CN115129211A - 生成多媒体文件的方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开关于一种生成多媒体文件的方法、装置、电子设备及存储介质，该生成多媒体文件的方法包括：响应于在编辑页面的第一用户操作，获取目标音频文件；在编辑页面呈现音频文件的动态波纹图形、以及与音频文件关联的文字内容，其中，动态波纹图形用于表征音频文件的曲调节奏；生成用于呈现编辑页面的页面内容的多媒体文件。本公开实现了在编辑页面对目标音频文件的可视化图像的呈现，进而根据呈现可视化图像的编辑页面以及目标音频文件生成既包含目标音频文件中的音频内容又包括该音频内容的可视化图像的多媒体文件，实现了对音频内容为主的多媒体文件的制作和发布的支持。

Description

生成多媒体文件的方法、装置、电子设备及存储介质

技术领域

本公开涉及多媒体技术领域，尤其涉及一种生成多媒体文件的方法、装置、电子设备及存储介质。

背景技术

随着移动互联网技术的发展，短视频应用已被普及。人们可以通过短视频服务进行互动、分享经验，提升了人与人之间的知识共享的便捷。

然而，在当前短视频应用中，短视频平台发布的多媒体形式仍然较为单一，无法满足所有媒体形式的内容的发布需求。例如对于以音频内容为主的短视频，当前仍然需要通过拍摄短视频的方式实现音频内容的发布，这种方式中，用户难以针对音频内容而对呈现的视频内容进行修改调整，并且在用户不希望呈现拍摄的视频内容时无法满足相应的需求。另外一种通过上传文件而发布音频内容为主的短视频的方式中，用户需要事先对短视频文件进行相关的制作，例如在音频内容的基础上额外设计并添加视频媒体背景等元素并生成短视频文件，这种方式增加了短视频文件的制作难度，不利于音频内容为主的短视频的快速制作和发布。

