EEPW论坛

我给你一套**可直接写进代码、可落地、不是玄学**的「音画组合审美评分算法机制」，偏工程化，适合做系统/模型/评分插件。

# 音画组合审美评分算法（工程版）

## 1. 整体思路

- **不是单一打分**，而是：

  **多维度特征提取 → 一致性计算 → 质感评估 → 加权融合 → 输出等级+标签**

- 输出：

  - 0~1 审美综合得分

  - 审美等级（S/A/B/C/D）

  - 3~5 个审美标签（如：情绪统一、节奏错位、高级感）

---

# 2. 算法结构（4 大模块）

## 模块1：画面特征提取（视觉）

提取 4 类可量化特征：

1. **色彩特征**

   - 饱和度、对比度、色温、色调统一度

2. **构图特征**

   - 对称、平衡、主体占比、干净度

3. **动态特征**

   - 运动幅度、节奏频率、闪烁强度

4. **质感特征**

   - 清晰度、噪点、光影层次、高级感评分（模型可训练）

输出：

`V = [v1, v2, v3, v4]`  0~1 标准化

---

## 模块2：音频特征提取（听觉）

提取 4 类可量化特征：

1. **情绪特征**

   -  valence（愉悦）、arousal（激进度）

2. **节奏特征**

   - BPM、节拍强度、起伏频率

3. **音色质感**

   - 清晰度、混响、低音饱满度、刺耳度

4. **动态强度**

   - 音量变化、高潮点、能量曲线

输出：

`A = [a1, a2, a3, a4]`  0~1 标准化

---

## 模块3：音画一致性评分（核心）

### 3.1 维度对齐

- 情绪 ↔ 情绪

- 节奏 ↔ 动态

- 强度 ↔ 强度

- 质感 ↔ 质感

### 3.2 一致性计算（可代码实现）

使用**余弦相似度 / 欧式距离 / 相关系数**：

$$

Sim = cos(V,A) = frac{V cdot A}{|V| cdot |A|}

$$

- Sim ∈ [-1,1] → 归一化到 0~1

- **越接近1 = 音画越统一**

这就是**音画契合度**。

---

## 模块4：综合审美得分公式

$$

Score = 0.5 times Sim + 0.3 times V_{avg} + 0.2 times A_{avg}

$$

- **Sim：音画契合度（最重要）**

- V_avg：画面平均质感

- A_avg：音频平均质感

最终 Score ∈ [0,1]

---

# 3. 等级映射（非数字评级）

- Score ≥ 0.85 → **S 级：浑然一体**

- 0.70~0.85 → **A 级：舒适统一**

- 0.55~0.70 → **B 级：基本协调**

- 0.40~0.55 → **C 级：轻微割裂**

- < 0.40 → **D 级：音画冲突**

---

# 4. 自动标签生成机制（你要的“不是单一评级”）

根据每个维度**超过/低于阈值**自动打标签：

- Sim > 0.8 → 情绪共振

- Sim < 0.4 → 音画割裂

- V_avg > 0.8 → 视觉高级

- A_avg > 0.8 → 听觉舒适

- 节奏相关系数 > 0.7 → 卡点精准

- 色彩方差大 → 色调杂乱

- 音频刺耳度高 → 听觉不适

输出示例：

`A级 · 舒适统一 · 卡点精准 · 视觉高级`

---

# 5. 极简一句话总结

**审美评分 = 音画一致性（50%）+ 画面质感（30%）+ 音频质感（20%）**

不是数字，而是「得分 + 等级 + 多维度标签」的组合评价。

---

如果你需要，我能直接给你：

- 可跑的 **Python 伪代码**

- 或 **可接入模型的正式算法文档**

你要哪个？