№ CN122952181A발명
알 수 없음一种基于人工智能的MV端到端生成方法及系统
本申请涉及一种基于人工智能的MV端到端生成方法及系统,属于人工智能及数字媒体处理技术领域,该方法包括:获取音乐音频和主题文本数据进行特征编码,提取音频的节奏与结构信息生成时序控制参数,并结合文本语义生成视觉描述信息。在预训练模型潜在空间构建初始噪声,利用视觉描述引导画面生成方向,利用节奏信息调整运动幅度,去噪得到初始视频潜变量。根据结构信息确定过渡位置并对帧间特征平滑处理,得到目标视频潜变量。最后解码重建视频画面并与音频对齐合成,输出音乐视频文件。本申请能够满足用户对于个性化、专业化音乐视频内容的快速制作需求。
❖北京流金岁月科技有限公司刘诗源; 王俭Oct 20, 2026§ 3/10 청구항H04N 21/854 (2011.01), H04N 21/81 (2011.01), H04N 21/84 (2011.01) +2