具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

首先对本发明所涉及的名词进行解释：

专业生产内容：(Professional Generated Content，简称PGC)，这类内容包括电影、综艺、电视剧等，由广电从业者进行音视频的采集、剪辑、编码输出，主要制作手段是专业音视频制作工具(如Pro Tools、Nuendo、Adobe Premiere等)。对于音频来说，内容多样性尤其明显，由于不同的音频编解码有着不同的技术特点，制作工具除了能够实现传统多声道音频(如MP3、AAC、AC3、AC4、WANOS、AVS、FLAC、APE等)的制作，还能够加入多种辅助数据(如音频的空间位置、混响参数、渲染角度等)，实现基于对象(如ATMOS、WANOS、AVS、MPEG-H等)和基于场景(如FOA、HOA等)的音频制作，使得生产出更有立体感、沉浸感、质量更高的PGC媒体内容。

用户生产内容(User Generated Content，简称UGC)，这类内容以自媒体为主，主要是用户通过手机、平板等移动设备来录制素材，再通过专业或非专业的音视频制作工具进行剪辑，制作出个性鲜明的流媒体作品，并能够在第一时间在互联网上分享。用户也可以下载其他人发布的作品，并以此为基础进行二次创作，具有较强的互动性和可操作性。

音频编码：将PCM音频采样数据(未压缩过的数据或者“音频波形”所对应的数据)压缩成某种格式的音频字节流数据。

音频解码：将压缩的字节流数据解析成PCM音频采样数据。

视频编码：将RGB、YUV等视频像素数据(未压缩过的数据、视频里的每一帧画面所对应的数据)压缩成某种格式的视频字节流数据。

视频解码：将压缩的视频字节流数据解析成RGB、YUV等视频像素数据。

音视频复用：将编码/压缩后的音频数据和编码/压缩后的视频数据封装到媒体容器(如MP4、TS等)中，形成媒体容器字节流。

音视频解复用：将媒体容器字节流解析成压缩音频数据和压缩视频数据。

其次，对现有技术的基于PGC媒体内容生成UGC媒体内容的方式以及存在的缺陷进行简要介绍：

目前基于PGC媒体内容生成UGC媒体内容的方式，主要是包括用户使用互联网上已发布的PGC节目来进行简单的二次创作(如配音、鬼畜、伴奏等等)，使得生成的UGC媒体内容更加多元化。然而，目前基于PGC媒体内容生成UGC媒体内容的方式有着明显的局限性，具体体现在：

UGC音频质量普遍不高。用户若想以PGC节目为素材来制作个性化的UGC节目，仅能使用互联网上已发布的PGC节目作为创作素材，而这些节目都是通过专业人员混音而成的立体声版本，无法将其中包含的每个音频成分完全拆解开来，所以无法删除或替换单个音频成分(如对白、配乐、环境声等等)，只能全部保留或全部删除。比如，用户想将某PGC节目的一部分对白片段替换为自己的配音，则被替换的对白片段包含的环境声和背景音乐也会同时被删除，导致环境声和背景音乐在内容上不连续，从而造成生成的UGC音频质量差的问题。

其次，目前的UGC制作工具支持的音轨数量非常有限，用户只能将音频素材放到最多2个音轨上，即和原始PGC节目素材叠加，同时也无法添加任何辅助数据，导致用户只能做出立体声的音频，无法做出多声道、基于对象和场景的音频，用户真正的创作意图无法得到全面展现，造成生成的UGC媒体内容较为单一的问题。

因此，本发明针对现有技术的不足，提供了一种UGC媒体内容的生成方法，能够在PGC媒体内容基础上进行自由创作，用户能够通过该UGC媒体内容的生成方法使用整个PGC媒体内容，或截取PGC媒体内容的一个或多个内容片段，按照自己的制作意图，对多个内容片段进行随意编辑，从而做出多声道、基于对象和基于场景的UGC媒体内容，从而解决了现有技术由于无法将其中包含的每个音频成分完全拆解开，造成生成的UGC媒体内容质量差以及内容单一的问题的同时，还更加丰富了UGC媒体内容的多元性和互动性。

下面对本发明实施例所提供的一种UGC媒体内容的生成系统的架构示意图进行介绍：

图1为本发明实施例所提供的一种UGC媒体内容的生成系统的架构示意图，所述UGC媒体内容的生成系统100包括：提取单元101、解析单元102、编辑单元103以及封装单元104。

