CN112565882A - 视频生成方法、装置、电子设备和计算机可读介质 - Google Patents
视频生成方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN112565882A CN112565882A CN201910919296.XA CN201910919296A CN112565882A CN 112565882 A CN112565882 A CN 112565882A CN 201910919296 A CN201910919296 A CN 201910919296A CN 112565882 A CN112565882 A CN 112565882A
- Authority
- CN
- China
- Prior art keywords
- video
- audio
- duration
- picture
- initial
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000000463 material Substances 0.000 claims abstract description 257
- 238000010801 machine learning Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 10
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 239000002131 composite material Substances 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241000533950 Leucojum Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 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]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/57—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for processing of video signals
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
- G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
- G11B27/02—Editing, e.g. varying the order of information signals recorded on, or reproduced from, record carriers
- G11B27/031—Electronic editing of digitised analogue information signals, e.g. audio or video signals
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
- G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
- G11B27/02—Editing, e.g. varying the order of information signals recorded on, or reproduced from, record carriers
- G11B27/031—Electronic editing of digitised analogue information signals, e.g. audio or video signals
- G11B27/036—Insert-editing
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
- G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
- G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
- G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
- G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
- G11B27/19—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier
- G11B27/28—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier by using information signals recorded by the same method as the main recording
-
- 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
-
- 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
- H04N21/44016—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 splicing one content stream with another content stream, e.g. for substituting a video clip
-
- 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]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/81—Monomedia components thereof
- H04N21/8106—Monomedia components thereof involving special audio data, e.g. different tracks for different languages
-
- 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]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/85—Assembly of content; Generation of multimedia applications
- H04N21/854—Content authoring
- H04N21/8547—Content authoring involving timestamps for synchronizing content
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Security & Cryptography (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Television Signal Processing For Recording (AREA)
