[發明專利]視頻處理方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202111113474.3
• 申請日: 2021-09-23
• 公開（公告）號: CN113573136B
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 馮鑫
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: H04N21/439
• 分類號: H04N21/439;H04N21/44
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 董慧

本申請涉及一種視頻處理方法、裝置、計算機設備和存儲介質，該方法涉及人工智能的機器學習技術，該方法包括：從目標視頻中提取音頻信號；對音頻信號進行信源分離處理，獲得源自于背景聲音的背景音軌和源自于說話聲音的人聲音軌；分別定位背景音軌與人聲音軌中的活躍聲音片段；基于背景音軌中的活躍聲音片段，確定音頻信號對應的背景聲音響度特征，以及基于人聲音軌中的活躍聲音片段，確定音頻信號對應的說話聲音響度特征；根據背景聲音響度特征和說話聲音響度特征，獲得目標視頻是否需要添加目標音頻的判定結果。采用本方法能夠實現自動化、高效地判定是否需要為視頻添加配樂，從而提升視頻的生成效率。

技術領域

本申請涉及計算機技術領域，特別是涉及一種視頻處理方法、裝置、計算機設備和存儲介質。

背景技術

隨著計算機技術和互聯網技術的發展，視頻成為人們獲取信息的重要渠道之一，例如直播視頻可以為人們提供實時的信息，電商視頻可以為人們提供商品的信息，自媒體視頻可以為人們提供生活中多方面的信息，等等。

在一些場景中需要從視頻中剪輯出精華視頻內容或者關鍵視頻內容，這些簡短的視頻可使用戶快速了解視頻的大概內容。在剪輯出視頻后，還未進行配樂前，針對短視頻是否需要進行配樂的判斷，通常是通過人工方式確定的，通過人的音視頻感官來進行判斷是否需要配樂，然后生成相應的標注，對標注需要配樂的視頻進行配樂。顯然，這種人工標注方式效率非常低下，導致無法實現批量化的視頻生成。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠實現自動化判斷是否需要為視頻配樂以提升視頻生成效率的視頻處理方法、裝置、計算機設備和存儲介質。

一種視頻處理方法，該方法包括：

從目標視頻中提取音頻信號；

對所述音頻信號進行信源分離處理，獲得源自于背景聲音的背景音軌和源自于說話聲音的人聲音軌；

分別定位所述背景音軌與所述人聲音軌中的活躍聲音片段；

基于所述背景音軌中的活躍聲音片段，確定所述音頻信號對應的背景聲音響度特征，以及基于所述人聲音軌中的活躍聲音片段，確定所述音頻信號對應的說話聲音響度特征；

根據所述背景聲音響度特征和所述說話聲音響度特征，獲得所述目標視頻是否需要添加目標音頻的判定結果。

一種視頻處理裝置，該裝置包括：

提取模塊，用于從目標視頻中提取音頻信號；

信源分離模塊，用于對所述音頻信號進行信源分離處理，獲得源自于背景聲音的背景音軌和源自于說話聲音的人聲音軌；

定位模塊，用于分別定位所述背景音軌與所述人聲音軌中的活躍聲音片段；

確定模塊，用于基于所述背景音軌中的活躍聲音片段，確定所述音頻信號對應的背景聲音響度特征，以及基于所述人聲音軌中的活躍聲音片段，確定所述音頻信號對應的說話聲音響度特征；

判定模塊，用于根據所述背景聲音響度特征和所述說話聲音響度特征，獲得所述目標視頻是否需要添加目標音頻的判定結果。

在一個實施例中，所述信源分離模塊還用于：在信源分離模型中，對所述音頻信號進行頻譜變換，得到原始頻幅譜；通過所述信源分離模型的背景聲音特征提取網絡，對所述原始頻幅譜進行特征提取，獲得所述音頻信號對應的背景聲音特征；通過所述信源分離模型的說話聲音特征提取網絡，對所述原始頻幅譜進行特征提取，獲得所述音頻信號對應的說話聲音特征；基于所述背景聲音特征與所述說話聲音特征，獲得所述音頻信號中的源自于背景聲音的背景音軌和源自于說話聲音的人聲音軌。