其中，提取单元1用于从PGC媒体内容中选取第一媒体内容，所述第一媒体内容可包括PGC媒体内容中的一个内容片段、多个内容片段或者全部的内容片段。

解析单元2用于按照预设的解析方式，对所述第一媒体内容中所选定的内容进行解析，得到解析后的媒体内容，所述解析方式与所选定的内容的类别对应。

编辑单元3用于对所述解析后的媒体内容进行编辑，得到编辑后的媒体内容。

封装单元4用于按照预设的封装方式，对所述编辑后的媒体内容进行封装，得到UGC媒体内容。

下面基于上述UGC媒体内容的生成系统，对UGC媒体内容的生成的应用场景进行介绍：

如图2所示，将PGC媒体内容S1输入至提取单元101，同时还可以将PGC媒体内容S1的全部内容或部分内容输入至封装单元104；提取单元101将PGC媒体内容S1进行提取后得到第一媒体内容S2，并将第一媒体内容S2输入至解析单元102，其中，第一媒体内容S2可以是PGC媒体内容S1的全部内容或者部分内容；解析单元102对第一媒体内容S2中的全部内容或部分内容进行解析，得到解析后的媒体内容S3；将解析后的媒体内容S3输入至编辑单元103，而未解析的媒体内容S4可以输入至封装单元104或者直接舍弃(图2虚线)；编辑单元103对解析后的媒体内容S3进行编辑操作，得到编辑后的媒体内容S5，并将编辑后的媒体内容S5输入至封装单元104；封装单元104对编辑后的媒体内容S5的全部内容或部分内容进行封装，得到最终的UGC媒体内容S6，同时封装单元104还可以封装PGC媒体内容S1和/或未解析的媒体内容S4的全部内容或部分内容，得到UGC媒体内容S6。

在该场景中，提取单元101选取PGC媒体内容S1中的全部内容或部分内容，得到第一媒体内容S2，其中，所述提取方式包括：通过设定第一媒体内容S2的开始时间和结束时间或者选定开始时间和持续时长等方式，从PGC媒体内容S1中选取出第一媒体内容S2，其中，第一媒体内容S2可以是PGC媒体内容S1本身，也可以是PGC媒体内容S1中的一个片段，也可以是PGC媒体内容S1中多个片段的组合。

在该场景中，解析单元102将媒体内容S2中的全部内容或部分内容进行解析，得到解析后的媒体内容S3和/或未解析的媒体内容S4，其中，解析方式包括：音频解码、视频解码、音视频解复用等。

在该场景中，编辑单元103可根据用户的编辑需求，对解析后的媒体内容S3进行编辑操作，得到编辑后的媒体内容S5。其中，编辑方式包括但不限于添加、删除、替换等。

在该场景中，封装单元104的封装方式包括音频编码、视频编码、音视频复用等。例如，当确定出编辑后的媒体内容仅包括音频内容时，则封装单元104需要通过音频编码对编辑后的媒体内容S5进行封装。

在上述UGC媒体内容的生成的应用场景中，从PGC媒体内容中选取第一媒体内容，所述第一媒体内容可包括PGC媒体内容中的一个内容片段、多个内容片段或者全部的内容片段，按照预设的解析方式，对所述第一媒体内容中所选定的内容进行解析，得到解析后的媒体内容，所述解析方式与所选定的内容的类别对应，对所述解析后的媒体内容进行编辑，得到编辑后的媒体内容，并按照预设的封装方式，对所述编辑后的媒体内容进行封装，得到UGC媒体内容，从而解决了现有技术由于无法将其中包含的每个音频成分完全拆解开，造成生成的UGC媒体内容质量差以及内容单一的问题的同时，还更加丰富了UGC媒体内容的多元性和互动性。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

图3为本发明实施例提供的一种UGC媒体内容的生成方法的流程示意图，如图3所示，本实施例的方法，可以包括：

S101、从PGC媒体内容中选取第一媒体内容。

在该步骤中，所述第一媒体内容可包括PGC媒体内容中的一个内容片段、多个内容片段或者全部的内容片段。

本发明实施例中，第一媒体内容可以包括PGC媒体内容的全部内容或者部分内容，例如，PGC媒体内容包括10个内容片段，第一媒体内容可包括其中的5个内容片段。

S102、按照预设的解析方式，对所述第一媒体内容中所选定的内容进行解析，得到解析后的媒体内容。

在该步骤中，预设的解析方式包括但不限于音频解码、视频解码或者音视频解复用。而具体采用何种解析方式，还需要根据第一媒体内容中所选定的内容的类别来确定，也就是说，所述解析方式与所选定的内容的类别对应。

本发明实施例中，例如，内容类别可包括音频内容、视频内容或者音视频内容，当所述第一媒体内容中所选定的内容包括音频内容时，则对所述第一媒体内容中所选定的内容进行音频解码，得到解析后的媒体内容。

S103、对所述解析后的媒体内容进行编辑，得到编辑后的媒体内容。

在该步骤中，编辑的方式可根据用户需求进行设定。

本发明实施例中，例如，在解析后的媒体内容中通过导入文件、录音、添加特殊音效等方式添加新的音频数据，得到编辑后的媒体内容，除此之外还可以包括其他方式，本发明对此不做限定。

