CN110336960B - 视频合成的方法、装置、终端及存储介质 - Google Patents

Abstract

本申请公开了一种视频合成的方法，属于视频处理技术领域。所述方法包括：向服务器发送素材获取请求，其中，所述素材获取请求中携带有素材音频的特征信息；获取服务器发送的素材视频集、素材音频和所述素材音频的重音节拍时间点；基于所述重音节拍时间点，在所述素材视频集中，确定出多个素材视频；基于所述重音节拍时间点，对所述多个素材视频和所述素材音频进行合成，得到合成视频，其中，在所述合成视频中各素材视频的切换时间点为所述音频数据的重音节拍时间点。通过本申请可以提高视频合成效率。

Description

视频合成的方法、装置、终端及存储介质

技术领域

本申请涉及视频处理技术领域，特别涉及一种视频合成的方法、装置、终端及存储介质。

背景技术

在日常生活中，人们通常会想要将自己喜欢的音乐作为背景音乐，来制作短视频。

一般来说，制作短视频时，需要自己搜集素材视频，再使用视频编辑软件，将搜集到的素材视频进行拼接，并添加上喜欢的音乐作为背景音乐，得到合成视频。

在实现本申请的过程中，发明人发现现有技术至少存在以下问题：

上述制作合成视频的过程，均需由人工完成，过程繁琐，合成效率较低。

发明内容

本申请实施例提供了一种视频合成的方法,能够解决视频合成效率低的问题。所述技术方案如下：

第一方面，提供了一种视频合成的方法，所述方法包括：

向服务器发送素材获取请求，其中，所述素材获取请求中携带有素材音频的特征信息；

获取服务器发送的素材视频集、素材音频和所述素材音频的重音节拍时间点；

基于所述重音节拍时间点，在所述素材视频集中，确定出多个素材视频；

基于所述重音节拍时间点，对所述多个素材视频和所述素材音频进行合成，得到合成视频，其中，在所述合成视频中各素材视频的切换时间点为所述音频数据的重音节拍时间点。

可选的，所述基于所述重音节拍时间点，在所述素材视频集中，确定出多个素材视频，包括：

基于所述重音节拍时间点的个数N、所述素材音频的起始时间点和结束时间点，在所述素材视频集中，确定出多个素材视频。

可选的，所述基于所述重音节拍时间点的个数N、所述素材音频的起始时间点和结束时间点，在所述素材视频集中，确定出多个素材视频，包括：

如果所述素材音频的起始时间点和结束时间点中有一个时间点是重音节拍时间点，则在所述素材视频集中，确定出N个素材视频；

如果所述素材音频的起始时间点和结束时间点均是重音节拍时间点，则在所述素材视频集中，确定出N-1个素材视频；

如果所述素材音频的起始时间点和结束时间点均不是重音节拍时间点，则在所述素材视频集中，确定出N+1个素材视频。

可选的，所述基于所述重音节拍时间点，对所述多个素材视频和所述素材音频进行合成，得到合成视频，包括：

确定在合成视频时各素材视频的合成顺序；

按照所述各素材视频的合成顺序，逐个获取素材视频，每获取一个素材视频，基于当前获取的素材视频和所述重音节拍时间点，确定所述当前获取的素材视频对应的子视频；

基于所述合成顺序，对每个子视频进行合成，得到合成素材视频，对所述合成素材图像和所述素材音频进行合成，得到合成视频。

可选的，所述基于当前获取的素材视频和所述重音节拍时间点，确定所述当前获取的素材视频对应的子视频，包括：

如果所述素材音频的起始时间点和结束时间点中有一个时间点是重音节拍时间点，则在所述素材视频集中，确定出N个素材视频；

如果所述素材音频的起始时间点和结束时间点均是重音节拍时间点，则在所述素材视频集中，确定出N-1个素材视频；

如果所述素材音频的起始时间点和结束时间点均不是重音节拍时间点，则在所述素材视频集中，确定出N+1个素材视频。

可选的，所述素材视频集为由多个素材视频拼接成的一个总素材视频。

可选的，所述素材视频集为包括有多个独立的素材视频的视频集合。

可选的，所述获取服务器发送的素材视频集、素材音频和所述素材音频的重音节拍时间点，包括：

接收服务器发送的素材视频集、原始素材音频、所述原始素材音频的重音节拍时间点和预设剪切时间点；

基于所述预设剪切时间点和预设剪切时长，对所述原始素材音频进行剪切，得到用于合成视频的素材音频；

在所述述原始素材音频的重音节拍时间点中，确定出所述用于合成视频的素材音频的重音节拍时间点。

第二方面，提供了一种视频合成的装置，所述装置包括：

发送模块，用于向服务器发送素材获取请求，其中，所述素材获取请求中携带有素材音频的特征信息；

获取模块，用于获取服务器发送的素材视频集、素材音频和所述素材音频的重音节拍时间点；

