一种为动画配乐的方法及装置与流程

本申请涉及计算机技术领域，尤其涉及一种为动画配乐的方法及装置。

背景技术：

三维动画又称3D动画，是随着计算机软硬件技术的发展而产生的一项新兴技术。采用三维动画技术制作的三维动画，因其真实、生动、精确、可操作性和可调控性等多项突出性能，被广泛应用于医学、教育、军事、娱乐等诸多领域。

为增强三维动画的表现效果，可以为三维动画添加合适的配乐。现有技术中，可以依据动画中的角色、对象、场景等信息提炼出动画文本，即用文本信息来描述动画，再依据动画文本找到对应的音频文件，进而使得音频文件与动画相关联，能够在一定程度上提升动画音效的制作效率。

但是，上述现有技术存在以下缺陷：

(1)通过动画的角色、对象、场景等信息提炼文本信息对动画进行描述，存在描述不准确、不全面等问题，从而影响音频文件的查找和对应。

(2)在建立动画与音频文件的对应关系时，通过描述动画的文本信息作为媒介，对动画音效制作效率的提高很有限。

技术实现要素：

本申请实施例提供一种为动画配乐的方法，旨在准确、全面、高效的为动画选取相匹配的音乐。

本申请实施例还提供一种为动画配乐的装置，旨在准确、全面、高效的为动画选取相匹配的音乐。

本申请实施例采用下述技术方案：

本申请实施例提供的为动画配乐的方法，包括：

依据动画片段，确定所述动画片段的第一特征向量；所述动画片段由待配乐的动画中、依据所述待配乐动画的运动特征提取得到；

依据所述动画片段的第一特征向量，确定与所述待配乐的动画相对应的第一关键词；

依据所述第一关键词，确定与所述第一关键词相匹配的音乐资源，建立所述待配乐的动画与所述相匹配的音乐资源之间的对应关系。

可选地，本申请实施例提供为动画配乐的方法中，依据所述动画片段的第一特征向量，确定与所述待配乐的动画相对应的第一关键词，包括：

依据所述动画片段的第一特征向量，确定所述待配乐的动画的第二特征向量；

依据以所述第二特征向量作为输入层、以第三特征向量作为输出层构建的第一神经网络，将输出层中概率最高的预设数量个关键词作为与所述待配乐的动画相对应的第一关键词；

其中，所述第三特征向量中的分量表示所述待配乐的动画与该分量所对应的关键词相对应的概率，所述第三特征向量中的分量与第一关键词库中的关键词一一对应；并且，所述第一关键词库中包含至少一个关键词。

可选地，本申请实施例提供为动画配乐的方法中，依据所述第一关键词，确定与所述第一关键词相匹配的音乐资源，包括：

获取与所述音乐资源相对应的第二关键词；

将所述第一关键词与所述第二关键词进行匹配，若匹配，则与该第二关键词相对应的音乐资源与所述第一关键词相匹配。

可选地，本申请实施例提供为动画配乐的方法中，获取与所述音乐资源相对应的第二关键词，包括：

提取所述音乐资源的梅尔频率倒谱系数；

依据所述音乐资源的梅尔频率倒谱系数，确定所述音乐资源的第四特征向量；

依据以所述第四特征向量作为输入层、以第五特征向量作为输出层构建的第二神经网络，将输出层中概率最高的预设数量个关键词作为与所述音乐资源相对应的第二关键词；

其中，所述第五特征向量中的分量表示所述音乐资源与该分量所对应的关键词相对应的概率，所述第五特征向量中的分量与第二关键词库中的关键词一一对应；并且，所述第二关键词库中包含至少一个关键词。