S104、按照预设的封装方式，对所述编辑后的媒体内容进行封装，得到UGC媒体内容。

在该步骤中，预设的封装方式包括但不限于音频编码、视频编码或者音视频复用。而具体采用何种封装方式，还需要根编辑后的媒体内容所包含的内容的类别来确定，也就是说，所述封装方式与编辑后的媒体内容所包含的内容对应。

本发明实施例中，例如，内容类别可包括音频内容、视频内容或者音视频内容，当编辑后的媒体内容所包含的内容仅包括音频内容时，则对对所述编辑后的媒体内容进行音频编码，得到UGC媒体内容。

本发明提供的一种UGC媒体内容的生成方法的实施例中，从PGC媒体内容中选取第一媒体内容，所述第一媒体内容可包括PGC媒体内容中的一个内容片段、多个内容片段或者全部的内容片段，按照预设的解析方式，对所述第一媒体内容中所选定的内容进行解析，得到解析后的媒体内容，所述解析方式与所选定的内容的类别对应，对所述解析后的媒体内容进行编辑，得到编辑后的媒体内容，并按照预设的封装方式，对所述编辑后的媒体内容进行封装，得到UGC媒体内容，从而解决了现有技术由于无法将其中包含的每个音频成分完全拆解开，造成生成的UGC媒体内容质量差以及内容单一的问题的同时，还更加丰富了UGC媒体内容的多元性和互动性。

图4为本发明实施例提供的另一种UGC媒体内容的生成方法的流程示意图，如图4所示，本实施例的方法，可以包括：

S201、从PGC媒体内容中选取第一媒体内容，所述第一媒体内容可包括PGC媒体内容中的一个内容片段、多个内容片段或者全部的内容片段。

本发明实施例中，作为一种可选方案，步骤S201可包括：

S2011、通过选定的开始时间和结束时间的方式，从PGC媒体内容中选取第一媒体内容。

本发明实施例中，具体地，可通过选定的开始时间和结束时间的方式，从PGC媒体内容中选取第一媒体内容的实现过程，可通过获取所述PGC媒体内容的总时长，再从所述PGC媒体内容中确定出需要提取的至少一个指定片段的起始时间和结束时间，并将至少一个所述起始时间以及所述结束时间形成的内容片段，作为所述第一媒体内容，当所述第一媒体内容包括多个内容片段时，所述多个内容片段之间可以互不相同、部分重叠或完全相同，且每个所述内容片段所述起始时间以及所述结束时间所对应的内容时长小于或等于所述总时长。

也就是说，用户若想要从PGC媒体内容中提取一个内容片段，则需要确定出提取该内容片段的起止时间，并将该起止时间形成的内容片段作为第一媒体内容，即此时的第一媒体内容只包括一个内容片段。用户若想要从PGC媒体内容中提取多个内容片段，则需要分别确定出每个内容片段的起止时间，并基于多个起止时间形成多个内容片段，即此时的第一媒体内容包括多个内容片段。用户若想要从PGC媒体内容中提取全部的指定片段，即获取整个PGC媒体内容，则总时长形成的内容片段即为第一媒体内容，即此时的第一媒体内容包括全部的内容片段。

例如，将所述PGC媒体内容的总时长记为T，从所述PGC媒体内容中确定出需要提取的某一个指定片段的起始时间为T1和结束时间为T2，并将至少一个所述起始时间以及所述结束时间形成的内容片段[T1，T2]，作为所述第一媒体内容，也就是说，此时的第一媒体内容包括内容片段[T1，T2]。

进一步地，可重复上述操作，从PGC媒体内容中选取多个内容片段，并将多个内容片段作为第一媒体内容。例如，从PGC媒体内容中选取内容片段[T1，T2]和内容片段[T3，T4]，其中，内容片段[T1，T2]和内容片段[T3，T4]之间可以互不相同、部分重叠或完全相同，且内容片段[T1，T2]和内容片段[T3，T4]分别对应的内容时长小于或等于所述总时长T，即0≤T1＜T2≤T，0≤T3＜T4≤T。举个例子，PGC媒体内容为60s，从PGC媒体内容中选取内容片段[10，20]和内容片段[15，30]，并将内容片段[10，20]和内容片段[15，30]作为第一媒体内容，其中，内容片段[10，20]表示为该内容片段的起始时间为10s，结束时间为20s，内容片段[15，30]表示为该内容片段的起始时间为15s，结束时间为30s，这两个内容片段有部分重叠，且不仅每个内容片段的起始时间小于结束时间小于总时长(0＜10＜20＜T，0＜15＜30＜T)，而且内容片段[T1，T2]对应的内容时长为10s，内容片段[T3，T4]对应的内容时长为15s，均小于所述总时长60s。

