[發明專利]一種自動修音系統及修音方法

在審

• 申請號: 202011128502.4
• 申請日: 2020-10-20
• 公開（公告）號: CN112447182A
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 黃明飛;姚宏貴;林峰;張逸風
• 申請（專利權）人: 開放智能機器（上海）有限公司
• 主分類號: G10L21/007
• 分類號: G10L21/007;G10L25/03;G10L25/27;G10H1/36;G10H1/40
• 代理公司: 上海申新律師事務所 31272
• 代理人: 吳軼淳

一種自動修音系統及修音方法，涉及音頻處理技術領域。本發明是為了解決現有的修音技術復雜，且無法輸出自然音頻的問題。音頻切分模塊分別識別實際音頻和原始標準音頻，將二者對齊后再進行切分，得到對應于實際音頻的多個實際音頻段以及對應于原始標準音頻的多個原始音頻段，所述實際音頻段與所述原始音頻段一一對應；修音決策模塊將所述實際音頻特征與對應的所述原始音頻段的所述原始音頻特征進行比對以得到特征差值，并根據所述特征差值確定所述實際音頻段的修音策略；修音實施模塊針對每段所述實際音頻段，采用被確定的所述修音策略對所述實際音頻段進行調整，隨后拼接所有調整后的所述實際音頻段以生成并輸出修音后的音頻。它用于對歌曲修音。

技術領域

本發明涉及修音系統及方法。屬于音頻處理技術領域。

背景技術

K歌是一種流行的娛樂消遣方式，K歌對參與人數沒有限制，可以是一群人的狂歡也可以是一個人的發泄；并且隨著移動端K歌軟件的普及，對專業裝備和場所的需求也越來越低。唱歌跑調和跟不上節奏已經成為人們享受K歌樂趣的最大限制之一。通過對演唱語音的修音，具體為節奏和音高的調整，可以將演唱的音頻調整到趨近標準演唱的狀態。無論是K歌還是現場演唱都需要將演唱的歌曲經過修音之后再呈現出來，使歌曲呈現的更加自然。但是現有的修音技術修出來的聲音仍然不是很自然，還存在不自然的機械音。

現有修音技術包括：手動修音，雖然修音的效果和顆粒度可以達到最佳，但是時間和費用開銷較大，無法普及；段落修音，只能對歌曲段落的音高和節奏進行整體調整，由于顆粒度較大，無法解決細節的問題；標準模板切分，根據標準音頻對用戶演唱音頻進行切分，雖然顆粒度更小，但是無法解決演唱節奏偏差的問題。常見的調整策略有：手動調整，用戶手動輸入調整參數，修音效果相對較好但是操作相對繁瑣；模板匹配，將演唱的音高和節律直接調整為樂曲中的系數或者以固定的策略進行調整，修音效果相對較差。

因此，現有的修音技術不但操作復雜、呈現出來的音頻不可避免的會出現不自然的機械音現象。

發明內容

本發明是為了解決現有的修音技術復雜，且無法輸出自然音頻的問題。現提供一種自動修音系統及修音方法。

一種自動修音系統，所述自動修音系統包括錄音模塊、曲庫模塊、音頻切分模塊、特征提取模塊、修音決策模塊和修音實施模塊，

錄音模塊，用于獲取用戶演唱的實際音頻；

曲庫模塊，用于獲取用戶演唱歌曲的原始標準音頻；

音頻切分模塊分別連接所述錄音模塊和所述曲庫模塊，用于分別識別所述實際音頻和所述原始標準音頻，將識別出的所述實際音頻和識別出的所述原始標準音頻對齊后再進行切分，得到對應于所述實際音頻的多個實際音頻段以及對應于所述原始標準音頻的多個原始音頻段，所述實際音頻段與所述原始音頻段一一對應；

特征提取模塊連接所述音頻切分模塊，用于分別采集得到每段所述實際音頻段的實際音頻特征以及每段所述原始音頻段的原始音頻特征；

修音決策模塊連接所述特征提取模塊，用于針對每段所述實際音頻段，將所述實際音頻特征與對應的所述原始音頻段的所述原始音頻特征進行比對以得到特征差值，并根據所述特征差值確定所述實際音頻段的修音策略；

修音實施模塊連接所述修音決策模塊，用于針對每段所述實際音頻段，采用被確定的所述修音策略對所述實際音頻段進行調整，隨后拼接所有調整后的所述實際音頻段以生成并輸出修音后的音頻。

優選地，所述修音決策模塊中預先訓練形成一修音決策模型，所述修音決策模型關聯于多個修音策略；

則所述修音決策模塊將所述特征差值輸入至所述修音決策模型中得到所述修音策略。

優選地，還包括：