可见，短视频平台当前对音频内容为主的短视频的制作的技术支持较差，尚需进一步提高。

发明内容

本公开提供一种生成多媒体文件的方法、装置、电子设备及存储介质，以至少解决相关技术中对音频内容为主的短视频的制作的支持较差的技术问题。

根据本公开实施例的一方面，提供一种生成多媒体文件的方法方法，包括：

响应于在编辑页面的第一用户操作，获取目标音频文件；

在所述编辑页面呈现所述音频文件的动态波纹图形、以及与所述音频文件关联的文字内容，其中，所述动态波纹图形用于表征所述音频文件的曲调节奏；

生成用于呈现所述编辑页面的页面内容的多媒体文件。

在一种可能实施方式中，所述编辑页面中进一步呈现有用户标识图形；

所述动态波纹图形被呈现在所述用户标识图形的相邻区域、以及环绕所述用户标识图形的边缘区域中的至少之一。

在一种可能实施方式中，所述第一用户操作包括对所述编辑页面中的音频录制插件的启动触发操作；

所述响应于在编辑页面的第一用户操作，获取目标音频文件，包括：响应于所述启动触发操作，获取从拾音器输入的所述音频文件。

在一种可能实施方式中，所述第一用户操作包括对所述编辑页面中的路径定位插件的文件定位操作；

所述响应于在编辑页面的第一用户操作，获取目标音频文件，包括：在本地存储的文件集合中，获取被所述文件定位操作选定的所述音频文件。

在一种可能实施方式中，所述文字内容在所述编辑页面中被动态地逐行呈现。

在一种可能实施方式中，所述文字内容包含所述目标音频文件的语义内容、以及响应于第二用户操作而输入的输入内容中的至少之一。

在一种可能实施方式中，在所述生成用于呈现所述编辑页面的页面内容的多媒体文件之前，所述生成多媒体文件的方法还包括：

响应于在所述编辑页面的第三用户操作，在所述编辑页面呈现装饰素材。

在一种可能实施方式中，在所述响应于在编辑页面的第一用户操作，获取目标音频文件之前，所述生成多媒体文件的方法还包括：

响应于在拍摄页面的触发事件，呈现所述编辑页面。

在一种可能实施方式中，所述触发事件包括在所述拍摄页面的指定区域检测到的滑动操作；

所述响应于在拍摄页面的触发事件，呈现所述编辑页面，包括：响应于所述滑动操作，将呈现的页面从所述拍摄页面切换为所述编辑页面。

根据本公开实施例的另一方面，提供一种生成多媒体文件的装置，包括：

获取模块，被配置为执行响应于在编辑页面的第一用户操作，获取目标音频文件；

呈现模块，被配置为执行在所述编辑页面呈现所述音频文件的动态波纹图形、以及与所述音频文件关联的文字内容，其中，所述动态波纹图形用于表征所述音频文件的曲调节奏；

生成模块，被配置为执行生成用于呈现所述编辑页面的页面内容的多媒体文件。

在一种可能实施方式中，所述编辑页面中进一步呈现有用户标识图形；

所述呈现模块进一步被配置为执行将所述动态波纹图形呈现在所述用户标识图形的相邻区域、以及环绕所述用户标识图形的边缘区域中的至少之一。

在一种可能实施方式中，所述第一用户操作包括对所述编辑页面中的音频录制插件的启动触发操作；

所述获取模块进一步被配置为执行响应于所述启动触发操作，获取从拾音器输入的所述音频文件。

在一种可能实施方式中，所述第一用户操作包括对所述编辑页面中的路径定位插件的文件定位操作；

所述获取模块进一步被配置为执行在本地存储的文件集合中，获取被所述文件定位操作选定的所述音频文件。

在一种可能实施方式中，所述呈现模块进一步被配置为执行将所述文字内容在所述编辑页面中动态地逐行呈现。

在一种可能实施方式中，所述文字内容包含所述目标音频文件的语义内容、以及响应于第二用户操作而输入的输入内容中的至少之一。

在一种可能实施方式中，所述呈现模块进一步被配置为执行：

响应于在所述编辑页面的第三用户操作，在所述编辑页面呈现装饰素材。

在一种可能实施方式中，所述呈现模块进一步被配置为执行：

响应于在拍摄页面的触发事件，呈现所述编辑页面。

在一种可能实施方式中，所述触发事件包括在所述拍摄页面的指定区域检测到的滑动操作；

所述呈现模块进一步被配置为执行响应于所述滑动操作，将呈现的页面从所述拍摄页面切换为所述编辑页面。

根据本公开实施例的另一方面，提供一种电子设备，包括：

处理器；

用于存储所述处理器的可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令，以实现如上述任一实施方式所述的生成多媒体文件的方法。

根据本公开实施例的另一方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的至少一条指令被电子设备的处理器执行时，使得所述电子设备能够实现上述任一实施方式所述的生成多媒体文件的方法。

根据本公开实施例的另一方面，提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一实施方式所述的生成多媒体文件的方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

采用生成多媒体文件的方法、装置、电子设备及存储介质，在获取目标音频文件后，在编辑页面呈现音频文件的动态波纹图形，该动态波纹图形用于表征音频文件的曲调节奏，并且音频的内容由呈现在编辑页面中的文字内容进行视觉的表达，由该动态波纹图以及文字内容构成在视觉上表征目标音频文件的音频内容的可视化图像，从而实现了在编辑页面对目标音频文件的可视化图像的呈现，进而根据呈现可视化图像的编辑页面以及目标音频文件生成既包含目标音频文件中的音频内容又包括该音频内容的可视化图像的多媒体文件，实现了对音频内容为主的多媒体文件的制作和发布的支持。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的一种生成多媒体文件的方法的实施环境示意图；

图2是根据一示意性实施例示出的一种生成多媒体文件的方法的流程图；

图3是根据一示例性实施例示出的一种生成多媒体文件的方法的应用场景流程图；

图4A是根据一示例性实施例示出的媒体浏览页面的应用场景示意图；

图4B是根据一示例性实施例示出的拍摄页面的应用场景示意图；

图4C是根据一示例性实施例示出的编辑页面的应用场景示意图之一；

图4D是根据一示例性实施例示出的编辑页面的应用场景示意图之二；

图4E是根据一示例性实施例示出的编辑页面的应用场景示意图之三；

图4F是根据一示例性实施例示出的多媒体文件的应用场景示意图之一；

图4G是根据一示例性实施例示出的多媒体文件的应用场景示意图之二；

图4H是根据一示例性实施例示出的多媒体文件的应用场景示意图之三；

图5是根据一示意性实施例示出的一种生成多媒体文件的装置的逻辑结构框图；

图6是本公开一个示意性实施例提供的一种终端的结构框图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

需要说明的是，本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)，均为经用户授权或者经过各方充分授权的信息。