可选地，作为一种极端情况，当T1＝0、T2＝T时，表明从PGC媒体内容中提取了PGC媒体内容的全部内容，可理解为，此时的第一媒体内容等于PGC媒体内容。

S2012、通过选定的开始时间和持续时长的方式，从PGC媒体内容中选取第一媒体内容。

本发明实施例中，具体地，可获取所述PGC媒体内容的总时长，再将所述PGC媒体内容中需要提取的至少一个指定片段的开始时间和持续时长，将至少一个所述开始时间以及所述持续时长形成的内容片段，作为所述第一媒体内容，当所述第一媒体内容包括多个内容片段时，所述多个内容片段之间可以互不相同、部分重叠、相互包含或完全相同，且每个所述内容片段对应的内容时长小于或等于所述总时长。

例如，PGC媒体内容为60s，从PGC媒体内容中选取的一内容片段的开始时间为10s，持续时长为10s，另一内容片段的开始时间为15s，持续时长为20s，则将内容片段[10，10]和内容片段[15，20]作为第一媒体内容，其中，内容片段[10，10]表示为该内容片段的起始时间为10s，持续时长为10s，内容片段[15，20]表示为该内容片段的起始时间为15s，持续时长为20s，这两个内容片段有部分重叠，且内容片段[10，10]对应的内容时长为10s，内容片段[15，20]对应的内容时长为20s，均小于所述总时长60s。

本发明实施例中，通过上述步骤S2011或者步骤S2012的两种选取第一媒体内容的方式，使得满足用户根据自身需求选取的内容片段的同时，还能够精准的控制最需内容片段的时长，从而便于后续直接进行编辑操作。

S202、获取所述第一媒体内容的全部内容或者部分内容所包含的类别。

在该步骤中，所述类别包括音频内容、视频内容或者音视频内容，其中，音视频内容既包括音频内容又包括视频内容。

本发明实施例中，第一媒体内容的全部内容或者部分内容可以仅包括音频内容，或者仅包括视频内容，或者包括音视频内容。通过对所述第一媒体内容的全部内容或者部分内容划分类别，以便后续基于根据每个类别对应的解析方式，分别对所述第一媒体内容的全部内容或者部分内容中每一类别的内容进行解析，得到解析后的媒体内容。

本发明实施例中，通过对第一媒体内容进行划分类别，以便后续步骤针对不同类别的内容设定不同的解析方式，从而能够提高解析的效率。

S203、根据每个类别对应的解析方式，分别对所述第一媒体内容的全部内容或者部分内容中每一类别的内容进行解析，得到解析后的媒体内容，并将所述第一媒体内容的剩余部分内容作为未解析的媒体内容。

在该步骤中，所述解析方式包括音频解码、视频解码或者音视频解复用。音频内容对应的解析方式为音频解码，视频内容对应的解析方式为视频解码，音视频内容对应的解析方式为音视频解复用。

本发明实施例中，作为一种可选方案，步骤S203可具体包括：

S2031、当所述第一媒体内容中所选定的内容只包括音频内容时，对所选定的内容进行音频解码，得到音频数据和/或辅助数据。

本发明实施例中，第一媒体内容中所选定的内容只包括音频内容时，该音频内容包括未压缩的音频数据(例如PCM)、辅助数据(例如空间坐标、均衡参数、混响阶数等)，除此之外，音频内容还可以包括其他数据，本发明对此不做限定。此外，音频内容对应的音频格式包括但不限于基于声道的音频格式(例如MP3、AAC、AC3、AC4、WANOS、AVS、FLAC、APE等)、基于对象的音频格式(例如ATMOS、WANOS、AVS、MPEG-H)、基于场景的音频格式(例如FOA、HOA)等。

可选地，步骤S2031在实际应用中，如图5所示，例如，当第一媒体内容S2中仅包含音频内容时，解析单元102将第一媒体内容S2进行音频解码，得到音频数据S9和/或辅助数据S10，此时解析后的媒体内容S3＝音频数据S9+辅助数据S10，且此时不包含未解析的媒体内容。

S2032、当所述第一媒体内容中所选定的内容只包括视频内容时，对所选定的内容进行视频解码，得到视频数据。

本发明实施例中，视频内容中包括视频数据，除此之外，视频内容还可以包括其他数据，本发明对此不做限定。此外，视频内容对应的视频格式包括但不限于微软视频(例如，WMV、ASF、ASX)、Real Player(例如RM、RMVB)、MPEG视频(例如MP4)、手机视频(例如3GP)、Apple视频(例如MOV、M4V)、其他常见视频(例如AVI、DAT、MKV、FLV、VOB等)。

可选地，步骤S2032在实际应用中，如图6所示，当第一媒体内容S2中仅包含视频内容时，解析单元102将第一媒体内容S2进行视频解码，得到视频数据S11，此时解析后的媒体内容S3＝视频数据S11，且此时不包含未解析的媒体内容。

