CN113395538A - 音效渲染方法、装置、计算机可读介质和电子设备 - Google Patents

音效渲染方法、装置、计算机可读介质和电子设备 Download PDF

Info

Publication number
CN113395538A
CN113395538A CN202010176388.6A CN202010176388A CN113395538A CN 113395538 A CN113395538 A CN 113395538A CN 202010176388 A CN202010176388 A CN 202010176388A CN 113395538 A CN113395538 A CN 113395538A
Authority
CN
China
Prior art keywords
media
scene
sound effect
rendered
fragment
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.)
Granted
Application number
CN202010176388.6A
Other languages
English (en)
Other versions
CN113395538B (zh
Inventor
史俊杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010176388.6A priority Critical patent/CN113395538B/zh
Publication of CN113395538A publication Critical patent/CN113395538A/zh
Application granted granted Critical
Publication of CN113395538B publication Critical patent/CN113395538B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/233—Processing of audio elementary 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/233—Processing of audio elementary streams
    • H04N21/2335—Processing of audio elementary streams involving reformatting operations of audio signals, e.g. by converting from one coding standard to another
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/234345—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements the reformatting operation being performed only on part of the stream, e.g. a region of the image or a time segment
    • 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
    • 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
    • H04N21/4402—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 reformatting operations of video signals for household redistribution, storage or real-time display
    • 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
    • H04N21/4402—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 reformatting operations of video signals for household redistribution, storage or real-time display
    • H04N21/440245—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 reformatting operations of video signals for household redistribution, storage or real-time display the reformatting operation being performed only on part of the stream, e.g. a region of the image or a time segment
    • 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
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/47205—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for manipulating displayed content, e.g. interacting with MPEG-4 objects, editing locally
    • 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
    • H04N21/8455—Structuring of content, e.g. decomposing content into time segments involving pointers to the content, e.g. pointers to the I-frames of the video stream
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • User Interface Of Digital Computer (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本公开涉及一种音效渲染方法、装置、计算机可读介质和电子设备。该方法包括：对待渲染媒体文件进行内容解析，获得至少一个场景标签以及场景标签对应的时段信息；至少根据所述时段信息，将待渲染媒体文件划分出第一媒体片段；根据所述第一媒体片段对应的场景标签，确定所述第一媒体片段对应的目标音效模式；根据目标音效模式对第一媒体片段进行音效渲染。如此，可以对待渲染媒体文件进行更细粒度的音效渲染，使其与具体媒体片段对应的场景相适应。这样，可以满足用户在不同场景下的感官需求，而且省去了用户手动选择音效模式的步骤，提升了用户体验。