确定模块，用于基于所述重音节拍时间点，在所述素材视频集中，确定出多个素材视频；

合成模块，用于基于所述重音节拍时间点，对所述多个素材视频和所述素材音频进行合成，得到合成视频，其中，在所述合成视频中各素材视频的切换时间点为所述音频数据的重音节拍时间点。

可选的，所述确定模块，用于：

基于所述重音节拍时间点的个数N、所述素材音频的起始时间点和结束时间点，在所述素材视频集中，确定出多个素材视频。

可选的，所述确定模块，用于：

如果所述素材音频的起始时间点和结束时间点中有一个时间点是重音节拍时间点，则在所述素材视频集中，确定出N个素材视频；

如果所述素材音频的起始时间点和结束时间点均是重音节拍时间点，则在所述素材视频集中，确定出N-1个素材视频；

如果所述素材音频的起始时间点和结束时间点均不是重音节拍时间点，则在所述素材视频集中，确定出N+1个素材视频。

可选的，所述合成模块，用于：

确定在合成视频时各素材视频的合成顺序；

按照所述各素材视频的合成顺序，逐个获取素材视频，每获取一个素材视频，基于当前获取的素材视频和所述重音节拍时间点，确定所述当前获取的素材视频对应的子视频；

基于所述合成顺序，对每个子视频进行合成，得到合成素材视频，对所述合成素材图像和所述素材音频进行合成，得到合成视频。

可选的，所述合成模块，用于：

如果所述素材音频的起始时间点和结束时间点中有一个时间点是重音节拍时间点，则在所述素材视频集中，确定出N个素材视频；

如果所述素材音频的起始时间点和结束时间点均是重音节拍时间点，则在所述素材视频集中，确定出N-1个素材视频；

如果所述素材音频的起始时间点和结束时间点均不是重音节拍时间点，则在所述素材视频集中，确定出N+1个素材视频。

可选的，所述素材视频集为由多个素材视频拼接成的一个总素材视频。

可选的，所述素材视频集为包括有多个独立的素材视频的视频集合。

可选的，所述获取模块1120，用于：

接收服务器发送的素材视频集、原始素材音频、所述原始素材音频的重音节拍时间点和预设剪切时间点；

基于所述预设剪切时间点和预设剪切时长，对所述原始素材音频进行剪切，得到用于合成视频的素材音频；

在所述述原始素材音频的重音节拍时间点中，确定出所述用于合成视频的素材音频的重音节拍时间点。

第三方面，提供了一种终端，其特征在于，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如上述第一方面所述的视频合成的方法所执行的操作。

第四方面，提供了一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如上述第一方面所述的视频合成的方法所执行的操作。

本申请实施例提供的技术方案带来的有益效果是：

通过从服务器获取到素材视频集、素材音频和所述素材音频的重音节拍时间点。然后，在素材视频集中选取出多个素材视频，最后，基于重音节拍时间点，对所述多个素材视频和所述素材音频进行合成，得到合成视频。得到的合成视频中，各素材视频的切换时间点为所述音频数据的重音节拍时间点，这样，可以实现自动获取素材，并自动将素材视频和素材音频进行合成，无需人工处理，效率较高。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种视频合成的方法流程图；

图2是本申请实施例提供的一种应用程序界面示意图；

图3是本申请实施例提供的一种应用程序界面示意图；

图4是本申请实施例提供的一种素材视频数目计算示意图；

图5是本申请实施例提供的一种素材视频数目计算示意图；

图6是本申请实施例提供的一种素材视频数目计算示意图；

图7是本申请实施例提供的一种应用程序界面示意图；

图8是本申请实施例提供的一种子视频的时长计算示意图；

图9是本申请实施例提供的一种子视频的时长计算示意图；

图10是本申请实施例提供的一种子视频的时长计算示意图；

图11是本申请实施例提供的一种视频合成的装置结构示意图；

图12是本申请实施例提供的一种终端的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

本申请实施例提供了一种视频合成的方法，该方法可以由终端实现。其中，终端可以为手机、平板电脑等等。在终端中安装有可以用于制作合成视频的应用程序(以下简称为视频制作应用程序)，该视频制作应用程序可以是一个综合性的应用程序，具有多种多样的功能，如制作合成视频、视频录制、视频播放、视频剪辑、直播功能等，也可以是一个功能单一的应用程序，只具备制作合成视频的功能。

