[發明專利]一種編曲方法、裝置及電子設備

有效

• 申請號: 201910345551.4
• 申請日: 2019-04-26
• 公開（公告）號: CN110136678B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 陸瀛海
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G10H1/00
• 分類號: G10H1/00;G06N20/00
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 丁蕓;項京

本發明實施例提供了一種編曲方法、裝置及電子設備，該方法包括：獲取預設初始音頻和對應的音符數據，將該音符數據作為目標音符數據，輸入預先訓練的第一機器學習模型，得到當前目標音符數據對應的輸出音符數據；判斷基于第一機器學習模型得到的音符數據中音符的數量，是否達到預設音符數量；若未達到，將輸出音符數據作為目標音符數據，返回輸入預先訓練的第一機器學習模型，得到當前目標音符數據對應的輸出音符數據的步驟；若達到，根據初始音頻對應的音符數據和基于第一機器學習模型所得到的各個音符數據，生成與編曲所需的預定樂曲風格相匹配的目標樂譜數據，并將目標樂譜數據轉換為對應的目標音頻。本發明可以提高編曲的效率。

技術領域

本發明涉及數據處理技術領域，特別是涉及一種編曲方法、裝置及電子設備。

背景技術

通常，編曲這種藝術創作是由專業的作曲家耗費較長的時間和較大的精力來完成的，創作效率較低。

隨著計算機技術的發展，目前，已經出現了基于機器學習進行自動化編曲的方法?，F有技術中，基于機器學習的編曲方法是對各種風格的樣本樂曲的音頻進行機器學習，從而產生相似風格的樂曲的音頻。具體的，基于機器學習進行編曲的過程為：將初始音頻輸入已訓練的機器學習模型，提取該初始音頻的音頻特征，直接對該音頻特征進行處理，得到對應的輸出音頻特征，利用該輸出音頻特征生成輸出音頻；將輸出音頻輸入已訓練的機器學習模型，循環上述過程，得到多個輸出音頻，從而生成樂曲。

然而，由于現有的編曲方法是音頻到音頻的學習過程，也就是輸入音頻，直接對該輸入音頻的音頻特征進行處理，得到輸出音頻的過程，而音頻所包括的元素內容較為復雜，這樣使得編曲所耗費的時間較長，導致現有技術存在編曲效率較低的問題。

發明內容

本發明實施例的目的在于提供一種編曲方法、裝置及電子設備，以提高編曲的效率。具體技術方案如下：

第一方面，本發明實施例提供了一種編曲方法，包括：

獲取預設的初始音頻；其中，所述初始音頻是編曲所利用的初始的音符數據的音頻；

獲取所述初始音頻對應的音符數據，并將所述初始音頻對應的音符數據作為目標音符數據；

將當前目標音符數據輸入預先訓練的第一機器學習模型，得到當前目標音符數據對應的輸出音符數據；其中，所述輸出音符數據與所述當前目標音符數據之間的順序符合預定順序，所述第一機器學習模型為根據第一樣本樂譜訓練得到的、用于預測作為輸入內容的音符數據對應的輸出音符數據的模型；

判斷基于所述第一機器學習模型所得到的音符數據中音符的數量，是否達到預設音符數量；

若未達到，將所述輸出音符數據作為目標音符數據，返回所述將當前目標音符數據輸入預先訓練的第一機器學習模型，得到當前目標音符數據對應的輸出音符數據的步驟；

若達到，根據所述初始音頻對應的音符數據和基于所述第一機器學習模型所得到的各個音符數據，生成與編曲所需的預定樂曲風格相匹配的目標樂譜數據，并將所述目標樂譜數據轉換為對應的目標音頻。

可選地，所述根據所述初始音頻對應的音符數據和所述第一機器學習模型所得到的各個音符數據，生成與預定樂曲風格相匹配的目標樂譜數據的步驟，包括：

將所述初始音頻對應的音符數據和基于所述第一機器學習模型所得到的音符數據，按照各個音符數據的獲取順序進行組合，得到初始樂譜數據；

將所述初始樂譜數據輸入至預先訓練的第二機器學習模型，得到與編曲所需的預定樂曲風格相匹配的目標樂譜數據，所述第二機器學習模型為用于將所輸入的樂譜數據的樂曲風格遷移為所述預定樂曲風格的模型。

可選地，所述第一機器學習模型的訓練過程，包括：

獲取第一樣本樂譜數據；