[發(fā)明專(zhuān)利]歌聲生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910864720.5
• 申請(qǐng)日: 2019-09-12
• 公開(kāi)（公告）號(hào): CN110600034B
• 公開(kāi)（公告）日: 2021-12-03
• 發(fā)明（設(shè)計(jì)）人: 張超鋼;陳傳藝
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣州酷狗計(jì)算機(jī)科技有限公司
• 主分類(lèi)號(hào): G10L15/26
• 分類(lèi)號(hào): G10L15/26;G10H1/00
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 邢惠童

1.一種歌聲生成方法，其特征在于，所述方法包括：

當(dāng)獲取到用戶(hù)語(yǔ)音時(shí)，對(duì)所述用戶(hù)語(yǔ)音進(jìn)行識(shí)別；

當(dāng)識(shí)別出的文字與第一參考歌聲中的文字非完全相同時(shí)，獲取所述用戶(hù)語(yǔ)音的第一音頻特征和第二參考歌聲的第二音頻特征，所述第二參考歌聲為所述第一參考歌聲或?qū)λ龅谝粎⒖几杪曔M(jìn)行變調(diào)處理得到的參考歌聲；

獲取所述第一音頻特征和所述第二音頻特征的幀對(duì)齊路徑，所述幀對(duì)齊路徑用于指示所述第一音頻特征中的每一幀對(duì)應(yīng)于所述第二音頻特征中的幀；

根據(jù)所述幀對(duì)齊路徑和所述第二音頻特征的每一幀對(duì)應(yīng)的文字，確定所述第一音頻特征的每一幀對(duì)應(yīng)的文字，所述第一音頻特征和所述第二音頻特征中相對(duì)應(yīng)幀對(duì)應(yīng)的文字相同；

根據(jù)所述第一參考歌聲中的文字，對(duì)確定的所述用戶(hù)語(yǔ)音中的文字進(jìn)行變速處理和變調(diào)處理，生成用戶(hù)歌聲。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述第一參考歌聲中的文字，對(duì)確定的所述用戶(hù)語(yǔ)音中的文字進(jìn)行變速處理和變調(diào)處理，生成用戶(hù)歌聲，包括：

根據(jù)所述第一參考歌聲中的文字的時(shí)長(zhǎng)和音高，對(duì)所述第一音頻特征的每一幀對(duì)應(yīng)的文字的時(shí)長(zhǎng)和音高進(jìn)行調(diào)整，生成所述用戶(hù)歌聲。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述第一參考歌聲中的文字的時(shí)長(zhǎng)和音高，對(duì)所述第一音頻特征的每一幀對(duì)應(yīng)的文字的時(shí)長(zhǎng)和音高進(jìn)行調(diào)整，生成所述用戶(hù)歌聲，包括：

將所述第一音頻特征的每一幀對(duì)應(yīng)的文字的時(shí)長(zhǎng)和音高分別調(diào)整至所述第一參考歌聲中對(duì)應(yīng)文字的時(shí)長(zhǎng)和音高，生成所述用戶(hù)歌聲。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第二參考歌聲的第二音頻特征的獲取過(guò)程包括：

根據(jù)所述用戶(hù)語(yǔ)音的平均音高，從多個(gè)參考歌聲的音頻特征中，選取所述第二參考歌聲的第二音頻特征，所述第二參考歌聲的平均音高與所述用戶(hù)語(yǔ)音的平均音高之間的差值最小；

其中，所述多個(gè)參考歌聲包括所述第一參考歌聲和對(duì)所述第一參考歌聲進(jìn)行變調(diào)處理得到的參考歌聲。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一音頻特征和所述第二音頻特征為梅爾頻率倒譜系數(shù)MFCC、梅爾倒譜系數(shù)MCEP、線(xiàn)性預(yù)測(cè)系數(shù)PLC或者頻譜中的任一種音頻特征。

6.一種歌聲生成裝置，其特征在于，所述裝置包括：

識(shí)別模塊，用于當(dāng)獲取到用戶(hù)語(yǔ)音時(shí)，對(duì)所述用戶(hù)語(yǔ)音進(jìn)行識(shí)別；

獲取模塊，用于當(dāng)識(shí)別出的文字與第一參考歌聲中的文字非完全相同時(shí)，獲取所述用戶(hù)語(yǔ)音的第一音頻特征和第二參考歌聲的第二音頻特征，所述第二參考歌聲為所述第一參考歌聲或?qū)λ龅谝粎⒖几杪曔M(jìn)行變調(diào)處理得到的參考歌聲；

確定模塊，用于獲取所述第一音頻特征和所述第二音頻特征的幀對(duì)齊路徑，所述幀對(duì)齊路徑用于指示所述第一音頻特征中的每一幀對(duì)應(yīng)于所述第二音頻特征中的幀；根據(jù)所述幀對(duì)齊路徑和所述第二音頻特征的每一幀對(duì)應(yīng)的文字，確定所述第一音頻特征的每一幀對(duì)應(yīng)的文字，所述第一音頻特征和所述第二音頻特征中相對(duì)應(yīng)幀對(duì)應(yīng)的文字相同；

生成模塊，用于根據(jù)所述第一參考歌聲中的文字，對(duì)確定的所述用戶(hù)語(yǔ)音中的文字進(jìn)行變速處理和變調(diào)處理，生成用戶(hù)歌聲。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述生成模塊用于：

根據(jù)所述第一參考歌聲中的文字的時(shí)長(zhǎng)和音高，對(duì)所述第一音頻特征的每一幀對(duì)應(yīng)的文字的時(shí)長(zhǎng)和音高進(jìn)行調(diào)整，生成所述用戶(hù)歌聲。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述生成模塊用于：

將所述第一音頻特征的每一幀對(duì)應(yīng)的文字的時(shí)長(zhǎng)和音高分別調(diào)整至所述第一參考歌聲中對(duì)應(yīng)文字的時(shí)長(zhǎng)和音高，生成所述用戶(hù)歌聲。