WO2025251806A1 - 生成媒体的方法、装置、设备和存储介质 - Google Patents

生成媒体的方法、装置、设备和存储介质

Info

Publication number
WO2025251806A1
WO2025251806A1 PCT/CN2025/091594 CN2025091594W WO2025251806A1 WO 2025251806 A1 WO2025251806 A1 WO 2025251806A1 CN 2025091594 W CN2025091594 W CN 2025091594W WO 2025251806 A1 WO2025251806 A1 WO 2025251806A1
Authority
WO
WIPO (PCT)
Prior art keywords
segment
media content
media
generation request
request
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
Application number
PCT/CN2025/091594
Other languages
English (en)
French (fr)
Inventor
林书魏
李佩道
施楚宁
孙德俊
李岩冰
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 Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao 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 Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Publication of WO2025251806A1 publication Critical patent/WO2025251806A1/zh
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • 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
    • 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
    • H04N21/8113—Monomedia components thereof involving special audio data, e.g. different tracks for different languages comprising music, e.g. song in MP3 format
    • 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

Definitions

  • the exemplary embodiments disclosed herein generally relate to the Internet field, and particularly to methods, apparatus, devices and computer-readable storage media for generating media.
  • a method for generating media content includes: sending a media generation request from a first device to a second device; acquiring a first segment of the media content generated by the second device before the second device generates complete media content based on the media generation request; and playing the first segment at the first device while the second device generates a second segment of the media content in response to receiving a playback request.
  • a method for generating media content includes: receiving a media generation request from a first device; generating a first segment of media content based on the media generation request; and, in response to completing the generation of the first segment, providing the first segment to the first device before generating complete media content.
  • an apparatus for generating media content includes: a sending module configured to send a media generation request from a first device to a second device; an acquisition module configured to acquire a first segment of the media content generated by the second device before the second device generates complete media content based on the media generation request; and a playback module configured to play the first segment at the first device while the second device generates a second segment of the media content in response to receiving a playback request.
  • an apparatus for generating media content includes: a receiving module configured to receive a media generation request from a first device; a generation module configured to generate a first segment of media content based on the media generation request; and a providing module configured to provide the first segment to the first device in response to completion of generating the first segment, before generating complete media content.
  • an electronic device in a fifth aspect of this disclosure, includes at least one processing unit; and at least one memory coupled to the at least one processing unit and storing instructions for execution by the at least one processing unit. When executed by the at least one processing unit, the instructions cause the device to perform the methods of the first and second aspects.
  • a computer-readable storage medium stores a computer program that can be executed by a processor to implement the methods of the first and second aspects.
  • a computer program product includes computer-executable instructions, wherein the computer-executable instructions, when executed by a processor, implement the method of the first or second aspect.
  • Figure 1 shows a schematic diagram of an example environment in which embodiments of the present disclosure may be implemented
  • Figure 2 illustrates a flowchart of an example media content generation process according to some embodiments of the present disclosure
  • Figure 3 shows an example interface according to some embodiments of the present disclosure
  • Figures 4A and 4B illustrate flowcharts of an example process for generating media content according to some embodiments of the present disclosure
  • Figures 5A and 5B illustrate schematic structural block diagrams of example apparatuses for generating media content according to some embodiments of the present disclosure.
  • Figure 6 shows a block diagram of an electronic device capable of implementing several embodiments of the present disclosure.
  • the term “comprising” and similar terms should be understood as open-ended inclusion, i.e., “including but not limited to”.
  • the term “based on” should be understood as “at least partially based on”.
  • the term “one embodiment” or “the embodiment” should be understood as “at least one embodiment”.
  • the term “some embodiments” should be understood as “at least some embodiments”.
  • Other explicit and implicit definitions may also be included below.
  • the terms “first”, “second”, etc., may refer to different or the same objects. Other explicit and implicit definitions may also be included below.
  • the embodiments of this disclosure may involve user data, data acquisition, and/or use. All of these aspects comply with applicable laws, regulations, and relevant provisions. In the embodiments of this disclosure, all data collection, acquisition, processing, manipulation, forwarding, and use are conducted with the user's knowledge and confirmation. Accordingly, in implementing the embodiments of this disclosure, the type, scope of use, and usage scenarios of any data or information that may be involved should be communicated to the user and their authorization obtained in accordance with relevant laws and regulations through appropriate means. The specific methods of notification and/or authorization may vary depending on the actual situation and application scenario, and the scope of this disclosure is not limited in this respect.
  • any processing of personal information will be carried out only under the premise of legality (such as obtaining the consent of the personal information subject, or being necessary for the performance of a contract), and will only be carried out within the scope stipulated or agreed upon.
  • a user's refusal to process personal information other than that necessary for basic functions will not affect the user's use of basic functions.
  • Embodiments of this disclosure propose a scheme for generating media.
  • a first device sends a media generation request to a second device; before the second device generates complete media content based on the media generation request, a first segment of the media content generated by the second device is obtained; and in response to receiving a playback request, the first segment is played on the first device while the second device generates a second segment of the media content.
  • the embodiments of this disclosure can support the playback of already generated segments during the media content generation process, thereby improving the efficiency of media content generation and playback.
  • Figure 1 illustrates a schematic diagram of an example environment 100 in which embodiments of the present disclosure can be implemented.
  • the example environment 100 may include a first device 110.
  • the first device 110 may be a terminal device of user 140.
  • the first device 110 may run an application 120 that supports user interface interaction.
  • Application 120 may be any suitable type of application for user interface interaction, examples of which may include, but are not limited to, media applications or other suitable applications.
  • User 140 may interact with application 120 via the first device 110 and/or its attached devices.
  • the first device 110 can present an interface 150 for supporting interface interaction through application 120.
  • the first device 110 communicates with the second device 130 to provide services to the application 120.
  • the first device 110 can be any type of mobile terminal, fixed terminal, or portable terminal, including mobile phones, desktop computers, laptop computers, notebook computers, netbook computers, tablet computers, media computers, multimedia tablets, handheld computers, portable gaming terminals, VR/AR devices, personal communication system (PCS) devices, personal navigation devices, personal digital assistants (PDAs), audio/video players, digital cameras/camcorders, positioning devices, television receivers, radio receivers, e-book devices, gaming devices, or any combination thereof, including accessories and peripherals of these devices or any combination thereof.
  • the first device 110 can also support any type of user-facing interface (such as "wearable" circuitry).
  • the second device 130 may be a remote device.
  • the second device 130 may be a standalone physical server, a server cluster or distributed system composed of multiple physical servers, or a cloud server providing basic cloud computing services such as cloud services, cloud databases, cloud computing, cloud functions, cloud storage, network services, cloud communication, middleware services, domain name services, security services, content delivery networks, and big data and artificial intelligence platforms.
  • the second device 130 may include, for example, a computing system/server, such as a mainframe, edge computing node, computing devices in a cloud environment, etc.
  • the second device 130 can provide backend services for the application 120 supporting virtual scenarios in the first device 110.
  • a communication connection can be established between the second device 130 and the first device 110.
  • This communication connection can be established via wired or wireless means.
  • the communication connection may include, but is not limited to, Bluetooth, mobile network, Universal Serial Bus (USB), and Wireless Fidelity (WiFi) connections; the embodiments of this disclosure are not limited in this respect.
  • the second device 130 and the first device 110 can achieve signaling interaction through their communication connection.
  • Figure 2 shows a flowchart of process 200 according to some embodiments of the present disclosure.
  • process 200 may involve multiple components or modules, such as client 201, interface service 202, task queue 203, generation service 204, first storage 205 and second storage 206.
  • client 201 may be deployed at the first device 110 shown in Figure 1.
  • Interface service 202 and task queue 203 may be provided or managed by the second device 130, for example.
  • Generation service 204, first storage 205 and second storage 206 may be accessed or invoked by generation service 130.
  • client 201 can send a media generation request to interface service 202 of second device 130.
  • a media generation request may include a set of generation parameters.
  • Figure 3 shows an example generation interface 300 according to some embodiments of the present disclosure, which may be provided by client 201.