可选地，本申请实施例提供为动画配乐的方法中，建立所述待配乐的动画与所述相匹配的音乐资源之间的对应关系之后，还包括：

依据所述动画片段的第一特征向量，在所述相匹配的音乐资源中融合音效。

可选地，本申请实施例提供为动画配乐的方法中，所述动画片段由待配乐的动画按照以下方式提取得到：

对所述待配乐的动画，计算两帧间的帧间变化量；其中，所述两帧间间隔第一预设帧数；

若所述帧间变化量达到预设阈值，则提取包含所述两帧以及所述两帧间间隔的所述第一预设帧数的动画帧，作为所述动画片段。

可选地，本申请实施例提供为动画配乐的方法中，所述动画片段由待配乐的动画按照以下方式提取得到：

对所述待配乐的动画，计算两帧间的帧间变化量；其中，所述两帧间间隔第一预设帧数；

对各所述帧间变化量按照数值大小进行排序，提取预设数量个帧间变化量最大的、包含所述两帧以及所述两帧间间隔的所述第一预设帧数的动画帧，作为所述动画片段。

可选地，本申请实施例提供为动画配乐的方法中，所述动画片段的第一特征向量包括：动画骨骼空间坐标数据和/或帧间的骨骼加速度。

本申请实施例提供的为动画配乐的装置，包括：

特征向量确定模块，用于依据动画片段，确定所述动画片段的第一特征向量；其中，所述动画片段由待配乐的动画中提取得到；

第一关键词确定模块，用于依据所述动画片段的第一特征向量，确定与所述待配乐的动画相对应的第一关键词；

音乐资源匹配模块，用于依据所述第一关键词，确定与所述第一关键词相匹配的音乐资源，建立所述待配乐的动画与所述相匹配的音乐资源之间的对应关系。

可选地，本申请实施例提供为动画配乐的装置中，所述第一关键词确定模块中包括第一神经网络，所述第一神经网络以第二特征向量作为输入层、以第三特征向量作为输出层，用于确定与所述待配乐的动画相对应的第一关键词；其中，所述第二特征向量依据所述第一特征向量确定，所述第三特征向量中的分量表示所述待配乐的动画与该分量所对应的关键词相对应的概率，所述第三特征向量中的分量与第一关键词库中的关键词一一对应；并且，所述第一关键词库中包含至少一个关键词。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

本申请实施例通过动画的运动特征提取动画片段，在此基础上确定相对应的关键词，再依据关键词确定相匹配的音乐资源，进而建立待配乐的动画与音乐资源之间的对应关系。基于动画的运动特征确定关键词，能够更真实、准确、全面的反映动画的特征，为建立合适的对应关系奠定基础。并且，本申请实施例的全部过程均可由计算机按照预先设定的算法完成，有利于提高为动画配乐的效率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例中为动画配乐的方法的流程示意图；

图2为本申请实施例中动画片段的构成示意图；

图3为本申请实施例中第二张为动画配乐的方法的流程示意图；

图4为本申请实施例中第三种为动画配乐的方法中搭建的神经网络的实施示意图；

图5为本申请实施例中第四种为动画配乐的方法的流程示意图；

图6为本申请实施例中为动画配乐的装置的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

实施例1

本申请实施例提供的一种为动画配乐的方法，参见图1所示，包括：

S101：依据动画片段，确定动画片段的第一特征向量；动画片段由待配乐的动画中、依据待配乐动画的运动特征提取得到；

S102：依据动画片段的第一特征向量，确定与待配乐的动画相对应的第一关键词；

S103：依据第一关键词，确定与第一关键词相匹配的音乐资源，建立待配乐的动画与相匹配的音乐资源之间的对应关系。

本申请实施例通过动画的运动特征提取动画片段，在此基础上确定相对应的关键词，再依据关键词确定相匹配的音乐资源，进而建立待配乐的动画与音乐资源之间的对应关系。基于动画的运动特征确定关键词，能够更真实、准确、全面的反映动画的特征，为建立合适的对应关系奠定基础。并且，本申请实施例的全部过程均可由计算机按照预先设定的算法完成，有利于提高为动画配乐的效率。

在步骤S101依据动画片段，确定动画片段的第一特征向量之前，需要先依据待配乐动画的运动特征，从待配乐动画中提取出上述动画片段。具体地，对待配乐的动画，可以先计算两帧间的帧间变化量；其中，两帧间间隔第一预设帧数。然后，判断帧间变化量是否达到预设阈值，若帧间变化量达到预设阈值，则提取包含两帧以及两帧间间隔的第一预设帧数的动画帧，作为动画片段。在计算出帧间变化量后，也可以对各帧间变化量按照数值大小进行排序，提取预设数量个帧间变化量最大的、包含两帧以及两帧间间隔的第一预设帧数的动画帧，作为动画片段。