- Studio Circuits (AREA)
- Processing Or Creating Images (AREA)
- Indexing, Searching, Synchronizing, And The Amount Of Synchronization Travel Of Record Carriers (AREA)
- Management Or Editing Of Information On Record Carriers (AREA)
Abstract
本公开的实施例公开了视频生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取影像素材和音频素材,其中,该影像素材包括图片素材;确定该音频素材的音乐点,其中,该音乐点用于将该音频素材划分成多个音频片段;利用该影像素材,为该音频素材中的每个音乐片段分别生成一个视频片段,得到多个视频片段;其中,相对应的音乐片段和视频片段具有相同的时长;按照该多个视频片段分别对应的音乐片段在该音频素材中出现的时间将该多个视频片段拼接在一起,并添加该音频素材作为视频音轨,得到合成视频。该实施方式丰富了可以用于生成视频的素材的类型。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及视频生成方法、装置、电子设备和计算机可读介质。
背景技术
随着多媒体技术的飞速发展,视频处理技术也在快速进步,视频处理软件已经作为终端上的一种常用软件,广泛应用于各种场景。在许多情况下,用户往往需要使用视频、音乐等素材剪辑制作出一个视频,但目前,用户在使用视频软件剪辑视频时往往需要花费大量的精力和时间来处理各种素材,可见,目前的视频剪辑方式对用户来说是不够简便的。
发明内容
本发明内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例的目的在于提出一种改进的视频生成方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种视频生成方法,该方法包括:获取影像素材和音频素材,其中,上述影像素材包括图片素材;确定上述音频素材的音乐点,其中,上述音乐点用于将上述音频素材划分成多个音频片段;利用上述影像素材,为上述音频素材中的每个音乐片段分别生成一个视频片段,得到多个视频片段;其中,相对应的音乐片段和视频片段具有相同的时长;按照上述多个视频片段分别对应的音乐片段在上述音频素材中出现的时间将上述多个视频片段拼接在一起,并添加上述音频素材作为视频音轨,得到合成视频。
第二方面,本公开的一些实施例提供了一种视频生成装置,装置包括:获取单元,被配置成获取影像素材和音频素材,其中,上述影像素材包括图片素材;确定单元,被配置成确定上述音频素材的音乐点,其中,上述音乐点用于将上述音频素材划分成多个音频片段;生成单元,被配置成利用上述影像素材,为上述音频素材中的每个音乐片段分别生成一个视频片段,得到多个视频片段;其中,相对应的音乐片段和视频片段具有相同的时长;合成单元,被配置成按照上述多个视频片段分别对应的音乐片段在上述音频素材中出现的时间将上述多个视频片段拼接在一起,并添加上述音频素材作为视频音轨,得到合成视频。
第三方面,本公开的一些实施例提供了一种电子设备,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,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本公开的一些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,其中,程序被处理器执行时实现如第一方面中任一的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果:通过对音乐点的划分能够生成合成视频中的一个个视频片段,减少了用户处理素材的时间,使得剪辑更简便。进一步而言,合成视频中的视频片段可以是由图像素材生成的,这样,当用户没有视频素材或视频素材很少时,用户可以使用图片素材来剪辑视频,使得剪辑出的视频内容更多样。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1A-1D是根据本公开的一些实施例的视频生成方法的一个应用场景的示意图;
图2是根据本公开的视频生成方法的一些实施例的流程图;
图3A-3D是根据本公开的一些实施例的图片素材运动的一个应用场景的示意图;
图4是根据本公开的视频生成方法的又一些实施例的流程图;
图5是根据本公开的用于检索视频的装置的一些实施例的结构示意图;
图6是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
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。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1A-1D是根据本公开的一些实施例的视频生成方法的不同应用场景的示意图。在如图1A的应用场景中所示,首先,用户可以在终端设备101的上传页面1017上选择多条影像素材。例如,上传页面1017中所示的图片1011-1014。用户单击选择框1015所示的位置,选中图片1011和图片1012。用户点击“下一步”按键1016,上述终端设备101基于选中的图片1011和图片1012分别生成影像素材104、影像素材105。根据得到的影像素材的数量(图中示出为2),对获取到的音频素材106,确定音频素材106中的音乐点107。根据音乐点107将音频素材106划分成音乐片段A和音乐片段B。根据得到的音乐片段A和音乐片段B时长分别对影像素材104、影像素材105进行处理。得到对应的视频片段1041和1051。将视频片段1041和1051按照音乐片段A和音乐片段B在音频素材106中出现的时间进行拼接,并添加音频素材106作为拼接后视频的音轨,得到合成视频108。
与图1A不同,如图1B-1D的应用场景中所示,上述终端设备101将包括影像素材的数量(图中示出为2)的影像信息102发送给服务器103。在如图1C中服务器103根据获取到的音频素材106,确定音频素材106中的音乐点107,根据音乐点107将音频素材106划分成音乐片段A和音乐片段B。在如图1D中服务器103将包括音乐片段A和音乐片段B时长的信息109发送给上述终端设备101。上述终端设备101根据音乐片段A和音乐片段B的时长分别对影像素材104、影像素材105进行处理,得到对应的视频片段1041和1051,其中,视频片段1041与音乐片段A的时长相等,视频片段1051与音乐片段B的时长相等。上述终端设备101将视频片段1041和1051按照音乐片段A和音乐片段B在音频素材106中出现的时间进行拼接,并添加音频素材106作为拼接后视频的音轨,得到合成视频108。
