[发明专利]音效合成方法、装置、电子设备及存储介质

摘要

本发明涉及人工智能技术，提供一种音效合成方法，将双流模型作为主干网络形成以时间戳为中心的光流帧滑动窗口，将预训练的上下文表示模型与所述光流帧滑动窗口相连接以形成视觉表征信息模型，将目标视频输入视觉表征信息模型中以提取视觉运动表征信息，通过预设的对齐器判断目标视频中的音频与视觉运动表征信息是否同源，若同源，则将目标视频中的音频作为目标视频的匹配音频，若不同源，则通过预设的音效生成模块生成与视觉运动表征信息相对应的匹配音频，再基于时间戳将匹配音频与目标视频中的视频相对应以完成视频音效合成，提高音视频的匹配性。