CN110113660A - 一种转码时长估计的方法、装置、终端和存储介质 - Google Patents

Abstract

本发明实施例涉及信息处理技术领域，公开了一种转码时长估计的方法、装置、终端和存储介质。本发明中转码时长估计的方法，包括：获取待转码媒体文件的软件特征参数以及待转码媒体文件所对应转码装置的硬件特征参数；根据待转码媒体文件的软件特征参数、硬件特征参数和转码时长估计模型，确定待转码媒体文件的转码时长，转码时长估计模型根据样本训练库中的各已转码媒体文件的软件特征参数、各已转码媒体文件所对应转码装置的硬件特征参数和各已转码媒体文件的转码时长训练得到。本实施方式，使得能够准确地估算出媒体文件的转码时长。

Description

一种转码时长估计的方法、装置、终端和存储介质

技术领域

本发明实施例涉及信息处理技术领域，特别涉及一种转码时长估计的方法、装置、终端和存储介质。

背景技术

转码是将媒体文件(如视频文件、音频文件)从一种编码格式转换成另一种编码格式的技术。转码用在计算设备不支持当前视频格式/音频格式，或者当视频流/音频流大小超过计算设备的存储容量的情况下。通常会根据估计的媒体文件的转码时长，合理调度音视频文件的转码需求。

发明人发现现有技术中至少存在如下问题：目前对媒体文件的转码时长通常是基于对当前文件转码的进度进行的转码时长估计，或是根据实际的经验估算出媒体文件转码的时长；但是，当前文件转码的时长与该文件的转码进度并没有相关性，例如，一个视频文件进行转码，转码该视频文件的80％，所消耗的转码时长是20分钟，但是若该视频文件的剩余20％部分有损坏的情况下，转码速度变慢，该视频文件剩下20％的转码时长为10分钟，而不是预测的5分钟。可见，转码时长估算的不准确，会影响对媒体文件转码的调度问题。

发明内容

本发明实施方式的目的在于提供一种转码时长估计的方法、装置、终端和存储介质，使得能够准确地估算出媒体文件的转码时长。

为解决上述技术问题，本发明的实施方式提供了一种转码时长估计的方法，包括：获取待转码媒体文件的软件特征参数以及待转码媒体文件所对应转码装置的硬件特征参数；根据待转码媒体文件的软件特征参数、硬件特征参数和转码时长估计模型，确定待转码媒体文件的转码时长，转码时长估计模型根据样本训练库中的各已转码媒体文件的软件特征参数、各已转码媒体文件所对应转码装置的硬件特征参数和各已转码媒体文件的转码时长训练得到。

本发明的实施方式还提供了一种转码时长估计的装置，包括：获取模块和确定模块；获取模块用于获取待转码媒体文件的软件特征参数以及待转码媒体文件所对应转码装置的硬件特征参数；确定模块用于根据待转码媒体文件的软件特征参数、硬件特征参数和转码时长估计模型，确定待转码媒体文件的转码时长，转码时长估计模型根据样本训练库中的各已转码媒体文件的软件特征参数、各已转码媒体文件所对应转码装置的硬件特征参数和各已转码媒体文件的转码时长训练得到。

本发明的实施方式还提供了一种终端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述转码时长估计的方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述转码时长估计的方法。

本发明实施方式相对于现有技术而言，转码时长估计模型是根据样本训练库中各已转码媒体文件的软件特征参数、各已转码文件所对应转码装置的硬件特征参数和各已转码媒体文件的转码时长训练得到，而已转码媒体文件的软件特征参数可以包括多个特征，如：已转码媒体文件的码率、帧率、分辨率以及自身复杂度等，由于考虑了多个特征对媒体文件转码时长的影响，使得训练的转码时长估计模型更加准确，从而在确定了转码时长估计模型后，待转码媒体文件的软件特征参数和对应转码装置的硬件特征参数通过该转码时长估计模型，即可快速、准确地确定待转码媒体文件的转码时长。