可以理解的是,视频生成方法可以是由终端设备101来执行,或者也可以是由服务器103来执行,或者也可以是通过终端设备101与服务器103之间的交互来执行,或者还可以是各种软件程序来执行。其中,终端设备101例如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、电子书阅读器、膝上型便携计算机和台式计算机等等。此外,执行主体也可以体现为服务器103、软件等。当执行主体为软件时,可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的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。
应该理解,图1中的手机、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手机和服务器。
继续参考图2,示出了根据本公开的视频生成方法的一些实施例的流程200。该视频生成方法,包括以下步骤:
步骤201,获取影像素材和音频素材。
在一些实施例中,视频生成方法的执行主体(例如,图1所示的服务器103)可以通过有线连接方式或者无线连接方式,获取影像素材和音频素材,其中,上述影像素材包括图片素材。作为示例,上述影像素材可以是用户存储在本地的图片,还可以是用户从网上下载的图片。上述音频素材可以是用户存储在本地的音乐,也可以是网络上的音乐。
在一些实施例的一些可选的实现方式中,影像素材除了包括图片素材,还可以包括视频素材。作为示例,上述视频素材可以是用户上传的视频,也可以是用户存储在本地的视频,还可以是用户从网上下载的视频。其中,由于影像素材可以包括视频素材也可以包括图片素材,由此影像素材的类型得以增加。
步骤202,确定上述音频素材的音乐点。
在一些实施例中,上述执行主体可以首先确定音频素材的候选音乐点。在这里,候选音乐点可以是音频素材中满足设定的节拍变换条件的点。然后,上述执行主体可以从已经得到的各个候选音乐点中选取出目标数量的音乐点。上述目标数量可以根据获取的上述影像素材的数量来确定,或者也可以是根据上述音频素材中具有的强拍数量来确定,或者还可以是用户设定的数量。作为示例,当获取到10个影像素材,可以确定9个音乐点。其中,上述强拍通常是音乐力度强的拍子。
作为示例,当候选音乐点为音频素材中满足设定的音乐性发生变换的位置。上述音乐性发生变换的位置可以包括节拍发生变换的位置和旋律发生变换的位置。基于此,候选音乐点可以通过如下方式来确定:上述执行主体可以对上述音频素材进行分析,确定其中的节拍点和音符起始点,其中,节拍点为节拍发生变换的位置,音符起始点为旋律发生变换的位置。具体地,一方面可以采用基于深度学习的节拍分析算法对音频素材进行分析,得到音频素材中的节拍点以及节拍点所在的时间戳,另一方面对音频素材进行短时频谱分析,得到音频素材中的音符起始点以及音符起始点所在的时间戳。在这里,音符起始点可以是通过起始点检测器(onset detector)得到。然后,统一通过两种方式得到的节拍点和音符起始点,对节拍点和音符起始点进行合并及去重,从而得到候选音乐点。
步骤203,利用上述影像素材,为上述音频素材中的每个音乐片段分别生成一个视频片段,得到多个视频片段。
在一些实施例中,针对音频素材中的每一个音乐片段,上述执行主体可以基于影像素材为该音乐片段生成一个与该音乐片段时长相同的视频片段。作为示例,假设音乐素材被划分成3个音乐片段,3个音乐片段的时长分别是1秒、2秒和3秒时,那么与上述音乐片段相对应的视频片段的时长也可以分别是1秒、2秒和3秒。作为一种示例,上述执行主体可以根据一个影像素材生成多个视频片段。例如,假设上述执行主体获取到一个10秒影像素材和一个8秒的音频素材,该执行主体根据音乐点将该音频素材划分成3个音频片段,时长分别是2秒、3秒和5秒,则该执行主体可以从该影像素材中裁剪出3个不同的视频片段,时长分别是2秒、3秒和5秒。作为另一种示例,上述执行主体也可以根据一个影像素材生成一个视频片段。例如,当使用一个影像素材为一个音乐片段生成一个视频片段时,在该影像素材的时长大于该音乐片段的时长时,在该原影像素材中截取与该音乐片段的时长相等的视频片段,而在该影像素材的时长小于该音乐片段的时长时,则对该原影像素材进行变速处理来加长时长,再将变速后的影像素材作为视频片段,使视频片段的时长与音乐片段的时长相等。可以理解的是,对于影像素材中的图片素材,多种实现方式可以用于将图片素材生成视频片段。
作为一种示例,生成的多个视频片段包括第二视频片段,上述第二视频片段是通过上述图片素材运动而形成的。上述第二视频片段可以是添加运动效果后的图片素材。上述运动效果可以包括但不限于以下至少一项:向内变焦、向外变焦、向左运镜和向右运镜。作为示例,上述向内变焦可以是:在初始情况下,在页面的显示框中显示图片的中心区域,如图3A所示;然后图片的尺寸逐渐变小,图片在显示框中显示的区域逐渐扩大,直至在显示框中显示出完整的图片,如图3B所示。上述向外变焦可以是:在初始情况下,在页面的显示框中显示完整的图片,如图3B所示;然后图片的尺寸逐渐变大,图片在显示框中显示出的区域逐渐缩小,直至在显示框中显示图片中预置大小的中心区域,如图3A所示。上述向左运镜可以是:在初始情况下,在页面的显示框中显示显示图片中预置的右边区域,如图3D所示;然后图片相对于显示框向左移动,图片在显示框中显示的区域逐渐向左移动,直到在显示框中显示出图片中预置的左边区域,如图3C所示,视觉上图片从右向左运动。上述向右运镜可以是:在初始情况下,在页面的显示框中显示图片中预置的左边区域,如图3C所示;然后图片相对于显示框向右移动,图片在显示框中显示的区域逐渐向右移动,直到在显示框中显示出图片中预置的右边区域,如图3D所示,视觉上图片从左向右运动。其中,给图片素材增加运动可以让图片素材在与视频素材转换是更加自然。
其中,图片的运动速率例如可以是根据以下公式确定的:curScale=(curTime/(EndTime-StartTime)*(EndScale-StartScale))。其中,curTime是图片当前在视频中出现的时间。EndTime是图片结束运动的时间,StartTime是图片开始运动的时间,即EndTime-StartTime是图片运动的时间长度。对于向左运镜、向右运镜等运动效果,curScale可以是图片中当前显示区域的位置,EndScale可以是图片结束运动时显示区域的位置,StartScale可以是图片开始运动时显示区域的位置,即EndScale-StartScale可以是图片运动过程中显示区域的位置变化量。对于向内变焦、向外变焦等运动效果,curScale可以是图片中当前显示区域的尺寸,EndScale可以是图片结束运动时显示区域的尺寸,StartScale可以是图片开始运动时显示区域的尺寸,即EndScale-StartScale可以是图片运动过程中显示区域的尺寸变化量。其中,尺寸变化量和位置变化量可以是人为设置的。
作为另一种示例,生成的多个视频片段包括第一视频片段,上述第一视频片段是通过为上述图片素材添加动效而生成的。上述第一视频片段可以是添加动效后的图片素材。动效可以是给图片素材随机添加的前景动效。前景动效可以是在图片上添加的动态的动画效果。例如,给图片添加下雨的动画效果。其中,给图片素材增加动效可以让图片素材在视觉上更加优美,提高了用户的视觉效果。
在这里,在使用图片素材生成视频片段时,可以是先通过加运动或动效生成一个预设时长(如3秒)的视频素材,然后再根据这个视频素材生成与音频片段时长相同的视频片段。
在一些实施例的一些可选的实现方式中,为上述图片素材添加的动效可以是根据上述图片素材的场景类别确定的。上述场景类别可以表示上述图片素材中呈现的场景。例如,场景类别可以包括但不限于以下至少一项:通用场景类别和室内类别。其中,通用场景类别可以包括但不限于以下至少一项:婴儿、沙滩、建筑物、汽车、卡通、动物。室内类别可以包括但不限于以下至少一项:书店,咖啡馆,KTV(Karaoke,卡拉ok)和商场。