  • client 201 can provide one or more controls for configuring generation parameters, such as controls 310, 320, 330, and 340. Client 201 can obtain generation parameters through these controls and can send a media generation request to interface service 202 in response to user-preset operations.
  • generation parameters may include lyrics, genre, timbre, name, etc.
  • interface service 202 can create a corresponding task based on the received media generation request and return a task identifier corresponding to the task to client 201. Additionally, interface service 202 can also register the asynchronous task with task queue 203.
  • task queue 203 can schedule submitted tasks, reasonably allocate task priorities, and distribute tasks to generation service 204.
  • Task queue 203 can also track and manage the status of all tasks and proactively notify interface service 202 when the status changes.
  • generation service 204 can stream and return segments of media content. Specifically, when generation service 204 completes the generation of a first segment of a preset length, generation service 204 can return the generated first segment to task queue 203.
  • the task queue 203 can also change the state to a processing state and generate a resource address corresponding to the media content.
  • the resource address can be a streaming media address.
  • the task queue 203 can upload the generated first segment to the first storage 205.
  • task queue 203 can also perform splicing processing on the segments. For example, task queue 203 can obtain the received current segment by superimposing the beginning of the returned segment and the end of the segment preceding it. For example, task queue 203 can use cross-fade technology to cross-fade the beginning and end of the preceding and following segments for a certain duration, thereby achieving seamless splicing between segments. Further, task queue 203 can upload the processed segment file to the first storage 205.
  • the task queue 203 can generate the complete media content based on all received segments and upload the complete media content to the second storage 206. Accordingly, the second storage 206 can return an identifier corresponding to the media content, such as a music identifier.
  • task queue 203 may also trigger first storage 205 to delete one or more stored fragments. Further, task queue 203 may accordingly mark the task as completed.
  • client 201 can poll the task status based on the task identifier. For example, client 201 can periodically send status query requests about the submitted media generation requests to interface service 202.
  • the interface service 202 can determine the status of the corresponding task based on the task identifier.
  • the task may correspond to three possible states: queuing, processing, and finished.
  • a queuing status indicates that the corresponding media generation request has not yet been submitted to the generation service 204, or that the generation service 204 has not yet completed the generation of the first segment.
  • a processing status indicates that the generation service 204 has completed the generation of the first segment, but has not yet completed the generation of the complete media content.
  • a completed status indicates that the generation service has completed the generation of the complete media content.
  • interface service 202 can return the resource address corresponding to the media content to client 201. Additionally, interface service 202 can also send the lyrics and title information of the media content.
  • the client 201 can play the first segment of the media content based on the resource address.
  • the electronic device 110 can receive the user's selection of the media content 360 and trigger the playback of one or more segments generated by the media content 360.
  • the electronic device 110 can play segments accessible based on resource addresses. In some embodiments, the electronic device 110 can also display progress information 350 on the interface 300 to indicate the generation progress of the media content.
  • the electronic device 110 may also display descriptive information 370 of the generated media content, such as cover art, lyrics, title, etc.
  • the electronic device 110 may also provide a playback control component 380 to support user control over the playback process of media content.
  • the electronic device 110 may support user fast-forwarding or rewinding operations on already generated segments.
  • client 201 playing media content based on a resource address.
  • client 201 can send the resource address to interface service 202.
  • interface service 202 can query the segment corresponding to the resource address.
  • interface service 202 can request the segment from first storage 205 and obtain the corresponding segment file. Accordingly, interface service 202 can send the obtained segment file to client 201.
  • the client 201 may also directly access the first storage 205 via a resource address to obtain the segment file to be played.
  • the interface service 202 can respond to the polling request from the client 201 by returning the updated resource address of the media content, so that the client 201 can obtain the complete media content stored in the second storage 206.
  • the embodiments of this disclosure can support the playback of generated segments during the media content generation process, thereby improving the efficiency of media content generation and playback.
  • FIG 4A shows a flowchart of an example process 400A for generating media content according to some embodiments of the present disclosure.
  • Process 400A can be implemented at a first device 110.
  • Process 400A will now be described with reference to Figure 1.
  • the first device 110 sends a media generation request to the second device.
  • the first device 110 acquires a first fragment of the media content generated by the second device before the second device generates complete media content based on the media generation request.
  • the first device 110 plays the first segment at the first device while the second device generates a second segment of media content.
  • the method further includes: presenting progress information in the generation interface, the progress information indicating the generation progress of the media content.
  • obtaining a first fragment of media content generated by a second device includes: obtaining a resource address corresponding to a media generation request from the second device; and obtaining the first fragment generated by the second device by accessing the resource address.
  • obtaining the resource address corresponding to the media generation request from the second device includes: querying the second device for the status of the media generation request; and obtaining the resource address from the second device, wherein the resource address is returned by the second device in response to the media generation request being in a processing state.
  • querying the status of a media generation request from a second device includes: obtaining a task identifier from the second device, the task identifier corresponding to a task created by the second device based on the generation request; and querying the status of the media generation request from the second device based on the task identifier.
  • the resource address includes the streaming media address corresponding to the media content.
  • the first segment or the second segment has a preset time length.
  • the media generation request indicates a set of generation parameters.
  • FIG. 4B illustrates a flowchart of an example process 400B for generating media content according to some embodiments of the present disclosure.
  • Process 400B can be implemented at a second device 130.
  • Process 400B will now be described with reference to Figure 1.
  • the second device 130 receives a media generation request from the first device.
  • the second device 130 In frame 450, the second device 130 generates a first segment of media content based on a media generation request.
  • the second device 130 in response to completing the generation of the first segment, the second device 130 provides the first segment to the first device before generating complete media content.
  • providing a first segment to a first device includes: associating the first segment with a resource address corresponding to media content; and providing a resource address to the first device for the first device to obtain the first segment via the resource address.
  • providing a resource address to a first device includes: receiving a query request from the first device, the query request being used to query the status of a media generation request; and providing a resource address to the first device in response to the media generation request being in a processing state.
  • receiving a query request from the first device includes: creating a task corresponding to the generation request; sending a task identifier corresponding to the task to the first device; and receiving a query request initiated based on the task representation from the first device.
  • the method further includes: marking the media generation request as being in a processing state in response to the completion of generating the first segment of media content.
  • the resource address is a streaming media address.
  • the first device is further configured to: in response to receiving a playback request, play the first segment at the first device while generating a second segment of media content.
  • the method further includes: in response to completing the generation of a third segment of media content, updating the third segment by overlaying a first portion of the first segment and a second portion of the third segment, wherein the third segment is the next segment of the first segment in the media content.
  • the method includes: storing at least one segment of the media content in a first storage space before completing the generation of complete media content; and deleting at least one segment from the first storage space and storing the media content to a second storage space in response to completing the generation of complete media content.
  • the first segment has a preset duration.
  • FIG5A shows a schematic structural block diagram of an example apparatus 500A for generating media content according to certain embodiments of this disclosure.
  • Apparatus 500A may be implemented as or included in the first device 110.
  • the various modules/components in apparatus 500A may be implemented by hardware, software, firmware, or any combination thereof.
  • the device 500A includes a sending module 510 configured to send a media generation request from a first device to a second device; an acquisition module 520 configured to acquire a first segment of the media content generated by the second device before the second device generates complete media content based on the media generation request; and a playback module 530 configured to play the first segment at the first device while the second device generates a second segment of the media content in response to receiving a playback request.