当前的短视频平台所发布的多媒体内容，无论是拍摄的短视频还是录制的音频，都是以视频媒体形式的内容。其中，对于录制的音频，都需要配有的视频背景与音频进行合成并发布，若需要在视频背景中展示与音频关联的文本信息，如展示语音对应的文字信息，则需要执行文字信息的输入、排版等设置过程，这些过程是当前短视频平台无法提供的，需要用户利用其它工具在用户的计算机设备本地进行相应的设计和制作，这就造成了音频内容发布过程的繁琐。

有鉴于此，本公开实施例提供一种生成多媒体文件的方法，在发布音频内容的编辑页面中直接呈现与音频内容关联的动态波纹图形和文字内容，并基于编辑页面生成含有音频内容和与音频内容关联的动态波纹图形和文字内容的多媒体文件进行发布，以实现对音频内容为主的短视频的制作的支持。

图1是根据一示例性实施例示出的一种生成多媒体文件的方法的实施环境示意图，参见图1，在该实施环境中可以包括至少一个终端101和服务器102，下面进行详述。

至少一个终端101用于浏览多媒体资源，在该至少一个终端101中每个终端上都可以安装有应用程序，该应用程序可以是任一能够提供多媒体资源浏览服务的客户端，用户可以通过启动该应用程序来浏览多媒体资源，该应用程序可以是短视频应用、音视频应用、购物应用、外卖应用、旅行应用、游戏应用或者社交应用中至少一项，该多媒体资源可以包括视频资源、音频资源、图片资源、文本资源或者网页资源中至少一项。在本公开实施例中，该应用程序能够实现多媒体文件的生成。

至少一个终端101可以通过有线或无线通信方式与服务器102进行直接或间接地连接，本公开实施例对此不进行限定。

服务器102也即是一种计算机设备，用于向该至少一个终端101提供多媒体资源搜索服务。服务器102可以包括一台服务器、多台服务器、云计算平台或者虚拟化中心中的至少一项。可选地，服务器102可以承担主要计算工作，该至少一个终端101可以承担次要计算工作；或者，服务器102可以承担次要计算工作，该至少一个终端101可以承担主要计算工作；或者，服务器102和该至少一个终端101之间采用分布式计算架构进行协同计算。在本公开实施例中，该服务器102 用于向该至少一个终端101提供辅助终端101实现多媒体文件的生成的辅助工作，例如提供编辑页面的模板，辅助识别音频文件并生成关联的文字内容等。

需要说明的是，该至少一个终端101中任一终端的设备类型可以包括：智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group AudioLayerIV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机或者台式计算机中的至少一种。例如，该任一终端可以是智能手机，或者其他手持便携式电子设备。以下实施例，以终端包括智能手机来举例说明。

本领域技术人员可以知晓，上述终端的数量可以更多或更少。比如上述终端可以仅为一个，或者上述终端为几十个或几百个，或者更多数量。本公开实施例对终端的数量和设备类型不加以限定。

图2是根据一示意性实施例示出的一种生成多媒体文件的方法的流程图，参见图2所示，该生成多媒体文件的方法应用于计算机设备，下面以计算机设备为终端为例进行说明。该生成多媒体文件的方法主要包括以下步骤。

步骤201、响应于在编辑页面的第一用户操作，获取目标音频文件；

步骤202、在编辑页面呈现音频文件的动态波纹图形、以及与音频文件关联的文字内容，其中，动态波纹图形用于表征音频文件的曲调节奏；

步骤203、生成用于呈现编辑页面的页面内容的多媒体文件。

本公开实施例的生成多媒体文件的方法中，在获取目标音频文件后，在编辑页面呈现音频文件的动态波纹图形，该动态波纹图形用于表征音频文件的曲调节奏，并且音频的内容由呈现在编辑页面中的文字内容进行视觉的表达，由该动态波纹图以及文字内容构成在视觉上表征目标音频文件的音频内容的可视化图像，从而实现了在编辑页面对目标音频文件的可视化图像的呈现，进而根据呈现可视化图像的编辑页面以及目标音频文件生成既包含目标音频文件中的音频内容又包括该音频内容的可视化图像的多媒体文件，实现了对音频内容为主的多媒体文件的制作和发布的支持。

在一些实施例中，在短视频平台中，用户账户发布的多媒体文件中携带有用户账户的相关信息，用于标明多媒体文件的制作者和所有者。在这种情况下，在一些实施例中，编辑页面中可以进一步呈现有用户标识图形。采用这种方式，即能够在视频图像部分标明制作者和所有者，又能增强音频内容为主的多媒体文件当中的视频图像部分的视觉效果。在一些实施例中，用户标识图形为用户账户的头像，在一些实施例中，编辑页面中还可以进一步呈现用户账户的名称。