可以理解的是,对于场景类别,多种实现方式可以获取图片素材的场景类别。
作为一种示例,执行主体可以识别上述图片素材中是否包括预设的场景信息来确定场景类别。其中,根据场景类别给图片素材添加动效可以增加图片和动效的关联,例如,图片素材中的场景信息是“雪人”,那么动效就可以是“飘动的雪花”的动画效果。
作为另一种示例,图片素材的场景类别可以是通过机器学习模型对上述图片素材进行分析得到的,其中,上述机器学习模型已通过训练样本集合进行了训练。上述训练样本集合中的训练样本包括样本图片素材和与样本图片素材对应的样本场景类别。其中,通过模型来确定场景类别可以提高速度,节省了人力。
作为示例,机器学习模型可以是基于训练样本集合执行以下训练步骤得到的。基于训练样本集合执行以下训练步骤:将训练样本集合中的至少一个训练样本的样本图片素材分别输入至初始机器学习模型,得到上述至少一个训练样本中的每个样本图片素材所对应的场景类别;将上述至少一个训练样本中的每个样本图片素材对应的场景类别与对应的样本场景类别进行比较;根据比较结果确定上述初始机器学习模型的预测准确率;确定上述预测准确率是否大于预设准确率阈值;响应于确定上述准确率大于上述预设准确率阈值,则将上述初始机器学习模型作为训练完成的机器学习模型;响应于确定上述准确率不大于上述预设准确率阈值,调整上述初始机器学习模型的参数,以及使用未使用过的训练样本组成训练样本集合,使用调整后的初始机器学习模型作为初始机器学习模型,再次执行上述训练步骤。
可以理解的是,经过上述训练之后,机器学习模型可以用于表征图片素材与场景类别之间的对应关系。上述提及的机器学习模型可以是卷积神经网络模型。
在一些实施例的一些可选的实现方式中,训练样本集合包括样本图片和上述样本图片的场景类别,上述机器学习模型是以上述样本图片作为输入并以上述样本图片的场景类别用于作为期望输出进行训练的。
步骤204,按照上述多个视频片段分别对应的音乐片段在上述音频素材中出现的时间将上述多个视频片段拼接在一起,并添加上述音频素材作为视频音轨,得到合成视频。
在一些实施例中,视频生成方法的执行主体可以根据上述音频素材中上述音乐片段出现的顺序将上述与上述音乐片段对应的视频片段依次拼接在一起,并且在拼接而成的视频的音轨中添加上述音频素材,得到合成视频。作为示例,可以根据音乐点将上述音频素材按照顺序划分成3段,例如,A段可以是从0秒到2秒,B段可以是从2秒到5秒,C段可以是从5秒到10秒。对应的视频片段分别是a段,b段,c段。那么拼接而成的视频可以表示为abc。将上述音频素材添加到拼接而成的视频abc的音轨中,得到合成视频。
由上述示例可以看出,影像素材只有视频素材,影像素材的类型会单一,内容也会相对单一,进而会影响合成视频的内容的多样性。而通过获取包含图片素材的影像素材,可以丰富影像素材的类型,进而提高了合成视频的内容的多样性。
继续参考图4,示出了根据本公开的视频生成方法的一些实施例的流程400。该视频生成方法,包括以下步骤:
步骤401,获取初始音频。
在一些实施例中,视频生成方法的执行主体(例如,图1所示的服务器103)可以通过有线连接方式或者无线连接方式,获取初始音频。上述初始音频可以是用户本地存储的音乐,也可以是网络上的音乐。作为示例,可以先向用户推荐一些音乐,如果用户在推荐的音乐中找不到需要使用的音乐时,可以手动搜索其他音乐,从而获取用户选择的音乐作为初始音频。
步骤402,根据上述影像素材的总时长与上述初始音频的时长,确定上述音频素材的时长。
在一些实施例中,上述执行主体根据获取到的多个影像素材,可以统计出所有影像素材的总时长。在影像素材中,视频素材的时长可以是视频的时长,图片素材的时长可以是人为设置的,例如4秒。将上述总时长与获取到的上述初始音频的时长做比较。根据比较结果,确定上述音频素材的时长。确定上述音频素材的时长小于上述影像素材的总时长。
在一些实施例的一些可选的实现方式中,根据上述影像素材的总时长与上述初始音频的时长,确定上述音频素材的时长,包括:根据上述影像素材的总时长和上述初始音频的时长,确定初始时长;上述初始时长可以是初始音频的时长或影像素材的总时长。若上述初始时长大于时长阈值,将上述时长阈值确定为上述音频素材的时长;上述时长阈值可以是人为设定的,例如,时长阈值可以是20秒。若上述初始时长小于20秒,将上述初始时长确定为上述音频素材的时长。其中,设定阈值可以控制音频素材的时长。
在一些实施例的一些可选的实现方式中,根据上述影像素材的总时长和上述初始音频的时长,确定初始时长,包括:若上述影像素材的总时长大于上述初始音频的时长,将上述初始音频的时长确定为上述初始时长;若上述影像素材的总时长小于上述初始音频的时长,对上述影像素材的总时长进行缩减得到上述音频素材的时长。作为示例,对上述影像素材的总时长进行缩减的方式,可以是将上述总时长乘以一个目标比例,也可以是将上述总时长减去一个预设时长。其中,上述目标比例和上述预设时长可以是人为设定的。其中,上述预设时长需小于上述总时长。其中,上述方法可以灵活的控制音频素材的时长。
步骤403,根据上述音频素材的时长,从上述初始音频中提取出上述音频素材。
在一些实施例中,上述执行主体上述音频素材的时长,从上述初始音频中提取出上述音频素材。
步骤404,获取影像素材和音频素材。
步骤405,确定上述音频素材的音乐点。
步骤406,利用上述影像素材,为上述音频素材中的每个音乐片段分别生成一个视频片段,得到多个视频片段。
步骤407,按照上述多个视频片段分别对应的音乐片段在上述音频素材中出现的时间将上述多个视频片段拼接在一起,并添加上述音频素材作为视频音轨,得到合成视频。
在一些实施例中,步骤404-407的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-204,在此不再赘述。
本公开的一些实施例公开的视频生成方法,通过根据获取到的获取初始音频,根据影像素材的总时长与上述初始音频的时长,确定音频素材的时长,从上述初始音频中提取出上述音频素材,从而实现了使得音频素材的时长能够适应于合成视频的时长。
进一步参考图5,作为对上述各图上述方法的实现,本公开提供了一种视频生成装置的一些实施例,这些装置实施例与图2上述的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,一些实施例的视频生成装置500包括:获取单元501、确定单元502、生成单元503和合成单元504。其中,获取单元501,被配置成获取影像素材和音频素材,其中,上述影像素材包括图片素材;确定单元502,被配置成确定上述音频素材的音乐点,其中,上述音乐点用于将上述音频素材划分成多个音频片段;生成单元503,被配置成利用上述影像素材,为上述音频素材中的每个音乐片段分别生成一个视频片段,得到多个视频片段;其中,相对应的音乐片段和视频片段具有相同的时长;合成单元504,被配置成按照上述多个视频片段分别对应的音乐片段在上述音频素材中出现的时间将上述多个视频片段拼接在一起,并添加上述音频素材作为视频音轨,得到合成视频。
在一些实施例中,视频生成装置500的生成单元503中的多个视频片段包括第一视频片段,上述第一视频片段是通过为上述图片素材添加动效而生成的。
在一些实施例中,视频生成装置500中图片素材添加的动效是根据上述图片素材的场景类别确定的。
