[發(fā)明專利]音頻指紋提取和建庫方法、及音頻識別和檢索方法與系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201911390214.3
• 申請日: 2019-12-30
• 公開（公告）號: CN113129855A
• 公開（公告）日: 2021-07-16
• 發(fā)明（設(shè)計）人: 鄧俊祺;張文鉑
• 申請（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號: G10H1/00
• 分類號: G10H1/00;G06F16/683;G06F16/638;G06F16/632
• 代理公司: 北京展翼知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11452
• 代理人: 張陽

1.一種音頻指紋提取方法，包括：

獲取音頻的頻譜；

基于頻譜內(nèi)參考峰值點(diǎn)與其他峰值點(diǎn)的頻率時間關(guān)系，生成峰值點(diǎn)對；

基于峰值點(diǎn)對生成所述音頻的音頻指紋。

2.如權(quán)利要求1所述的方法，還包括：

提取所述音頻的旋律信息，

其中，獲取音頻的頻譜包括：

將所述旋律信息進(jìn)行變換以獲取旋律頻譜，并且所述方法基于所述旋律頻譜生成基于旋律峰值點(diǎn)對的音頻旋律指紋。

3.如權(quán)利要求2所述的方法，其中，所述旋律信息包括人聲信息，

其中，獲取音頻的頻譜包括：

將所述人聲信息進(jìn)行變換以獲取人聲頻譜，并且所述方法基于所述人聲頻譜生成基于人聲峰值點(diǎn)對的音頻人聲指紋。

4.如權(quán)利要求2所述的方法，還包括：

提取所述音頻的伴奏信息，

其中，獲取音頻的頻譜包括：

將所述伴奏信息進(jìn)行傅里葉變換，以獲取伴奏頻譜，并且

所述方法還包括：

基于所述伴奏頻譜生成基于伴奏峰值點(diǎn)對的音頻伴奏指紋。

5.如權(quán)利要求2所述的方法，還包括：

基于旋律頻譜內(nèi)參考旋律峰值點(diǎn)與其他旋律峰值點(diǎn)以及伴奏頻譜內(nèi)其他伴奏峰值點(diǎn)之間的頻率時間關(guān)系，生成旋律伴奏聯(lián)合峰值點(diǎn)對；以及

基于所述旋律伴奏聯(lián)合峰值點(diǎn)對生成所述音頻的音頻旋律伴奏聯(lián)合指紋。

6.一種音頻指紋庫建立方法，包括：

獲取曲庫內(nèi)的音頻；

根據(jù)權(quán)利要求1-5中任一項(xiàng)所述的方法，提取獲取音頻的音頻指紋；以及

將提取的音頻指紋進(jìn)行排序。

7.如權(quán)利要求6所述的方法，其中，將所述音頻指紋進(jìn)行排序包括：

將所述音頻指紋按照音頻的熱度進(jìn)行排序，其中，所述音頻的熱度包括如下至少一項(xiàng)：

所述音頻的播放熱度；

所述音頻的搜索熱度；以及

所述音頻的識曲熱度。

8.如權(quán)利要求7所述的方法，將所述音頻指紋進(jìn)行排序包括：

將所述音頻指紋按照音頻的屬性進(jìn)行排序，其中，所述音頻的屬性包括如下至少一項(xiàng)：

所述音頻的語種；

所述音頻的流派；

所述音頻的場景標(biāo)簽。

9.一種音頻檢索方法，包括：

獲取查詢音頻；

提取所述查詢音頻的查詢音頻指紋；

將所述查詢音頻指紋送入如權(quán)利要求6-8中任一項(xiàng)建立的音頻指紋庫；

基于所述音頻指紋庫進(jìn)行音頻指紋的匹配；以及

基于音頻指紋的匹配，返回音頻檢索結(jié)果。

10.如權(quán)利要求9所述的方法，其中，所述音頻指紋庫按照音頻的排序進(jìn)行分片，

其中，基于所述音頻指紋庫進(jìn)行音頻指紋的匹配包括：

首先檢索音頻熱度高的音頻指紋庫分片。

11.如權(quán)利要求10所述的方法，還包括：

獲取所述用戶的音樂偏好，

其中，基于所述音頻指紋庫進(jìn)行音頻指紋的匹配包括：

優(yōu)先檢索與所述音樂偏好相符的音頻指紋庫分片。

12.如權(quán)利要求9所述的方法，其中，提取所述查詢音頻的查詢音頻指紋包括：

提取所述查詢音頻的查詢旋律指紋或查詢音頻指紋，

基于所述音頻指紋庫進(jìn)行音頻指紋的匹配包括：

基于旋律指紋庫進(jìn)行所述查詢旋律指紋或查詢音頻指紋的匹配。

13.如權(quán)利要求12所述的方法，其中，提取所述查詢音頻的查詢音頻指紋包括：

提取所述查詢音頻的查詢伴奏指紋，

基于所述音頻指紋庫進(jìn)行音頻指紋的匹配包括：

基于旋律指紋庫返回的檢索結(jié)果，進(jìn)行基于伴奏指紋庫的伴奏指紋匹配。