[发明专利]一种音视频的合成方法及系统

权利要求书

1.一种音视频的合成方法，其特征在于，包括：

获取待合成视频参数，其中，所述待合成视频参数包括视频内容特征和视频配音特征；

根据所述视频内容特征对待合成视频进行情绪特征评估，生成情绪特征序列；

根据所述视频配音特征，生成配音振幅特征序列和配音频率特征序列；

将所述情绪特征序列输入云端音频匹配数据库，生成待合成音频匹配结果；

根据音频适应度评估函数对所述待合成音频匹配结果进行优化，筛选待合成音频优化结果；

根据所述配音振幅特征序列和所述配音频率特征序列，对所述待合成音频优化结果进行调整，生成多个待合成音频特征序列；

将所述多个待合成音频特征序列发送至合成管理终端进行音视频合成。

2.如权利要求1所述的方法，其特征在于，所述根据所述视频内容特征对待合成视频进行情绪特征评估，生成情绪特征序列，包括：

设定情绪标签因子集合，其中，所述情绪标签因子集合包括愤怒标签因子、厌恶标签因子、悲伤标签因子、恐惧标签因子、平静标签因子、惊讶标签因子、喜爱标签因子和快乐标签因子；

对所述视频内容特征进行完整性分析，生成视频子内容序列；

根据所述愤怒标签因子、所述厌恶标签因子、所述悲伤标签因子、所述恐惧标签因子、所述平静标签因子、所述惊讶标签因子、所述喜爱标签因子和所述快乐标签因子，遍历所述视频子内容序列，生成多个情绪标签因子序列；

遍历所述多个情绪标签因子序列进行情绪指数评估，生成所述情绪特征序列。

3.如权利要求2所述的方法，其特征在于，所述遍历所述多个情绪标签因子序列进行情绪指数评估，生成所述情绪特征序列，包括：

获取情绪波动参数标定式：

其中，表征第t时间粒度的第k种情绪标签因子的情绪波动参数，表征T时间粒度内第k种情绪标签因子等级特征的平均比重，x_kt表征第t时刻的第k种情绪标签因子等级特征，表征第t时刻的第k种情绪标签因子的比重；

获取情绪权重标定式：

其中，w_kt表征第t时间粒度时第k种情绪标签因子等级特征的情绪权重，m(x_kt)表征第t时间粒度时x_kt的持续时长，t表征第t时间粒度的时长；

获取情绪指数标定式：

其中，S_T表征T时间粒度内的情绪指数；

根据所述情绪波动参数标定式、所述情绪权重标定式和所述情绪指数标定式，遍历所述多个情绪标签因子序列进行情绪指数评估，生成所述情绪特征序列。

4.如权利要求3所述的方法，其特征在于，所述根据所述愤怒标签因子、所述厌恶标签因子、所述悲伤标签因子、所述恐惧标签因子、所述平静标签因子、所述惊讶标签因子、所述喜爱标签因子和所述快乐标签因子，遍历所述视频子内容序列，生成多个情绪标签因子序列，包括：

基于所述愤怒标签因子、所述厌恶标签因子、所述悲伤标签因子、所述恐惧标签因子、所述平静标签因子、所述惊讶标签因子、所述喜爱标签因子和所述快乐标签因子，采集多组情绪等级标定记录数据；

根据所述多组情绪等级标定记录数据，训练情绪标签因子等级评定模型；

将所述视频子内容序列依次输入所述情绪标签因子等级评定模型，生成所述多个情绪标签因子等级标定数据集；

将所述多个情绪标签因子等级标定数据集和所述视频子内容序列进行序列化调整，生成所述多个情绪标签因子序列。

5.如权利要求1所述的方法，其特征在于，所述根据音频适应度评估函数对所述待合成音频匹配结果进行优化，筛选待合成音频优化结果，包括：

构建所述音频适应度评估函数：

C_l＝f_l^α+n_l^β

其中，f表征第l个待合成音频的选用频率，n表征第l个待合成音频选用后的浏览量，α和β表征权重参数，C_l表征第l个待合成音频的适应度；

根据所述音频适应度评估函数遍历所述待合成音频匹配结果进行优化，筛选所述待合成音频优化结果。