在一些实施例中,视频生成装置500中图片素材的场景类别是通过机器学习模型对上述图片素材进行分析得到的,其中,上述机器学习模型已通过训练样本集合进行了训练。
在一些实施例中,视频生成装置500中训练样本集合包括样本图片和上述样本图片的场景类别,上述机器学习模型是以上述样本图片作为输入并以上述样本图片的场景类别用于作为期望输出进行训练的。
在一些实施例中,视频生成装置500的生成单元503中的多个视频片段包括第二视频片段,上述第二视频片段是通过上述图片素材运动而形成的。
在一些实施例中,视频生成装置500的获取单元501中的影像素材还包括视频素材。
在一些实施例中,视频生成装置500生成单元503中的多个视频片段包括第三视频片段,上述第三视频片段是从上述视频素材中提取出来的。
在一些实施例中,视频生成装置500还包括:第一获取单元,被配置成获取初始音频;第一确定单元,被配置成根据上述影像素材的总时长与上述初始音频的时长,确定上述音频素材的时长,其中,上述音频素材的时长小于上述影像素材的总时长;提取单元,被配置成根据上述音频素材的时长,从上述初始音频中提取出上述音频素材。
在一些实施例中,视频生成装置500的第一确定单元包括:第一确定子单元,被配置成根据上述影像素材的总时长和上述初始音频的时长,确定初始时长;第二确定子单元,被配置成若上述初始时长大于时长阈值,将上述时长阈值确定为上述音频素材的时长;第三确定子单元,被配置成若上述初始时长小于上述时长阈值,将上述初始时长确定为上述音频素材的时长。
在一些实施例中,视频生成装置500的第一确定单元中的第一确定子单元被进一步被配置成若上述影像素材的总时长大于上述初始音频的时长,将上述初始音频的时长确定为上述初始时长;若上述影像素材的总时长小于上述初始音频的时长,对上述影像素材的总时长进行缩减得到上述音频素材的时长。
下面参考图6,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器)600的结构示意图。本公开的一些实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的终端设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)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装置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,还存储有电子设备600操作所需的各种程序和数据。处理装置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。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如存储卡等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,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,本公开的一些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。在这样的一些实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上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存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储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。在本公开的一些实施例中,计算机可读存储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。而在本公开的一些实施例中,计算机可读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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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电子设备执行时,使得该电子设备:获取影像素材和音频素材,其中,上述影像素材包括图片素材;确定上述音频素材的音乐点,其中,上述音乐点用于将上述音频素材划分成多个音频片段;利用上述影像素材,为上述音频素材中的每个音乐片段分别生成一个视频片段,得到多个视频片段;其中,相对应的音乐片段和视频片段具有相同的时长;按照上述多个视频片段分别对应的音乐片段在上述音频素材中出现的时间将上述多个视频片段拼接在一起,并添加上述音频素材作为视频音轨,得到合成视频。
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公开的一些实施例的操作的计算机程序代码,上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,图示了按照本公开各种实施例的系统、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。
描述于本公开的一些实施例中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、确定单元、生成单元和合成单元。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“获取影像素材和音频素材的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
根据本公开的一个或多个实施例,提供了一种视频生成方法,包括:获取影像素材和音频素材,其中,上述影像素材包括图片素材;确定上述音频素材的音乐点,其中,上述音乐点用于将上述音频素材划分成多个音频片段;利用上述影像素材,为上述音频素材中的每个音乐片段分别生成一个视频片段,得到多个视频片段;其中,相对应的音乐片段和视频片段具有相同的时长;按照上述多个视频片段分别对应的音乐片段在上述音频素材中出现的时间将上述多个视频片段拼接在一起,并添加上述音频素材作为视频音轨,得到合成视频。
根据本公开的一个或多个实施例,多个视频片段包括第一视频片段,上述第一视频片段是通过为上述图片素材添加动效而生成的。
根据本公开的一个或多个实施例,动效是根据上述图片素材的场景类别确定的。
根据本公开的一个或多个实施例,图片素材的场景类别是通过机器学习模型对上述图片素材进行分析得到的,其中,上述机器学习模型已通过训练样本集合进行了训练。
根据本公开的一个或多个实施例,训练样本集合包括样本图片和上述样本图片的场景类别,上述机器学习模型是以上述样本图片作为输入并以上述样本图片的场景类别用于作为期望输出进行训练的。
根据本公开的一个或多个实施例,多个视频片段包括第二视频片段,上述第二视频片段是通过上述图片素材运动而形成的。
根据本公开的一个或多个实施例,影像素材还包括视频素材。
根据本公开的一个或多个实施例,多个视频片段包括第三视频片段,上述第三视频片段是从上述视频素材中提取出来的。
根据本公开的一个或多个实施例,该方法还包括:获取初始音频;根据上述影像素材的总时长与上述初始音频的时长,确定上述音频素材的时长,其中,上述音频素材的时长小于上述影像素材的总时长;根据上述音频素材的时长,从上述初始音频中提取出上述音频素材。