在一些实施例中，动态波纹图形被呈现在用户标识图形的相邻区域、以及环绕用户标识图形的边缘区域中的至少之一。例如，动态波纹图形可以包括：在相邻区域呈线形分布的第一动态波纹图形；在边缘区域呈环形分布的第二动态波纹图形。采用这种方式，动态博文图形配合用户标识图形的呈现，增强了音频内容为主的多媒体文件当中的视频图像部分的视觉效果，并且动态波纹图形对用户标识图形起到氛围烘托作用，能够吸引浏览多媒体文件的用户账户对发布多媒体文件的用户账户的关注。

在一些实施例中，目标音频文件可以是在制作多媒体文件过程中的终端的现场录音。在这种情况下，在一些实施例中，第一用户操作包括对编辑页面中的音频录制插件的启动触发操作，例如对录音按钮的点击操作。基于此，步骤201具体包括：响应于启动触发操作，获取从拾音器输入的音频文件。即，响应于对录音按钮的点击操作，终端获取从其拾音器输入的音频文件，其中，拾音器输入的音频文件即为终端的现场录音。

在一些实施例中，目标音频文件还可以是事先录制好的音频文件。在这种情况下，第一用户操作包括对编辑页面中的路径定位插件的文件定位操作。基于此，步骤201具体包括：在本地存储的文件集合中，获取被文件定位操作选定的音频文件。其中，本地是指终端本地。

在一些情况下，目标音频文件当中的音频内容较多，导致对应于音频内容的文字内容数量较多，在编辑页面中无法将文字内容全部呈现，为解决这一问题，并且为实现较好的视觉效果，在一些实施例中，文字内容在编辑页面中被动态地逐行呈现。其中，动态地逐行呈现例如伴随目标音频文件的播放而动态地逐行呈现目标音频文件中当前所播放的内容。

在一些实施例中，文字内容包含目标音频文件的语义内容、以及响应于第二用户操作而输入的输入内容中的至少之一。其中，语义内容的获取方式例如，获取目标音频文件的语义特征，基于语义特征确定语义内容。其中，输入内容例如对应于目标音频文件当中的语义所输入的文字内容。

在一些实施例中，在步骤203之前，本公开实施例的生成多媒体文件的方法可进一步还包括：响应于在编辑页面的第三用户操作，在编辑页面呈现装饰素材。采用这种方式，呈现的装饰素材在生成多媒体文件后会存在于多媒体文件的图像当中，有助于提升多媒体文件的视觉效果。

在一些实施例中，在步骤201之前，本公开实施例的生成多媒体文件的方法还可进一步包括：响应于在拍摄页面的触发事件，呈现编辑页面。其中，拍摄页面是指拍摄多媒体文件的页面，例如短视频的拍摄页面。采用这种方式，可将发布音频内容为主的多媒体内容的功能的操作触发入口集成于短视频拍摄的拍摄页面，便于用户账户在制作和发布多媒体内容时进入编辑页面，并且用户账户无需改变现有的短视频拍摄的操作习惯。

在一些实施例中，触发事件包括在拍摄页面的指定区域检测到的滑动操作。其中，指定区域例如拍摄页面的底部区域。基于此，上述响应于在拍摄页面的触发事件，呈现编辑页面，可以包括：响应于滑动操作，将呈现的页面从拍摄页面切换为编辑页面。

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。

图3是根据一示例性实施例示出的一种生成多媒体文件的方法的应用场景流程图，如图3所示，该生成多媒体文件的方法应用于计算机设备，以计算机设备为终端为例进行说明，该实施例包括以下步骤。

步骤301、响应于在媒体浏览页面的拍摄触发操作，进入拍摄页面。

图4A是根据一示例性实施例示出的媒体浏览页面的应用场景示意图，如图 4A所示，终端401为一种移动终端设备，终端401具有显示屏4011，显示屏4011 具有触摸感知功能。在一些实施例中，终端401中安装并运行有应用程序。在一些实施例中，应用程序的显示界面包含呈现于显示屏4011中的界面呈现区40111。在一些实施例中，浏览的媒体信息在界面呈现区40111中显示。在一些实施例中，应用程序的显示界面还包括第一界面操作菜单40112，第一界面操作菜单40112位于界面呈现区40111的下方，第一界面操作菜单40112中包含有供手指进行操作的操作元素，在一些实施例中，操作元素包括标签、图标、文本中的至少一种或者至少两种的组合。在一些实施例中，应用程序的显示界面还包括第二界面操作菜单40113，第二界面操作菜单40113位于界面呈现区40111的上方，第二界面操作菜单40113中包含有供手指进行操作的操作元素，在一些实施例中，操作元素包括标签、图标、文本中的至少一种或者至少两种的组合。在一些实施例中，用于接收拍摄触发操作的操作元素位于第一界面操作菜单40112中，例如可以位于第一界面操作菜单40112的中部位置。