  • a sending module 510 configured to send a media generation request from a first device to a second device
  • an acquisition module 520 configured to acquire a first segment of the media content generated by the second device before the second device generates complete media content based on the media generation request
  • a playback module 530 configured to play the first segment at the first device while the second device generates a second segment of the media content in response to receiving a playback request.
  • the device 500A further includes a presentation module configured to present progress information in a generation interface, the progress information indicating the generation progress of the media content.
  • the acquisition module 520 is further configured to: acquire a resource address corresponding to the media generation request from the second device; and acquire a first fragment generated by the second device by accessing the resource address.
  • the acquisition module 520 is further configured to: query the second device for the status of the media generation request; and obtain a resource address from the second device, wherein the resource address is returned by the second device in response to the media generation request being in a processing state.
  • the acquisition module 520 is further configured to: acquire a task identifier from the second device, the task identifier corresponding to a task created by the second device based on the generation request; and query the second device for the status of the media generation request based on the task identifier.
  • the resource address includes the streaming media address corresponding to the media content.
  • the first segment or the second segment has a preset time length.
  • the media generation request indicates a set of generation parameters.
  • FIG5B shows a schematic structural block diagram of an example apparatus 500B for generating media content according to certain embodiments of this disclosure.
  • Apparatus 500B may be implemented as or included in a second device 130.
  • the various modules/components in apparatus 500B may be implemented by hardware, software, firmware, or any combination thereof.
  • the device 500B includes a receiving module 540 configured to receive a media generation request from a first device; a generation module 550 configured to generate a first segment of media content based on the media generation request; and a providing module 560 configured to provide the first segment to the first device in response to the completion of generating the first segment, before generating complete media content.
  • the providing module 560 is further configured to: associate the first segment with a resource address corresponding to the media content; and provide the resource address to the first device for the first device to obtain the first segment via the resource address.
  • the receiving module 540 is further configured to: receive a query request from the first device, the query request being used to query the status of the media generation request; and provide a resource address to the first device in response to the media generation request being in a processing state.
  • the receiving module 540 is further configured to: create a task corresponding to the generation request; send a task identifier corresponding to the task to the first device; and receive a query request initiated based on the task representation from the first device.
  • the generation module 550 is further configured to mark the media generation request as being in a processing state in response to the completion of the generation of the first segment of media content.
  • the resource address is a streaming media address.
  • the generation module 550 is further configured to: in response to receiving a playback request, play the first segment at the first device while generating a second segment of the media content.
  • the generation module 550 is further configured to: in response to completing the generation of a third segment of media content, update the third segment by overlaying a first portion of the first segment and a second portion of the third segment, wherein the third segment is the next segment of the first segment in the media content.
  • At least one fragment of the media content is stored in a first storage space; in response to completing the generation of complete media content, at least one fragment is deleted from the first storage space, and the media content is stored in a second storage space.
  • the first segment has a preset duration.
  • Figure 6 illustrates a block diagram of an electronic device 600 in which one or more embodiments of the present disclosure may be implemented. It should be understood that the electronic device 600 shown in Figure 6 is merely exemplary and should not constitute any limitation on the functionality and scope of the embodiments described herein. The electronic device 600 shown in Figure 6 may be used to implement the first device 110 and/or the second device 130 of Figure 1.
  • the electronic device 600 is in the form of a general-purpose electronic device.
  • Components of the electronic device 600 may include, but are not limited to, one or more processors or processing units 610, memory 620, storage device 730, one or more communication units 640, one or more input devices 650, and one or more output devices 660.
  • the processing unit 610 may be a physical or virtual processor and is capable of performing various processes according to the program stored in memory 620. In a multiprocessor system, multiple processing units execute computer-executable instructions in parallel to improve the parallel processing capability of the electronic device 600.
  • Electronic device 600 typically includes multiple computer storage media. Such media can be any accessible media that is accessible to electronic device 600, including but not limited to volatile and non-volatile media, removable and non-removable media.
  • Memory 620 can be volatile memory (e.g., registers, cache, random access memory (RAM)), non-volatile memory (e.g., read-only memory (ROM), electrically erasable programmable read-only memory (EEPROM), flash memory), or some combination thereof.
  • Storage device 630 can be removable or non-removable media and can include machine-readable media, such as flash drives, disks, or any other media that can be used to store information and/or data and can be accessed within electronic device 600.
  • Electronic device 600 may further include additional removable/non-removable, volatile/non-volatile storage media.
  • disk drives for reading from or writing to removable, non-volatile disks (e.g., "floppy disks") and optical disk drives for reading from or writing to removable, non-volatile optical disks may be provided.
  • each drive may be connected to a bus (not shown) via one or more data media interfaces.
  • Memory 620 may include computer program product 625 having one or more program modules configured to perform various methods or actions of various embodiments of the present disclosure.
  • the communication unit 640 enables communication with other electronic devices via a communication medium. Additionally, the functionality of the components of the electronic device 600 can be implemented using a single computing cluster or multiple computing machines capable of communicating via communication connections. Therefore, the electronic device 600 can operate in a networked environment using logical connections to one or more other servers, network personal computers (PCs), or another network node.
  • PCs network personal computers
  • Input device 650 can be one or more input devices, such as a mouse, keyboard, trackball, etc.
  • Output device 660 can be one or more output devices, such as a monitor, speaker, printer, etc.
  • Electronic device 600 can also communicate with one or more external devices (not shown) via communication unit 640 as needed. These external devices include storage devices, display devices, etc., and can communicate with one or more devices that enable user interaction with electronic device 600, or with any device that enables electronic device 600 to communicate with one or more other electronic devices (e.g., network card, modem, etc.). Such communication can be performed via input/output (I/O) interface (not shown).
  • I/O input/output
  • a computer-readable storage medium that stores computer-executable instructions thereon, wherein the computer-executable instructions are executed by a processor to implement the methods described above.
  • a computer program product is also provided, which is tangibly stored on a non-transitory computer-readable medium and includes computer-executable instructions, which are executed by a processor to implement the methods described above.
  • These computer-readable program instructions can be provided to a processing unit of a general-purpose computer, a special-purpose computer, or other programmable data processing apparatus to produce a machine such that, when executed by the processing unit of the computer or other programmable data processing apparatus, they create means for implementing the functions/actions specified in one or more blocks of the flowchart and/or block diagram.
  • These computer-readable program instructions can also be stored in a computer-readable storage medium that causes a computer, programmable data processing apparatus, and/or other device to operate in a particular manner.
  • the computer-readable medium storing the instructions comprises an article of manufacture that includes instructions for implementing aspects of the functions/actions specified in one or more blocks of the flowchart and/or block diagram.
  • Computer-readable program instructions can be loaded onto a computer, other programmable data processing apparatus, or other device to cause a series of operational steps to be performed on the computer, other programmable data processing apparatus, or other device to produce a computer-implemented process, thereby causing the instructions that execute on the computer, other programmable data processing apparatus, or other device to perform the functions/actions specified in one or more boxes of a flowchart and/or block diagram.
  • each block in a flowchart or block diagram may represent a module, segment, or portion of an instruction, which contains one or more executable instructions for implementing the specified logical function.
  • the functions indicated in the blocks may occur in a different order than those indicated in the drawings. For example, two consecutive blocks may actually be executed substantially in parallel, and they may sometimes be executed in reverse order, depending on the functions involved.
  • each block in the block diagrams and/or flowcharts, and combinations of blocks in the block diagrams and/or flowcharts may be implemented using a dedicated hardware-based system that performs the specified function or action, or using a combination of dedicated hardware and computer instructions.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本公开的实施例涉及生成媒体的方法、装置、设备和存储介质。在此提出的方法包括：由第一设备向第二设备发送媒体生成请求；在第二设备基于媒体生成请求生成完整的媒体内容之前，获取由第二设备生成的媒体内容的第一片段；以及响应于接收到播放请求，在第二设备生成媒体内容的第二片段的同时，在第一设备处播放第一片段。以此方式，本公开的实施例能够支持在生成媒体内容的同时播放媒体内容，从而提升媒体内容生成和播放的效率。