用户可以在视频制作应用程序中选择音乐，并通过该应用程序向服务器获取制作合成视频的素材，素材可以有音乐对应的素材音频和一些素材视频。该应用程序便可以基于本方法对获取到的素材进行合成得到合成视频。

另外，在终端中还可以同时安装有音乐播放应用程序和视频制作应用程序，同样的，该音乐播放应用程序可以是一个综合性的应用程序，具有多种多样的功能，如音乐播放、音频录制、直播功能等，也可以是一个功能单一的应用程序，只具备音乐播放的功能。用户可以通过该音乐播放应用程序选择喜欢的音乐，并通过视频制作应用程序获取素材，进行合成视频制作。以下具体实施例中，以终端中安装有音乐播放应用程序和视频制作应用程序的情况为例进行说明。

图1是本申请实施例提供的一种视频合成的方法流程图。参见图1，该实施例包括：

步骤101、向服务器发送素材获取请求，其中，素材获取请求中携带有素材音频的特征信息。

其中，素材音频的特征信息可以为音乐名称、音乐名称的哈希值或者音频数据的哈希值等，该特征信息可以唯一标识该素材音频即可，具体是何种信息在此不做限定。

在实施中，终端安装有音乐播放应用程序和视频制作应用程序。如图2所示，在该音乐播放应用程序中给用户提供有音乐选择界面，在该音乐选择界面上部，可以包括有搜索栏和音乐列表，在音乐列表中对于每首音乐可以显示有音乐名称、音乐时长等信息。

用户可以在上述任一音乐类型选项对应的音乐列表中，选择喜欢的音乐，也可以通过搜索栏，搜索到喜欢的音乐，并选择该音乐。当用户选择一个音乐后，音乐播放应用程序便可以跳转到如图3所示的音乐播放界面，在该音乐播放界面中，可以显示有当前播放音乐的歌词、音乐名称、歌手名、音乐播放进度等。除此之外，在该音乐播放界面的右上角还可以显示有投稿选项。该投稿选项即为触发视频合成的选项。用户选择该投稿选项，则表明想要使用当前播放音乐作为素材音频制作合成视频，该音乐播放应用程序通过系统启动终端中安装的视频制作应用程序，并将当前播放音乐(素材音频)的特征信息发送给该视频制作应用程序。然后，由该视频制作应用程序通过终端向服务器发送素材获取请求，在该素材获取请求中，携带有该素材音频的特征信息。

步骤102、获取服务器发送的素材视频集、素材音频和素材音频的重音节拍时间点。

其中，重音节拍时间点为节拍值为1的节拍点对应的在素材音频中对应的时间点。

在实施中，服务器可以存储有音频的打点数据，该打点数据中包括有节拍时间点和节拍值，节拍时间点和对应的节拍值可以为技术人员使用机器根据音频数据的BPM(BeatPer Minute，每分钟节拍数)、节拍信息等采集生成的。也可以为技术人员通过听该音频数据，手动标记制作的。服务器还可以存储有多个素材视频，并根据素材视频的大小、画质、清晰度等指标来给素材视频评分，然后，在存储的素材视频中选取出预设数目个评分较高的素材视频，预设数目可以根据实际需求来指定，例如20。对于选取的预设数目的素材视频，服务器可以对每个素材视频进行剪切，将每个素材视频均剪切为预设时长，预设时长可以根据实际需求来指定，例如7s，因为在一般的音频中两个重音节拍点之间的时长通常为2s到4s，预设时长设置大于4s，可以尽量避免剪切后的素材视频的时长小于两个重音节拍点之间的时长，另外，因为素材视频需要传输给终端，所以考虑到传输时延的问题，素材视频时长不宜过长，可以以6s到10s为宜。以上处理，可以在接收到终端发送的素材获取请求后进行，考虑到制作合成视频的整体效率，也可以预先进行并将处理后的素材视频进行存储，接收到素材获取请求后，便可以直接获取本地存储的处理后的素材视频。