图4B是根据一示例性实施例示出的拍摄页面的应用场景示意图，如图4B所示，在一些实施例中，拍摄页面可包含呈现于显示屏4011中的拍摄内容呈现区 40113，终端401拍摄的视频图像在拍摄内容呈现区40113中呈现，图形化的拍摄操作按钮40114呈现于拍摄内容呈现区40113的中下部。在一些实施例中，拍摄页面还可包含功能切换区40115，功能标签(如“声音”、“拍照”、“视频”等) 呈现于功能切换区40115中，通过功能切换区40115的滑动操作，而在制作各种多媒体视频的功能页面之间进行切换。

在一些实施例中，在步骤301中、响应于在媒体浏览页面的拍摄触发操作，默认为进入拍摄页面，功能切换区40115的当前功能标签(位于功能切换区40115 的中间位置)为视频。

步骤302、响应于在拍摄页面的触发事件，呈现编辑页面。

在一些实施例中，触发事件包括在拍摄页面的指定区域检测到的滑动操作，例如触发事件包括在功能切换区40115检测到的滑动操作。在一些实施例中，步骤302可以包括：响应于在功能切换区40115检测到的滑动操作，将呈现的页面从拍摄页面切换为编辑页面。

图4C是根据一示例性实施例示出的编辑页面的应用场景示意图之一，如图4C 所示，在一些实施例中，拍摄页面可包含呈现于显示屏4011中的音频内容呈现区 40116，关于生成多媒体文件所使用音频信息在音频内容呈现区40116中呈现，图形化的操作按钮40117呈现于音频内容呈现区40116的中下部，功能切换区40115 位于音频内容呈现区40116的下方。操作按钮40117可作为音频录制插件和路径定位插件使用。在编辑页面中进一步呈现有用户标识图形40118，用户标识图形 40118位于音频内容呈现区40116的中上部，在一些实施例中，在用户标识图形 40118下方还可以进一步呈现用户账户的名称40119。

步骤303、响应于在编辑页面的第一用户操作，获取目标音频文件。

在一些实施例中，第一用户操作包括对编辑页面中的音频录制插件的启动触发操作。基于此，步骤303可包括：响应于启动触发操作，获取从拾音器输入的音频文件。例如，响应于对操作按钮40117的出发操作，获取从拾音器输入的音频文件。

在一些实施例中，第一用户操作包括对编辑页面中的路径定位插件的文件定位操作。基于此，步骤303可包括：在终端401本地存储的文件集合中，获取被文件定位操作选定的音频文件。例如，响应于对操作按钮40117的出发操作，在终端401本地存储的文件集合中，获取被文件定位操作选定的音频文件。

步骤304、在编辑页面呈现音频文件的动态波纹图形、以及与音频文件关联的文字内容。

其中，动态波纹图形用于表征音频文件的曲调节奏。

在一些实施例中，动态波纹图形被呈现在用户标识图形的相邻区域、以及环绕用户标识图形的边缘区域中的至少之一。

在一些实施例中，文字内容在编辑页面中被动态地逐行呈现。

在一些实施例中，文字内容包含目标音频文件的语义内容、以及响应于第二用户操作而输入的输入内容中的至少之一。

图4D是根据一示例性实施例示出的编辑页面的应用场景示意图之二，如图 4D所示，在一些实施例中，动态波纹图形可以包括：在用户标识图形40118的下方相邻区域呈线形分布的第一动态波纹图形40211，以及在用户标识图形40118的边缘区域呈环形分布的第二动态波纹图形40212。动态波纹图形随着音频文件播放过程中的曲调节奏的变化而变化。如图4D所示，文字内容4022在编辑页面中被动态地逐行呈现，于音频文件当前播放内容对应文字内容可以以大于前后文字符的尺寸显示，也可以以高亮形式显示。文字内容4022可以通过识别目标音频文件的信息而获得，也可以是通过操作而输入的输入内容。在一些实施例中，在呈线形分布的第一动态波纹图形40211所在位置处还可以同时呈现音频文件的时长。