Description

音效渲染方法、装置、计算机可读介质和电子设备
技术领域
本公开涉及媒体技术领域，具体地，涉及一种音效渲染方法、装置、计算机可读介质和电子设备。
背景技术
随着科学技术的发展，终端设备成为了人们生活和工作不可或缺的一部分。人们可以通过终端对媒体文件进行处理，以使媒体文件在播放时呈现出用户期望的效果，例如音效渲染等等。
目前，通常是对媒体文件的音效进行统一设置且需要用户手动选择音效模式。例如，用户可以从音效模式备选栏中手动选择一种音效模式，从而使媒体文件在播放时具有用户期望的音效。
发明内容
提供该发明内容部分以便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。该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。
第一方面，本公开提供一种音效渲染方法，所述方法包括：
对待渲染媒体文件进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息；其中，所述待渲染媒体文件中在所述时段信息指示的媒体片段内的内容与所述场景标签指示的场景相匹配；
至少根据所述时段信息，将所述待渲染媒体文件划分出待渲染的第一媒体片段；
根据所述第一媒体片段对应的所述场景标签，确定所述第一媒体片段对应的目标音效模式；
根据所述目标音效模式对所述第一媒体片段进行音效渲染。
第二方面，提供一种音效渲染装置，所述装置包括：
解析模块，用于对待渲染媒体文件进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息；其中，所述待渲染媒体文件中在所述时段信息指示的媒体片段内的内容与所述场景标签指示的场景相匹配；
划分模块，用于至少根据所述时段信息，将所述待渲染媒体文件划分出待渲染的第一媒体片段；
确定模块，用于根据所述第一媒体片段对应的所述场景标签，确定所述第一媒体片段对应的目标音效模式；
渲染模块，用于根据所述目标音效模式对所述第一媒体片段进行音效渲染。
第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
采用上述技术方案，通过确定待渲染媒体文件对应的场景标签及该场景标签对应的时段信息，并基于该时段信息从待渲染媒体文件划分出待渲染的第一媒体片段，这样，在对待渲染媒体文件进行音效渲染时，可以根据第一媒体片段对应的场景标签自动确定合适的目标音效模式，并根据目标音效模式对该第一媒体片段进行音效渲染。如此，可以对待渲染媒体文件进行更细粒度的音效渲染，使其与具体媒体片段对应的场景相适应。随着媒体内容对应的场景的变化，其目标音效模式也随之变化，这样，可以满足用户在不同场景下的感官需求，而且省去了用户手动选择音效模式的步骤，提升了用户体验。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
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。在附图中：
图1是根据一示例性实施例示出的一种音效渲染方法的流程图。
图2是根据一示例性实施例示出的一种音效渲染装置的框图。
图3是根据一示例性实施例示出的一种电子设备的结构示意图。
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。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
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。
如背景技术所述，人们可以通过终端对媒体文件进行音效渲染，以使媒体文件在播放时呈现出用户期望的音效。相关技术中，通常是对媒体文件的音效进行统一设置且需要用户手动选择音效模式。然而，在媒体文件存在不同场景内容的情况下，对整个媒体文件采用一种音效模式进行音效渲染，不能满足用户的需求。
有鉴于此，本公开提供一种音效渲染方法、装置、计算机可读介质和电子设备，可以对待渲染媒体文件进行更细粒度的音效渲染，使其与具体媒体片段对应的场景相适应。随着媒体内容对应的场景的变化，其目标音效模式也随之变化，这样，可以满足用户在不同场景下的感官需求，而且省去了用户手动选择音效模式的步骤，提升了用户体验。
图1是根据一示例性实施例示出的一种音效渲染方法的流程图，该方法可以应用于终端，如智能手机、平板电脑、个人计算机(PC)、笔记本电脑等设备，也可以应用于服务器。如图1所示，该方法可以包括以下步骤。
在S101中，对待渲染媒体文件进行内容解析，获得至少一个场景标签以及场景标签对应的时段信息。
该待渲染媒体文件即为需要进行音效渲染的媒体文件，可以是预先存储的媒体文件，例如视频文件或音频文件，也可以是实时媒体文件，例如利用摄像头实时拍摄的视频文件。本公开对媒体文件的种类、格式、获取方式等等不作具体限定。
该场景标签是对待渲染媒体文件进行内容解析后所得的场景识别结果，因此，待渲染媒体文件的场景标签能够反映待渲染媒体文件的场景，且场景标签对应的时段信息能够反映该场景所归属的时间段。场景可以例如为访谈、演唱会、游戏等等，可根据需要自定义。并且，场景标签对应的时段信息指示的媒体片段内的内容与场景标签指示的场景相匹配。
本公开中，对待渲染媒体文件进行内容解析之后，获得的场景标签可以是一个也可以是多个，相应地，场景标签对应的时段信息可以是一个，也可以是多个。
在S102中，至少根据所述时段信息，将待渲染媒体文件划分出待渲染的第一媒体片段。