Description

生成媒体的方法、装置、设备和存储介质
本申请要求2024年06月04日递交的、标题为“生成媒体的方法、装置、设备和存储介质”、申请号为202410719055.1的中国发明专利申请的优先权，该申请的全部内容通过引用结合在本申请中。
技术领域
本公开的示例实施例总体涉及互联网领域，特别地涉及生成媒体的方法、装置、设备和计算机可读存储介质。
背景技术
近年来，随着计算机技术的飞速发展，人们可以利用人工智能技术来创作各种类型的媒体内容。这样的生成技术极大地降低了人们的创作门槛，并可以提高媒体创作的效率。
发明内容
在本公开的第一方面，提供了一种生成媒体内容的方法。该方法包括：由第一设备向第二设备发送媒体生成请求；在第二设备基于媒体生成请求生成完整的媒体内容之前，获取由第二设备生成的媒体内容的第一片段；以及响应于接收到播放请求，在第二设备生成媒体内容的第二片段的同时，在第一设备处播放第一片段。
在本公开的第二方面，提供了一种生成媒体内容的方法。该方法包括：从第一设备接收媒体生成请求；基于媒体生成请求，生成媒体内容的第一片段；以及响应于完成生成第一片段，在生成完整的媒体内容之前，向第一设备提供第一片段。
在本公开的第三方面，提供了一种用于生成媒体内容的装置。该装置包括：发送模块，被配置为由第一设备向第二设备发送媒体生成请求；获取模块，被配置为在第二设备基于媒体生成请求生成完整的媒体内容之前，获取由第二设备生成的媒体内容的第一片段；以及播放模块，被配置为响应于接收到播放请求，在第二设备生成媒体内容的第二片段的同时，在第一设备处播放第一片段。
在本公开的第四方面，提供了一种用于生成媒体内容的装置。该装置包括：接收模块，被配置为从第一设备接收媒体生成请求；生成模块，被配置为基于媒体生成请求，生成媒体内容的第一片段；以及提供模块，被配置为响应于完成生成第一片段，在生成完整的媒体内容之前，向第一设备提供第一片段。
在本公开的第五方面，提供了一种电子设备。该设备包括至少一个处理单元；以及至少一个存储器，至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令。指令在由至少一个处理单元执行时使设备执行第一方面以及第二方面的方法。
在本公开的第六方面，提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序，计算机程序可由处理器执行以实现第一方面以及第二方面的方法。
在本公开的第七方面，提供了一种计算机程序产品。该计算机程序产品包括计算机可执行指令，其中计算机可执行指令在被处理器执行时实现第一方面或第二方面的方法。
应当理解，本内容部分中所描述的内容并非旨在限定本公开的实施例的关键特征或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的描述而变得容易理解。
附图说明
结合附图并参考以下详细说明，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。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1示出了其中可以实施根据本公开的实施例的示例环境的示意图；
图2示出了根据本公开的一些实施例的示例媒体内容生成过程的流程图；
图3示出了根据本公开的一些实施例的示例界面；
图4A和图4B示出了根据本公开的一些实施例的生成媒体内容的示例过程的流程图；
图5A和图5B示出了根据本公开的一些实施例的用于生成媒体内容的示例装置的示意性结构框图；以及
图6示出了能够实施本公开的多个实施例的电子设备的框图。
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。虽然附图中示出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。
需要注意的是，本文中所提供的任何节/子节的标题并不是限制性的。本文通篇描述了各种实施例，并且任何类型的实施例都可以包括在任何节/子节下。此外，在任一节/子节中描述的实施例可以以任何方式与同一节/子节和/或不同节/子节中描述的任何其他实施例相结合。
在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“一些实施例”应当理解为“至少一些实施例”。下文还可能包括其他明确的和隐含的定义。术语“第一”、“第二”等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
本公开的实施例中可能涉及用户的数据、数据的获取和/或使用等。这些方面均遵循相应的法律法规及相关规定。在本公开的实施例中，所有数据的采集、获取、处理、加工、转发、使用等，都是在用户知晓并且确认的前提下进行的。相应地，在实现本公开的各实施例时，均应根据相关法律法规通过适当的方式，将可能所涉及的数据或信息的类型、使用范围、使用场景等告知用户并获得用户的授权。具体的告知和/或授权方式可以根据实际情况和应用场景而变化，本公开的范围在此方面不受限制。
本说明书及实施例中方案，如涉及个人信息处理，则均会在具备合法性基础(例如征得个人信息主体同意，或者为履行合同所必需等)的前提下进行处理，且仅会在规定或者约定的范围内进行处理。用户拒绝处理基本功能所需必要信息以外的个人信息，不会影响用户使用基本功能。
如上文所提及的，人们可以利用人工智能技术来创作各种类型的媒体内容，例如，视频内容、音乐内容等。这样的生成技术极大地降低了人们的创作门槛，并可以提高媒体创作的效率。然而，目前媒体内容的生成需要耗费较长的时间，人们需要等待媒体内容生成完毕后才能够播放媒体内容，这极大地影响了媒体内容的生成和播放体验。
本公开的实施例提出了一种生成媒体的方案。根据该方案，由第一设备向第二设备发送媒体生成请求；在第二设备基于媒体生成请求生成完整的媒体内容之前，获取由第二设备生成的媒体内容的第一片段；以及响应于接收到播放请求，在第二设备生成媒体内容的第二片段的同时，在第一设备处播放第一片段。
以此方式，本公开的实施例能够在媒体内容的生成过程中，支持对于已生成的片段的播放，从而提高媒体内容的生成和播放效率。
以下进一步结合附图来详细描述该方案的各种示例实现。
示例环境
图1示出了本公开的实施例能够在其中实现的示例环境100的示意图。如图1所示，示例环境100可以包括第一设备110。作为示例，第一设备110可以是用户140的终端设备。
在该示例环境100中，第一设备110可以运行有支持界面交互的应用120。应用120可以是用于界面交互的任何适当类型应用，其示例可以包括但不限于：媒体应用或其它适当的应用。用户140可以经由第一设备110和/或其附接设备来与应用120进行交互。
在图1的环境100中，如果应用120处于活动状态，第一设备110可以通过应用120呈现用于支持界面交互的界面150。
在一些实施例中，第一设备110与第二设备130通信，以实现对应用120的服务的供应。第一设备110可以是任意类型的移动终端、固定终端或便携式终端，包括移动手机、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、媒体计算机、多媒体平板、掌上电脑、便携式游戏终端、VR/AR设备、个人通信系统(Personal Communication System，PCS)设备、个人导航设备、个人数字助理(Personal Digital Assistant，PDA)、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者前述各项的任意组合，包括这些设备的配件和外设或者其任意组合。在一些实施例中，第一设备110也能够支持任意类型的针对用户的接口(诸如“可佩戴”电路等)。
作为示例，第二设备130例如可以是远程设备。例如，第二设备130可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络、以及大数据和人工智能平台等基础云计算服务的云服务器。第二设备130例如可以包括计算系统/服务器，诸如大型机、边缘计算节点、云环境中的计算设备，等等。第二设备130可以为第一设备110中支持虚拟场景的应用120提供后台服务。
第二设备130与第一设备110之间可以建立有通信连接。通信连接可以通过有线方式或无线方式建立。通信连接可以包括但不限于蓝牙连接、移动网络连接、通用串行总线(Universal Serial Bus，USB)连接、无线保真(Wireless Fidelity，WiFi)连接等，本公开的实施例在此方面不受限制。在本公开的实施例中，第二设备130与第一设备110可以通过二者之间的通信连接实现信令交互。
