[发明专利]视频配乐方法、装置、电子设备及计算机可读介质

权利要求书

1.一种视频配乐方法，其特征在于，包括：

获取目标视频；

通过第二深度学习模型对所述目标视频进行内容提取，获得所述目标视频的内容描述文本，所述内容描述文本包括主体信息和行为信息，所述主体信息的主体类别包括第一主体类别和第二主体类别；

通过第一深度学习模型根据所述内容描述文本确定所述目标视频的情感信息，并确定所述情感信息的情感类别，所述情感类别包括第一情感类别和第二情感类别；

若所述情感类别为所述第一情感类别，则从旋律音调标签与所述第一情感类别匹配的第一音乐集合中确定所述目标视频的目标音频；

若所述情感类别为所述第二情感类别，且所述主体类别为所述第一主体类别，则从歌词标签与所述第一主体类别匹配的第二音乐集合中确定所述目标视频的目标音频；

若所述情感类别为所述第二情感类别，且所述主体类别为所述第二主体类别，则从节奏标签与所述行为信息匹配的第三音乐集合中确定所述目标视频的目标音频；

合成所述目标音频与所述目标视频。

2.如权利要求1所述的方法，其特征在于，通过第一深度学习模型根据所述内容描述文本确定所述目标视频的情感信息包括：

通过第一深度学习模型对所述内容描述文本进行处理，获得所述目标视频的情感信息向量；

将所述情感信息向量中分值大于预设分数阈值的标签确定为所述目标视频的所述情感信息。

3.如权利要求1所述的方法，其特征在于，对所述目标视频进行内容提取，获得所述目标视频的内容描述文本包括：

通过第二深度学习模型对所述目标视频进行处理，获得所述目标视频的内容描述文本。

4.如权利要求1所述的方法，其特征在于，合成所述目标音频与所述目标视频包括：

按照所述目标视频的视频时长对所述目标音频进行截取或拼接；

合成所述目标视频与截取或拼接后的所述目标音频。

5.一种视频配乐装置，其特征在于，包括：

视频获取模块，配置为获取目标视频；

内容提取模块，配置为通过第二深度学习模型对所述目标视频进行内容提取，获得所述目标视频的内容描述文本，所述内容描述文本包括主体信息和行为信息，所述主体信息的主体类别包括第一主体类别和第二主体类别；

音频匹配模块，配置为通过第一深度学习模型根据所述内容描述文本确定所述目标视频的情感信息，并确定所述情感信息的情感类别，所述情感类别包括第一情感类别和第二情感类别；

若所述情感类别为所述第一情感类别，则从旋律音调标签与所述第一情感类别匹配的第一音乐集合中确定所述目标视频的目标音频；

若所述情感类别为所述第二情感类别，且所述主体类别为所述第一主体类别，则从歌词标签与所述第一主体类别匹配的第二音乐集合中确定所述目标视频的目标音频；以及

若所述情感类别为所述第二情感类别，且所述主体类别为所述第二主体类别，则从节奏标签与所述行为信息匹配的第三音乐集合中确定所述目标视频的目标音频；

音视频合成模块，配置为合成所述目标音频与所述目标视频。

6.一种电子设备，其特征在于，包括：

至少一个处理器；

存储装置，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-4中任一项所述的方法。

7.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。