该步骤中，可以根据场景标签对应的时段信息，从待渲染媒体文件划分出待渲染的第一媒体片段。该第一媒体片段指的是需要进行音效渲染的媒体片段。示例地，如果解析出一个场景标签，该场景标签对应的时段信息可以为一个或多个，则可以将一个或多个时段信息指示的媒体片段确定为第一媒体片段。又示例地，如果解析出多个场景标签，场景标签对应多个不同的时段信息，则可以将待渲染媒体文件划分成多个媒体片段，并从中筛选出需要进行音效渲染的媒体片段，即第一媒体片段。由于需要根据媒体片段对应的场景标签，确定媒体片段对应的目标音效模式，因此，在该示例中，可以将匹配到场景标签的媒体片段确定为第一媒体片段。
例如，待渲染媒体文件的总时长为5min，对待渲染媒体文件进行内容解析后，获得三个场景标签，分别为场景标签1、场景标签2和场景标签3。场景标签1对应的时段信息为00:00-01:30，场景标签2对应的时段信息为01:00-2:00，场景标签3对应的时段信息为04:00-05:00，则可以将待渲染媒体文件划分成5个媒体片段。媒体片段1对应场景标签1和时段信息为00:00-01:00，媒体片段2对应场景标签1、场景标签2和时段信息为01:00-01:30，媒体片段3对应场景标签2和时段信息为01:30-02:00，媒体片段4无对应的场景标签且对应的时段信息为02:00-04:00，媒体片段5对应场景标签1和时段信息为04:00-05:00。如此，可以将媒体片段1、媒体片段2、媒体片段3和媒体片段5确定为第一媒体片段。其中，一个第一媒体片段对应一个场景标签，例如媒体片段1，也可以对应多个场景标签，例如媒体片段2。
在S103中，根据所述第一媒体片段对应的所述场景标签，确定该第一媒体片段对应的目标音效模式。
在S104中，根据目标音效模式对第一媒体片段进行音效渲染。
在本公开中，可以将场景标签与目标音频模式的对应关系预先存储，这样便可以通过该对应关系，确定出与场景标签对应的目标音效模式。而且每种音效模式分别对应一目标音效信息，目标音效信息可以包括多个音效参数。具体地，音效参数可以包括但不限于音频频率、音量等等。在确定出第一媒体片段对应的目标音效模式之后，可以根据与该目标音效模式对应的目标音效信息对第一媒体片段进行音效渲染。
示例地，对于一待渲染媒体文件，媒体片段一对应的场景标签为访谈，则该媒体片段一对应的目标音效模式可以为清澈人声，之后，确定清澈人声模式对应的目标音效信息，并根据该目标音效信息对该媒体片段一进行音效渲染，从而使该媒体片段一具有清澈人声的音效。而待渲染媒体文件的媒体片段二对应的场景标签为演唱会，则该媒体片段二对应的目标音效模式可以为现场律动，之后，确定现场律动模式对应的目标音效信息，并根据该目标音效信息对该媒体片段二进行音效渲染，从而使该媒体片段二具有现场律动的音效。
采用上述技术方案，通过确定待渲染媒体文件对应的场景标签及该场景标签对应的时段信息，并基于该时段信息从待渲染媒体文件划分出待渲染的第一媒体片段，这样，在对待渲染媒体文件进行音效渲染时，可以根据第一媒体片段对应的场景标签自动确定合适的目标音效模式，并根据目标音效模式对该第一媒体片段进行音效渲染。如此，可以对待渲染媒体文件进行更细粒度的音效渲染，使其与具体媒体片段对应的场景相适应。随着媒体内容对应的场景的变化，其目标音效模式也随之变化，这样，可以满足用户在不同场景下的感官需求，而且省去了用户手动选择音效模式的步骤，提升了用户体验。
在上述S101中对待渲染媒体文件进行内容解析，获得至少一个场景标签以及场景标签对应的时段信息的具体实施方式可以为：对待渲染媒体文件的图像和/或音频进行内容解析，获得至少一个场景标签以及场景标签对应的时段信息。
示例地，若待渲染媒体文件为视频文件，则可以对待渲染媒体文件的图像进行内容解析，获得至少一个场景标签以及场景标签对应的时段信息。具体地，可以将待渲染媒体文件的图像输入到预先训练的第一场景识别模型中，得到场景标签以及场景标签对应的时段信息。值得说明的是，第一场景识别模型可以是采用机器学习的方式训练得到的、能够根据媒体文件的图像进行场景识别的机器学习的模型。该第一场景识别模型可以例如存储在本地，每次使用时进行本地调用，也可以存储在第三方平台，每次使用时从第三方平台调用，这里不作具体限定。
示例地，若待渲染媒体文件为视频文件或者音频文件，则可以对待渲染媒体文件的音频进行内容解析，获得至少一个场景标签以及场景标签对应的时段信息。具体地，可以首先从待渲染媒体文件中获取音频，并将该音频输入到预先训练的第二场景识别模型中，得到场景标签以及场景标签对应的时段信息。值得说明的是，第二场景识别模型可以是采用机器学习的方式训练得到的、能够根据媒体文件的音频进行场景识别的机器学习的模型。该第二场景识别模型可以例如存储在本地，每次使用时进行本地调用，也可以存储在第三方平台，每次使用时从第三方平台调用，这里不作具体限定。
又示例地，为了提高待渲染媒体文件的场景标签以及场景标签对应的时段信息的可靠性，若待渲染媒体文件为视频文件，则可以同时对待渲染媒体文件的图像和音频进行内容解析，获得至少一个场景标签以及场景标签对应的时段信息。在一种实施方式中，可以将待渲染媒体文件的图像输入上述的第一场景识别模型进行识别，并将待渲染媒体文件的音频输入上述的第二场景识别模型进行识别，然后根据两个模型的识别结果得到该待渲染媒体文件最终的场景标签以及场景标签的时段信息。在另一种实施方式中，可以将待渲染媒体文件的图像和音频同时输入到第三场景识别模型中，得到场景标签以及场景标签对应的时段信息。值得说明的是，第三场景识别模型可以是采用机器学习的方式训练得到的、能够根据图像和音频进行场景识别的机器学习模型。该第三场景识别模型可以例如存储在本地，每次使用时进行本地调用，或者可以存储在第三方平台，每次使用时从第三方调用，这里不作具体限定。
考虑到存在场景识别结果模糊的情况，如果直接根据场景标签确定媒体片段对应的目标音效模式，并根据该目标音效模式对媒体片段进行音效渲染，可能会导致错误的音效渲染，导致用户体验不佳。因此，在一种实施方式中，可以结合场景标签的置信度，从待渲染媒体文件划分出待渲染的第一媒体片段。具体实施方式可以为：