另外，转码时长估计模型的训练过程，具体包括：根据每个已转码媒体文件的软件特征参数和每个硬件特征参数，与每个已转码文件的转码时长之间的分布关系，确定包含未知参数值的转码时长估计模型；根据每个已转码媒体文件的软件特征参数和每个硬件特征参数，确定转码时长估计模型的输入数据，将每个已转码文件的转码时长作为转码时长估计模型的输出数据；根据输入数据以及包含未知参数值的转码时长估计模型，确定转码时长估计模型中的未知参数值，以使根据转码时长估计模型的输入数据确定出对应的输出数据的概率最大。先确定出包含未知参数值的转码时长估计模型，且确保根据转码时长估计模型的输入数据确定对应的输出数据的概率最大的情况下，计算出未知参数值，从而使得根据该转码时长估计模型计算的转码时长最为准确。

另外，根据每个已转码媒体文件的软件特征参数和每个硬件特征参数，确定转码时长估计模型的输入数据，具体包括：根据每个已转码媒体文件的软件特征参数和每个硬件特征参数，构建每个已转码媒体文件的特征向量；将每个已转码媒体文件的特征向量作为输入数据。由于软件特征参数包括了多个特征，导致确定输入数据和输出数据之间的分布关系变得复杂，而将每个已转码媒体文件的软件特征参数和对应的硬件特征参数构建为每个已转码媒体文件的特征向量，可以简化构建确定分布关系的复杂度，从而提高确定该转码时长估计模型的速度。

另外，根据输入数据以及包含未知参数值的转码时长估计模型，确定转码时长估计模型中的未知参数值，以使根据转码时长估计模型的输入数据确定出对应的输出数据的概率最大，具体包括：根据包含未知参数值的转码时长估计模型，构建未知参数值的似然函数；根据每个已转码媒体文件的特征向量和未知参数值的似然函数，计算出未知参数值。由于在计算该未知参数值时，需要保证根据该转码时长估计模型的输入数据确定出对应的输出数据的概率最大，因而可以通过构建未知参数值的似然函数，采用最大似然函数估计方式计算未知参数值，使得确定了未知参数值的转码时长估计模型可以反映出转码时长与输入数据的分布关系，进而可以提高转码时长估计模型的准确性。

另外，根据每个已转码媒体文件的软件特征参数和每个硬件特征参数，构建每个已转码媒体文件的特征向量，具体包括：对每个已转码媒体文件的软件特征参数和每个硬件特征参数进行预处理；将预处理后的每个已转码媒体文件的特征参数和预处理后的每个硬件特征参数进行特征融合，确定每个已转码媒体文件的特征向量。通过对每个已转码媒体文件的软件特征参数和每个硬件特征参数进行预处理，可以简化后续进行特征融合的步骤，从而加快确定每个已转码媒体文件的特征向量的速度。

另外，转码时长估计的方法还包括：在完成对待转码媒体文件的转码后，将完成转码的待转码媒体文件的软件特征参数、转码时长和对应转码装置的硬件特征参数加入样本训练库中。将转码完成后的待转码媒体文件的软件特征参数、转码时长和对应转码装置的硬件特征参数加入样本训练库，可以不断丰富样本训练库中的样本，修正转码时长估计模型，进而可以提高确定转码时长估计模型的准确性。

另外，软件特征参数包括：媒体文件的文件长度、码率、帧率、分辨率以及媒体文件复杂度中至少两个参数；硬件特征参数包括转码装置的处理资源信息。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是根据本发明第一实施方式中一种转码时长估计的方法的具体流程示意图；

图2是根据本发明第一实施方式中训练转码时长估计模型的具体流程示意图；

图3是根据本发明第二实施方式中一种转码时长估计的方法的具体流程示意图；

图4是根据本发明第三实施方式中一种转码时长估计的装置的具体结构示意图；

图5是根据本发明第四实施方式中一种终端的具体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。

本发明的第一实施方式涉及一种转码时长估计的方法。该转码时长估计的方法应用于终端，该终端可以是具有计算功能的电脑、服务器或云端等。该转码时长估计的方法的具体流程如图1所示。

