请中所涉及的发明范围，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发明构思的情况下，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。例如上述特征与本申请中公开的(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。
Claims (16)
1.一种用于输出视频中的音乐片段的方法，包括：
从目标视频中获取视频片段；
将所述视频片段输入至预先训练的音乐片段检测模型，利用所述音乐片段检测模型的特征提取部分从所述视频片段中提取特征生成目标特征向量；
响应于所述音乐片段检测模型的对应关系表中存在与所述目标特征向量相同或相似的匹配特征向量，将所述匹配特征向量对应的定位信息确定为所述视频片段包括的音乐片段的定位信息，根据所述定位信息输出所述视频片段包括的音乐片段。
2.根据权利要求1所述的方法，其中，所述从目标视频中获取视频片段，包括：
按照预设时间间隔，从所述目标视频的音频中获取音频片段；
对获取的音频片段进行短时傅里叶变换生成频谱图；
将生成的频谱图离散化到预设数目个区间，得到频谱图序列；
将得到的频谱图序列输入预先训练的概率生成模型，得到获取的音频片段为音乐音频片段的概率，所述概率生成模型用于表征频谱图序列与频谱图序列对应的音频片段为音乐音频片段的概率的对应关系；
根据获取的音频片段为音乐音频片段的概率以及预先设置的概率阈值，从目标视频中获取视频片段。
3.根据权利要求2所述的方法，其中，所述根据音频片段为音乐音频片段的概率以及预先设置的概率阈值，从目标视频中获取视频片段，包括：
根据音频片段为音乐音频片段的概率以及预先设置的至少两个概率阈值，通过分水岭算法，从目标视频中获取视频片段。
4.根据权利要求1所述的方法，其中，所述从目标视频中获取视频片段，包括：
确定所述目标视频中的静音点；
从所述目标视频中获取确定出的相邻的静音点之间的视频片段。
5.根据权利要求1所述的方法，其中，所述从目标视频中获取视频片段，包括：
识别所述目标视频中包含预设字符的视频帧；
将识别出的视频帧确定为切分帧；
根据确定出的切分帧从所述目标视频中获取视频片段。
6.根据权利要求1-5中任一项所述的方法，其中，所述音乐片段检测模型包括特征提取模型、分类模型、完整度确定模型和回归定位模型，其中，所述特征提取模型用于表征视频片段与视频片段的特征的对应关系，所述分类模型用于表征视频片段的特征与视频片段的标签的对应关系，所述标签用于指示视频片段是否为音乐片段，所述完整度确定模型用于表征视频片段的特征与视频片段的完整度对应关系，所述回归定位模型用于表征视频片段的特征与视频片段包括音乐片段的定位信息对应关系。
7.根据权利要求6所述的方法，其中，所述特征提取模型用于：
将输入的视频片段扩展预设帧数；
将扩展后的视频片段划分为开始部分、中间部分和结束部分；
通过卷积神经网络提取所述开始部分、所述中间部分和所述结束部分包括的视频帧的特征；
组合提取出的所述开始部分、所述中间部分和所述结束部分包括的视频帧的特征得到输入的视频片段的特征。
8.一种用于输出视频中的音乐片段的装置，包括：
获取单元，被配置成从目标视频中获取视频片段；
输入单元，被配置成将所述视频片段输入至预先训练的音乐片段检测模型，利用所述音乐片段检测模型的特征提取部分从所述视频片段中提取特征生成目标特征向量；
输出单元，被配置成响应于所述音乐片段检测模型的对应关系表中存在与所述目标特征向量相同或相似的匹配特征向量，将所述匹配特征向量对应的定位信息确定为所述视频片段包括的音乐片段的定位信息，根据所述定位信息输出所述视频片段包括的音乐片段。
9.根据权利要求8所述的装置，其中，所述获取单元，包括：
第一获取子单元，被配置成按照预设时间间隔，从所述目标视频的音频中获取音频片段；
变换子单元，被配置成对获取的音频进行短时傅里叶变换生成频谱图；
离散化子单元，被配置成将生成的频谱图离散化到预设数目个区间，得到频谱图序列；
输入子单元，被配置成将得到的频谱图序列输入预先训练的概率生成模型，得到获取的音频片段为音乐音频片段的概率，所述概率生成模型用于表征频谱图序列与频谱图序列对应的音频片段为音乐音频片段的概率的对应关系；
第二获取子单元，被配置成根据获取的音频片段为音乐音频片段的概率以及预先设置的概率阈值，从目标视频中获取视频片段。
10.根据权利要求9所述的装置，其中，所述第二获取子单元，进一步被配置成：
根据音频片段为音乐音频片段的概率以及预先设置的至少两个概率阈值，通过分水岭算法，从目标视频中获取视频片段。
11.根据权利要求8所述的装置，其中，所述获取单元，包括：
第一确定子单元，被配置成确定所述目标视频中的静音点；
第三获取子单元，被配置成从所述目标视频中获取确定出的相邻的静音点之间的视频片段。
12.根据权利要求8所述的装置，其中，所述获取单元，包括：
识别子单元，被配置成识别所述目标视频中包含预设字符的视频帧；
第二确定子单元，被配置成将识别出的视频帧确定为切分帧；
第四获取子单元，被配置成根据确定出的切分帧从所述目标视频中获取视频片段。
13.根据权利要求8-12中任一项所述的装置，其中，所述音乐片段检测模型包括特征提取模型、分类模型、完整度确定模型和回归定位模型，其中，所述特征提取模型用于表征视频片段与视频片段的特征的对应关系，所述分类模型用于表征视频片段的特征与视频片段的标签的对应关系，所述标签用于指示视频片段是否为音乐片段，所述完整度确定模型用于表征视频片段的特征与视频片段的完整度对应关系，所述回归定位模型用于表征视频片段的特征与视频片段包括音乐片段的定位信息对应关系。