在计算两帧间的帧间变化量时，可以选取间隔一定帧数(记为第一预设帧数)的两帧进行计算，间隔的帧数可以是1帧，5帧，10帧等。第一预设帧数可以是固定不变的预设值，例如，可以对待配乐动画进行初步分类，对体育运动、舞蹈、动作等快节奏类型的动画设定较小的第一预设帧数，对抒情、剧情等慢节奏类型的动画设定较大的第一预设帧数。第一预设帧数也可以是根据待配乐动画的运动特征进行适应性变化的可调整的值。例如，假设第一预设帧数的初始值为10，则计算间隔10帧的两帧图像的帧间变化量；若帧间变化量非常大，表示待配乐的动画在这间隔的10帧之内有大幅度的运动或者频繁的运动，则为避免漏掉动作特征，以便更全面、更准确地反映待配乐的动画的运动特征，可以将第一预设帧数的值缩减为5，再进一步计算间隔5帧的两帧图像的帧间变化量；依此类推，直至认为间隔第一预设帧数的两帧图像仅反映了待配乐动画的单个独立动作。

在计算两帧间的帧间变化量时，可以提取动画帧上骨骼空间的坐标数据进行计算。通常，1帧动画帧上有100个左右骨骼点，每一个骨骼点在骨骼空间的坐标数据就体现了动画中的动作形态，每一个骨骼点在不同动画帧之间的坐标数据的变化也就体现了动画的运动特征。因此，将骨骼空间中同一骨骼点的坐标变化量作为帧间变化量，就能反映出动画的运动特征，并且帧间变化量越大，表示动画的运动特征越强烈。

在依据帧间变化量提取动画片段时，如前所述，可以基于帧间变化量达到预设阈值的动画帧构成动画片段，也可以基于帧间变化量相对最大的动画帧构成动画片段，还可以对达到预设阈值的帧间变化量进一步按数值大小进行排序、然后基于帧间变化量最大的动画帧构成动画片段。在构成动画片段时，要提取包含：帧间变化量满足预设条件的两帧动画帧，以及两帧间间隔的第一预设帧数的动画帧，作为动画片段。在具体实施时，可以以上述两帧动画帧为基础，向前和/或向后延伸预设帧数(例如2帧，5帧等)的动画帧，与上述两帧之间的第一预设帧数的动画帧共同构成动画片段。图2给出了上述动画片段的示意图。t表示动画帧11与动画帧12之间的第一预设帧数，t₁表示基于帧11与帧12之间的帧间变化量达到预设条件的t帧动画向前延伸的帧数，t₂表示基于t帧动画向后延伸的帧数，t₁和t₂的值都取为大于或等于零的自然数，t₁和t₂的值可以相同也可以不同，且t₁和t₂的值通常应小于t的值。图2所示的动画片段，起始帧为动画帧10，结束帧为动画帧13，该动画片段包含(t₁+t+t₂)帧动画帧。在已知待配乐的动画的关键帧动画(Key Frame Animation)时，也可以将关键帧动画直接作为动画片段的起始帧或结束帧，从而更加高效的从待配乐动画中提取出动画片段。

依据待配乐动画的运动特征，从待配乐动画中提取出上述动画片段后，可执行步骤S101，依据动画片段，确定动画片段的第一特征向量。其中，动画片段的第一特征向量可以包括：动画骨骼空间坐标数据和/或帧间的骨骼加速度。动画骨骼空间坐标数据可以表征动画片段中骨骼点的变化幅度，帧间的骨骼加速度可以表征动画片段中骨骼点的变化速度，因此，第一特征向量可以表现出动画片段的运动特征。

以下以图2所示动画片段为例，具体说明帧间的骨骼加速度的计算过程。计算起始帧10与结束帧13之间动画骨骼空间坐标数据的差距，作为该动画片段中各骨骼点的变化幅度T；计算起始帧10与结束帧13之间的时间s；假定动画中的骨骼点进行匀加速运动，按照公式计算得到帧间的骨骼加速度a。需要说明的是，计算骨骼加速度时，所选取的运动时间与变化幅度相对应即可，例如，可取关键帧11与关键帧12计算动画骨骼空间坐标数据的差距以及间隔的时间，从而计算出骨骼加速度；也可取间隔5帧的动画帧计算骨骼加速度，则可按照以下公式计算骨骼加速度：间隔5帧的两帧中各骨骼点的变化幅度/5帧对应的时间的平方。