步骤101：获取待转码媒体文件的软件特征参数以及待转码媒体文件所对应转码装置的硬件特征参数。

具体的说，媒体文件可以是视频文件、还可以是音频文件。媒体文件的软件特征参数包括：媒体文件的文件长度、码率、帧率、分辨率以及媒体文件复杂度中至少两个参数。媒体文件复杂度可以是基于媒体文件本身的错误复杂度，例如，视频文件中帧缺失率。终端可以直接提取该媒体文件的文件长度信息、码率、帧率、分辨率等信息，媒体文件复杂度可以通过预分析提取媒体文件的时间戳同步率、关键帧缺失率等信息，从而获取该媒体文件的复杂度特征。由于不同的媒体文件可以使用不同的转码装置进行转码，而转码装置的处理媒体文件的速度不同，因而还需要获取对应转码装置的硬件特征参数，该硬件特征参数包括转码装置的处理资源信息，如硬件的CPU占用率的信息。

步骤102：根据待转码媒体文件的软件特征参数、硬件特征参数和转码时长估计模型，确定待转码媒体文件的转码时长。

具体的说，将获取到的待转码媒体文件的软件特征参数和对应的该媒体文件转码装置的硬件特征参数输入至转码时长估计模型，即可得到该待转码媒体文件的转码时长。而该转码时长估计模型是根据样本训练库中的各已转码媒体文件的软件特征参数、各已转码媒体文件所对应转码装置的硬件特征参数和各已转码媒体文件的转码时长训练得到。

一个具体的实施方式中，转码时长估计模型的训练过程包括如下子步骤，具体流程如图2所示：

子步骤1021：根据每个已转码媒体文件的软件特征参数和每个硬件特征参数，与每个已转码文件的转码时长之间的分布关系，确定包含未知参数值的转码时长估计模型。

具体的说，样本训练库中保存有各已转码媒体文件的软件特征参数，各硬件特征参数，以及各已转码媒体文件的转码时长。从样本训练库中获取各已转码媒体文件的软件特征参数、与各媒体文件对应转码装置的硬件特征参数以及各已转码媒体文件的转码时长。

一个具体的实现中，根据每个已转码媒体文件的软件特征参数和每个硬件特征参数，构建每个已转码媒体文件的特征向量；根据每个已转码媒体文件的特征向量与每个转码时长之间的分布关系，确定包含未知参数值的转码时长估计模型。

由于媒体文件的软件特征参数包含的特征不一定，根据特征融合后的特征向量和转码时长的分布函数可能是正态函数，也可能是均匀分布函数，且，由于已转码媒体文件的软件特征参数考虑了媒体文件本身的时间戳不同步以及关键帧缺失等实际影响到整体转码时长的问题，因而通过大量的已转码媒体文件的特中的特征向量和转码时长之间的分布，可以训练得到最符合该特征向量和转码时长之间分布关系的包含未知参数值的转码时长估计模型。

具体的说，首先构建每个已转码媒体文件的特征向量，根据样本训练库中各已转码媒体文件特征向量和各已转码媒体文件对应的转码时长，得到每个已转码媒体文件特征向量与转码时长的分布关系，进而可以根据分布关系，训练出最符合该分布关系的函数模型，将该函数模型作为该包含未知参数值的转码时长估计模型。其中，特征融合的实现算法有多种，例如，基于贝叶斯决策理论的算法、基于稀疏表示理论的算法或基于深度学习理论算法等。

子步骤1022：根据每个已转码媒体文件的软件特征参数和每个硬件特征参数，确定转码时长估计模型的输入数据，将每个已转码文件的转码时长作为转码时长估计模型的输出数据。

具体的说，为了便于后续确定转码时长估计模型中的未知参数值，将根据每个已转码媒体文件的软件特征参数和每个硬件特征参数，构建出每个已转码媒体文件的特征向量，并将每个已转码媒体文件的特征向量作为该转码时长估计模型的输入数据。