此处服务器在对预设数目个视频素材进行剪切处理后，可以将这些素材视频作为发送给终端的素材视频集。另外，考虑到传输时延的问题，服务器还可以对预设数目个素材视频进行剪切处理后，对这些素材视频进行拼接处理，得到一个总素材视频，并将该总素材视频作为发送给终端的素材视频集发送给终端，这样，传输时延较小。此处还需说明的是，在将总素材视频作为素材视频集的情况下，服务器还需将总素材视频中各素材视频的分隔时间点同时发送给终端。例如，总素材视频由5个7s的素材视频组成，那么，分隔时间点包括有0:07(0分7秒)、0:14、0:21、0:28和0:35。

在接收到素材获取请求后，服务器根据素材音频的特征信息，获取到相应的素材音频和该素材音频的打点数据。因为在后续制作合成时，主要会使用到打点数据中的重音节拍时间点(节拍值为1的节拍点对应的时间点)，因此，为了传输的数据量，可以只将重音节拍时间点与素材音频、素材视频集发送给终端。终端接收服务器发送的素材音频、素材视频集合素材音频的重音节拍时间点。

此处，还需说明的是，上述终端接收到的素材音频为原始素材音频，终端还可以对原始素材音频进行剪切，相应的，处理可以如下：服务器还可以向终端发送预设剪切时间点，基于预设剪切时间点和预设剪切时长，对原始素材音频进行剪切，得到用于合成视频的素材音频，在原始素材音频的重音节拍时间点中，确定出用于合成视频的素材音频的重音节拍时间点。

其中，预设剪切时间点可以为技术人员根据素材音频的节奏等综合考虑确定出的时间点，也可以为素材音频的高潮时间点，该高潮时间点可以为技术人员人工标记得出，或者由机器采集得出。如果服务器将这两种时间点都发送给终端，则终端优先选择使用技术人员根据音频数据的节奏等综合考虑确定出的时间点。

终端在得到预设剪切时间点和原始素材音频后，在原始素材音频中，截取预设剪切时间点之后预设剪切时长的素材音频，作为用于合成视频的素材音频。当然，如果服务器并未发送预设剪切时间点，则终端可以截取原始素材音频的起始时间点之后预设剪切时长的素材音频，作为用于合成视频的素材音频。

此处还需说明的是，以下步骤中的素材音频均为用于合成视频的素材音频，相应的，重音节拍时间点也为用于合成视频的素材音频的重音时间点。

步骤103、基于重音节拍时间点，在素材视频集中，确定出多个素材视频。

在实施中，终端可以基于重音节拍时间点的个数N、素材音频的起始时间点和结束时间点，在获取到的素材视频集中，确定出多个素材视频。具体的，可以如下：

如果素材音频的起始时间点和结束时间点中有一个时间点是重音节拍时间点，则在素材视频集中，确定出N个素材视频；如果素材音频的起始时间点和结束时间点均是重音节拍时间点，则在素材视频集中，确定出N-1个素材视频；如果素材音频的起始时间点和结束时间点均不是重音节拍时间点，则在素材视频集中，确定出N+1个素材视频。以下对上述三种情况分别举例进行说明。

情况一、如图4所示，重音节拍时间点的个数为5，素材音频的起始时间点是重音节拍时间点，结束时间点不是重音节拍时间点，则相当于重音节拍时间点将该素材音频分为5部分，那么，每部分可以对应一个素材视频，所以，可以在素材视频集中，确定出5个素材视频。

情况二、如图5所示，重音节拍时间点的个数为5，素材音频的起始时间点和结束时间点均是重音节拍时间点，则相当于重音节拍时间点将该素材音频分为4部分，那么，每部分可以对应一个素材视频，所以，可以在素材视频集中，确定出4个素材视频。

情况三、如图6所示，重音节拍时间点的个数为5，素材音频的起始时间点和结束时间点均不是重音节拍时间点，则相当于重音节拍时间点将该素材音频分为6部分，那么，每部分可以对应一个素材视频，所以，可以在素材视频集中，确定出6个素材视频。