在依据动画骨骼空间坐标数据和/或帧间的骨骼加速度构成动画片段的第一特征向量时，可以采用任意规则进行，只要同一待配乐动画的各动画片段遵循相同的规则即可。例如，依据动画骨骼空间坐标数据构成第一特征向量，该第一特征向量的分量可取为第j帧(共J帧)的第i个骨骼点(共I个骨骼点)的x轴坐标、y轴坐标或者z轴坐标；又例如，依据帧间的骨骼加速度构成第一特征向量，该第一特征向量的分量可取为相邻两帧的x轴方向的骨骼加速度、y轴方向的骨骼加速度或者z轴方向的骨骼加速度，也可以取为起始帧与结束帧之间x轴方向的骨骼加速度、y轴方向的骨骼加速度或者z轴方向的骨骼加速度，还可以取为动画片段中两个关键动画帧之间各方向的骨骼加速度；再例如，同时依据动画骨骼空间坐标数据和帧间的骨骼加速度构成第一特征向量，则可将第j帧(共J帧)的第i个骨骼点(共I个骨骼点)的x轴坐标、y轴坐标或者z轴坐标与相邻两帧的x轴方向的骨骼加速度、y轴方向的骨骼加速度或者z轴方向的骨骼加速度按照一定的顺序构成各分量。需要说明的是，各分量在第一特征向量中的具体位置可以不作限定，只要同一待配乐动画的各动画片段的对应帧、对应骨骼点、对应方向上的坐标数据和/或对应骨骼点、对应方向上的骨骼加速度所构成的分量在第一特征向量中的位置相同即可。

参见图3所示，在执行S101依据动画片段，确定动画片段的第一特征向量后，执行S102依据动画片段的第一特征向量，确定与待配乐的动画相对应的第一关键词时，可以采用决策树、神经网络等方法进行。以采用神经网络确定第一关键词为例，可具体包括：

S1021：依据动画片段的第一特征向量，确定待配乐的动画的第二特征向量；

具体地，待配乐的动画的第二特征向量中的分量，可以直接采用各动画片段的第一特征向量中的分量、按照一定的顺序或规律排列。例如，假设从待配乐的动画中提取出2个动画片段，每一动画片段的第一特征向量中包含5个分量，分别为：动画片段一{x₀,x₁,x₂,x₃,x₄}和动画片段二{y₀,y₁,y₂,y₃,y₄}，则第二特征向量可以是按照动画片段的出现顺序以及第一特征向量中各分量的顺序构成，如{x₀,x₁,x₂,x₃,x₄,y₀,y₁,y₂,y₃,y₄}，也可以是按照一定规律，如抽取各动画片段中相对应的分量顺序排列，形成第二特征向量{x₀,y₀,x₁,y₁,x₂,y₂,x₃,y₃,x₄,y₄}。除此之外，也可以对第一特征向量中的分量进行计算，例如加权计算，将计算结果作为第二特征向量的分量。

S1022：依据以第二特征向量作为输入层、以第三特征向量作为输出层构建的第一神经网络，将输出层中概率最高的预设数量个关键词作为与待配乐的动画相对应的第一关键词；其中，第三特征向量中的分量表示待配乐的动画与该分量所对应的关键词相对应的概率，第三特征向量中的分量与第一关键词库中的关键词一一对应；并且，第一关键词库中包含至少一个关键词。

假设待配乐的动画被分为l个动画片段，每个动画片段中有J帧，每帧包含I个骨骼点，每个骨骼点有3个方向(x轴方向、y轴方向和z轴方向)的坐标数据和3个方向(x轴方向、y轴方向和z轴方向)的骨骼加速度，则动画片段的第一特征向量有(J*I*(3+3))维，待配乐的动画的第二特征向量有(l*J*I*(3+3))维。