S2033、当所述第一媒体内容中所选定的内容包括音视频内容时，对所选定的内容进行音视频复用，得到第一音频内容和第一视频内容，并基于编辑需求对所述第一音频内容和第一视频内容进行音频解码和/或视频解码。

本发明实施例中，若所述编辑需求包括编辑所述第一音频内容，不编辑所述第一视频内容时，确定出所选定的内容可包括所述第一媒体内容的部分内容，对所述第一音频内容进行音频解码，得到第一音频数据和/或第一辅助数据，并将所述第一视频内容作为未解析的媒体内容；若所述编辑需求包括编辑所述第一音频内容和第一视频内容时，确定出所选定的内容可包括所述第一媒体内容的全部内容，则对所述第一音频内容进行音频解码，得到第一音频数据和/或第一辅助数据，并对所述第一视频内容进行视频解码，得到第一视频数据。

可选地，步骤S2033在实际应用中，当第一媒体内容S2中同时包含音频内容和视频内容时，解析单元102将第一媒体内容进行音视频解复用，得到音频内容和视频内容，然后根据编辑单元103的编辑需求来进行音频解码和/或视频解码，具体的实现过程可包括以下两种场景：

在一种场景中，如图7所示，若编辑单元103仅需编辑音频内容，则解析单元102通过音视频解复用后得到音频内容S7和视频内容S8，根据编辑需求(仅需编辑音频内容)将音频内容S7进行音频解码，得到音频数据S9和/或辅助数据S10，视频内容S8则不进行解码，此时解析后的媒体内容S3＝音频数据S9+辅助数据S10、未解析的媒体内容S4＝视频内容S8。需要说明的是，本发明是通过考虑了编辑单元103的编辑需求，从而确定解析的对象，也就是说，本步骤的目的仍然是对所述第一音频内容和第一视频内容进行音频解码和/或视频解码，即对所述第一音频内容和/或第一视频内容进行解析，因此本步骤仍由解析单元102来执行。

在另一种场景中，如图8所示，若编辑单元103需要同时编辑音频和视频，则音视频解复用后将音频内容S7解码成音频数据S9和/或辅助数据S10，将视频内容S8解码成视频数据S11，此时解析后的媒体内容S3＝音频数据S9+辅助数据S10+视频数据S11，未解析的媒体内容S4无任何内容。

需要说明的是，除此之外，步骤S2033的实现过程还可以包括其他场景，本发明对此不作限定。例如，当编辑单元103仅需要编辑视频内容时，解析单元102首先通过音视频解复用后得到音频内容S7和视频内容S8，再根据编辑需求(仅需编辑视频内容)将视频内容S8进行视频解码，得到视频数据S11，音频内容S7则不进行解码，此时解析后的媒体内容S3＝视频数据S11、未解析的媒体内容S4＝音频内容S7。

本发明实施例中，通过对第一媒体内容进行划分类别，使得针对不同类别的内容设定不同的解析方式，在保证能够准确解析的同时，还能够提高解析的效率。

S204、对所述解析后的媒体内容进行编辑，得到编辑后的媒体内容。

本发明实施例中，基于上述步骤S2031-S2033的执行结果，步骤S204可具体包括：将第一音频数据和/或第一辅助数据和/或第一视频数据进行编辑操作，生成编辑后的媒体内容，所述编辑后的媒体内容包括基于所述第一音频数据修改的第二音频数据和/或基于所述第一辅助数据修改的第二辅助数据和/或基于所述第一视频数据修改的第二视频数据。

其中，编辑方式可包括音频编辑和/或视频编辑，其中，编辑方式对应的编辑操作包括但不限于以下方式的任意组合：改变第一音频数据和/或第一视频数据的全部内容或部分内容的起始时间和/或结束时间；向第一音频数据中通过导入文件、录音、添加特殊音效(例如掌声、笑声等)等方式添加新的音频数据；删除第一音频数据和/或第一辅助数据和/或第一视频数据的全部内容或部分内容；向第一视频数据中导入视频文件等方式添加新的视频数据；改变第一辅助数据的全部内容或部分内容的辅助数据(例如空间坐标、均衡参数、混响阶数等)；向第一辅助数据中通过手动写入辅助信息、导入配置文件等方式添加辅助数据，且以上编辑操作均可重复进行。