根据时段信息，从待渲染媒体文件划分出初始媒体片段，初始媒体片段为匹配到场景标签的媒体片段；
根据初始媒体片段对应的场景标签的置信度，从初始媒体片段中确定出待渲染的第一媒体片段。
本实施例中，对待渲染媒体文件进行内容解析，获得场景标签和场景标签对应的时段信息之后，可以根据时段信息，首先从待渲染媒体文件划分出初始媒体片段，此步骤的目的是初筛出匹配到场景标签的媒体片段。
置信度能够反映场景标签的可信程度。置信度越高，表明该场景标签的可信程度越高，也即是场景识别结果越准确。相应地，置信度越低，表明该场景标签的可信程度越低，也即是场景识别结果越模糊。示例地，在上述的各模型得到的结果中，还可以包括场景标签的置信度。
基于此，可以根据初始媒体片段对应的场景标签的置信度，对初始媒体片段进行筛选，以从中确定出待渲染的第一媒体片段。
示例地，在初始媒体片段对应的场景标签为一个的情况下，若该场景标签的置信度不小于预设的置信度阈值，则将该初始媒体片段确定为第一媒体片段。
其中，预设的置信度阈值可以预先标定。若场景标签的置信度中不小于预设的置信度阈值，表明与该场景标签的可信程度较高，场景识别结果较准确，此时将该初始媒体片段确定为第一媒体片段。若场景标签的置信度小于预设的置信度阈值，表明该初始媒体片段对应的场景标签的可信程度较低，场景识别结果模糊，此时不将该初始媒体片段确定为待渲染的第一媒体片段。
又示例地，由于置信度越高，场景标签的可信程度越高，因此，在初始媒体片段对应的场景标签为多个的情况下，可以根据多个场景标签中的最大置信度，来确定该初始媒体片段是否为第一媒体片段。
具体地，若多个场景标签的置信度中的最大置信度不小于预设的置信度阈值，则将初始媒体片段确定为第一媒体片段。若多个场景标签的置信度中的最大置信度小于预设的置信度阈值，则不将该初始媒体片段确定为第一媒体片段。
又示例地，考虑到多个场景标签的置信度中的最大置信度和其他场景标签的置信度大小相接近时，表明该初始媒体片段的场景识别结果也可能存在模糊的情况。因此，在初始媒体片段对应的场景标签为多个情况下，可以根据除最大置信度对应的场景标签之外的其他场景标签的置信度与最大置信度之差的绝对值，来确定该初始媒体片段是否为第一媒体片段。
具体地，在初始媒体片段对应的场景标签为多个的情况下，若除最大置信度对应的场景标签之外的其他场景标签的置信度与该最大置信度之差的绝对值均大于预设的置信度差值阈值，此时可表明该最大置信度对应的场景标签基本上可以唯一代表该初始媒体片段对应的场景，场景识别结果相对较准确，因此，可以将初始媒体片段确定为第一媒体片段。其中，预设的置信度差值阈值可以预先标定。
若除最大置信度对应的场景标签之外的其他场景标签的置信度中，存在与最大置信度之差的绝对值小于预设的置信度差值阈值的预定数量的置信度，此时可表明对该初始媒体片段的场景识别结果不唯一，可能存在场景识别结果模糊的情况，因此，此时不将该初始媒体片段确定为待渲染的第一媒体片段。其中，该预定数量为大于或等于1的正整数。
又示例地，在初始媒体片段对应的场景标签为多个的情况下，为了提高对媒体片段进行音效渲染的准确度，因此，可以根据最大置信度，以及除最大置信度对应的场景标签之外的其他场景标签的置信度与最大置信度之差的绝对值，来确定该初始媒体片段是否为第一媒体片段。
具体地，在初始媒体片段对应的场景标签为多个的情况下，若多个场景标签的置信度中的最大置信度不小于预设的置信度阈值，且除最大置信度对应的场景标签之外的其他场景标签的置信度与最大置信度之差的绝对值均大于预设的置信度差值阈值，则将初始媒体片段确定为第一媒体片段。
在本公开中，由于场景标签的置信度越高，场景识别结果越准确，因此，在初始媒体片段对应的场景标签为多个，且该初始媒体片段被确定为第一媒体片段的情况下，步骤103中，根据第一媒体文件对应的场景标签，确定第一媒体片段对应的目标音效模式的具体实施方式可以为：根据最大置信度对应的场景标签，确定第一媒体片段对应的目标音效模式。这样，可以提高对该第一媒体片段进行音效渲染的准确性，使之与真实场景相匹配。
不过应当理解的是，也可以不只根据最大置信度对应的场景标签，确定片段对应的目标音效模式。根据实际需要，也可以根据多个较高的置信度对应的场景标签，综合确定第一媒体片段对应的目标音效模式。
在本公开的一种实施方式中，对于待渲染媒体文件中除第一媒体片段之外的第二媒体片段，可以提供用户人工选择目标音效模式的机会，从而满足用户使用需求。在本公开中，第二媒体片段可以包括待渲染媒体文件中未匹配到场景标签的媒体片段，还可以包括初始媒体片段中，未被确定为第一媒体片段的媒体片段。
具体地，上述方法还可以包括：针对待渲染媒体文件中除第一媒体片段之外的第二媒体片段，向用户输出提示信息。
在本公开中，该提示信息用于用户确定是否要人工输入第二媒体片段对应的目标音效模式。其中，提示信息可以例如为“场景识别模糊，请确认是否人工输入目标音效模式”之类的文字提示信息。示例地，在用户确认要人工输入目标音效模式时，交互界面可以向用户展示多个音效模式选项。用户可以通过该交互界面选择目标音效模式。根据接收到的用户对音效模式的选择指令，可以获知用户所选择的目标音效模式。当然，用户也可以通过语音控制的方式选择目标音效模式，本公开对此不作限定。
若接收到用户输入的目标音效模式，则根据用户输入的目标音效模式对第二媒体片段进行音效渲染。若未接收到用户输入的目标音效模式，则不对该第二媒体片段进行音效渲染。
采用上述方案，对于待渲染媒体文件中除第一媒体片段之外的第二媒体片段，通过向用户输出提示信息，并由用户确定是否人工输入第二媒体片段对应的目标音效模式，使得在未匹配到场景标签或者场景识别结果模糊的情况下，用户可以人工选择目标音效模式，满足了用户的使用需求，提升了用户体验。