进一步地，在执行步骤S1022搭建神经网络确定第一关键词时，以第二特征向量作为输入层，则输入层有(l*J*I*(3+3))个输入变量，结合图4所示的神经网络示意图，即输入层{x₀,x₁,…,x_N-1}中每一个变量与第二特征向量中的分量一一对应，输入层中标有“+1”的圆圈是输入层的偏置节点，也就是截距项，输入层的维度N＝l*J*I*(3+3)+1。图4所示神经网络的输出层由表示待配乐的动画与对应的关键词相对应的概率的第三特征向量构成，输出层的个数与第一关键词库中的关键词的个数一致，均为M个，输出层输出的数值表示待配乐的动画与第一关键词库中的各关键词相对应的概率。图4所示神经网络的隐藏层可以有一层，也可以有多层；各隐藏层中的节点的个数，即图4中K的值也是可选的。隐藏层的数量和每个隐藏层的节点的数量可以通过实验获取的经验值进行设定。输入层、各隐藏层以及输出层之间的权重w是可调的。下面以一层隐藏层为例说明输出层第三特征向量中各分量的计算过程。

输入层{x₀,x₁,…,x_N-1}，传递到隐藏层，隐藏层的输入为{h₀,h₁,…,h_K-1}，隐藏层的输出为{a₀,a₁,…,a_K-1}，其中，输入层的各分量为：

h₀＝x₀·w₀₀+x₁·w₀₁+x₂·w₀₂+…+x_N-1·w_0(N-1)+w_0N

h₁＝x₀·w₁₀+x₁·w₁₁+x₂·w₁₂+…+x_N-1·w_1(N-1)+w_1N

h₂＝x₀·w₂₀+x₁·w₂₁+x₂·w₂₂+…+x_N-1·w_2(N-1)+w_2N

……

h_K-1＝x₀·w_(K-1)0+x₁·w_(K-1)1+x₂·w_(K-1)2+…+x_N-1·w_(K-1)(N-1)+w_(K-1)N

每个隐藏节点的激活函数为f，则隐藏节点的输出为：

a₀＝f(h₀)

a₁＝f(h₁)

a₂＝f(h₂)

……

a_K-1＝f(h_K-1)

其中，激活函数表示单个神经元(包括隐藏节点和输出层节点)的输入与输出之间的函数关系。此处，激活函数f可以选择连续、可导、有界、关于原点对称的Sigmoid函数或者tanh函数

若隐藏层只有一层，则将隐藏层的输出作为输出层的输入，各输出层节点基于激活函数可以计算得到输出层的输出结果，即第三特征向量的分量。若有多层隐藏层，则上一层隐藏层的输出作为下一层隐藏层的输入，逐层计算，直至将最后一层隐藏层的输出作为输出层的输入，计算得到输出层的输出结果，即第三特征向量的分量。

计算得到第三特征向量的分量后，即可得到待配乐的动画与该分量所对应的关键词相对应的概率。由于第三特征向量中的分量与第一关键词库中的关键词一一对应，因此，可以将概率最高的预设数量个关键词作为与待配乐的动画相对应的第一关键词。同一段待配乐的动画可能会对应到多个从不同角度划分的关键词，例如，一段小学生踢足球的动画可能表现出小学生这类角色、兴奋的情绪、和跑跳踢球等动作类型，因此，其第一关键词可能确定为“兴奋”、“儿童”、“踢足球”、“跑步”等。

第一关键词库中包含的关键词可以是基于同一角度划分的，例如可按照情绪、角色或者动作类型划分等，则此时，为了达到用多个关键词多角度描述待配乐动画的目的，可以建立多个神经网络，每个神经网络采用从不同的角度划分的第一关键词库即可，此时，可以将概率最高的一个关键词(预设数量此时设定为1)作为与待配乐的动画相对应的第一关键词。第一关键词库中包含的关键词也可以是基于不同角度划分的，例如，可将情绪、角色和动作类型等角度划分的关键词均列入第一关键词库中，则输出时，可以将概率最高的多个关键词(预设数量此时可设定为划分角度的数量)作为与待配乐的动画相对应的第一关键词。

在执行S102依据动画片段的第一特征向量，确定与待配乐的动画相对应的第一关键词之后，可进一步执行步骤S103依据第一关键词，确定与第一关键词相匹配的音乐资源，包括：

获取与音乐资源相对应的第二关键词；

将第一关键词与第二关键词进行匹配，若匹配，则与该第二关键词相对应的音乐资源与第一关键词相匹配。

进一步地，获取与音乐资源相对应的第二关键词时，若音乐资源已经标定了关键词，则可以直接将音乐资源的第二关键词与待配乐的动画的第一关键词进行匹配，以建立待配乐的动画与相匹配的音乐资源之间的对应关系。若音乐资源尚未标定关键词，则可以采用以下步骤获取与音乐资源相对应的第二关键词：

