[发明专利]视频配乐方法、装置、电子设备及计算机可读介质

说明书

本公开的实施例提供了一种视频配乐方法、装置、电子设备及计算机可读介质，属于计算机技术领域。该方法包括：获取目标视频；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；根据所述内容描述文本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。本公开实施例提供的技术方案能够根据内容描述文本中多个维度的信息准确定位目标视频的重要信息，以保证获得的目标音频与目标视频的高适配度。

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种视频配乐方法、装置、电子设备及计算机可读介质。

背景技术

视频智能匹配音乐也叫做视频音频跨模态检索，也即为视频智能检索相匹配的音乐。相关技术中，从视频中的图像提取具体的特征信息(例如人脸信息、背景信息等)，再根据特征信息确定视频风格，以根据视频风格在音频数据库获得适配的音频。但这一方法在通过具体的特征信息作为配乐的依据时，常常由于具体的特征信息无法全面描述视频的所有信息而忽略视频的重点，导致降低视频所配音乐与视频的适配度，降低用户体验。

因此，需要一种新的视频配乐方法、装置、电子设备及计算机可读介质。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例提供一种视频配乐方法、装置、电子设备及计算机可读介质，进而至少在一定程度上为视频匹配适配度较高的音频，提高用户体验。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

本公开实施例提出一种视频配乐方法，包括：获取目标视频；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；根据所述内容描述文本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。

本公开实施例提出一种视频配乐装置，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；音频匹配模块，配置为根据所述内容描述文本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。

在本公开的一种示例性实施例中，音频匹配模块包括情感信息单元和音频匹配单元。其中，情感信息单元配置为根据所述内容描述文本确定所述目标视频的情感信息。音频匹配单元配置为根据所述情感信息和所述内容描述文本确定所述目标视频的目标音频。

在本公开的一种示例性实施例中，情感信息单元包括第一模型子单元和情感信息子单元。其中，第一模型子单元配置为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。情感信息子单元配置为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。

在本公开的一种示例性实施例中，音频匹配单元包括情感类别子单元、第一音频集合子单元和第一音频匹配子单元。其中，情感类别子单元配置为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与第二情感类别。第一音频集合子单元配置为若所述情感类别为所述第一情感类别，则获取旋律音调标签与所述情感信息匹配的第一音乐集合。第一音频匹配子单元配置为在所述第一音乐集合中确定所述目标视频的目标音频。

在本公开的一种示例性实施例中，音频匹配单元还包括主体信息子单元、主体类别子单元、第二音频集合子单元和第二音频匹配子单元。其中，主体信息子单元配置为若所述情感类别为所述第二情感类别，根据所述内容描述文本获得所述目标视频的主体信息。主体类别子单元配置为确定所述主体信息的主体类别，所述主体类别包括第一主体类别与第二主体类别。第二音频集合子单元配置为若所述主体信息为所述第一主体类别，则获得歌词标签与所述主体信息匹配的第二音乐集合。第二音频匹配子单元配置为在所述第二音乐集合中确定所述目标视频的目标音频。