在本公开中，在分媒体片段进行音效渲染后，可以利用第三媒体片段替换待渲染媒体文件中的第一媒体片段，以获得目标媒体文件。其中，第三媒体片段为根据目标音效模式对第一媒体片段进行音效渲染而得到的媒体片段。目标媒体文件即为对待渲染媒体文件进行音效渲染之后最终得到的媒体文件，在生成目标媒体文件的过程中，第一媒体片段被替换为第三媒体片段。
此外，如上所述，本公开还为用户提供了人工输入目标音效模式的机会。因此，在根据用户输入的目标音效模式对第二媒体片段进行音效渲染后，可以得到对应的第四媒体片段。如此，在生成目标媒体文件的过程中，还可以利用第四媒体片段替换第二媒体片段。
基于同一发明构思，本公开还提供一种音效渲染装置。图2是根据一示例性实施例示出的一种音效渲染装置的框图，如图2所示，该装置200可以包括：
解析模块201，用于对待渲染媒体文件进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息；其中，所述待渲染媒体文件中在所述时段信息指示的媒体片段内的内容与所述场景标签指示的场景相匹配；
划分模块202，用于至少根据所述时段信息，将所述待渲染媒体文件划分出待渲染的第一媒体片段；
确定模块203，用于根据所述第一媒体片段对应的场景标签，确定所述第一媒体片段对应的目标音效模式。
渲染模块204，根据所述目标音效模式对所述第一媒体片段进行音效渲染。
采用上述技术方案，通过确定待渲染媒体文件对应的场景标签及该场景标签对应的时段信息，并基于该时段信息将待渲染媒体文件划分出待渲染的第一媒体片段，这样，在对待渲染媒体文件进行音效渲染时，可以根据第一媒体片段对应的场景标签自动确定合适的目标音效模式，并根据目标音效模式对该第一媒体片段进行音效渲染。如此，可以对待渲染媒体文件进行更细粒度的音效渲染，使其与具体媒体片段对应的场景相适应。随着媒体内容对应的场景的变化，其目标音效模式也随之变化，这样，可以满足用户在不同场景下的感官需求，而且省去了用户手动选择音效模式的步骤，提升了用户体验。
可选地，所述解析模块201可以用于对所述待渲染媒体文件的图像和/或音频进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息。
可选地，所述划分模块202可以包括：
划分子模块，用于根据时段信息，从所述待渲染媒体文件划分出初始媒体片段，所述初始媒体片段为匹配到场景标签的媒体片段；
确定子模块，用于根据所述初始媒体片段对应的所述场景标签的置信度，从所述初始媒体片段中确定出待渲染的所述第一媒体片段。
可选地，所述确定子模块，用于在所述初始媒体片段对应的所述场景标签为一个的情况下，若所述场景标签的置信度不小于预设的置信度阈值，则将所述初始媒体片段确定为所述第一媒体片段。
可选地，所述确定子模块，用于在所述初始媒体片段对应的场景标签为多个的情况下，若除所述最大置信度对应的场景标签之外的其他场景标签的置信度与所述最大置信度之差的绝对值均大于预设的置信度差值阈值，则将所述初始媒体片段确定为所述第一媒体片段。
可选地，所述确定子模块，用于在所述初始媒体片段对应的场景标签为多个的情况下，若多个所述场景标签的置信度中的最大置信度不小于预设的置信度阈值，则将所述初始媒体片段确定为所述第一媒体片段。
可选地，所述确定模块203，用于在所述初始媒体片段对应的场景标签为多个的情况下，根据所述最大置信度对应的所述场景标签，确定所述第一媒体片段对应的目标音效模式。
可选地，所述装置200还可以包括：
输出模块，用于针对所述待渲染媒体文件中除所述第一媒体片段之外的第二媒体片段，向用户输出提示信息，所述提示信息用于用户确定是否人工输入所述第二媒体片段对应的所述目标音效模式；
所述渲染模块204，用于响应于接收到用户输入的所述目标音效模式，根据用户输入的所述目标音效模式对所述第二媒体片段进行音效渲染。
可选地，所述装置200还可以包括：
替换模块，用于利用第三媒体片段替换所述待渲染媒体文件中的所述第一媒体片段，以获得目标媒体文件；其中，所述第三媒体片段为根据所述目标音效模式对所述第一媒体片段进行音效渲染而得到的媒体片段。
下面参考图3，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开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3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：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304；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，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。
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，其包括承载在非暂态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装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开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：对待渲染媒体文件进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息；其中，所述待渲染媒体文件中在所述时段信息指示的媒体片段内的内容与所述场景标签指示的场景相匹配；至少根据所述时段信息，将所述待渲染媒体文件划分出待渲染的第一媒体片段；根据所述第一媒体片段对应的所述场景标签，确定所述第一媒体片段对应的目标音效模式；根据所述目标音效模式对所述第一媒体片段进行音效渲染。