提取音乐资源的梅尔频率倒谱系数；

依据音乐资源的梅尔频率倒谱系数，确定音乐资源的第四特征向量；

依据以第四特征向量作为输入层、以第五特征向量作为输出层构建的第二神经网络，将输出层中概率最高的预设数量个关键词作为与音乐资源相对应的第二关键词；其中，第五特征向量中的分量表示音乐资源与该分量所对应的关键词相对应的概率，第五特征向量中的分量与第二关键词库中的关键词一一对应；并且，第二关键词库中包含至少一个关键词。

梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients，MFCCs)就是组成梅尔频率倒谱的系数。他们派生自音频片段的倒谱(cepstrum)表示(a nonlinear"spectrum-of-a-spectrum")。倒谱和梅尔频率倒谱的区别在于，梅尔频率倒谱的频带划分是在梅尔刻度上等距划分的，它比用于正常的对数倒频谱中的线性间隔的频带更能近似人类的听觉系统。因此，用梅尔频率倒谱系数能够更好地体现出音乐资源的特征。以依据音乐资源的梅尔频率倒谱系数确定的第四特征向量作为神经网络的输入层，采用与图4类似的神经网络架构，即可得到输出层中第四特征向量中各分量的值，进而可以依据各分量的数值大小，将概率最高的预设数量个关键词作为与音乐资源相对应的第二关键词。在此不再赘述。

实施例2

在实施例1的基础上，在建立待配乐的动画与相匹配的音乐资源之间的对应关系之后，还可以执行步骤S104依据动画片段的第一特征向量，在相匹配的音乐资源中融合音效，参见图5所示。

由于第一特征向量中包含动画骨骼空间坐标数据和/或帧间的骨骼加速度等体现运动特征的分量，因此，依据动画片段的第一特征向量，在找到了相匹配的音乐资源后再进一步融合音效，从而能够更生动、直观、准确的反映动画的运动特征。

例如，对于手部的骨骼点，依据第一特征向量中表现不同动画帧中手部骨骼点的分量，可以实时监测到该骨骼点的加速度。当加速度达到预设的阈值时，可以在该加速度的持续时间内，添加适合于手部骨骼点的加速度阈值的音乐声效，并用淡入淡出的方式与已匹配的音乐资源相融合。

再例如，对于脚部的骨骼点，如果该动画属于跳舞类(此时，该动画的关键词之一可能为跳舞或舞蹈等相关词汇)的，则通过第一特征向量中表现不同动画帧中脚部骨骼点的分量，当检测到脚部的骨骼点在以超过预设速度阈值的速度触碰地板时，可以添加适合跳舞、踢踏类的瞬时音效，与已匹配的音乐资源相融合。

对于每种音乐类型，都可以结合动画中的动作特征融合多种音乐声效。依据每个动画骨骼点的运动规律和运动特征，可以决策出最合适的音乐声效，添加到原有的音乐声中，从而增强表现效果。

实施例3

与以上实施例1或实施例2相对应地，本申请还提供了一种为动画配乐的装置，参见图6所示，包括：

特征向量确定模块101，用于依据动画片段，确定动画片段的第一特征向量；其中，动画片段由待配乐的动画中提取得到；

第一关键词确定模块102，用于依据动画片段的第一特征向量，确定与待配乐的动画相对应的第一关键词；

音乐资源匹配模块103，用于依据第一关键词，确定与第一关键词相匹配的音乐资源，建立待配乐的动画与相匹配的音乐资源之间的对应关系。

其中，第一关键词确定模块中可以进一步包括第一神经网络，第一神经网络以第二特征向量作为输入层、以第三特征向量作为输出层，用于确定与待配乐的动画相对应的第一关键词；其中，第二特征向量依据第一特征向量确定，第三特征向量中的分量表示待配乐的动画与该分量所对应的关键词相对应的概率，第三特征向量中的分量与第一关键词库中的关键词一一对应；并且，第一关键词库中包含至少一个关键词。

由于本实施例为与为动画配乐的方法相对应的装置实施例，因此，实施例1与实施例2中关于方法的阐释均适用于本实施例，在此不再赘述。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。