基于多模态的音乐视频生成视频彩铃的方法

本发明公开了一种基于多模态的音乐视频生成视频彩铃的方法，包括以下步骤：S10，对输入的视频数据进行预处理，所述预处理包括视频和音频分离以及音频重采样；S20，对重采样后的音频文件进行音频特征提取，基于提取的音频特征，利用自相似性和动态规划算法自动识别和定位音频中的副歌段落；S30，将副歌部分对应的视频内容调整为竖屏格式；S40，将视频文件进行抽帧，使用OCR技术识别视频中的字幕文本，并通过图像处理技术擦除字幕；S50，将视频内容进行超分辨率处理，得到高分辨率的视频文件。