[發明專利]音樂作品的自動生成方法及裝置、存儲介質、電子設備

有效

• 申請號: 202110509175.5
• 申請日: 2021-05-11
• 公開（公告）號: CN113035163B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 黃安麒;曹偲;趙翔宇;劉華平
• 申請（專利權）人: 杭州網易云音樂科技有限公司
• 主分類號: G10H1/00
• 分類號: G10H1/00;G06N3/04;G06N3/08
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 孫寶海;闞梓瑄

1.一種音樂作品的自動生成方法，其特征在于，包括：

接收生成所述音樂作品所需的生成參數，并將所述生成參數輸入至預設的音樂生成模型中，得到多個待預測音樂數據；

基于預設的音樂真實性判別模型計算各所述待預測音樂數據的預測仿真值，并基于預設的音樂熱度計算模型計算各所述待預測音樂數據的預測熱度值；

根據預測仿真值大于第一預設閾值的待預測音樂數據生成第一數據集，并根據預測熱度值大于第二預設閾值的待預測音樂數據生成第二數據集；

計算所述第一數據集以及第二數據集的交集，并根據交集計算結果得到所述音樂作品。

2.根據權利要求1所述的音樂作品的自動生成方法，其中，所述預設的音樂生成模型中包括多個由多個全連接層以及長短期記憶網絡組成的神經網絡單元；

其中，將所述生成參數輸入至預設的音樂生成模型中，得到多個待預測音樂數據，包括：

利用所述預設的音樂生成模型中包括第一個神經網絡單元中的多個全連接層對所述生成參數進行特征整理，得到所述生成參數的第一特征向量；

將所述第一特征向量、預設的隨機數向量以及預設的時間特征輸入至所述第一個神經網絡單元中的長短期記憶網絡，得到第一幀輸出數據；

將所述第一幀輸出數據以及所述生成參數輸入至其他神經網絡單元，得到與其他神經網絡單元對應的其他幀輸出數據；其中，在所述其他神經網絡單元中，上一個神經網絡單元的輸出，是與其對應的下一個神經網絡單元的輸入，且每一個其他神經網絡單元的輸入中還包括與該神經網絡單元對應的隨機數向量以及時間特征；

根據所述其他幀輸出數據的輸出順序，對所述第一幀輸出數據以及其他幀輸出數據進行拼接，得到所述多個待預測音樂數據。

3.根據權利要求1所述的音樂作品的自動生成方法，其中，所述預設的音樂真實性判別模型中包括多層卷積神經網絡、由兩個長短期記憶網絡以及一個隱藏層構成的多個并列連接的中間層以及多個全連接層；

其中，基于預設的音樂真實性判別模型計算各所述待預測音樂數據的預測仿真值，包括：

利用所述多層卷積神經網絡提取所述待預測音樂數據的第二特征向量；

利用所述中間層對所述第二特征向量進行時序特征關聯，并利用所述多個全連接層對時序特征關聯后的第二特征向量進行預測，得到所述預測仿真值。

4.根據權利要求1所述的音樂作品的自動生成方法，其中，所述音樂作品的自動生成方法還包括：

獲取原始音樂數據，并從所述原始音樂數據中篩選通過人工創作的音樂，以生成真實音樂數據集；

將隨機輸入參數輸入至第一待訓練的神經網絡模型中，得到多個仿真音樂，并根據各所述仿真音樂生成第一仿真音樂數據集；

根據所述真實音樂數據集以及第一仿真音樂數據集生成帶標簽的真實音樂判別數據集，并利用所述帶標簽的真實音樂判別數據集對第二待訓練的神經網絡模型進行訓練，得到所述預設的音樂真實性判別模型。

5.根據權利要求4所述的音樂作品的自動生成方法，其中，所述音樂作品的自動生成方法還包括：

獲取所述真實音樂數據集中所包括的音樂的熱度值，并根據所述熱度值以及所述真實音樂數據集，生成帶標簽的熱度數據集；

利用所述帶標簽的熱度數據集對第三待訓練的神經網絡模型進行訓練，得到所述預設的音樂熱度計算模型。

6.根據權利要求5所述的音樂作品的自動生成方法，其中，所述音樂作品的自動生成方法還包括：

利用所述預設的音樂真實性判別模型計算所述第一仿真音樂數據集中所包括的仿真音樂的第一熱度偏差值；

利用所述預設的音樂熱度計算模型計算所述第一仿真音樂數據集中所包括的仿真音樂的第一真實性偏差值；

根據所述隨機輸入參數、所述第一熱度偏差值以及所述第一真實性偏差值對所述第一待訓練的神經網絡模型進行訓練，得到所述預設的音樂生成模型。