[發明專利]制作逐字歌詞的方法、裝置、終端和非臨時性計算機可讀存儲介質

有效

• 申請號: 202010301384.6
• 申請日: 2020-04-16
• 公開（公告）號: CN111507254B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 馬哲;高超
• 申請（專利權）人: 北京雷石天地電子技術有限公司
• 主分類號: G06V30/41
• 分類號: G06V30/41;G06V30/414;G06V30/16;G06V30/162;G06V30/18;G10L25/51
• 代理公司: 深圳壹舟知識產權代理事務所(普通合伙) 44331
• 代理人: 寇闖

1.一種制作逐字歌詞的方法，其特征在于，所述方法包括：

獲取待制作逐字歌詞的音頻文件的頻域音頻片段；

判斷所述頻域音頻片段中時域上兩兩緊鄰的頻域音頻片段之間的頻率是否發生跳變；

若所述時域上兩兩緊鄰的頻域音頻片段之間的頻率發生跳變，則記錄跳變的時刻；

從所述跳變的時刻開始，對所述音頻文件進行文字識別；

將所述識別出來的文字生成逐字歌詞文件。

2.如權利要求1所述制作逐字歌詞的方法，其特征在于，所述判斷所述頻域音頻片段中時域上兩兩緊鄰的頻域音頻片段之間的頻率是否發生跳變，包括：

通過聚類算法，計算當前頻域音頻片段與所述當前頻域音頻片段緊鄰的頻域音頻片段是否屬于同一類別；

若所述當前頻域音頻片段與所述當前頻域音頻片段緊鄰的頻域音頻片段不屬于同一類別，則確定所述當前頻域音頻片段與所述當前頻域音頻片段緊鄰的頻域音頻片段之間的頻率發生跳變。

3.如權利要求1所述制作逐字歌詞的方法，其特征在于，所述從所述跳變的時刻開始，對所述音頻文件進行文字識別，包括：

去除所述音頻文件中文字區域的圖片背景；

通過邊緣檢測算法，獲取所述已去除圖片背景的音頻文件中的預處理文字圖片；

對所述預處理文字圖片做進一步篩選，識別出所述音頻文件中的文字。

4.如權利要求3所述制作逐字歌詞的方法，其特征在于，所述通過邊緣檢測算法，獲取所述已去除圖片背景的音頻文件中的預處理文字圖片，包括：

對所述文字區域的圖像二值化；

對所述二值化后的圖像進行膨脹和腐蝕的形態化操作，得到所述預處理文字圖片。

5.如權利要求1至4任意一項所述制作逐字歌詞的方法，其特征在于，所述獲取待制作逐字歌詞的音頻文件的頻域音頻片段，包括：

將所述待制作逐字歌詞的音頻文件在時域上切分成若干等長的音頻片段；

通過傅里葉變換，將所述每一個音頻片段變換為對應的頻域音頻片段。

6.一種制作逐字歌詞的裝置，其特征在于，所述裝置包括：

頻域音頻片段獲取模塊，用于獲取待制作逐字歌詞的音頻文件的頻域音頻片段；

判斷模塊，用于判斷所述頻域音頻片段中時域上兩兩緊鄰的頻域音頻片段之間的頻率是否發生跳變；

記錄模塊，用于若所述時域上兩兩緊鄰的頻域音頻片段之間的頻率發生跳變，則記錄跳變的時刻；

文字識別模塊，用于從所述跳變的時刻開始，對所述音頻文件進行文字識別；

生成模塊，用于將所述識別出來的文字生成逐字歌詞文件。

7.如權利要求6所述制作逐字歌詞的裝置，其特征在于，所述判斷模塊包括：

聚類單元，用于通過聚類算法，計算當前頻域音頻片段與所述當前頻域音頻片段緊鄰的頻域音頻片段是否屬于同一類別；

結果確定單元，用于若所述當前頻域音頻片段與所述當前頻域音頻片段緊鄰的頻域音頻片段不屬于同一類別，則確定所述當前頻域音頻片段與所述當前頻域音頻片段緊鄰的頻域音頻片段之間的頻率發生跳變。

8.如權利要求6所述制作逐字歌詞的裝置，其特征在于，所述文字識別模塊包括：

去背景單元，用于去除所述音頻文件中文字區域的圖片背景；

邊緣檢測單元，用于通過邊緣檢測算法，獲取所述已去除圖片背景的音頻文件中的預處理文字圖片；

篩選單元，用于對所述預處理文字圖片做進一步篩選，識別出所述音頻文件中的文字。

9.一種終端，所述終端包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至5任意一項所述方法的步驟。

10.一種非臨時性計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至5任意一項所述方法的步驟。