可选地，步骤S204在实际应用中，可包括以下几种场景：

在一种场景中，如图9所示，编辑单元103对第一音频内容(第一音频数据S9、第一辅助数据S10)进行编辑操作，得到编辑后的音频数据S12和/或编辑后的辅助数据S13，其中，该场景的编辑操作可包括但不限于在第一音频数据S9中通过导入文件、录音、添加特殊音效等方式添加新的音频数据，向第一辅助数据中通过手动写入辅助信息、导入配置文件等方式添加辅助数据。需要说明的是，在该场景中，当编辑单元103仅编辑音频内容时，编辑后的媒体内容S5＝编辑后的音频数据S12(基于声道的音频)或者编辑后的媒体内容S5＝编辑后的音频数据S12+编辑后的辅助数据S13(基于对象和场景的音频)。

在另一种场景中，如图10所示，编辑单元103对第一视频内容(第一视频数据S11)进行编辑操作，得到编辑后的视频数据S14，其中，该场景的编辑操作可包括向第一视频数据S11中导入视频文件等方式添加新的视频数据。需要说明的是，在该场景中，当编辑单元103仅编辑第一视频内容时，编辑后的媒体内容S5＝编辑后的视频数据S14。

在另一种场景中，如图11所示，编辑单元103对第一音频内容(第一音频数据S9、第一辅助数据S10)以及第一视频内容(第一视频数据S11)进行编辑操作，得到编辑后的音频数据S12和/或编辑后的辅助数据S13以及编辑后的视频数据S14。其中，该场景的编辑操作可包括但不限于：在第一音频数据S9中通过导入文件、录音、添加特殊音效等方式添加新的音频数据，向第一辅助数据中通过手动写入辅助信息、导入配置文件等方式添加辅助数据，向第一视频数据S11中导入视频文件等方式添加新的视频数据。需要说明的是，在该场景中，当编辑单元103同时编辑第一音频内容和第一视频内容时，编辑后的媒体内容S5＝第一音频数据S12+第一视频数据S14(基于声道的音频)或者编辑后的媒体内容S5＝第一音频数据S12+第一辅助数据S13+第一视频数据S14(基于对象和场景的音频)。

S205、按照预设的封装方式，对所述编辑后的媒体内容进行封装，得到UGC媒体内容。

本发明实施例中，作为一种可选方案，步骤S205可具体包括：

S2051、将所述编辑后的媒体内容进行封装得到第二媒体内容。

本发明实施例中，例如，封装单元104将编辑后的数据S5封装成第二媒体内容S6，封装方式包括但不限于：音频编码、视频编码、音视频复用等。

S2052、若所述第二媒体内容只包括音频内容时，将所述第二媒体内容中的音频数据和/或辅助数据进行音频编码，得到UGC媒体内容。

在该步骤中，所述封装方式中包含音频编码时，其音频编码对应的编码方式包括但不限于：常规编码方式(将全部音频数据和/或辅助数据进行编码)、增量编码方式(仅对改动的音频数据和/或辅助数据进行编码)等。

本发明实施例中，如图12所示，当第二媒体内容S6仅包含音频内容时，封装单元104将第二媒体内容S6中的音频数据和/或辅助数据(例如，基于上述步骤S204得到编辑后的媒体内容包括第一音频数据S12和/或第一辅助数据S13，从而将第一音频数据S12和/或第一辅助数据S13封装成第二媒体内容，也就是说，第二媒体内容包括第一音频数据S12和/或第一辅助数据S13)进行音频编码，得到UGC音频内容S15并最终输出，此时UGC媒体内容S15＝第二媒体内容S6，此时的UGC媒体内容S15也可以叫做UGC音频内容。

进一步地，除了上图12的应用场景之外，基于步骤S2052还可以包括以下场景：如图13所示，若所述第二媒体内容只包括音频内容时，封装单元104除了将所述第二媒体内容中的音频数据和/或辅助数据进行音频编码(例如，第一音频数据S12和/或第一辅助数据S13)，得到编码后的音频内容S16，并将未解析的媒体内容S4与编码后的音频内容S16进行音视频复用，得到UGC媒体内容S15并最终输出，此时UGC媒体内容S15＝第二媒体内容S6+未解析的媒体内容S4。

S2053、若所述第二媒体内容只包括视频内容时，将所述第二媒体内容中的视频数据进行视频编码，得到UGC媒体内容。

本发明实施例中，如图14所示，当第二媒体内容S6仅包含视频内容时，封装单元104将第二媒体内容S6中的视频内容(例如，第一视频数据S14)进行视频编码，得到UGC视频内容S15并最终输出，此时UGC媒体内容S15＝第二媒体内容S6，此时的UGC媒体内容S15也可以叫做UGC视频内容。

S2054、若所述第二媒体内容包括音视频内容时，将所述第二媒体内容中的音频数据和/或辅助数据进行音频编码，得到编码后的音频内容，将所述第二媒体内容中的视频数据进行视频编码，得到编码后的视频内容，并将所述编码后的音频内容以及所述编码后的视频内容复用成UGC媒体内容。