根据本公开的一个或多个实施例,根据上述影像素材的总时长与上述初始音频的时长,确定上述音频素材的时长,包括:根据上述影像素材的总时长和上述初始音频的时长,确定初始时长;若上述初始时长大于时长阈值,将上述时长阈值确定为上述音频素材的时长;若上述初始时长小于上述时长阈值,将上述初始时长确定为上述音频素材的时长。
根据本公开的一个或多个实施例,根据上述影像素材的总时长和上述初始音频的时长,确定初始时长,包括:若上述影像素材的总时长大于上述初始音频的时长,将上述初始音频的时长确定为上述初始时长;若上述影像素材的总时长小于上述初始音频的时长,对上述影像素材的总时长进行缩减得到上述音频素材的时长。
根据本公开的一个或多个实施例,该装置包括:获取单元,被配置成获取影像素材和音频素材,其中,上述影像素材包括图片素材;确定单元,被配置成确定上述音频素材的音乐点,其中,上述音乐点用于将上述音频素材划分成多个音频片段;生成单元,被配置成利用上述影像素材,为上述音频素材中的每个音乐片段分别生成一个视频片段,得到多个视频片段;其中,相对应的音乐片段和视频片段具有相同的时长;合成单元,被配置成按照上述多个视频片段分别对应的音乐片段在上述音频素材中出现的时间将上述多个视频片段拼接在一起,并添加上述音频素材作为视频音轨,得到合成视频。
根据本公开的一个或多个实施例,提供了一种电子设备,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,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上述任一实施例描述的方法。
根据本公开的一个或多个实施例,提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如上述任一实施例描述的方法。
以上描述仅为本公开的一些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,本公开的实施例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。例如上述特征与本公开的实施例中公开的(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 (14)
1.一种视频生成方法,包括:
获取影像素材和音频素材,其中,所述影像素材包括图片素材;
确定所述音频素材的音乐点,其中,所述音乐点用于将所述音频素材划分成多个音频片段;
利用所述影像素材,为所述音频素材中的每个音乐片段分别生成一个视频片段,得到多个视频片段,其中,相对应的音乐片段和视频片段具有相同的时长;
按照所述多个视频片段分别对应的音乐片段在所述音频素材中出现的时间将所述多个视频片段拼接在一起,并添加所述音频素材作为视频音轨,得到合成视频。
2.根据权利要求1所述的方法,其特征在于,所述多个视频片段包括第一视频片段,所述第一视频片段是通过为所述图片素材添加动效而生成的。
3.根据权利要求2所述的方法,其特征在于,所述动效是根据所述图片素材的场景类别确定的。
4.根据权利要求3所述的方法,其特征在于,所述图片素材的场景类别是通过机器学习模型对所述图片素材进行分析得到的,其中,所述机器学习模型已通过训练样本集合进行了训练。
5.根据权利要求4所述的方法,其特征在于,所述训练样本集合包括样本图片和所述样本图片的场景类别,所述机器学习模型是以所述样本图片作为输入并以所述样本图片的场景类别用于作为期望输出进行训练的。
6.根据权利要求1所述的方法,其特征在于,所述多个视频片段包括第二视频片段,所述第二视频片段是通过所述图片素材运动而形成的。
7.根据权利要求1所述的方法,其特征在于,所述影像素材还包括视频素材。
8.根据权利要求7所述的方法,其特征在于,所述多个视频片段包括第三视频片段,所述第三视频片段是从所述视频素材中提取出来的。
9.根据权利要求1至8中任意一项所述的方法,其中,所述方法还包括:
获取初始音频;
根据所述影像素材的总时长与所述初始音频的时长,确定所述音频素材的时长,其中,所述音频素材的时长小于所述影像素材的总时长;
根据所述音频素材的时长,从所述初始音频中提取出所述音频素材。
10.根据权利要求9所述的方法,其特征在于,所述根据所述影像素材的总时长与所述初始音频的时长,确定所述音频素材的时长,包括:
根据所述影像素材的总时长和所述初始音频的时长,确定初始时长;
若所述初始时长大于时长阈值,将所述时长阈值确定为所述音频素材的时长;
若所述初始时长小于所述时长阈值,将所述初始时长确定为所述音频素材的时长。
11.根据权利要求10所述的方法,其特征在于,所述根据所述影像素材的总时长和所述初始音频的时长,确定初始时长,包括:
若所述影像素材的总时长大于所述初始音频的时长,将所述初始音频的时长确定为所述初始时长;
若所述影像素材的总时长小于所述初始音频的时长,对所述影像素材的总时长进行缩减得到所述音频素材的时长。
12.一种视频生成装置,包括:
获取单元,被配置成获取影像素材和音频素材,其中,所述影像素材包括图片素材;
确定单元,被配置成确定所述音频素材的音乐点,其中,所述音乐点用于将所述音频素材划分成多个音频片段;
生成单元,被配置成利用所述影像素材,为所述音频素材中的每个音乐片段分别生成一个视频片段,得到多个视频片段;其中,相对应的音乐片段和视频片段具有相同的时长;
合成单元,被配置成按照所述多个视频片段分别对应的音乐片段在所述音频素材中出现的时间将所述多个视频片段拼接在一起,并添加所述音频素材作为视频音轨,得到合成视频。
13.一种电子设备,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,使得所述一个或多个处理器实现如权利要求1-11中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-11中任一所述的方法。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910919296.XA CN112565882A (zh) | 2019-09-26 | 2019-09-26 | 视频生成方法、装置、电子设备和计算机可读介质 |
KR1020227010159A KR20220045056A (ko) | 2019-09-26 | 2020-09-22 | 비디오 생성방법, 장치, 전자 장치 및 컴퓨터 판독 가능한 매체 |
PCT/CN2020/116921 WO2021057740A1 (zh) | 2019-09-26 | 2020-09-22 | 视频生成方法、装置、电子设备和计算机可读介质 |
BR112022005713A BR112022005713A2 (pt) | 2019-09-26 | 2020-09-22 | Método e aparelho de geração de vídeo, dispositivo eletrônico e mídia legível por computador |
EP20868358.1A EP4024880A4 (en) | 2019-09-26 | 2020-09-22 | VIDEO GENERATING METHOD AND APPARATUS, ELECTRONIC DEVICE AND COMPUTER READABLE MEDIA |