步骤305、响应于在编辑页面的第三用户操作，在编辑页面呈现装饰素材。

在一些实施例中，第三用户操作可以是在编辑页面中所显示内容的操作，例如点击、滑动，第三用户操作可以是一个操作动作或者由至少两个操作动作组成的多步操作。

图4E是根据一示例性实施例示出的编辑页面的应用场景示意图之三，如图 4D、图4E所示，在一些实施例中，图4E所示的编辑页面的应用场景可以通过针对图4D中的操作按钮40117的触发操作而呈现，图4E所示的编辑页面的应用场景中包含装饰素材选择区4023和控制按钮区4024。在一些实施例中，可以通过对装饰素材选择区4023的选择操作而在编辑页面中呈现装饰素材，可以通过对控制按钮区4024的操作而确认并保存呈现装置素材后的编辑页面，也可以通过对控制按钮区4024的操作而退回至图4D所示的编辑页面的应用场景。

基于图4D和图4E的应用场景，步骤305中的第三用户操作可以包括针对图 4D中的操作按钮40117的触发操作而从图4D的应用场景切换至图4E的应用场景，以及通过对装饰素材选择区4023的选择操作而在编辑页面中呈现装饰素材。

步骤306、生成用于呈现编辑页面的页面内容的多媒体文件。

在一些实施例中，可以通过对图4E中的控制按钮区4024的操作而生成多媒体文件。生成多媒体文件后进入作品发布页面，在作品发布页面确认相关的作品信息和设置信息后便可以将多媒体文件发布于短视频平台。其中，作品发布页面可以采用常规的短视频发布页面。

至此，便完成了多媒体文件的生成。

图4F是根据一示例性实施例示出的多媒体文件的应用场景示意图之一，如图 4F所示，该多媒体文件的应用场景是基于图4C、图4D所示的编辑页面的应用场景而生成的，其中，在图4F中，在第一动态波纹图形40211所在位置处呈现的音频文件的时长可以包括音频文件的总时长以及音频文件当前播放位置的时长。

图4G是根据一示例性实施例示出的多媒体文件的应用场景示意图之二，如图 4G所示，该多媒体文件的应用场景中，用户标识图形40118和呈线形分布的第一动态波纹图形40211并列呈现于音频内容呈现区40116的上部，在第一动态波纹图形40211下方靠近用户标识图形40118呈现音频文件的音频名称403，音频文件的时长呈现于第一动态波纹图形40211下方远离用户标识图形40118的位置，用户账户的名称40119呈现于用户标识图形40118的下方，文字内容4022呈现于用户账户的名称40119的下方。图4G所示的多媒体文件的应用场景可以根据与其布局相对应的编辑页面生成。

图4H是根据一示例性实施例示出的多媒体文件的应用场景示意图之三，如图 4H所示，该多媒体文件的应用场景中，用户标识图形40118呈现于音频内容呈现区40116的上部，用户账户的名称40119呈现于用户标识图形40118的下方，文字内容4022呈现于用户账户的名称40119的下方，呈线形分布的第一动态波纹图形40211呈现于文字内容4022的下方。图4H所示的多媒体文件的应用场景可以根据与其布局相对应的编辑页面生成。

图4F、图4G、图4H三种多媒体文件的应用场景中的各个元素的布局各不相同，可以事先针对多媒体文件的编辑页面进行排版设计，生成不同排版形式的编辑页面模板供用户账户选用，也可以由用户账户根据自身需求对编辑页面中各个元素的排版进行个性化设计，以生成个性化的多媒体文件。

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。

图5是根据一示意性实施例示出的一种生成多媒体文件的装置的逻辑结构框图，参见图5所示，该装置包括获取模块501、呈现模块502和生成模块503。

获取模块501，被配置为执行响应于在编辑页面的第一用户操作，获取目标音频文件。

呈现模块502，被配置为执行在编辑页面呈现音频文件的动态波纹图形、以及与音频文件关联的文字内容，其中，动态波纹图形用于表征音频文件的曲调节奏。

生成模块503，被配置为执行生成用于呈现编辑页面的页面内容的多媒体文件。

采用本公开实施例的生成多媒体文件的装置，在获取目标音频文件后，在编辑页面呈现音频文件的动态波纹图形，该动态波纹图形用于表征音频文件的曲调节奏，并且音频的内容由呈现在编辑页面中的文字内容进行视觉的表达，由该动态波纹图以及文字内容构成在视觉上表征目标音频文件的音频内容的可视化图像，从而实现了在编辑页面对目标音频文件的可视化图像的呈现，进而根据呈现可视化图像的编辑页面以及目标音频文件生成既包含目标音频文件中的音频内容又包括该音频内容的可视化图像的多媒体文件，实现了对音频内容为主的多媒体文件的制作和发布的支持。