14.根据权利要求13所述的装置，其中，所述特征提取模型用于：
将输入的视频片段扩展预设帧数；
将扩展后的视频片段划分为开始部分、中间部分和结束部分；
通过卷积神经网络提取所述开始部分、所述中间部分和所述结束部分包括的视频帧的特征；
组合提取出的所述开始部分、所述中间部分和所述结束部分包括的视频帧的特征得到输入的视频片段的特征。
15.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810878623.7A CN108989882B (zh) | 2018-08-03 | 2018-08-03 | 用于输出视频中的音乐片段的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810878623.7A CN108989882B (zh) | 2018-08-03 | 2018-08-03 | 用于输出视频中的音乐片段的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108989882A CN108989882A (zh) | 2018-12-11 |
| CN108989882B true CN108989882B (zh) | 2021-05-28 |
Family
ID=64554846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810878623.7A Active CN108989882B (zh) | 2018-08-03 | 2018-08-03 | 用于输出视频中的音乐片段的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108989882B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110324726B (zh) * | 2019-05-29 | 2022-02-18 | 北京奇艺世纪科技有限公司 | 模型生成、视频处理方法、装置、电子设备及存储介质 |
| CN110324657A (zh) * | 2019-05-29 | 2019-10-11 | 北京奇艺世纪科技有限公司 | 模型生成、视频处理方法、装置、电子设备及存储介质 |
| CN110322894B (zh) * | 2019-06-27 | 2022-02-11 | 电子科技大学 | 一种基于声音的波形图生成及大熊猫检测方法 |
| CN110971969B (zh) * | 2019-12-09 | 2021-09-07 | 北京字节跳动网络技术有限公司 | 视频配乐方法、装置、电子设备及计算机可读存储介质 |
| CN110996167A (zh) * | 2019-12-20 | 2020-04-10 | 广州酷狗计算机科技有限公司 | 在视频中添加字幕的方法及装置 |
| CN111159464B (zh) * | 2019-12-26 | 2023-12-15 | 腾讯科技（深圳）有限公司 | 一种音频片段的检测方法及相关设备 |
| CN111523566A (zh) * | 2020-03-31 | 2020-08-11 | 易视腾科技股份有限公司 | 目标视频片段定位方法和装置 |
| CN112182301A (zh) * | 2020-09-30 | 2021-01-05 | 北京百度网讯科技有限公司 | 用于提取视频片段的方法和装置 |
| CN113434731B (zh) * | 2021-06-30 | 2024-01-19 | 平安科技（深圳）有限公司 | 音乐视频流派分类方法、装置、计算机设备及存储介质 |
| CN113486214A (zh) * | 2021-07-23 | 2021-10-08 | 广州酷狗计算机科技有限公司 | 音乐匹配方法、装置、计算机设备及存储介质 |
| CN114339392B (zh) * | 2021-11-12 | 2023-09-12 | 腾讯科技（深圳）有限公司 | 视频剪辑方法、装置、计算机设备及存储介质 |
| CN114697740B (zh) * | 2022-03-28 | 2024-02-23 | 咪咕数字传媒有限公司 | 信息处理方法、装置、设备及计算机可读存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102750947A (zh) * | 2011-04-19 | 2012-10-24 | 索尼公司 | 音乐片段检测设备和方法以及音乐信号检测设备 |
| CN105138617A (zh) * | 2015-08-07 | 2015-12-09 | 中国人民大学 | 一种音乐自动定位和注解系统及方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6901362B1 (en) * | 2000-04-19 | 2005-05-31 | Microsoft Corporation | Audio segmentation and classification |
| CN101236742B (zh) * | 2008-03-03 | 2011-08-10 | 中兴通讯股份有限公司 | 音乐/非音乐的实时检测方法和装置 |