子步骤1023：根据输入数据以及包含未知参数值的转码时长估计模型，确定转码时长估计模型中的未知参数值，以使根据转码时长估计模型的输入数据确定出对应的所述输出数据的概率最大。

在确定了包含未知参数值的转码时长估计模型后，可以采用最大似然估计的方法确定该未知参数值，以使根据该转码时长估计模型的输入数据确定出对应的输出数据的概率最大。例如，一个已转码媒体文件A特征向量通过该计算出的未知参数值的转码时长估计模型后，得到该已转码媒体文件A对应的转码时长t的概率最大。

具体的说，根据包含未知参数值的转码时长估计模型，构建未知参数值的似然函数；根据每个已转码媒体文件的特征向量和未知参数值的似然函数，计算出未知参数值。

下面详细介绍确定未知参数值的过程。

样本训练库中各已转码媒体文件的特征向量表示为(x1，x2，x3，……xn)，n为已转码媒体文件的个数，其中，x1表示第一个已转码媒体文件的特征向量，该已转码媒体文件的软件特征参数中包含4个特征，分别为：视频分辨率，码率、复杂度(如编码复杂度)和关键帧缺失率，硬件特征参数包含为当前CPU资源占用率的特征。

假设包含未知函数值的转码时长估计模型为f(x)，未知参数值为a，已转码媒体文件的特征向量(x1，x2，x3......，xn)为未知参数值a的似然函数，那么按照包含未知函数值的转码时长估计模型f(x)，构建该未知参数值a的似然函数，得到如下似然函数：

如果存在一组使得like(a)的函数值最大，则为未知参数值a的最大似然估计值，也就是说，媒体文件的特征向量在确定未知参数值a最准确。

为了求取公式(1)的中函数like(a)的最大值，可以对公式(1)取对数，得到：

对公式(2)进行求导，并令其导数为0，即可使得该like(a)的函数值最大，从而得到该特征向量满足的分布的最佳参数a，其中，公式(2)中的L为似然函数的标识缩写，即函数标识“L”与函数标识“like”等同。

假设该媒体文件的特征向量服从一个位置参数为μ、尺度参数为σ的概率分布，其中，在确定包含未知参数值的转码时长估计模型过程中，可以确定出σ的值。那么根据上述介绍的原理，即可写出未知参数值μ的似然值如公式(3)：

其中，M即为该媒体文件的特征向量服从的正太分布函数，即，

对公式(3)进行求导，即可得到

其中，公式(4)中的θ即为未知参数值，此处该θ相当于μ。

在确定了包含未知参数值的转码时长估计模型中的未知参数值后，即确定出了该转码时长估计模型。此时输入待转码媒体文件的软件特征参数和硬件特征参数组成的特征向量，即可得到该待转码媒体文件的转码时长。

例如，若包含未知参数值的转码时长估计模型为正太分布函数，其中σ＝1；若样本训练库中的各已转码媒体文件的特征向量(x1，x2，x3，x4，x5)的值为(0.5，0.3，0.2，0.1，0.6)，求转码时长为1小时的概率最大，则可确定计算得到未知参数值为μ＝0.34。

将未知参数值μ＝0.34带入该公式(5)，即可确定出转码时长估计模型，输入待转码媒体文件的特征向量，即可求出该待转码媒体文件的转码时长P的值。

本发明实施方式相对于现有技术而言，转码时长估计模型是根据样本训练库中各已转码媒体文件的软件特征参数、各已转码文件所对应转码装置的硬件特征参数和各已转码媒体文件的转码时长训练得到，而已转码媒体文件的软件特征参数可以包括多个特征，如：已转码媒体文件的码率、帧率、分辨率以及自身复杂度等，由于考虑了多个特征对媒体文件转码时长的影响，使得训练的转码时长估计模型更加准确，从而在确定了转码时长估计模型后，待转码媒体文件的软件特征参数和对应转码装置的硬件特征参数通过该转码时长估计模型，即可快速、准确地确定待转码媒体文件的转码时长。

