申请/专利权人:腾讯音乐娱乐科技(深圳)有限公司
申请日:2023-12-04
公开(公告)日:2024-03-29
公开(公告)号:CN117793400A
主分类号:H04N21/233
分类号:H04N21/233;H04N21/439
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本申请涉及一种视频的音效生成方法、音效生成模型训练方法、设备和存储介质,可提高音效与视频匹配度。所述方法包括:获取视频对应的视频帧特征序列以及视频的音效描述文本;将音效描述文本输入到训练好的音效生成模型中的多模态特征提取模块,由多模态特征提取模块获取音效描述文本在文本特征空间中的文本特征,基于文本特征得到音效描述文本在音效特征空间中对应的音效特征;根据视频帧特征序列中每个视频帧特征与音效特征的关联度,分别对音效特征进行调整,得到每个视频帧特征分别对应的音效特征;将各视频帧特征对应的音效特征组成的音效特征序列输入音效生成模型的音频特征生成模块,根据输出的音频特征,确定视频的目标音效音频。
主权项:1.一种视频的音效生成方法,其特征在于,所述方法包括:获取视频对应的视频帧特征序列以及所述视频的音效描述文本;将所述音效描述文本输入到训练好的音效生成模型中的多模态特征提取模块,由所述多模态特征提取模块获取所述音效描述文本在文本特征空间中的文本特征,基于所述文本特征得到所述音效描述文本在音效特征空间中对应的音效特征;根据所述视频帧特征序列中每个视频帧特征与所述音效特征的关联度,分别对所述音效特征进行调整,得到每个所述视频帧特征分别对应的音效特征;将各所述视频帧特征对应的音效特征组成的音效特征序列输入到所述音效生成模型中的音频特征生成模块,根据所述音频特征生成模块输出的音频特征,确定所述视频的目标音效音频。
全文数据:
权利要求:
百度查询: 腾讯音乐娱乐科技(深圳)有限公司 视频的音效生成及音效生成模型训练方法、设备和介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。