| CN101667423A (zh) * | 2009-09-25 | 2010-03-10 | 上海大学 | 基于概率密度比的压缩域高鲁棒语音/音乐分割方法 |
| CN102073636A (zh) * | 2009-10-30 | 2011-05-25 | 索尼株式会社 | 节目高潮检索方法和系统 |
| CN102377914A (zh) * | 2011-09-22 | 2012-03-14 | 宇龙计算机通信科技(深圳)有限公司 | 终端和多媒体文件管理方法 |
| CN103325403B (zh) * | 2013-06-20 | 2016-04-13 | 富泰华工业（深圳）有限公司 | 电子装置及其视频播放方法 |
| CN104768082B (zh) * | 2015-04-01 | 2019-01-29 | 北京搜狗科技发展有限公司 | 一种音视频播放信息处理方法及服务器 |
| CN106205656B (zh) * | 2015-05-08 | 2020-02-21 | 阿里巴巴集团控股有限公司 | 一种文件播放位置的定位方法及装置 |
| CN105895110A (zh) * | 2016-06-30 | 2016-08-24 | 北京奇艺世纪科技有限公司 | 一种音频文件的分类方法及装置 |
| CN106356070B (zh) * | 2016-08-29 | 2019-10-29 | 广州市百果园网络科技有限公司 | 一种音频信号处理方法，及装置 |
| CN107135419A (zh) * | 2017-06-14 | 2017-09-05 | 北京奇虎科技有限公司 | 一种编辑视频的方法和装置 |
| CN107645681A (zh) * | 2017-10-18 | 2018-01-30 | 青岛海信电器股份有限公司 | 视频资源的播放控制方法及装置、可读存储介质 |
-
2018
- 2018-08-03 CN CN201810878623.7A patent/CN108989882B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102750947A (zh) * | 2011-04-19 | 2012-10-24 | 索尼公司 | 音乐片段检测设备和方法以及音乐信号检测设备 |
| CN105138617A (zh) * | 2015-08-07 | 2015-12-09 | 中国人民大学 | 一种音乐自动定位和注解系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108989882A (zh) | 2018-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108989882B (zh) | 用于输出视频中的音乐片段的方法和装置 | |
| CN110582025B (zh) | 用于处理视频的方法和装置 | |
| CN109740018B (zh) | 用于生成视频标签模型的方法和装置 | |
| CN109121022B (zh) | 用于标记视频片段的方法及装置 | |
| JP7394809B2 (ja) | ビデオを処理するための方法、装置、電子機器、媒体及びコンピュータプログラム | |
| CN109582825B (zh) | 用于生成信息的方法和装置 | |
| CN112530408A (zh) | 用于识别语音的方法、装置、电子设备和介质 | |
| CN108121699B (zh) | 用于输出信息的方法和装置 | |
| US11750898B2 (en) | Method for generating target video, apparatus, server, and medium | |
| CN112766284B (zh) | 图像识别方法和装置、存储介质和电子设备 | |
| CN111897950A (zh) | 用于生成信息的方法和装置 | |
| CN111625649A (zh) | 文本处理方法、装置、电子设备及介质 | |
| CN115801980A (zh) | 视频生成方法和装置 | |
| CN109816023B (zh) | 用于生成图片标签模型的方法和装置 | |
| CN113033707B (zh) | 视频分类方法、装置、可读介质及电子设备 | |
| CN110634050A (zh) | 一种鉴别房源类型的方法、装置、电子设备及存储介质 | |
| CN108664610B (zh) | 用于处理数据的方法和装置 | |
| CN114625876B (zh) | 作者特征模型的生成方法、作者信息处理方法和装置 | |
| CN111460214B (zh) | 分类模型训练方法、音频分类方法、装置、介质及设备 | |
| CN109344289B (zh) | 用于生成信息的方法和装置 | |
| CN114495903A (zh) | 一种语言类别识别方法、装置、电子设备和存储介质 | |
| CN115312032A (zh) | 语音识别训练集的生成方法及装置 | |
| CN111949819A (zh) | 用于推送视频的方法和装置 | |
| CN110619869B (zh) | 用于训练混合语言识别模型的方法和装置 | |
| CN114121224B (zh) | 情绪识别能力的评估方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |