提供了一种用于利用内容分析在多媒体流(505)中分段和概括音乐视频(507)的方法和设备。音乐视频(507)是通过估计与多媒体流相关的多个内容特征而在多媒体流(505)中被分段的。多个内容特征包括下列中的至少两个特征：面部存在特征；电视正文存在特征；彩色直方图特征；音频特征；照相机剪辑特征；以及对从至少一个音乐视频的副本中获得的关键词的分析。利用模式识别引擎(1000)来处理所述多个内容特征，所述模式识别引擎诸如是贝叶斯置信网络、或者利用一个或多个视频分段规则(1115)，以在多媒体流(505)中识别音乐视频(507)。利用该音乐视频(507)的副本(T)，根据副本中的单词的重复，在至少一个音乐视频(507)中检测合唱。可以将所提取出的合唱用于音乐视频(507)的概要的自动生成。