[发明专利]自动的音频-视频内容生成

说明书

用于生成媒体内容的系统和方法包括处理音频文件以确定所述音频文件的一个或更多个参数。基于与所述音频文件相关联的皮肤，来确定对应于所述音频文件的一个或更多个参数的一个或更多个媒体效果。对媒体文件施加所述一个或更多个媒体效果以生成经修改的媒体文件，其中，所述媒体文件不包括所述音频文件。生成包括所述音频文件与所述经修改的媒体文件的组合的音频‑视频文件。

相关申请的交叉引用

本申请要求于2019年4月22日提交的美国临时申请第62/837,122号的权益，通过引用将其全部内容合并于此并用于所有目的。

技术领域

本发明一般性地涉及用于视频编辑的平台，具体地说，涉及一种用于使用基于音乐的视频编辑来生成媒体内容的自适应计算机模型。

背景技术

常规的音频-视频内容编辑要求专门的软件来实施。而且，如何编辑音频-视频内容要求经验和专业知识，以理解如何基于内容的伴音部分来恰当地对内容的视频部分实施编辑。随着音频-视频内容的受欢迎程度，例如在与他人分享内容时，需要提供允许普通大众能够编辑音频-视频内容的方式。

发明内容

公开了用于自动编辑/生成音频-视频内容的系统和方法，其中，可对音频-视频内容的音频部分进行处理以辨识可被用于施加媒体效果的各个元素。音频文件(例如歌曲、音乐等)、不包括该音频文件的媒体文件(例如照片、视频、图像等)和用于施加媒体效果的模板/策略(被称作皮肤)可被用于自动生成音频-视频内容，例如音乐视频剪辑。可对音频文件进行处理以确定参数或元素，比如能量水平一致的节段、过渡、节拍(每分钟节拍数、主节拍、鼓节拍的类型等)，并且皮肤可基于音频文件的这些参数自动地对媒体文件施加媒体效果，以生成音频-视频文件。例如，长的过渡可被更多地应用于平静和缓慢的音乐(对应于低能量的节段)，而较短的过渡可被更多地应用于快速和有力的音乐(对应于高能量或每分钟节拍数多的节段)。

在一些例子中，描述了一种生成媒体内容的方法。所述方法包括处理音频文件以确定音频文件的一个或更多个参数；基于与所述音频文件相关联的皮肤来确定与所述音频文件的一个或更多个参数对应的一个或更多个媒体效果；对媒体文件施加所述一个或更多个媒体效果，以生成经修改的媒体文件，其中，所述媒体文件不包括音频文件；以及，生成包括所述音频文件与所述经修改的媒体文件的组合的音频-视频文件。

在一些例子中，描述了一种系统。所述系统包括一个或更多个处理器；和包含指令的非暂态计算机可读存储介质，所述指令当在所述一个或更多个处理器上执行时使得所述一个或更多个处理器实施操作以生成媒体内容，所述操作包括：处理音频文件以确定所述音频文件的一个或更多个参数；基于与所述音频文件相关联的皮肤来确定与所述音频文件的一个或更多个参数对应的一个或更多个媒体效果；对媒体文件施加所述一个或更多个媒体效果，以生成经修改的媒体文件，其中，所述媒体文件不包括音频文件；以及，生成包括所述音频文件与所述经修改的媒体文件的组合的音频-视频文件。

在一些例子中，描述了一种非暂态计算机可读介质，所述非暂态计算机可读介质被描述为其上存储有指令，所述指令当被一个或更多个处理器执行时使得所述一个或更多个处理器：处理音频文件以确定所述音频文件的一个或更多个参数；基于与所述音频文件相关联的皮肤来确定与所述音频文件的一个或更多个参数对应的一个或更多个媒体效果；对媒体文件施加所述一个或更多个媒体效果，以生成经修改的媒体文件，其中，所述媒体文件不包括音频文件；以及，生成包括所述音频文件与所述经修改的媒体文件的组合的音频-视频文件。

一些例子还包括基于由第一用户界面接收第一用户输入来从一个或更多个图像、照片或视频获得媒体文件。在一些例子中，所述第一用户界面包括用于显示所述一个或更多个图像、照片或视频的视觉展示和接收对应于所述第一用户输入的对所述一个或更多个图像、照片或视频的选择的第一下拉菜单(或其它合适的显示/选择界面)。