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操作的计算机程序代码，上述程序设计语言包括但不限于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。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，解析模块还可以被描述为“内容解析模块”。
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。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种音效渲染方法，所述方法包括：对待渲染媒体文件进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息；其中，所述待渲染媒体文件中在所述时段信息指示的媒体片段内的内容与所述场景标签指示的场景相匹配；至少根据所述时段信息，将所述待渲染媒体文件划分出待渲染的第一媒体片段；根据所述第一媒体片段对应的所述场景标签，确定所述第一媒体片段对应的目标音效模式；根据所述目标音效模式对所述第一媒体片段进行音效渲染。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述对待渲染媒体文件进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息，包括：对所述待渲染媒体文件的图像和/或音频进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息。
根据本公开的一个或多个实施例，示例3提供了示例1的方法，所述至少根据所述时段信息，将所述待渲染媒体文件划分出待渲染的第一媒体片段，包括：根据所述时段信息，从所述待渲染媒体文件划分出初始媒体片段，所述初始媒体片段为匹配到场景标签的媒体片段；根据所述初始媒体片段对应的所述场景标签的置信度，从所述初始媒体片段中确定出待渲染的所述第一媒体片段。
根据本公开的一个或多个实施例，示例4提供了示例3的方法，所述根据所述初始媒体片段对应的所述场景标签的置信度，从所述初始媒体片段中确定出待渲染的所述第一媒体片段，包括：在所述初始媒体片段对应的所述场景标签为一个的情况下，若所述场景标签的置信度不小于预设的置信度阈值，则将所述初始媒体片段确定为所述第一媒体片段。
根据本公开的一个或多个实施例，示例5提供了示例3的方法，所述根据所述初始媒体片段对应的所述场景标签的置信度，从所述初始媒体片段中确定出待渲染的所述第一媒体片段，包括：在所述初始媒体片段对应的场景标签为多个的情况下，若除所述最大置信度对应的场景标签之外的其他场景标签的置信度与所述最大置信度之差的绝对值均大于预设的置信度差值阈值，则将所述初始媒体片段确定为所述第一媒体片段。
根据本公开的一个或多个实施例，示例6提供了示例3的方法，所述根据所述初始媒体片段对应的所述场景标签的置信度，从所述初始媒体片段中确定出待渲染的所述第一媒体片段，包括：在所述初始媒体片段对应的场景标签为多个的情况下，若多个所述场景标签的置信度中的最大置信度不小于预设的置信度阈值，则将所述初始媒体片段确定为所述第一媒体片段。
根据本公开的一个或多个实施例，示例7提供了示例5或示例6的方法，在所述初始媒体片段对应的场景标签为多个的情况下，所述根据所述第一媒体片段对应的所述场景标签，确定所述第一媒体片段对应的目标音效模式，包括：根据所述最大置信度对应的所述场景标签，确定所述第一媒体片段对应的目标音效模式。
根据本公开的一个或多个实施例，示例8提供了示例1的方法，所述方法还包括：针对所述待渲染媒体文件中除所述第一媒体片段之外的第二媒体片段，向用户输出提示信息，所述提示信息用于用户确定是否人工输入所述第二媒体片段对应的所述目标音效模式；响应于接收到用户输入的所述目标音效模式，根据用户输入的所述目标音效模式对所述第二媒体片段进行音效渲染。
根据本公开的一个或多个实施例，示例9提供了示例1的方法，所述方法还包括：利用利用第三媒体片段替换所述待渲染媒体文件中的所述第一媒体片段，以获得目标媒体文件；其中，所述第三媒体片段为根据所述目标音效模式对所述第一媒体片段进行音效渲染而得到的媒体片段。
根据本公开的一个或多个实施例，示例10提供了一种音效渲染装置，所述装置包括：解析模块，用于对待渲染媒体文件进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息；其中，所述待渲染媒体文件中在所述时段信息指示的媒体片段内的内容与所述场景标签指示的场景相匹配；划分模块，用于至少根据所述时段信息，将所述待渲染媒体文件划分出待渲染的第一媒体片段；确定模块，用于根据所述第一媒体片段对应的所述场景标签，确定所述第一媒体片段对应的目标音效模式；渲染模块，根据所述目标音效模式对所述第一媒体片段进行音效渲染。
根据本公开的一个或多个实施例，示例11提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1至示例9中所述方法的步骤。
根据本公开的一个或多个实施例，示例12提供了一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1至示例9中所述方法的步骤。
以上描述仅为本公开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，本公开中所涉及的公开范围，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公开构思的情况下，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。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (12)