JP2022519290A JP7355929B2 (ja) | 2019-09-26 | 2020-09-22 | ビデオ生成方法、装置、電子装置及びコンピュータ読み取り可能な媒体 |
US17/706,542 US11710510B2 (en) | 2019-09-26 | 2022-03-28 | Video generation method and apparatus, electronic device, and computer readable medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910919296.XA CN112565882A (zh) | 2019-09-26 | 2019-09-26 | 视频生成方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112565882A true CN112565882A (zh) | 2021-03-26 |
Family
ID=75029985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910919296.XA Pending CN112565882A (zh) | 2019-09-26 | 2019-09-26 | 视频生成方法、装置、电子设备和计算机可读介质 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11710510B2 (zh) |
EP (1) | EP4024880A4 (zh) |
JP (1) | JP7355929B2 (zh) |
KR (1) | KR20220045056A (zh) |
CN (1) | CN112565882A (zh) |
BR (1) | BR112022005713A2 (zh) |
WO (1) | WO2021057740A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113438543A (zh) * | 2021-06-22 | 2021-09-24 | 深圳市大头兄弟科技有限公司 | 文档转视频的匹配方法、装置、设备及存储介质 |
CN113676772A (zh) * | 2021-08-16 | 2021-11-19 | 上海哔哩哔哩科技有限公司 | 视频生成方法及装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114495916B (zh) * | 2022-04-15 | 2022-07-12 | 腾讯科技(深圳)有限公司 | 背景音乐的插入时间点确定方法、装置、设备和存储介质 |
CN115243107B (zh) * | 2022-07-08 | 2023-11-21 | 华人运通(上海)云计算科技有限公司 | 短视频播放的方法、装置、系统、电子设备和介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7512886B1 (en) * | 2004-04-15 | 2009-03-31 | Magix Ag | System and method of automatically aligning video scenes with an audio track |
CN103793446A (zh) * | 2012-10-29 | 2014-05-14 | 汤晓鸥 | 音乐视频的生成方法和系统 |
CN103810504A (zh) * | 2014-01-14 | 2014-05-21 | 三星电子(中国)研发中心 | 一种图像处理方法和装置 |
CN104199841A (zh) * | 2014-08-06 | 2014-12-10 | 武汉图歌信息技术有限责任公司 | 一种图片生成动画并与视频片段拼接合成的视频编辑方法 |
CN108111909A (zh) * | 2017-12-15 | 2018-06-01 | 广州市百果园信息技术有限公司 | 视频图像处理方法及计算机存储介质、终端 |
CN108202334A (zh) * | 2018-03-22 | 2018-06-26 | 东华大学 | 一种能够识别音乐节拍和风格的舞蹈机器人 |
CN109147771A (zh) * | 2017-06-28 | 2019-01-04 | 广州视源电子科技股份有限公司 | 音频分割方法和系统 |
CN109379643A (zh) * | 2018-11-21 | 2019-02-22 | 北京达佳互联信息技术有限公司 | 视频合成方法、装置、终端及存储介质 |
CN110233976A (zh) * | 2019-06-21 | 2019-09-13 | 广州酷狗计算机科技有限公司 | 视频合成的方法及装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4174028B2 (ja) * | 2003-12-19 | 2008-10-29 | フリュー株式会社 | 音楽画像出力システム、音楽画像出力方法 |
JP4285287B2 (ja) | 2004-03-17 | 2009-06-24 | セイコーエプソン株式会社 | 画像処理装置、画像処理方法およびそのプログラム、記録媒体 |
EP3080810A1 (en) * | 2013-12-10 | 2016-10-19 | Google, Inc. | Providing beat matching |
US9747949B2 (en) * | 2014-02-10 | 2017-08-29 | Google Inc. | Providing video transitions |
US10299016B2 (en) * | 2015-06-17 | 2019-05-21 | Lomotif Private Limited | Method for generating a composition of audible and visual media |
US10204273B2 (en) * | 2015-10-20 | 2019-02-12 | Gopro, Inc. | System and method of providing recommendations of moments of interest within video clips post capture |
US11915722B2 (en) | 2017-03-30 | 2024-02-27 | Gracenote, Inc. | Generating a video presentation to accompany audio |
CN110149517B (zh) * | 2018-05-14 | 2022-08-23 | 腾讯科技(深圳)有限公司 | 视频处理的方法、装置、电子设备及计算机存储介质 |
-
2019
- 2019-09-26 CN CN201910919296.XA patent/CN112565882A/zh active Pending
-
2020
