龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中兴协力(山东)数字科技集团有限公司
摘要：本发明属于音乐短片生成应用技术领域，尤其涉及一种基于音频、图像和文本的多模态音乐短片生成方法。本发明提供一种基于音频、图像、文本多模态的音乐短片生成方法，构建了文本编码结构、音频编码结构、TS模型、MVdiffusion模型训练架构以及MVdiffusion模型测试架构。通过搭建的多模态深度学习模型，实现更全面、综合的多模态音乐短片生成能力，保证了各个模态之间的一致性和同步性，能够同时处理音频、图像和文本等多个相关任务，从而提高对音乐短片的全面理解和创造能力。
主权项：1.一种基于音频、图像和文本的多模态音乐短片生成方法，其特征在于，包括如下步骤：S1、数据获取，获取音乐短片数据集，依照时间关系，将数据集切分为图像数据集、文本数据集、音频数据集，三种模态数据对的形式；S2、搭建TS模型，文本编码部分采用CLIP文本编码器，得到文本和音频隐空间映射模型；S3、训练、测试TS模型，验证文本和音频隐空间映射准确度，得到音频编码器；S4、搭建MVdiffusion模型，音频编码部分采用S3获得的音频编码器，图像编码部分采用VAE编码器，文本编码部分采用CLIP文本编码器，解码器采用扩散模型，最终得到音频、文本、图像多模态扩散模型；S5、训练、测试MVdiffusion模型，仿真实验验证图像音频、文本、图像三模态的对齐准确率，及音乐短片的丰富、多样化性。
全文数据：
权利要求：
百度查询： 中兴协力(山东)数字科技集团有限公司 一种基于音频、图像和文本的多模态音乐短片生成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号