1.一种音效渲染方法，其特征在于，所述方法包括：
对待渲染媒体文件进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息；其中，所述待渲染媒体文件中在所述时段信息指示的媒体片段内的内容与所述场景标签指示的场景相匹配；
至少根据所述时段信息，将所述待渲染媒体文件划分出待渲染的第一媒体片段；
根据所述第一媒体片段对应的所述场景标签，确定所述第一媒体片段对应的目标音效模式；
根据所述目标音效模式对所述第一媒体片段进行音效渲染。
2.根据权利要求1所述的方法，其特征在于，所述对待渲染媒体文件进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息，包括：
对所述待渲染媒体文件的图像和/或音频进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息。
3.根据权利要求1所述的方法，其特征在于，所述至少根据所述时段信息，将所述待渲染媒体文件划分出待渲染的第一媒体片段，包括：
根据所述时段信息，从所述待渲染媒体文件划分出初始媒体片段，所述初始媒体片段为匹配到场景标签的媒体片段；
根据所述初始媒体片段对应的所述场景标签的置信度，从所述初始媒体片段中确定出待渲染的所述第一媒体片段。
4.根据权利要求3所述的方法，其特征在于，所述根据所述初始媒体片段对应的所述场景标签的置信度，从所述初始媒体片段中确定出待渲染的所述第一媒体片段，包括：
在所述初始媒体片段对应的所述场景标签为一个的情况下，若所述场景标签的置信度不小于预设的置信度阈值，则将所述初始媒体片段确定为所述第一媒体片段。
5.根据权利要求3所述的方法，其特征在于，所述根据所述初始媒体片段对应的所述场景标签的置信度，从所述初始媒体片段中确定出待渲染的所述第一媒体片段，包括：
在所述初始媒体片段对应的场景标签为多个的情况下，若除所述最大置信度对应的场景标签之外的其他场景标签的置信度与所述最大置信度之差的绝对值均大于预设的置信度差值阈值，则将所述初始媒体片段确定为所述第一媒体片段。
6.根据权利要求3所述的方法，其特征在于，所述根据所述初始媒体片段对应的所述场景标签的置信度，从所述初始媒体片段中确定出待渲染的所述第一媒体片段，包括：
在所述初始媒体片段对应的场景标签为多个的情况下，若多个所述场景标签的置信度中的最大置信度不小于预设的置信度阈值，则将所述初始媒体片段确定为所述第一媒体片段。
7.根据权利要求5或6所述的方法，其特征在于，在所述初始媒体片段对应的场景标签为多个的情况下，所述根据所述第一媒体片段对应的所述场景标签，确定所述第一媒体片段对应的目标音效模式，包括：
根据所述最大置信度对应的所述场景标签，确定所述第一媒体片段对应的目标音效模式。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
针对所述待渲染媒体文件中除所述第一媒体片段之外的第二媒体片段，向用户输出提示信息，所述提示信息用于用户确定是否人工输入所述第二媒体片段对应的所述目标音效模式；
响应于接收到用户输入的所述目标音效模式，根据用户输入的所述目标音效模式对所述第二媒体片段进行音效渲染。
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
利用第三媒体片段替换所述待渲染媒体文件中的所述第一媒体片段，以获得目标媒体文件；其中，所述第三媒体片段为根据所述目标音效模式对所述第一媒体片段进行音效渲染而得到的媒体片段。
10.一种音效渲染装置，其特征在于，所述装置包括：
解析模块，用于对待渲染媒体文件进行内容解析，获得至少一个场景标签以及所述场景标签对应的时段信息；其中，所述待渲染媒体文件中在所述时段信息指示的媒体片段内的内容与所述场景标签指示的场景相匹配；
划分模块，用于至少根据所述时段信息，将所述待渲染媒体文件划分出待渲染的第一媒体片段；
确定模块，用于根据所述第一媒体片段对应的所述场景标签，确定所述第一媒体片段对应的目标音效模式；
渲染模块，根据所述目标音效模式对所述第一媒体片段进行音效渲染。
11.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-9中任一项所述方法的步骤。
12.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-9中任一项所述方法的步骤。
CN202010176388.6A 2020-03-13 2020-03-13 音效渲染方法、装置、计算机可读介质和电子设备 Active CN113395538B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010176388.6A CN113395538B (zh) 2020-03-13 2020-03-13 音效渲染方法、装置、计算机可读介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010176388.6A CN113395538B (zh) 2020-03-13 2020-03-13 音效渲染方法、装置、计算机可读介质和电子设备

