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！

龙图腾网获悉浙江大学申请的专利一种基于跨模态对齐机制的可控视频配乐生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120510556B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510999352.0，技术领域涉及：G06F16/635；该发明授权一种基于跨模态对齐机制的可控视频配乐生成方法是由尤伟涛;郑子晴;左鹤达;吴俊贤;徐旻昶设计研发完成，并于2025-07-21向国家知识产权局提交的专利申请。

本一种基于跨模态对齐机制的可控视频配乐生成方法在说明书摘要公布了：本发明公开了一种基于跨模态对齐机制的可控视频配乐生成方法，该方法通过解构视频内容得到具有明确语义与构图属性的对象区域的面积、起始位置、色彩和运动向量特征，并通过特定的编码使上述特征能够进行融合，使得用户能够主动引导模型关注视频中的特定画面区域如人物、动作、色彩或实现音乐风格如情绪、节奏的定制调整，能够实现个性化创作，还能够在在时间维度如镜头切换、动态节奏和空间维度如画面构图、主体位置的联合建模，使得音乐在情绪变化与节奏动态方面与视频内容精准匹配。

本发明授权一种基于跨模态对齐机制的可控视频配乐生成方法在权利要求书中公布了：1.一种基于跨模态对齐机制的可控视频配乐生成方法，其特征在于，包括： 将视频内容切分成镜头序列，对每个镜头中的首帧图像进行对象分割得到每个首帧的对象区域图片集合； 构建训练模型，所述训练模型包括特征编码与转换模块和音乐生成模块，所述特征编码与转换模块用于对每个对象区域图片进行特征提取得到语义嵌入向量、面积特征、起始位置特征、色彩特征和运动向量，分别对每个镜头、起始位置特征和色彩特征进行编码得到多个镜头编码、起始位置编码和色彩编码，将每个对象区域图片的语义嵌入向量和对应镜头的镜头编码进行融合后乘以对应的面积特征得到第一融合特征，将第一融合特征、起始位置编码和色彩编码进行融合得到第二融合特征，将第二融合特征和运动向量通过块矩阵进行融合得到动态视频特征，将所述动态视频特征通过非自回归网络得到预测音乐特征序列；所述音乐生成模块用于将多个预测音乐特征序列通过transformer解码得到预测音乐嵌入向量，将预测音乐嵌入向量进行音乐解码得到预测音频token； 构建损失函数，所述损失函数包括音乐预测损失函数和音乐特征损失函数，通过预测音频token和真实音频编码值通过交叉损失构建音乐预测损失函数，基于真实音乐特征和预测音乐特征通过L1损失构建音乐特征损失函数； 基于对象区域图片集合通过所述损失函数训练训练模型得到视频配乐生成模型，应用时将视频输入所述视频配乐生成模型得到对应的音乐。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。