本发明实施例中，如图15所示，当第二媒体内容S6同时包含音频内容和视频内容时，则封装单元104首先将第二媒体内容S6中的音频内容(例如第一音频数据S12和/或第一辅助数据S13)进行音频编码得到编码后的音频内容S16，将第二媒体内容S6中的视频内容(例如第一视频数据S14)进行视频编码得到编码后的视频内容S17，再将编码后的音频内容S16和编码后的视频内容S17复用成UGC媒体内容S15并最终输出，此时UGC媒体内容S15＝编码后的音频内容S16+编码后的视频内容S17，即UGC媒体内容S15＝第二媒体内容S6。

本发明实施例中，通过对媒体内容进行划分类别，并针对不同类别的内容设定不同的封装方式，保证了每种类别的内容能够准确封装的同时，还能够提高封装的效率。

需要说明的是，除上述图12-图15的方案之外，还可以通过其他方案得到UGC媒体内容，本发明实施例对此不做限定。例如，该方案还可以包括：

S206、将所述未解析的媒体内容的全部内容或部分内容进行封装，得到UGC媒体内容。

本发明实施例中，作为一种可选方案，封装单元104进行音视频复用时，除封装编辑后的媒体内容S5外，还可以封装未解析的媒体内容S4的全部内容或部分内容，将封装编辑后的媒体内容S5和未解析的媒体内容S4共同封装成UGC媒体内容S15，此时编辑后的媒体内容S5和未解析的媒体内容S4可以分别包含音频内容和/或视频内容(比如编辑后的媒体内容S5仅包含音频内容、未解析的媒体内容S4仅包含视频内容)。

作为另一种可选方案，还可以单独将所述未解析的媒体内容S4的全部内容或部分内容进行封装，得到UGC媒体内容S15。

需要说明的是，封装单元104除封装未解析的媒体内容S4的全部内容或部分内容之外，还可以对所述PGC媒体内容S1中的全部内容或部分内容进行封装，得到UGC媒体内容，此时可以对PGC媒体内容S1的整体的内容进行合成，包括插入、替换、组合、拼接等。例如，如图16所示，若封装单元104将第二媒体内容S6封装成UGC媒体内容S15后(具体过程包括：封装单元104首先将第二媒体内容S6中的第一音频数据S12和/或第一辅助数据S13进行音频编码得到编码后的音频内容S16，将第二媒体内容S6中的第一视频数据S14进行视频编码得到编码后的视频内容S17，再将编码后的音频内容S16和编码后的视频内容S17复用成UGC媒体内容S15)，将PGC媒体内容S1中的一个内容或多个内容替换为UGC媒体内容S15，或在PGC媒体内容S1中的一个或多个位置插入UGC媒体内容S15，则封装单元104将UGC媒体内容S15和PGC媒体内容S1复用成最终的UGC媒体内容S18并输出，此时最终的UGC媒体内容S18＝UGC媒体内容S15中的全部内容或者部分内容+PGC媒体内容S1中的全部内容或者部分内容。

需要说明的是，除了上述实施例所涉及的封装方式之外，还可以包括其他封装方式，本发明对此不做限定，与本发明的UGC媒体内容的生成方法为基础的封装方式均在本发明的保护范围内。

本发明提供的一种UGC媒体内容的生成方法的实施例中，从PGC媒体内容中选取第一媒体内容，所述第一媒体内容可包括PGC媒体内容中的一个内容片段、多个内容片段或者全部的内容片段，按照预设的解析方式，对所述第一媒体内容中所选定的内容进行解析，得到解析后的媒体内容，所述解析方式与所选定的内容的类别对应，对所述解析后的媒体内容进行编辑，得到编辑后的媒体内容，并按照预设的封装方式，对所述编辑后的媒体内容进行封装，得到UGC媒体内容，从而解决了现有技术由于无法将其中包含的每个音频成分完全拆解开，造成生成的UGC媒体内容质量差以及内容单一的问题的同时，还更加丰富了UGC媒体内容的多元性和互动性。

图17为本发明实施例提供的一种UGC媒体内容的生成装置的结构示意图，如图7所示，所述UGC媒体内容的生成装置10包括：

选取模块11，用于从PGC媒体内容中选取第一媒体内容，所述第一媒体内容可包括PGC媒体内容中的一个内容片段、多个内容片段或者全部的内容片段；

解析模块12，用于按照预设的解析方式，对所述第一媒体内容中所选定的内容进行解析，得到解析后的媒体内容，所述解析方式与所选定的内容的类别对应；

编辑模块13，用于对所述解析后的媒体内容进行编辑，得到编辑后的媒体内容；

封装模块14，用于按照预设的封装方式，对所述编辑后的媒体内容进行封装，得到UGC媒体内容。

可选地，本发明实施例中，该装置的选取模块11用于通过选定的开始时间和结束时间的方式，从PGC媒体内容中选取第一媒体内容；或者，通过选定的开始时间和持续时长的方式，从PGC媒体内容中选取第一媒体内容。