另外，对于上述几种情况，如果素材视频集中包括的素材视频数目小于计算出需要确定出的素材视频数目，则确定出素材视频集中的所有素材视频即可。

此处还需说明的是，对于上述确定出的N、N-1或N+1个素材视频，可以在素材视频集中随机选取，对于素材视频集为一个总素材视频的情况，还可以从第一个开始向后依次选取，或者从最后一个向前依次选取，又或者从第一个开始间隔选取，具体的选取方式本申请实施例不做限定。

步骤104、基于重音节拍时间点，对多个素材视频和素材音频进行合成，得到合成视频，其中，在合成视频中各素材视频的切换时间点为音频数据的重音节拍时间点。

在实施中，终端可以随机确定出在合成视频时，各素材视频的合成顺序，对于素材视频集为一个总素材视频的情况，还可以按照素材视频在该总素材视频中位置确定。然后，再按照所述各素材视频的合成顺序，逐个获取素材视频，每获取一个素材视频，基于当前获取的素材视频和重音节拍时间点，确定当前获取的素材视频对应的子视频。再然后，基于合成顺序，对每个子视频进行合成，对于每个子视频可以添加有切换特效，如渐入、淡入、弹入、百叶窗式出现等等，切换特效持续时间可以由技术人员根据实际需求预先设置。再将添加特效后的各子视频合成得到合成素材视频。对合成素材视频和音频数据进行合成，得到合成视频。最后，可以由视频制作应用程序对该合成视频进行自动播放。如图7所示，在视频制作应用程序的显示界面中部自动播放的即为合成视频。

对于上述确定当前获取的素材视频对应的子视频的实现方式：

如果当前获取的素材视频的合成顺序为第一位，则确定素材音频的起始时间点到该起始时间点之后，且与该起始时间点最近的第一重音节拍时间点之间的第一时长，在素材视频中，从素材视频的起始时间点开始截取第一时长的视频为素材视频对应的第一子视频。

如果当前获取的素材视频的合成顺序不是第一位，则确定已生成的子视频的第一总时长，确定素材音频的起始时间点之后的第一总时长的第一时间点，确定第一时间点之后，且与第一时间点最近的第二重音节拍时间点。如果存在第二重音节拍时间点，则确定第一时间点与第二重音节拍时间点之间的第二时长，在素材视频中，从素材视频的起始时间点开始截取第二时长的视频为述素材视频对应的第二子视频。如果不存在第二重音节拍时间点，则确定第一时间点到素材音频的结束时间点之间的第三时长，在素材视频中，从素材视频的起始时间点开始截取第三时长的视频为素材视频对应的第三子视频。

以下对上述实现方式中的几种情况进行举例进行说明。

情况一、如图8所示，素材音频的时长为15s，素材音频的起始时间点为0:00，该起始时间点之后且与该起始时间点最近的第一重音节拍时间点为0:03，则该起始时间点0:00到该第一重音节拍时间点0:03之间的第一时长为3s，那么，可以在该素材视频中，从素材视频的起始时间点开始截取3s，作为对应的第一子视频。

情况二、如图9所示，素材音频的时长为15s，素材音频的起始时间点为0:00，结束时间点为0:15，已生成的子视频的第一总时长为13s，则素材音频的起始时间点之后第一总时长的第一时间点为0:13，在第一时间点之后，存在第二重音节拍时间点为0:14，则确定第一时间点0:13到第二重音节拍时间点0:14之间的第二时长为1s，那么，可以在该素材视频中，从素材视频的起始时间点开始截取3s，作为对应的第二视频。如图10所示，如果不存在第二重音节拍时间点，则确定第一时间点0:13到素材音频的结束时间点0:15之间的第三时长为2s，那么，可以在该素材视频中，从素材视频的起始时间点开始截取2s，作为对应的第三子视频。

此处还需说明的是，如果确定出子视频的总时长，小于素材音频的时长，则将素材音频中多余的部分删除即可。那么，最后得到的合成视频的时长即为子视频的总时长。

通过上述方法，对于用户选择的音乐均可以由对应的素材音频和服务器中存储的共用的素材视频来制作合成视频，该合成视频即可以作为该音乐对应的一个demo(试样)卡点视频以自动播放的方式展示给用户。这样，可以达到吸引用户进入上述视频制作应用程序自己制作合成视频。

上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。

基于相同的技术构思，本申请实施例还提供了一种视频合成的装置，该装置可以为上述实施例中的终端，如图11所示，该装置包括：发送模块1110、获取模块1120、确定模块110和合成模块1140。

