[發(fā)明專利]視頻文件的生成方法、裝置、終端及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910974857.6
• 申請日: 2019-10-14
• 公開（公告）號: CN112738634B
• 公開（公告）日: 2022-08-02
• 發(fā)明（設(shè)計）人: 鄭微;呂偉偉
• 申請（專利權(quán)）人: 北京字節(jié)跳動網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: H04N21/472
• 分類號: H04N21/472;H04N21/431;H04N21/439;H04N21/44
• 代理公司: 北京新知遠(yuǎn)方知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11397
• 代理人: 馬軍芳;張艷

1.一種視頻文件的生成方法，其特征在于，所述方法包括：

響應(yīng)于接收到的視頻編輯指令，呈現(xiàn)視頻編輯界面，所述視頻編輯界面中包括圖像選擇按鍵、音頻選擇按鍵中至少之一；

響應(yīng)于針對所述視頻編輯界面所包括按鍵的點擊操作，確定用于進(jìn)行視頻合成的目標(biāo)音頻和目標(biāo)圖像；

獲取所述目標(biāo)音頻的各音頻幀對應(yīng)的音頻參數(shù)；

基于獲取的各所述音頻參數(shù)，生成對應(yīng)各所述音頻幀的頻譜圖；

對所述目標(biāo)圖像進(jìn)行模糊處理，得到對應(yīng)的模糊目標(biāo)圖像；

對所述目標(biāo)圖像進(jìn)行目標(biāo)區(qū)域截取，得到目標(biāo)區(qū)域圖像；

分別將所述目標(biāo)區(qū)域圖像與各所述音頻幀的頻譜圖進(jìn)行組合，得到對應(yīng)的多個組合圖像；

分別以各所述組合圖像為前景、以所述模糊目標(biāo)圖像為背景，生成對應(yīng)的多個包含所述頻譜圖的視頻幀圖像；

基于所述多個視頻幀圖像及所述目標(biāo)音頻，進(jìn)行視頻編碼，得到目標(biāo)視頻文件。

2.如權(quán)利要求1所述的方法，其特征在于，所述基于獲取的各所述音頻參數(shù)，生成對應(yīng)各所述音頻幀的頻譜圖，包括：

基于預(yù)設(shè)采樣頻率，對所述目標(biāo)音頻進(jìn)行采樣處理，得到采樣后的多個音頻幀對應(yīng)的音頻參數(shù)；

分別對各所述采樣后的音頻幀的音頻參數(shù)進(jìn)行傅里葉變換，生成對應(yīng)各所述采樣后的音頻幀的頻譜圖。

3.如權(quán)利要求2所述的方法，其特征在于，所述生成對應(yīng)各所述采樣后的音頻幀的頻譜圖，包括：

確定對應(yīng)的各所述音頻幀的振幅；

基于各所述音頻幀的振幅，確定多個對應(yīng)所述頻譜圖的頻譜包絡(luò)線；

分別將各所述頻譜包絡(luò)線與對應(yīng)的各所述頻譜圖進(jìn)行組合，得到對應(yīng)的多個組合后的頻譜圖。

4.如權(quán)利要求1所述的方法，其特征在于，所述對所述目標(biāo)圖像進(jìn)行目標(biāo)區(qū)域截取，得到目標(biāo)區(qū)域圖像，包括：

確定所述目標(biāo)圖像中目標(biāo)對象對應(yīng)的區(qū)域；

基于確定的所述區(qū)域，進(jìn)行包括所述目標(biāo)對象的目標(biāo)形狀的區(qū)域截取，得到所述目標(biāo)區(qū)域圖像。

5.如權(quán)利要求1所述的方法，其特征在于，所述分別將所述目標(biāo)區(qū)域圖像與各所述音頻幀的頻譜圖進(jìn)行組合之前，所述方法還包括：

對所述模糊目標(biāo)圖像進(jìn)行顏色特征提取，得到對應(yīng)所述模糊目標(biāo)圖像的各個像素點的顏色特征；

對各所述像素點的顏色特征進(jìn)行加權(quán)求平均，確定所述模糊目標(biāo)圖像的顏色；

將確定的所述模糊目標(biāo)圖像的顏色，作為所述頻譜圖的顏色。

6.如權(quán)利要求1所述的方法，其特征在于，所述頻譜圖為柱狀頻譜圖，所述分別將所述目標(biāo)區(qū)域圖像與各所述音頻幀的頻譜圖進(jìn)行組合，得到對應(yīng)的多個組合圖像，包括：

分別將所述柱狀頻譜圖環(huán)繞在所述目標(biāo)區(qū)域圖像的周圍，形成對應(yīng)的多個組合圖像；

其中，所述柱狀頻譜圖中的頻譜柱高度表征對應(yīng)的所述音頻幀的振幅，所述柱狀頻譜圖中的頻譜柱在所述目標(biāo)區(qū)域圖像的邊緣的分布角度表征對應(yīng)的所述音頻幀的頻率。

7.如權(quán)利要求1所述的方法，其特征在于，所述分別以各所述組合圖像為前景、以所述模糊目標(biāo)圖像為背景，生成對應(yīng)的多個包含所述頻譜圖的視頻幀圖像，包括：

獲取目標(biāo)音頻幀的相鄰音頻幀對應(yīng)的視頻幀圖像呈現(xiàn)的前景與背景的相對位置關(guān)系；

基于獲取的所述相對位置關(guān)系，生成對應(yīng)所述目標(biāo)音頻幀的視頻幀圖像；對應(yīng)所述目標(biāo)音頻幀的視頻幀圖像中的前景的呈現(xiàn)位置，相較于所述相鄰音頻幀對應(yīng)的視頻幀圖像中前景的呈現(xiàn)位置發(fā)生預(yù)設(shè)角度的旋轉(zhuǎn)。