本发明的第二实施方式涉及一种转码时长估计的方法。第二实施方式是对第一实施方式的进一步改进，主要改进之处在于：在本发明第二实施方式中，该转码时长估计的方法还包括在完成对待转码媒体文件的转码后，将完成转码的待转码媒体文件的软件特征参数、转码时长和对应转码装置的硬件特征参数加入样本训练库中。该转码时长估计的方法的具体流程如图3所示。

步骤201：获取待转码媒体文件的软件特征参数以及待转码媒体文件所对应转码装置的硬件特征参数。

步骤202：根据待转码媒体文件的软件特征参数、硬件特征参数和转码时长估计模型，确定待转码媒体文件的转码时长。

步骤203：在完成对待转码媒体文件的转码后，将完成转码的待转码媒体文件的软件特征参数、转码时长和对应转码装置的硬件特征参数加入样本训练库中。

具体的说，在待转码媒体文件完成转码后，记录该待转码媒体文件的转码时长，以及该媒体文件的软件特征参数和对应转码转置的硬件特征参数，并将该完成转码的待转码媒体文件加入样本训练库中，以丰富该样本训练库，同时，也可根据加入的该转码媒体文件的转码时长，修正该转码时长估计模型，进一步提高该转码时长估计模型的准确性。

值得一提的是，根据每个已转码媒体文件的软件特征参数和每个硬件特征参数，构建每个已转码媒体文件的特征向量的过程还可以是：对每个已转码媒体文件的软件特征参数和每个硬件特征参数进行预处理；将预处理后的每个已转码媒体文件的特征参数和预处理后的每个硬件特征参数进行特征融合，确定每个已转码媒体文件的特征向量。预处理的方法可以是对软件特征参数和硬件特征参数进行归一化处理，以便提升特征融合的精度，还可以采用深度学习的方式，确定软件特征参数中各个特征的权值以及硬件特征参数所占权值。

需要说明的是，本实施方式中的步骤201、步骤202与第一实施方式中的步骤101和步骤102大致相同，此处将不再赘述。

通过对每个已转码媒体文件的软件特征参数和每个硬件特征参数进行预处理，可以简化后续进行特征融合的步骤，从而加快确定每个已转码媒体文件的特征向量的速度。

本实施方式提供的转码时长估计的方法，将转码完成后的待转码媒体文件的软件特征参数、转码时长和对应转码装置的硬件特征参数加入样本训练库，可以不断丰富样本训练库中的样本，修正转码时长估计模型，进而可以提高确定转码时长估计模型的准确性。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本发明第三实施方式涉及一种转码时长估计的装置，该转码时长估计的装置30的具体结构如图4所示，包括：获取模块301和确定模块302。

获取模块301用于获取待转码媒体文件的软件特征参数以及待转码媒体文件所对应转码装置的硬件特征参数；确定模块302用于根据待转码媒体文件的软件特征参数、硬件特征参数和转码时长估计模型，确定待转码媒体文件的转码时长，转码时长估计模型根据样本训练库中的各已转码媒体文件的软件特征参数、各已转码媒体文件所对应转码装置的硬件特征参数和各已转码媒体文件的转码时长训练得到。

不难发现，本实施方式为与第一实施方式相对应的装置实施例，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。

值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

本发明第四实施方式涉及一种终端，如图5所示，终端40包括：至少一个处理器401；以及，与至少一个处理器401通信连接的存储器402；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述转码时长估计的方法。

其中，存储器402和处理器401采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器401和存储器402的各种电路链接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器401处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器401。

处理器401负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。

本发明第五实施方式涉及一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述转码时长估计的方法。

本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (10)