发送模块1110，用于向服务器发送素材获取请求，其中，所述素材获取请求中携带有素材音频的特征信息；

获取模块1120，用于获取服务器发送的素材视频集、素材音频和所述素材音频的重音节拍时间点；

确定模块1130，用于基于所述重音节拍时间点，在所述素材视频集中，确定出多个素材视频；

合成模块1140，用于基于所述重音节拍时间点，对所述多个素材视频和所述素材音频进行合成，得到合成视频，其中，在所述合成视频中各素材视频的切换时间点为所述音频数据的重音节拍时间点。

可选的，所述确定模块1130，用于：

基于所述重音节拍时间点的个数N、所述素材音频的起始时间点和结束时间点，在所述素材视频集中，确定出多个素材视频。

可选的，所述确定模块1130，用于：

如果所述素材音频的起始时间点和结束时间点中有一个时间点是重音节拍时间点，则在所述素材视频集中，确定出N个素材视频；

如果所述素材音频的起始时间点和结束时间点均是重音节拍时间点，则在所述素材视频集中，确定出N-1个素材视频；

如果所述素材音频的起始时间点和结束时间点均不是重音节拍时间点，则在所述素材视频集中，确定出N+1个素材视频。

可选的，所述合成模块1140，用于：

确定在合成视频时各素材视频的合成顺序；

按照所述各素材视频的合成顺序，逐个获取素材视频，每获取一个素材视频，基于当前获取的素材视频和所述重音节拍时间点，确定所述当前获取的素材视频对应的子视频；

基于所述合成顺序，对每个子视频进行合成，得到合成素材视频，对所述合成素材图像和所述素材音频进行合成，得到合成视频。

可选的，所述合成模块1140，用于：

如果所述素材音频的起始时间点和结束时间点中有一个时间点是重音节拍时间点，则在所述素材视频集中，确定出N个素材视频；

如果所述素材音频的起始时间点和结束时间点均是重音节拍时间点，则在所述素材视频集中，确定出N-1个素材视频；

如果所述素材音频的起始时间点和结束时间点均不是重音节拍时间点，则在所述素材视频集中，确定出N+1个素材视频。

可选的，所述素材视频集为由多个素材视频拼接成的一个总素材视频。

可选的，所述素材视频集为包括有多个独立的素材视频的视频集合。

可选的，获取模块1120，用于：

接收服务器发送的素材视频集、原始素材音频、所述原始素材音频的重音节拍时间点和预设剪切时间点；

基于所述预设剪切时间点和预设剪切时长，对所述原始素材音频进行剪切，得到用于合成视频的素材音频；

在所述述原始素材音频的重音节拍时间点中，确定出所述用于合成视频的素材音频的重音节拍时间点。

需要说明的是：上述实施例提供的视频合成的装置在合成视频时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将终端的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的视频合成的装置与视频合成的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图12示出了本申请一个示例性实施例提供的终端1200的结构框图。该终端1200可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端1200还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，终端1200包括有：处理器1201和存储器1202。

处理器1201可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1201可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1201也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1201可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1201还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器1202可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1202还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1202中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1201所执行以实现本申请中方法实施例提供的视频合成的方法。

在一些实施例中，终端1200还可选包括有：外围设备接口1203和至少一个外围设备。处理器1201、存储器1202和外围设备接口1203之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1203相连。具体地，外围设备包括：射频电路1204、触摸显示屏1205、摄像头1206、音频电路1207、定位组件1208和电源1209中的至少一种。

外围设备接口1203可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器1201和存储器1202。在一些实施例中，处理器1201、存储器1202和外围设备接口1203被集成在同一芯片或电路板上；在一些其他实施例中，处理器1201、存储器1202和外围设备接口1203中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路1204用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路1204通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1204将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1204包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1204可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路1204还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏1205用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1205是触摸显示屏时，显示屏1205还具有采集在显示屏1205的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1201进行处理。此时，显示屏1205还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1205可以为一个，设置终端1200的前面板；在另一些实施例中，显示屏1205可以为至少两个，分别设置在终端1200的不同表面或呈折叠设计；在再一些实施例中，显示屏1205可以是柔性显示屏，设置在终端1200的弯曲表面上或折叠面上。甚至，显示屏1205还可以设置成非矩形的不规则图形，也即异形屏。显示屏1205可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