应当理解，仅出于示例性的目的描述环境100中各个元素的结构和功能，而不暗示对于本公开的范围的任何限制。
以下将继续参考附图描述本公开的一些示例实施例。
媒体内容的生成
为了方便描述，下文将以音乐内容作为媒体内容的示例来描述根据本公开的实施例的媒体内容生成和播放的过程。应当理解的是，这样的过程也适用于诸如视频内容等时序媒体内容。
以下将参考图2和图3来描述根据本公开的一些实施例的生成媒体内容的示例过程。图2示出了根据本公开的一些实施例的过程200的流程图。
如图2所示，过程200可以涉及多个组件或模块，例如，客户端201、接口服务202、任务队列203、生成服务204、第一存储205和第二存储206。
作为示例，客户端201例如可以部署在如图1所示的第一设备110处。接口服务202和任务队列203例如可以由第二设备130所提供或管理。生成服务204、第一存储205和第二存储206可以由生成服务130所访问或调用。
如图2所示，客户端201可以向第二设备130的接口服务202发送媒体生成请求，这样的媒体生成请求可以包括一组生成参数。图3示出了根据本公开的一些实施例的示例生成界面300，该界面300可以由客户端201所提供。
如图3所示，客户端201可以提供用于配置生成参数的一项或多项控件，例如，控件310、控件320、控件330和控件340。客户端201可以经由以上控件来获取生成参数，并可以响应于用户预设操作来向接口服务202发送媒体生成请求。作为示例，这样的生成参数可以包括歌词、曲风、音色、名称等。
继续参考图2，接口服务202可以基于接收到的媒体生成请求来创建对应的任务，并可以向客户端201返回与该任务对应的任务标识。附加地，接口服务202还可以向任务队列203注册该异步任务。
进一步地，如图所示，任务队列203可以对提交的任务进行调度，合理分配任务优先级并将任务分发给生成服务204。任务队列203还可以跟踪管理所有任务的状态，并在状态变更时主动通知接口服务202。
例如，在客户端201所提交的媒体生成任务被提交至生成服务204执行时，生成服务204可以流式返回媒体内容的片段。具体地，在生成服务204完成预设长度的第一片段的生成时，生成服务204可以向任务队列203返回所生成的第一片段。
进一步地，如果所返回的第一片段是媒体内容的首个片段，则任务队列203还可以将该状态修改为处理中状态(processing)，并可以生成与该媒体内容对应的资源地址。在一些实施例中，该资源地址可以为流媒体地址。进一步地，任务队列203可以将所生成的首个片段上传至第一存储205。
此外，如果所返回的片段是媒体内容的后续片段，则任务队列203还可以对片段进行拼接处理。例如，任务队列203可以通过叠加所返回的片段的开头部分和该片段的前一片段的结尾部分，来所接收到的当前片段。例如，任务队列203可以使用交叉淡入淡出(cross-fade)技术将前后片段的尾部和头部进行一定时长的交叉叠加，从而实现片段之间的无缝拼接。进一步地，任务队列203可以将处理后的片段文件上传至第一存储205。
进一步地，在生成服务204完成了完整媒体内容(例如，音乐内容)的生成后，任务队列203可以基于所接收到的全部片段来生成完整媒体内容，并可以将完整媒体内容上传至第二存储206。相应地，第二存储206可以返回与该媒体内容对应的标识，例如，音乐标识。
在一些实施例中，任务队列203还可以触发第一存储205删除所存储的一个或多个片段。进一步地，任务队列203可以相应地将该任务标记为完成状态。
继续参考图2，客户端201在获得任务标识后，可以基于任务标识来轮询任务状态。例如，客户端201可以周期性地向接口服务202发送关于所提交的媒体生成请求的状态查询请求。
相应地，接口服务202可以基于任务标识来确定对应的任务的状态。在一些实施例中，任务可能对应于三种可能的状态，即，排队状态(queueing)、处理中状态(processing)和完成状态(finish)。
相应地，排队状态指示相应的媒体生成请求仍未被提交至生成服务204，或者生成服务204尚未完成首个片段的生成。处理中状态指示生成服务204完成了首个片段的生成，并且未完成完整媒体内容的生成。完成状态指示生成服务已经完成完整媒体内容的生成。
响应于确定媒体生成请求未处理中状态，接口服务202可以向客户端201返回与媒体内容对应的资源地址。附加地，接口服务202还可以发送媒体内容的歌词和标题信息。
进一步地，如图2所示，在获取到资源地址后，客户端201可以基于该资源地址来播放媒体内容的第一片段。具体地，如图3所示，电子设备110可以接收用户对媒体内容360的选择，并触发播放媒体内容360所生成的一个或多个片段。
在一些实施例中，在媒体内容的其他片段正在被生成的同时，电子设备110可以播放基于资源地址所能够获取的片段。在一些实施例中，电子设备110还可以在界面300中展示进度信息350，以指示该媒体内容的生成进度。
在一些实施例中，电子设备110还可以展示所生成的媒体内容的描述信息370，例如，封面，歌词，标题等。
在一些实施例，电子设备110还可以提供播放控制组件380，以支持用户控制媒体内容的播放过程。例如，电子设备110可以支持用户在已经生成的片段部分中进行快进或回退操作。
以下将继续参考图2来描述客户端201基于资源地址来播放媒体内容的具体实现。如图2所示，客户端201在获取到资源地址后，可以向接口服务202发送该资源地址。进一步地，接口服务202可以查询与资源地址对应的片段。进一步地，接口服务202可以向第一存储205请求该片段，并可以获得对应的片段文件。相应地，接口服务202可以向客户端201发送所获取的片段文件。
在一些实施例中，客户端201例如还可以通过资源地址来直接访问第一存储205，以获取待播放的片段文件。
继续参考图2，在完成生成完整的媒体内容后，该任务可以被标记为完成状态。相应地，接口服务202可以响应于客户端201的轮询请求，来返回该媒体内容的更新资源地址，以使得该客户端201可以获取在第二存储206中所存储的完整媒体内容。
本公开的实施例能够在媒体内容的生成过程中，支持对于已生成的片段的播放，从而提高媒体内容的生成和播放效率。
示例过程
图4A示出了根据本公开的一些实施例的生成媒体内容的示例过程400A的流程图。过程400A可以被实现在第一设备110处。下面参考图1来描述过程400A。
如图4A所示，在框410，第一设备110向第二设备发送媒体生成请求。
在框420，第一设备110在第二设备基于媒体生成请求生成完整的媒体内容之前，获取由第二设备生成的媒体内容的第一片段。
在框430，第一设备110响应于接收到播放请求，在第二设备生成媒体内容的第二片段的同时，在第一设备处播放第一片段。
在一些实施例中，该方法还包括：在生成界面中呈现进度信息，进度信息指示媒体内容的生成进度。
在一些实施例中，获取由第二设备生成的媒体内容的第一片段包括：从第二设备获取与媒体生成请求对应的资源地址；以及通过访问资源地址，获取由第二设备生成的第一片段。
在一些实施例中，从第二设备获取与媒体生成请求对应的资源地址包括：向第二设备查询媒体生成请求的状态；以及从第二设备获取资源地址，其中资源地址由第二设备响应于媒体生成请求为处理中状态所返回。
在一些实施例中，向第二设备查询媒体生成请求的状态包括：从第二设备获取任务标识，任务标识对应于第二设备基于生成请求所创建的任务；以及基于任务标识，向第二设备查询媒体生成请求的状态。
在一些实施例中，资源地址包括与媒体内容对应的流媒体地址。
在一些实施例中，第一片段或第二片段具有预设的时间长度。
在一些实施例中，媒体生成请求指示一组生成参数。
图4B示出了根据本公开的一些实施例的生成媒体内容的示例过程400B的流程图。过程400B可以被实现在第二设备130处。下面参考图1来描述过程400B。
如图4B所示，在框440，第二设备130从第一设备接收媒体生成请求。
在框450，第二设备130基于媒体生成请求，生成媒体内容的第一片段。
在框460，第二设备130响应于完成生成第一片段，在生成完整的媒体内容之前，向第一设备提供第一片段。
在一些实施例中，向第一设备提供第一片段包括：将第一片段关联至与媒体内容对应的资源地址；以及向第一设备提供资源地址，以用于第一设备经由资源地址获取第一片段。
在一些实施例中，向第一设备提供资源地址包括：从第一设备接收查询请求，查询请求用于查询媒体生成请求的状态；以及响应于媒体生成请求为处理中状态，向第一设备提供资源地址。
在一些实施例中，从第一设备接收查询请求包括：创建与生成请求对应的任务；向第一设备发送与任务对应的任务标识；以及从第一设备接收基于任务表示所发起的查询请求。
在一些实施例中，该方法还包括：响应于完成生成媒体内容的首个片段，将媒体生成请求标记为处理中状态。
在一些实施例中，资源地址为流媒体地址。