在一些实施例中，编辑页面中进一步呈现有用户标识图形。呈现模块502进一步被配置为执行将动态波纹图形呈现在用户标识图形的相邻区域、以及环绕用户标识图形的边缘区域中的至少之一。

在一些实施例中，第一用户操作包括对编辑页面中的音频录制插件的启动触发操作。获取模块501进一步被配置为执行响应于启动触发操作，获取从拾音器输入的音频文件。

在一些实施例中，第一用户操作包括对编辑页面中的路径定位插件的文件定位操作。获取模块501进一步被配置为执行在本地存储的文件集合中，获取被文件定位操作选定的音频文件。

在一些实施例中，呈现模块502进一步被配置为执行将文字内容在编辑页面中动态地逐行呈现。

在一些实施例中，文字内容包含目标音频文件的语义内容、以及响应于第二用户操作而输入的输入内容中的至少之一。

在一些实施例中，呈现模块502进一步被配置为执行：响应于在编辑页面的第三用户操作，在编辑页面呈现装饰素材。

在一些实施例中，呈现模块502进一步被配置为执行：响应于在拍摄页面的触发事件，呈现编辑页面。

在一些实施例中，触发事件包括在拍摄页面的指定区域检测到的滑动操作。呈现模块502进一步被配置为执行响应于滑动操作，将呈现的页面从拍摄页面切换为编辑页面。

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。

关于上述实施例中的生成多媒体文件的装置，其中各个单元执行操作的具体方式已经在有关该生成多媒体文件的方法的实施例中进行了详细描述，此处将不作详细阐述说明。

需要说明的是：上述实施例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，即将设备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。

图6示出了本公开一个示意性实施例提供的一种终端的结构框图，该终端也即是计算机设备的一种示例性说明。该终端600可以是：智能手机、平板电脑、 MP3播放器(MovingPicture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer 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600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600包括有：处理器601和存储器602。

处理器601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601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601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(CentralProcessingUnit，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601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601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602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602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602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601所执行以实现本公开中各个实施例提供的生成多媒体文件的方法。

在一些实施例中，终端600还可选包括有：外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603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603相连。具体地，外围设备包括：射频电路604、触摸显示屏605、摄像头组件606、音频电路607、定位组件608和电源609中的至少一种。

外围设备接口603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601和存储器602。在一些实施例中，处理器601、存储器602和外围设备接口603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601、存储器602和外围设备接口603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604用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路604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604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604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604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604 还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本公开对此不加以限定。

显示屏605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605是触摸显示屏时，显示屏 605还具有采集在显示屏605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601进行处理。此时，显示屏605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605 可以为一个，设置终端600的前面板；在另一些实施例中，显示屏605可以为至少两个，分别设置在终端600的不同表面或呈折叠设计；在再一些实施例中，显示屏605可以是柔性显示屏，设置在终端600的弯曲表面上或折叠面上。甚至，显示屏605还可以设置成非矩形的不规则图形，也即异形屏。显示屏605可以采用LCD(LiquidCrystal 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606用于采集图像或视频。可选地，摄像头组件606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606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607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601进行处理，或者输入至射频电路604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600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601或射频电路604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607还可以包括耳机插孔。

定位组件608用于定位终端600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608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609用于为终端600中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609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600还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于：加速度传感器611、陀螺仪传感器612、压力传感器613、指纹传感器614、光学传感器615以及接近传感器616。

加速度传感器611可以检测以终端600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611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号，控制触摸显示屏605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611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612可以检测终端600的机体方向及转动角度，陀螺仪传感器 612可以与加速度传感器611协同采集用户对终端600的3D动作。处理器601根据陀螺仪传感器612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613可以设置在终端600的侧边框和/或触摸显示屏605的下层。当压力传感器613设置在终端600的侧边框时，可以检测用户对终端600的握持信号，由处理器601根据压力传感器613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613设置在触摸显示屏605的下层时，由处理器601根据用户对触摸显示屏605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614用于采集用户的指纹，由处理器601根据指纹传感器614采集到的指纹识别用户的身份，或者，由指纹传感器614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601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614可以被设置终端600的正面、背面或侧面。当终端600 上设置有物理按键或厂商Logo时，指纹传感器614可以与物理按键或厂商Logo 集成在一起。