- 2020-09-22 BR BR112022005713A patent/BR112022005713A2/pt unknown
- 2020-09-22 WO PCT/CN2020/116921 patent/WO2021057740A1/zh unknown
- 2020-09-22 KR KR1020227010159A patent/KR20220045056A/ko unknown
- 2020-09-22 JP JP2022519290A patent/JP7355929B2/ja active Active
- 2020-09-22 EP EP20868358.1A patent/EP4024880A4/en active Pending
-
2022
- 2022-03-28 US US17/706,542 patent/US11710510B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7512886B1 (en) * | 2004-04-15 | 2009-03-31 | Magix Ag | System and method of automatically aligning video scenes with an audio track |
CN103793446A (zh) * | 2012-10-29 | 2014-05-14 | 汤晓鸥 | 音乐视频的生成方法和系统 |
CN103810504A (zh) * | 2014-01-14 | 2014-05-21 | 三星电子(中国)研发中心 | 一种图像处理方法和装置 |
CN104199841A (zh) * | 2014-08-06 | 2014-12-10 | 武汉图歌信息技术有限责任公司 | 一种图片生成动画并与视频片段拼接合成的视频编辑方法 |
CN109147771A (zh) * | 2017-06-28 | 2019-01-04 | 广州视源电子科技股份有限公司 | 音频分割方法和系统 |
CN108111909A (zh) * | 2017-12-15 | 2018-06-01 | 广州市百果园信息技术有限公司 | 视频图像处理方法及计算机存储介质、终端 |
CN108202334A (zh) * | 2018-03-22 | 2018-06-26 | 东华大学 | 一种能够识别音乐节拍和风格的舞蹈机器人 |
CN109379643A (zh) * | 2018-11-21 | 2019-02-22 | 北京达佳互联信息技术有限公司 | 视频合成方法、装置、终端及存储介质 |
CN110233976A (zh) * | 2019-06-21 | 2019-09-13 | 广州酷狗计算机科技有限公司 | 视频合成的方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113438543A (zh) * | 2021-06-22 | 2021-09-24 | 深圳市大头兄弟科技有限公司 | 文档转视频的匹配方法、装置、设备及存储介质 |
CN113438543B (zh) * | 2021-06-22 | 2023-02-03 | 深圳市大头兄弟科技有限公司 | 文档转视频的匹配方法、装置、设备及存储介质 |
CN113676772A (zh) * | 2021-08-16 | 2021-11-19 | 上海哔哩哔哩科技有限公司 | 视频生成方法及装置 |
CN113676772B (zh) * | 2021-08-16 | 2023-08-08 | 上海哔哩哔哩科技有限公司 | 视频生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
EP4024880A4 (en) | 2022-10-19 |
US11710510B2 (en) | 2023-07-25 |
BR112022005713A2 (pt) | 2022-06-21 |
EP4024880A1 (en) | 2022-07-06 |
US20220223183A1 (en) | 2022-07-14 |
JP7355929B2 (ja) | 2023-10-03 |
JP2022549700A (ja) | 2022-11-28 |
KR20220045056A (ko) | 2022-04-12 |
WO2021057740A1 (zh) | 2021-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7503629B2 (ja) | ビデオを生成する方法および装置、電子デバイス、ならびにコンピュータ読取可能媒体 | |
CN110769309B (zh) | 用于展示音乐点的方法、装置、电子设备和介质 | |
CN112565882A (zh) | 视频生成方法、装置、电子设备和计算机可读介质 | |
CN110070896B (zh) | 图像处理方法、装置、硬件装置 | |
CN112822541B (zh) | 视频生成方法、装置、电子设备和计算机可读介质 | |
US20220351454A1 (en) | Method and apparatus for displaying lyric effects, electronic device, and computer readable medium | |
CN109493888B (zh) | 漫画配音方法及装置、计算机可读存储介质、电子设备 | |
CN112165647B (zh) | 音频数据的处理方法、装置、设备及存储介质 | |
CN110781349A (zh) | 用于短视频生成的方法、设备、客户端装置及电子设备 | |
CN111970571A (zh) | 视频制作方法、装置、设备及存储介质 | |
CN112069360A (zh) | 音乐海报生成方法、装置、电子设备及介质 | |
CN113507637A (zh) | 媒体文件处理方法、装置、设备、可读存储介质及产品 | |
CN113259601A (zh) | 视频处理方法、装置、可读介质和电子设备 | |
CN113207025B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
CN111385638B (zh) | 视频处理方法和装置 | |
CN113935418A (zh) | 视频生成方法及设备 | |
CN113488083A (zh) | 数据匹配方法、装置、介质及电子设备 | |
US11792494B1 (en) | Processing method and apparatus, electronic device and medium | |
CN117319705A (zh) | 视频生成方法、装置、介质及电子设备 | |
CN117082292A (zh) | 视频生成方法、装置、设备、存储介质和程序产品 | |
CN114117127A (zh) | 视频生成方法、装置、可读介质及电子设备 | |
CN114697756A (zh) | 一种显示方法、装置、终端设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |
|
RJ01 | Rejection of invention patent application after publication |