摄像头组件1206用于采集图像或视频。可选地，摄像头组件1206包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1206还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路1207可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1201进行处理，或者输入至射频电路1204以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端1200的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1201或射频电路1204的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1207还可以包括耳机插孔。

定位组件1208用于定位终端1200的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件1208可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。

电源1209用于为终端1200中的各个组件进行供电。电源1209可以是交流电、直流电、一次性电池或可充电电池。当电源1209包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

在一些实施例中，终端1200还包括有一个或多个传感器1210。该一个或多个传感器1210包括但不限于：加速度传感器1211、陀螺仪传感器1212、压力传感器1213、指纹传感器1214、光学传感器1215以及接近传感器1216。

加速度传感器1211可以检测以终端1200建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1211可以用于检测重力加速度在三个坐标轴上的分量。处理器1201可以根据加速度传感器1211采集的重力加速度信号，控制触摸显示屏1205以横向视图或纵向视图进行用户界面的显示。加速度传感器1211还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器1212可以检测终端1200的机体方向及转动角度，陀螺仪传感器1212可以与加速度传感器1211协同采集用户对终端1200的3D动作。处理器1201根据陀螺仪传感器1212采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器1213可以设置在终端1200的侧边框和/或触摸显示屏1205的下层。当压力传感器1213设置在终端1200的侧边框时，可以检测用户对终端1200的握持信号，由处理器1201根据压力传感器1213采集的握持信号进行左右手识别或快捷操作。当压力传感器1213设置在触摸显示屏1205的下层时，由处理器1201根据用户对触摸显示屏1205的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器1214用于采集用户的指纹，由处理器1201根据指纹传感器1214采集到的指纹识别用户的身份，或者，由指纹传感器1214根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器1201授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1214可以被设置终端1200的正面、背面或侧面。当终端1200上设置有物理按键或厂商Logo时，指纹传感器1214可以与物理按键或厂商Logo集成在一起。

光学传感器1215用于采集环境光强度。在一个实施例中，处理器1201可以根据光学传感器1215采集的环境光强度，控制触摸显示屏1205的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏1205的显示亮度；当环境光强度较低时，调低触摸显示屏1205的显示亮度。在另一个实施例中，处理器1201还可以根据光学传感器1215采集的环境光强度，动态调整摄像头组件1206的拍摄参数。

接近传感器1216，也称距离传感器，通常设置在终端1200的前面板。接近传感器1216用于采集用户与终端1200的正面之间的距离。在一个实施例中，当接近传感器1216检测到用户与终端1200的正面之间的距离逐渐变小时，由处理器1201控制触摸显示屏1205从亮屏状态切换为息屏状态；当接近传感器1216检测到用户与终端1200的正面之间的距离逐渐变大时，由处理器1201控制触摸显示屏1205从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图12中示出的结构并不构成对终端1200的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述实施例中视频合成的方法。该计算机可读存储介质可以是非暂态的。例如，所述计算机可读存储介质可以是ROM(Read-Only Memory，只读存储器，)、RAM(Random Access Memory，随机存取存储器)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.一种视频合成的方法，其特征在于，所述方法包括：

通过音乐播放应用程序显示音乐播放界面，所述音乐播放界面中包括触发视频合成的选项；

检测到所述触发视频合成的选项被触发，启动视频制作应用程序，并将所述音乐播放应用程序当前播放的音乐的特征信息作为素材音频的特征信息发送至所述视频制作应用程序；

通过所述视频制作应用程序向服务器发送素材获取请求，其中，所述素材获取请求中携带有素材音频的特征信息；

通过所述视频制作应用程序获取服务器发送的素材视频集、素材音频和所述素材音频的重音节拍时间点；

如果所述素材音频的起始时间点和结束时间点中有一个时间点是重音节拍时间点，则通过所述视频制作应用程序在所述素材视频集中，确定出N个素材视频，其中，所述重音节拍时间点的个数为N；

如果所述素材音频的起始时间点和结束时间点均是重音节拍时间点，则通过所述视频制作应用程序在所述素材视频集中，确定出N-1个素材视频；

如果所述素材音频的起始时间点和结束时间点均不是重音节拍时间点，则通过所述视频制作应用程序在所述素材视频集中，确定出N+1个素材视频；

通过所述视频制作应用程序基于所述重音节拍时间点，对所述多个素材视频和所述素材音频进行合成，得到合成视频，其中，在所述合成视频中各素材视频的切换时间点为所述素材音频的重音节拍时间点。