可选地，本发明实施例中，该装置的选取模块11用于获取所述PGC媒体内容的总时长；从所述PGC媒体内容中确定出需要提取的至少一个指定片段的起始时间和结束时间，并将至少一个所述起始时间以及所述结束时间形成的内容片段，作为所述第一媒体内容，当所述第一媒体内容包括多个内容片段时，所述多个内容片段之间可以互不相同、部分重叠或完全相同，且每个所述内容片段所述起始时间以及所述结束时间所对应的内容时长小于或等于所述总时长。

可选地，本发明实施例中，该装置的选取模块11用于获取所述PGC媒体内容的总时长；将所述PGC媒体内容中需要提取的至少一个指定片段的开始时间和持续时长，将至少一个所述开始时间以及所述持续时长形成的内容片段，作为所述第一媒体内容，当所述第一媒体内容包括多个内容片段时，所述多个内容片段之间可以互不相同、部分重叠、相互包含或完全相同，且每个所述内容片段对应的内容时长小于或等于所述总时长。

可选地，本发明实施例中，所选定的内容可包括所述第一媒体内容的全部内容或者部分内容；该装置的解析模块12用于获取所述第一媒体内容的全部内容或者部分内容所包含的类别，所述类别包括音频内容、视频内容或者音视频内容；根据每个类别对应的解析方式，分别对所述第一媒体内容的全部内容或者部分内容中每一类别的内容进行解析，得到解析后的媒体内容，并将所述第一媒体内容的剩余部分内容作为未解析的媒体内容。

可选地，本发明实施例中，所述解析方式包括音频解码、视频解码或者音视频解复用；当所述第一媒体内容中所选定的内容只包括音频内容时，该装置的解析模块12具体用于对所选定的内容进行音频解码，得到音频数据和/或辅助数据；当所述第一媒体内容中所选定的内容只包括视频内容时，该装置的解析模块12具体用于对所选定的内容进行视频解码，得到视频数据；当所述第一媒体内容中所选定的内容包括音视频内容时，该装置的解析模块12具体用于对所选定的内容进行音视频复用，得到第一音频内容和第一视频内容，并基于编辑需求对所述第一音频内容和第一视频内容进行音频解码和/或视频解码。

可选地，本发明实施例中，若所述编辑需求包括编辑所述第一音频内容，不编辑所述第一视频内容时，确定出所选定的内容可包括所述第一媒体内容的部分内容，该装置的解析模块12还用于对所述第一音频内容进行音频解码，得到第一音频数据和/或第一辅助数据，并将所述第一视频内容作为未解析的媒体内容；

若所述编辑需求包括编辑所述第一音频内容和第一视频内容时，确定出所选定的内容可包括所述第一媒体内容的全部内容，该装置的解析模块12还用于对所述第一音频内容进行音频解码，得到第一音频数据和/或第一辅助数据，并对所述第一视频内容进行视频解码，得到第一视频数据。

可选地，本发明实施例中，该装置的编辑模块13具体用于将第一音频数据和/或第一辅助数据和/或第一视频数据进行编辑操作，生成编辑后的媒体内容，所述编辑后的媒体内容包括基于所述第一音频数据修改的第二音频数据和/或基于所述第一辅助数据修改的第二辅助数据和/或基于所述第一视频数据修改的第二视频数据。

可选地，本发明实施例中，所述封装方式包括音频编码、视频编码或者音视频复用；该装置的封装模块14用于将所述编辑后的媒体内容进行封装得到第二媒体内容；若所述第二媒体内容只包括音频内容时，封装模块14还用于将所述第二媒体内容中的音频数据和/或辅助数据进行音频编码，得到UGC媒体内容；若所述第二媒体内容只包括视频内容时，封装模块14还用于将所述第二媒体内容中的视频数据进行视频编码，得到UGC媒体内容；若所述第二媒体内容包括音视频内容时，封装模块14还用于将所述第二媒体内容中的音频数据和/或辅助数据进行音频编码，得到编码后的音频内容，将所述第二媒体内容中的视频数据进行视频编码，得到编码后的视频内容，并将所述编码后的音频内容以及所述编码后的视频内容复用成UGC媒体内容。

可选地，本发明实施例中，该装置的封装模块15还用于对将所述未解析的媒体内容的全部内容或部分内容进行封装，得到UGC媒体内容。

图18为本发明实施例提供的一种UGC媒体内容的生成系统的框图，该设备的装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述方法实施例的UGC媒体内容的生成方法。例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当该存储介质中的指令由客户机的处理器执行时，使得客户机能够执行上述客户机的UGC媒体内容的生成方法。

本发明实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上述的UGC媒体内容的生成方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求书指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。