光学传感器615用于采集环境光强度。在一个实施例中，处理器601可以根据光学传感器615采集的环境光强度，控制触摸显示屏605的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏605的显示亮度；当环境光强度较低时，调低触摸显示屏605的显示亮度。在另一个实施例中，处理器601还可以根据光学传感器615采集的环境光强度，动态调整摄像头组件606的拍摄参数。

接近传感器616，也称距离传感器，通常设置在终端600的前面板。接近传感器616用于采集用户与终端600的正面之间的距离。在一个实施例中，当接近传感器616检测到用户与终端600的正面之间的距离逐渐变小时，由处理器601控制触摸显示屏605从亮屏状态切换为息屏状态；当接近传感器616检测到用户与终端600的正面之间的距离逐渐变大时，由处理器601控制触摸显示屏605从息屏状态切换为亮屏状态。

本领域技术人员可以理解，上述的结构并不构成对终端600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，还提供了一种包括至少一条指令的计算机可读存储介质，例如包括至少一条指令的存储器，上述至少一条指令可由计算机设备中的处理器执行以完成上述实施例中的生成多媒体文件的方法。

可选地，上述计算机可读存储介质可以是非临时性计算机可读存储介质，例如，该非临时性计算机可读存储介质可以包括ROM(Read-Only Memory，只读存储器)、RAM(Random-Access Memory，随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory，只读光盘)、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种计算机程序产品，包括一条或多条指令，该一条或多条指令可以由计算机设备的处理器执行，以完成上述各个实施例提供的生成多媒体文件的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种生成多媒体文件的方法，其特征在于，包括：

响应于在编辑页面的第一用户操作，获取目标音频文件；

在所述编辑页面呈现所述音频文件的动态波纹图形、以及与所述音频文件关联的文字内容，其中，所述动态波纹图形用于表征所述音频文件的曲调节奏；

生成用于呈现所述编辑页面的页面内容的多媒体文件。

2.根据权利要求1所述的生成多媒体文件的方法，其特征在于：

所述编辑页面中进一步呈现有用户标识图形；

所述动态波纹图形被呈现在所述用户标识图形的相邻区域、以及环绕所述用户标识图形的边缘区域中的至少之一。

3.根据权利要求1所述的生成多媒体文件的方法，其特征在于：

所述第一用户操作包括对所述编辑页面中的音频录制插件的启动触发操作；

所述响应于在编辑页面的第一用户操作，获取目标音频文件，包括：响应于所述启动触发操作，获取从拾音器输入的所述音频文件。

4.根据权利要求1所述的生成多媒体文件的方法，其特征在于：

所述第一用户操作包括对所述编辑页面中的路径定位插件的文件定位操作；

所述响应于在编辑页面的第一用户操作，获取目标音频文件，包括：在本地存储的文件集合中，获取被所述文件定位操作选定的所述音频文件。

5.根据权利要求1所述的生成多媒体文件的方法，其特征在于，在所述响应于在编辑页面的第一用户操作，获取目标音频文件之前，所述生成多媒体文件的方法还包括：

响应于在拍摄页面的触发事件，呈现所述编辑页面。

6.根据权利要求5所述的生成多媒体文件的方法，其特征在于：

所述触发事件包括在所述拍摄页面的指定区域检测到的滑动操作；

所述响应于在拍摄页面的触发事件，呈现所述编辑页面，包括：响应于所述滑动操作，将呈现的页面从所述拍摄页面切换为所述编辑页面。

7.一种生成多媒体文件的装置，其特征在于，包括：

获取模块，被配置为执行响应于在编辑页面的第一用户操作，获取目标音频文件；

呈现模块，被配置为执行在所述编辑页面呈现所述音频文件的动态波纹图形、以及与所述音频文件关联的文字内容，其中，所述动态波纹图形用于表征所述音频文件的曲调节奏；

生成模块，被配置为执行生成用于呈现所述编辑页面的页面内容的多媒体文件。

8.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器的可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令，以实现如权利要求1至6任一项所述的生成多媒体文件的方法。

9.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的至少一条指令被电子设备的处理器执行时，使得所述电子设备能够实现如权利要求1至6任一项所述的生成多媒体文件的方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的生成多媒体文件的方法。

Images