1.一种转码时长估计的方法，其特征在于，包括：

获取待转码媒体文件的软件特征参数以及所述待转码媒体文件所对应转码装置的硬件特征参数；

根据所述待转码媒体文件的软件特征参数、所述硬件特征参数和转码时长估计模型，确定所述待转码媒体文件的转码时长，所述转码时长估计模型根据样本训练库中的各已转码媒体文件的软件特征参数、各所述已转码媒体文件所对应转码装置的所述硬件特征参数和各已转码媒体文件的转码时长训练得到。

2.根据权利要求1所述的转码时长估计的方法，其特征在于，所述转码时长估计模型的训练过程，具体包括：

根据每个所述已转码媒体文件的软件特征参数和每个所述硬件特征参数，与每个所述已转码文件的转码时长之间的分布关系，确定包含未知参数值的所述转码时长估计模型；

根据每个所述已转码媒体文件的软件特征参数和每个所述硬件特征参数，确定所述转码时长估计模型的输入数据，将每个所述已转码文件的转码时长作为所述转码时长估计模型的输出数据；

根据输入数据以及包含未知参数值的所述转码时长估计模型，确定所述转码时长估计模型中的未知参数值，以使根据所述转码时长估计模型的所述输入数据确定出对应的所述输出数据的概率最大。

3.根据权利要求2所述的转码时长估计的方法，其特征在于，根据每个所述已转码媒体文件的软件特征参数和每个所述硬件特征参数，与每个所述已转码文件的转码时长之间的分布关系，确定包含未知参数值的所述转码时长估计模型，具体包括：

根据所述每个已转码媒体文件的软件特征参数和每个硬件特征参数，构建每个已转码媒体文件的特征向量；

根据每个所述已转码媒体文件的特征向量与每个所述转码时长之间的分布关系，确定包含未知参数值的所述转码时长估计模型。

4.根据权利要求3所述的转码时长估计的方法，其特征在于，所述根据输入数据以及包含未知参数值的所述转码时长估计模型，确定所述转码时长估计模型中的未知参数值，以使根据所述转码时长估计模型的所述输入数据确定出对应的所述输出数据的概率最大，具体包括：

根据所述包含未知参数值的转码时长估计模型，构建所述未知参数值的似然函数；

根据每个所述已转码媒体文件的特征向量和所述未知参数值的似然函数，计算出所述未知参数值。

5.根据权利要求3所述的转码时长估计的方法，其特征在于，根据所述每个已转码媒体文件的软件特征参数和每个硬件特征参数，构建每个已转码媒体文件的特征向量，具体包括：

对每个所述已转码媒体文件的软件特征参数和每个所述硬件特征参数进行预处理；

将所述预处理后的每个所述已转码媒体文件的特征参数和所述预处理后的每个所述硬件特征参数进行特征融合，确定每个所述已转码媒体文件的特征向量。

6.根据权利要求2所述的转码时长估计的方法，其特征在于，所述转码时长估计的方法还包括：

在完成对所述待转码媒体文件的转码后，将完成转码的所述待转码媒体文件的软件特征参数、转码时长和对应转码装置的硬件特征参数加入所述样本训练库中。

7.根据权利要求1所述的转码时长估计的方法，其特征在于，所述软件特征参数包括：媒体文件的文件长度、码率、帧率、分辨率以及所述媒体文件复杂度中至少两个参数；

所述硬件特征参数包括所述转码装置的处理资源信息。

8.一种转码时长估计的装置，其特征在于，包括：获取模块和确定模块；

所述获取模块用于获取待转码媒体文件的软件特征参数以及所述待转码媒体文件所对应转码装置的硬件特征参数；

所述确定模块用于根据所述待转码媒体文件的软件特征参数、所述硬件特征参数和转码时长估计模型，确定所述待转码媒体文件的转码时长，所述转码时长估计模型根据样本训练库中的各已转码媒体文件的软件特征参数、各所述已转码媒体文件所对应转码装置的所述硬件特征参数和各已转码媒体文件的转码时长训练得到。

9.一种终端，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

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权利要求1至7任一所述的转码时长估计的方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的转码时长估计的方法。