Publications (2)

Publication Number Publication Date
CN113395538A true CN113395538A (zh) 2021-09-14
CN113395538B CN113395538B (zh) 2022-12-06

Family

ID=77616150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010176388.6A Active CN113395538B (zh) 2020-03-13 2020-03-13 音效渲染方法、装置、计算机可读介质和电子设备

Country Status (1)

Country Link
CN (1) CN113395538B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114025231A (zh) * 2021-11-18 2022-02-08 紫光展锐(重庆)科技有限公司 一种音效调节方法、音效调节装置、芯片及其芯片模组
CN114513682A (zh) * 2022-02-17 2022-05-17 北京达佳互联信息技术有限公司 多媒体资源展示方法、发送方法、装置、设备及介质
CN115334351A (zh) * 2022-08-02 2022-11-11 Vidaa国际控股(荷兰)公司 一种显示设备及自适应画质调节方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103226948A (zh) * 2013-04-22 2013-07-31 山东师范大学 一种基于声学事件的音频场景识别方法
CN105611404A (zh) * 2015-12-31 2016-05-25 北京东方云图科技有限公司 一种根据视频应用场景自动调节音频音量的方法及装置
CN108694217A (zh) * 2017-04-12 2018-10-23 合信息技术（北京）有限公司 视频的标签确定方法及装置
CN110381336A (zh) * 2019-07-24 2019-10-25 广州飞达音响股份有限公司 基于5.1声道的视频片段情感判定方法、装置和计算机设备
US10466955B1 (en) * 2014-06-24 2019-11-05 A9.Com, Inc. Crowdsourced audio normalization for presenting media content
CN110830852A (zh) * 2018-08-07 2020-02-21 北京优酷科技有限公司 一种视频内容的处理方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103226948A (zh) * 2013-04-22 2013-07-31 山东师范大学 一种基于声学事件的音频场景识别方法
US10466955B1 (en) * 2014-06-24 2019-11-05 A9.Com, Inc. Crowdsourced audio normalization for presenting media content
CN105611404A (zh) * 2015-12-31 2016-05-25 北京东方云图科技有限公司 一种根据视频应用场景自动调节音频音量的方法及装置
CN108694217A (zh) * 2017-04-12 2018-10-23 合信息技术（北京）有限公司 视频的标签确定方法及装置
CN110830852A (zh) * 2018-08-07 2020-02-21 北京优酷科技有限公司 一种视频内容的处理方法及装置
CN110381336A (zh) * 2019-07-24 2019-10-25 广州飞达音响股份有限公司 基于5.1声道的视频片段情感判定方法、装置和计算机设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114025231A (zh) * 2021-11-18 2022-02-08 紫光展锐(重庆)科技有限公司 一种音效调节方法、音效调节装置、芯片及其芯片模组
CN114513682A (zh) * 2022-02-17 2022-05-17 北京达佳互联信息技术有限公司 多媒体资源展示方法、发送方法、装置、设备及介质
CN115334351A (zh) * 2022-08-02 2022-11-11 Vidaa国际控股(荷兰)公司 一种显示设备及自适应画质调节方法
CN115334351B (zh) * 2022-08-02 2023-10-31 Vidaa国际控股(荷兰)公司 一种显示设备及自适应画质调节方法

Also Published As

Publication number Publication date
CN113395538B (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
CN111291220B (zh) 标签展示方法、装置、电子设备和计算机可读介质
CN109740018B (zh) 用于生成视频标签模型的方法和装置
CN111767371B (zh) 一种智能问答方法、装置、设备及介质
CN109993150B (zh) 用于识别年龄的方法和装置
CN109981787B (zh) 用于展示信息的方法和装置
CN113395538B (zh) 音效渲染方法、装置、计算机可读介质和电子设备
US20200322570A1 (en) Method and apparatus for aligning paragraph and video
CN110059623B (zh) 用于生成信息的方法和装置
CN112509562B (zh) 用于文本后处理的方法、装置、电子设备和介质
CN110084317B (zh) 用于识别图像的方法和装置
CN111459364B (zh) 图标更新方法、装置和电子设备
CN110958481A (zh) 视频页面显示方法、装置、电子设备和计算机可读介质
CN111726691A (zh) 视频推荐方法、装置、电子设备及计算机可读存储介质
CN111897950A (zh) 用于生成信息的方法和装置
CN108268936B (zh) 用于存储卷积神经网络的方法和装置
CN110008926B (zh) 用于识别年龄的方法和装置
CN116129452A (zh) 文档理解模型的生成方法、应用方法、装置、设备及介质
CN112182281B (zh) 一种音频推荐方法、装置及存储介质
CN110046571B (zh) 用于识别年龄的方法和装置
CN111694629A (zh) 信息展示方法、装置和电子设备
CN114021016A (zh) 数据推荐方法、装置、设备和存储介质
CN110335237B (zh) 用于生成模型的方法、装置和用于识别图像的方法、装置
CN110414625B (zh) 确定相似数据的方法、装置、电子设备及存储介质
CN109816670B (zh) 用于生成图像分割模型的方法和装置
CN113392238A (zh) 媒体文件处理方法、装置、计算机可读介质和电子设备

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