2.根据权利要求1所述的方法，其特征在于，所述基于所述重音节拍时间点，对所述多个素材视频和所述素材音频进行合成，得到合成视频，包括：

确定在合成视频时各素材视频的合成顺序；

按照所述各素材视频的合成顺序，逐个获取素材视频，每获取一个素材视频，基于当前获取的素材视频和所述重音节拍时间点，确定所述当前获取的素材视频对应的子视频；

基于所述合成顺序，对每个子视频进行合成，得到合成素材视频，对所述合成素材图像和所述素材音频进行合成，得到合成视频。

3.根据权利要求2所述的方法，其特征在于，所述基于当前获取的素材视频和所述重音节拍时间点，确定所述当前获取的素材视频对应的子视频，包括：

如果当前获取的素材视频的合成顺序为第一位，则确定所述素材音频的起始时间点到所述起始时间点之后，且与所述起始时间点最近的第一重音节拍时间点之间的第一时长，在所述素材视频中，从所述素材视频的起始时间点开始截取所述第一时长的视频为所述素材视频对应的第一子视频；

如果当前获取的素材视频的合成顺序不是第一位，则确定已生成的子视频的第一总时长，确定所述素材音频的起始时间点之后第一总时长的第一时间点，确定所述第一时间点之后，且与所述第一时间点最近的第二重音节拍时间点；

如果存在所述第二重音节拍时间点，则确定所述第一时间点与所述第二重音节拍时间点之间的第二时长，在所述素材视频中，从所述素材视频的起始时间点开始截取所述第二时长的视频为所述素材视频对应的第二子视频；

如果不存在所述第二重音节拍时间点，则确定所述第一时间点到所述素材音频的结束时间点之间的第三时长，在所述素材视频中，从所述素材视频的起始时间点开始截取所述第三时长的视频为所述素材视频对应的第三子视频。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述素材视频集为由多个素材视频拼接成的一个总素材视频。

5.根据权利要求1-3中任一项所述的方法，其特征在于，所述素材视频集为包括有多个独立的素材视频的视频集合。

6.根据权利要求1-3中任一项所述的方法，其特征在于，所述获取服务器发送的素材视频集、素材音频和所述素材音频的重音节拍时间点，包括：

接收服务器发送的素材视频集、原始素材音频、所述原始素材音频的重音节拍时间点和预设剪切时间点；

基于所述预设剪切时间点和预设剪切时长，对所述原始素材音频进行剪切，得到用于合成视频的素材音频；

在所述原始素材音频的重音节拍时间点中，确定出所述用于合成视频的素材音频的重音节拍时间点。

7.一种视频合成的装置，其特征在于，所述装置包括：

发送模块，用于通过音乐播放应用程序显示音乐播放界面，所述音乐播放界面中包括触发视频合成的选项；检测到所述触发视频合成的选项被触发，启动视频制作应用程序，并将所述音乐播放应用程序当前播放的音乐的特征信息作为素材音频的特征信息发送至所述视频制作应用程序；通过所述视频制作应用程序向服务器发送素材获取请求，其中，所述素材获取请求中携带有素材音频的特征信息；

获取模块，用于通过所述视频制作应用程序获取服务器发送的素材视频集、素材音频和所述素材音频的重音节拍时间点；

确定模块，用于如果所述素材音频的起始时间点和结束时间点中有一个时间点是重音节拍时间点，则通过所述视频制作应用程序在所述素材视频集中，确定出N个素材视频，其中，所述重音节拍时间点的个数为N；如果所述素材音频的起始时间点和结束时间点均是重音节拍时间点，则通过所述视频制作应用程序在所述素材视频集中，确定出N-1个素材视频；如果所述素材音频的起始时间点和结束时间点均不是重音节拍时间点，则通过所述视频制作应用程序在所述素材视频集中，确定出N+1个素材视频；

合成模块，用于通过所述视频制作应用程序基于所述重音节拍时间点，对所述多个素材视频和所述素材音频进行合成，得到合成视频，其中，在所述合成视频中各素材视频的切换时间点为所述素材音频的重音节拍时间点。

8.一种终端，其特征在于，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如权利要求1至权利要求6任一项所述的视频合成的方法所执行的操作。

9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1至权利要求6任一项所述的视频合成的方法所执行的操作。

Images