在一些实施例中，第一设备还被配置为：响应于接收到播放请求，在生成媒体内容的第二片段的同时，在第一设备处播放第一片段。
在一些实施例中，该方法还包括：响应于完成生成媒体内容的第三片段，通过叠加第一片段的第一部分和第三片段的第二部分，更新第三片段，第三片段为媒体内容中第一片段的下一片段。
在一些实施例中，该方法包括：在完成生成完整的媒体内容之前，在第一存储空间中存储媒体内容的至少一个片段；响应于完成设备完整的媒体内容，从第一存储空间中删除至少一个片段，并将媒体内容存储至第二存储空间。
在一些实施例中，第一片段具有预设的时间长度。
示例装置和设备
本公开的实施例还提供了用于实现上述方法或过程的相应装置。图5A示出了根据本公开的某些实施例的用于生成媒体内容的示例装置500A的示意性结构框图。装置500A可以被实现为或者被包括在第一设备110中。装置500A中的各个模块/组件可以由硬件、软件、固件或者它们的任意组合来实现。
如图5A所示，装置500A包括发送模块510，被配置为由第一设备向第二设备发送媒体生成请求；获取模块520，被配置为在第二设备基于媒体生成请求生成完整的媒体内容之前，获取由第二设备生成的媒体内容的第一片段；以及播放模块530，被配置为响应于接收到播放请求，在第二设备生成媒体内容的第二片段的同时，在第一设备处播放第一片段。
在一些实施例中，装置500A还包括呈现模块，其被配置为：在生成界面中呈现进度信息，进度信息指示媒体内容的生成进度。
在一些实施例中，获取模块520还被配置为：从第二设备获取与媒体生成请求对应的资源地址；以及通过访问资源地址，获取由第二设备生成的第一片段。
在一些实施例中，获取模块520还被配置为：向第二设备查询媒体生成请求的状态；以及从第二设备获取资源地址，其中资源地址由第二设备响应于媒体生成请求为处理中状态所返回。
在一些实施例中，获取模块520还被配置为：从第二设备获取任务标识，任务标识对应于第二设备基于生成请求所创建的任务；以及基于任务标识，向第二设备查询媒体生成请求的状态。
在一些实施例中，资源地址包括与媒体内容对应的流媒体地址。
在一些实施例中，第一片段或第二片段具有预设的时间长度。
在一些实施例中，媒体生成请求指示一组生成参数。
本公开的实施例还提供了用于实现上述方法或过程的相应装置。图5B示出了根据本公开的某些实施例的用于生成媒体内容的示例装置500B的示意性结构框图。装置500B可以被实现为或者被包括在第二设备130中。装置500B中的各个模块/组件可以由硬件、软件、固件或者它们的任意组合来实现。
如图5B所示，装置500B包括接收模块540，被配置为从第一设备接收媒体生成请求；生成模块550，被配置为基于媒体生成请求，生成媒体内容的第一片段；以及提供模块560，被配置为响应于完成生成第一片段，在生成完整的媒体内容之前，向第一设备提供第一片段。
在一些实施例中，提供模块560还被配置为：将第一片段关联至与媒体内容对应的资源地址；以及向第一设备提供资源地址，以用于第一设备经由资源地址获取第一片段。
在一些实施例中，接收模块540还被配置为：从第一设备接收查询请求，查询请求用于查询媒体生成请求的状态；以及响应于媒体生成请求为处理中状态，向第一设备提供资源地址。
在一些实施例中，接收模块540还被配置为：创建与生成请求对应的任务；向第一设备发送与任务对应的任务标识；以及从第一设备接收基于任务表示所发起的查询请求。
在一些实施例中，生成模块550还被配置为：响应于完成生成媒体内容的首个片段，将媒体生成请求标记为处理中状态。
在一些实施例中，资源地址为流媒体地址。
在一些实施例中，生成模块550还被配置为：响应于接收到播放请求，在生成媒体内容的第二片段的同时，在第一设备处播放第一片段。
在一些实施例中，生成模块550还被配置为：响应于完成生成媒体内容的第三片段，通过叠加第一片段的第一部分和第三片段的第二部分，更新第三片段，第三片段为媒体内容中第一片段的下一片段。
在一些实施例中，在完成生成完整的媒体内容之前，在第一存储空间中存储媒体内容的至少一个片段；响应于完成设备完整的媒体内容，从第一存储空间中删除至少一个片段，并将媒体内容存储至第二存储空间。
在一些实施例中，第一片段具有预设的时间长度。
图6示出了其中可以实施本公开的一个或多个实施例的电子设备600的框图。应当理解，图6所示出的电子设备600仅仅是示例性的，而不应当构成对本文所描述的实施例的功能和范围的任何限制。图6所示出的电子设备600可以用于实现图1的第一设备110和/或第二设备130。
如图6所示，电子设备600是通用电子设备的形式。电子设备600的组件可以包括但不限于一个或多个处理器或处理单元610、存储器620、存储设备730、一个或多个通信单元640、一个或多个输入设备650以及一个或多个输出设备660。处理单元610可以是实际或虚拟处理器并且能够根据存储器620中存储的程序来执行各种处理。在多处理器系统中，多个处理单元并行执行计算机可执行指令，以提高电子设备600的并行处理能力。
电子设备600通常包括多个计算机存储介质。这样的介质可以是电子设备600可访问的任何可以获取的介质，包括但不限于易失性和非易失性介质、可拆卸和不可拆卸介质。存储器620可以是易失性存储器(例如寄存器、高速缓存、随机访问存储器(RAM))、非易失性存储器(例如，只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、闪存)或它们的某种组合。存储设备630可以是可拆卸或不可拆卸的介质，并且可以包括机器可读介质，诸如闪存驱动、磁盘或者任何其他介质，其可以能够用于存储信息和/或数据并且可以在电子设备600内被访问。
电子设备600可以进一步包括另外的可拆卸/不可拆卸、易失性/非易失性存储介质。尽管未在图6中示出，可以提供用于从可拆卸、非易失性磁盘(例如“软盘”)进行读取或写入的磁盘驱动和用于从可拆卸、非易失性光盘进行读取或写入的光盘驱动。在这些情况中，每个驱动可以由一个或多个数据介质接口被连接至总线(未示出)。存储器620可以包括计算机程序产品625，其具有一个或多个程序模块，这些程序模块被配置为执行本公开的各种实施例的各种方法或动作。
通信单元640实现通过通信介质与其他电子设备进行通信。附加地，电子设备600的组件的功能可以以单个计算集群或多个计算机器来实现，这些计算机器能够通过通信连接进行通信。因此，电子设备600可以使用与一个或多个其他服务器、网络个人计算机(PC)或者另一个网络节点的逻辑连接来在联网环境中进行操作。
输入设备650可以是一个或多个输入设备，例如鼠标、键盘、追踪球等。输出设备660可以是一个或多个输出设备，例如显示器、扬声器、打印机等。电子设备600还可以根据需要通过通信单元640与一个或多个外部设备(未示出)进行通信，外部设备诸如存储设备、显示设备等，与一个或多个使得用户与电子设备600交互的设备进行通信，或者与使得电子设备600与一个或多个其他电子设备通信的任何设备(例如，网卡、调制解调器等)进行通信。这样的通信可以经由输入/输出(I/O)接口(未示出)来执行。
根据本公开的示例性实现方式，提供了一种计算机可读存储介质，其上存储有计算机可执行指令，其中计算机可执行指令被处理器执行以实现上文描述的方法。根据本公开的示例性实现方式，还提供了一种计算机程序产品，计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括计算机可执行指令，而计算机可执行指令被处理器执行以实现上文描述的方法。
这里参照根据本公开实现的方法、装置、设备和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实现的系统、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、程序段或指令的一部分，模块、程序段或指令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。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，两个连续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动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。
以上已经描述了本公开的各实现，上述说明是示例性的，并非穷尽性的，并且也不限于所公开的各实现。在不偏离所说明的各实现的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实现的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文公开的各个实现方式。

