[發明專利]歌曲訓練數據處理方法、裝置及計算機可讀存儲介質

有效

• 申請號: 201910008832.0
• 申請日: 2019-01-04
• 公開（公告）號: CN109829482B
• 公開（公告）日: 2023-10-27
• 發明（設計）人: 朱清影;程寧;王健宗
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06N3/0464;G10L15/06;G10L25/30
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種歌曲訓練數據處理方法，應用于電子裝置，其特征在于，所述方法包括：

獲取初始樣本數據，所述初始樣本數據包括每首歌的樂譜及每首歌的樂譜對應的清唱錄音；

對初始樣本數據進行標注，得到訓練數據；

基于所述訓練數據，訓練得到聲學特征輸出模型；

獲取目標訓練數據；

提取所述目標訓練數據中每首歌曲的語言學特征和音樂特征；

將所述目標訓練數據中每首歌曲的語言學特征和音樂特征作為所述訓練后的聲學特征輸出模型的輸入數據，并輸出每首歌曲的聲學特征；

根據所述每首歌曲的聲學特征及每首歌曲的音樂特征對每首歌曲進行音高轉移。

2.如權利要求1所述的歌曲訓練數據處理方法，其特征在于，所述初始樣本數據包括各個音域的歌曲；其中音域指某人聲或樂器所能達到的最低音至最高音的范圍。

3.如權利要求1所述的歌曲訓練數據處理方法，其特征在于，所述對初始樣本數據進行標注，得到訓練數據包括：

提取所述初始樣本數據中每首歌曲的語言學特征和音樂特征，將每首歌曲的語言學特征和音樂特征作為訓練聲學特征輸出模型的輸入參數，其中所述語言學特征包括：歌詞的發音、歌詞的前后關聯；所述音樂特征包括：樂譜的音調、拍號、各音符的音高、音符時長。

4.如權利要求1所述的歌曲訓練數據處理方法，其特征在于，所述基于所述訓練數據，訓練得到聲學特征輸出模型包括：

在訓練所述聲學特征輸出模型時，利用訓練算法根據每首歌驅的語言學特征和音樂特征輸出每首歌的聲學特征，將輸出的每首歌的聲學特征與每首歌曲的清唱錄音進行對比，直至使所述聲學特征輸出模型能提取每首歌曲的聲學特征，其中所述聲學特征包括基頻和梅爾頻譜系數。

5.如權利要求1所述的歌曲訓練數據處理方法，其特征在于，所述根據所述每首歌曲的聲學特征及每首歌曲的音樂特征對每首歌曲進行音高轉移包括以下過程：

將每個首歌曲的音樂特征中所有音符的音高進行調整包括：將每個首歌曲的音樂特征中所有音符的音高都調高或調低半音，其他所有的音樂特征保持不變；

將每個首歌曲的聲學特征中在基頻參數上增加或減去半音所對應的基頻值，其他的聲學特征保持不變。

6.一種歌曲訓練數據處理裝置，其特征在于，所述裝置包括存儲器和處理器，所述存儲器上存儲有可在所述處理器上運行的歌曲訓練數據處理程序，所述歌曲訓練數據處理程序被所述處理器執行時實現如下步驟：

獲取初始樣本數據，所述初始樣本數據包括每首歌的樂譜及每首歌的樂譜對應的清唱錄音；

對初始樣本數據進行標注，得到訓練數據；

基于所述訓練數據，訓練得到聲學特征輸出模型；

獲取目標訓練數據；

提取所述目標訓練數據中每首歌曲的語言學特征和音樂特征；

將所述目標訓練數據中每首歌曲的語言學特征和音樂特征作為所述訓練后的聲學特征輸出模型的輸入數據，并輸出每首歌曲的聲學特征；

根據所述每首歌曲的聲學特征及每首歌曲的音樂特征對每首歌曲進行音高轉移。

7.如權利要求6所述的歌曲訓練數據處理裝置，其特征在于，所述歌曲訓練數據處理程序還可被所述處理器執行，實現如下步驟：

提取所述初始樣本數據中每首歌曲的語言學特征和音樂特征，將每首歌曲的語言學特征和音樂特征作為訓練聲學特征輸出模型的輸入參數，其中所述語言學特征包括：歌詞的發音、歌詞的前后關聯；所述音樂特征包括：樂譜的音調、拍號、各音符的音高、音符時長。

8.如權利要求6所述的歌曲訓練數據處理裝置，其特征在于，所述歌曲訓練數據處理程序還可被所述處理器執行，實現如下步驟：

所述基于所述訓練數據，訓練得到聲學特征輸出模型包括：

在訓練所述聲學特征輸出模型時，利用訓練算法根據每首歌驅的語言學特征和音樂特征輸出每首歌的聲學特征，并將輸出的每首歌的聲學特征與每首歌曲的清唱錄音進行對比，直至可以使所述聲學特征輸出模型能提取每首歌曲的聲學特征，其中所述聲學特征包括基頻和梅爾頻譜系數。