Claims (23)

  1. 一种生成媒体内容的方法，包括：
    由第一设备向第二设备发送媒体生成请求；
    在所述第二设备基于所述媒体生成请求生成完整的媒体内容之前，获取由所述第二设备生成的所述媒体内容的第一片段；以及
    响应于接收到播放请求，在所述第二设备生成所述媒体内容的第二片段的同时，在所述第一设备处播放所述第一片段。
  2. 根据权利要求1所述的方法，还包括：
    在生成界面中呈现进度信息，所述进度信息指示所述媒体内容的生成进度。
  3. 根据权利要求1所述的方法，其中获取由所述第二设备生成的所述媒体内容的第一片段包括：
    从所述第二设备获取与所述媒体生成请求对应的资源地址；以及
    通过访问所述资源地址，获取由所述第二设备生成的所述第一片段。
  4. 根据权利要求3所述的方法，其中从所述第二设备获取与所述媒体生成请求对应的资源地址包括：
    向所述第二设备查询所述媒体生成请求的状态；以及
    从所述第二设备获取所述资源地址，其中所述资源地址由所述第二设备响应于所述媒体生成请求为处理中状态所返回。
  5. 根据权利要求4所述的方法，其中向所述第二设备查询所述媒体生成请求的状态包括：
    从所述第二设备获取任务标识，所述任务标识对应于所述第二设备基于所述生成请求所创建的任务；以及
    基于所述任务标识，向所述第二设备查询所述媒体生成请求的所述状态。
  6. 根据权利要求3所述的方法，其中所述资源地址包括与所述媒体内容对应的流媒体地址。
  7. 根据权利要求1所述的方法，其中所述第一片段或所述第二片段具有预设的时间长度。
  8. 根据权利要求1所述的方法，其中所述媒体生成请求指示一组生成参数。
  9. 一种生成媒体内容的方法，包括：
    从第一设备接收媒体生成请求；
    基于所述媒体生成请求，生成媒体内容的第一片段；以及
    响应于完成生成所述第一片段，在生成完整的所述媒体内容之前，向所述第一设备提供所述第一片段。
  10. 根据权利要求9所述的方法，其中向所述第一设备提供所述第一片段包括：
    将所述第一片段关联至与所述媒体内容对应的资源地址；以及
    向所述第一设备提供所述资源地址，以用于所述第一设备经由所述资源地址获取所述第一片段。
  11. 根据权利要求10所述的方法，其中向所述第一设备提供所述资源地址包括：
    从所述第一设备接收查询请求，所述查询请求用于查询所述媒体生成请求的状态；以及
    响应于所述媒体生成请求为处理中状态，向所述第一设备提供所述资源地址。
  12. 根据权利要求11所述的方法，其中从所述第一设备接收查询请求包括：
    创建与所述生成请求对应的任务；
    向所述第一设备发送与所述任务对应的任务标识；以及
    从所述第一设备接收基于所述任务表示所发起的所述查询请求。
  13. 根据权利要求11所述的方法，还包括：
    响应于完成生成所述媒体内容的首个片段，将所述媒体生成请求标记为所述处理中状态。
  14. 根据权利要求10所述的方法，其中所述资源地址为流媒体地址。
  15. 根据权利要求9所述的方法，其中所述第一设备还被配置为：
    响应于接收到播放请求，在生成所述媒体内容的第二片段的同时，在所述第一设备处播放所述第一片段。
  16. 根据权利要求9所述的方法，还包括：
    响应于完成生成所述媒体内容的第三片段，通过叠加所述第一片段的第一部分和所述第三片段的第二部分，更新所述第三片段，所述第三片段为所述媒体内容中所述第一片段的下一片段。
  17. 根据权利要求9所述的方法，还包括：
    在完成生成完整的所述媒体内容之前，在第一存储空间中存储所述媒体内容的至少一个片段；
    响应于完成设备完整的所述媒体内容，从所述第一存储空间中删除所述至少一个片段，并将所述媒体内容存储至第二存储空间。
  18. 根据权利要求9所述的方法，其中所述第一片段具有预设的时间长度。
  19. 一种用于生成媒体内容的装置，包括：
    发送模块，被配置为由第一设备向第二设备发送媒体生成请求；
    获取模块，被配置为在所述第二设备基于所述媒体生成请求生成完整的媒体内容之前，获取由所述第二设备生成的所述媒体内容的第一片段；以及
    播放模块，被配置为响应于接收到播放请求，在所述第二设备生成所述媒体内容的第二片段的同时，在所述第一设备处播放所述第一片段。
  20. 一种用于生成媒体内容的装置，包括：
    接收模块，被配置为从第一设备接收媒体生成请求；
    生成模块，被配置为基于所述媒体生成请求，生成媒体内容的第一片段；以及
    提供模块，被配置为响应于完成生成所述第一片段，在生成完整的所述媒体内容之前，向所述第一设备提供所述第一片段。
  21. 一种电子设备，包括：
    至少一个处理单元；以及
    至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令在由所述至少一个处理单元执行时使所述电子设备执行根据权利要求1至8或9至18中任一项所述的方法。
  22. 一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序可由处理器执行以实现根据权利要求1至8或9至18中任一项所述的方法。
  23. 一种计算机程序产品，所述计算机程序产品被有形地存储在计算机存储介质中并且包括计算机可执行指令，计算机可执行指令在由设备执行时使设备执行根据权利要求1至8或9至18中任一项所述的方法。
PCT/CN2025/091594 2024-06-04 2025-04-27 生成媒体的方法、装置、设备和存储介质 Pending WO2025251806A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202410719055.1 2024-06-04
CN202410719055.1A CN118714242A (zh) 2024-06-04 2024-06-04 生成媒体的方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
WO2025251806A1 true WO2025251806A1 (zh) 2025-12-11

Family

ID=92817475

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2025/091594 Pending WO2025251806A1 (zh) 2024-06-04 2025-04-27 生成媒体的方法、装置、设备和存储介质

Country Status (2)

Country Link
CN (1) CN118714242A (zh)
WO (1) WO2025251806A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118714242A (zh) * 2024-06-04 2024-09-27 北京字跳网络技术有限公司 生成媒体的方法、装置、设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104221390A (zh) * 2012-04-26 2014-12-17 高通股份有限公司 用于处置低等待时间流送的增强型块请求流送系统
CN106375859A (zh) * 2016-09-26 2017-02-01 腾讯科技（深圳）有限公司 一种媒体处理方法、装置及终端
CN110266971A (zh) * 2019-05-31 2019-09-20 上海萌鱼网络科技有限公司 一种短视频制作方法和系统
CN118714242A (zh) * 2024-06-04 2024-09-27 北京字跳网络技术有限公司 生成媒体的方法、装置、设备和存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2685742A4 (en) * 2011-04-07 2014-03-05 Huawei Tech Co Ltd METHOD, DEVICE AND SYSTEM FOR SENDING AND PROCESSING MEDIA CONTENT
CN103002274B (zh) * 2011-09-16 2016-05-18 腾讯科技（深圳）有限公司 一种基于离线下载的移动多媒体实时转码播放系统及方法
US20150256600A1 (en) * 2014-03-05 2015-09-10 Citrix Systems, Inc. Systems and methods for media format substitution
CN105049896B (zh) * 2015-07-23 2019-11-12 Tcl集团股份有限公司 一种基于hls协议的流媒体广告插入方法及系统
CN110213616B (zh) * 2018-05-15 2021-12-28 腾讯科技（深圳）有限公司 视频提供方法、获取方法、装置及设备
CN112995536A (zh) * 2021-02-04 2021-06-18 上海哔哩哔哩科技有限公司 视频合成方法及系统
CN116958356A (zh) * 2023-08-21 2023-10-27 北京字跳网络技术有限公司 一种动画生成方法、装置、电子设备及存储介质
CN117979121A (zh) * 2024-02-06 2024-05-03 北京达佳互联信息技术有限公司 视频生成方法、装置、电子设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104221390A (zh) * 2012-04-26 2014-12-17 高通股份有限公司 用于处置低等待时间流送的增强型块请求流送系统
CN106375859A (zh) * 2016-09-26 2017-02-01 腾讯科技（深圳）有限公司 一种媒体处理方法、装置及终端
CN110266971A (zh) * 2019-05-31 2019-09-20 上海萌鱼网络科技有限公司 一种短视频制作方法和系统
CN118714242A (zh) * 2024-06-04 2024-09-27 北京字跳网络技术有限公司 生成媒体的方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN118714242A (zh) 2024-09-27

Similar Documents

Publication Publication Date Title
WO2025157280A1 (zh) 交互方法、装置、设备和存储介质
WO2025251807A1 (zh) 生成音乐的方法、装置、设备和存储介质
WO2025176211A1 (zh) 交互方法、装置、设备和存储介质
WO2025251806A1 (zh) 生成媒体的方法、装置、设备和存储介质
WO2025218792A1 (zh) 发布作品的方法、装置、设备和存储介质
WO2026012476A1 (zh) 用于直播的方法、装置、设备和存储介质
WO2025051128A1 (zh) 确定互动资源的方法、装置、设备和存储介质
WO2025261520A1 (zh) 交互方法、装置、设备和存储介质
WO2026037307A1 (zh) 创建虚拟对象的方法、装置、设备和存储介质
WO2026012482A1 (zh) 消息交互的方法、装置、设备和存储介质
WO2025256532A1 (zh) 发布内容的方法、装置、设备和存储介质
WO2026046035A1 (zh) 配置虚拟对象的方法、装置、设备和存储介质
WO2026007522A1 (zh) 生成媒体内容的方法、装置、设备和存储介质
WO2025232390A1 (zh) 作品播放方法、装置、设备和存储介质
WO2025195387A1 (zh) 发布作品和查看作品的方法、装置、设备和存储介质
WO2025185572A1 (zh) 与虚拟对象互动的方法、装置、设备和存储介质
WO2025218280A1 (zh) 发布作品的方法、装置、设备和存储介质
WO2025081899A1 (zh) 一种交互方法、装置、设备和存储介质
CN118550625A (zh) 生成媒体内容方法、装置、设备和存储介质
WO2026046036A1 (zh) 特效编辑的方法、装置、设备和存储介质
WO2026002005A1 (zh) 媒体编辑的方法、装置、设备、存储介质和计算机程序产品
WO2026012290A1 (zh) 创建应用的方法、装置、设备和存储介质
WO2026026950A1 (zh) 媒体编辑方法、装置、设备和存储介质
US20250370607A1 (en) Method and apparatus for effect editing, device and storage medium
WO2025261151A1 (zh) 管理应用的方法、装置、设备、存储介质和计算机程序产品

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 25818866

Country of ref document: EP

Kind code of ref document: A1