[發(fā)明專利]一種音樂數(shù)據(jù)的生成方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110711918.7
• 申請(qǐng)日: 2021-06-25
• 公開（公告）號(hào): CN113488010A
• 公開（公告）日: 2021-10-08
• 發(fā)明（設(shè)計(jì)）人: 王振宇
• 申請(qǐng)（專利權(quán)）人: 北京達(dá)佳互聯(lián)信息技術(shù)有限公司
• 主分類號(hào): G10H7/00
• 分類號(hào): G10H7/00
• 代理公司: 北京中博世達(dá)專利商標(biāo)代理有限公司 11274
• 代理人: 申健

本公開關(guān)于一種音樂數(shù)據(jù)的生成方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)，涉及人工智能領(lǐng)域。本公開實(shí)施例至少解決相關(guān)技術(shù)中，生成說唱音樂的技術(shù)門檻較高，以及生成的說唱音樂效果不佳的問題。該方法包括：獲取原始視頻數(shù)據(jù)，以及預(yù)設(shè)的資源模板；資源模板包括每個(gè)伴奏片段的字符串?dāng)?shù)量、第一時(shí)長(zhǎng)以及重音級(jí)別；根據(jù)原始視頻數(shù)據(jù)的資源特征，以及每個(gè)伴奏片段的字符串?dāng)?shù)量，生成歌詞，并基于歌詞、歌詞中每個(gè)字符串的第一時(shí)長(zhǎng)、每個(gè)字符串的重音級(jí)別，以及預(yù)設(shè)的音色特征，生成具有音色特征的語(yǔ)音數(shù)據(jù)；語(yǔ)音數(shù)據(jù)用于按照對(duì)應(yīng)的第一時(shí)長(zhǎng)及重音級(jí)別播放歌詞中的每個(gè)字符串；合并語(yǔ)音數(shù)據(jù)以及伴奏數(shù)據(jù)，以生成原始視頻數(shù)據(jù)對(duì)應(yīng)的音樂數(shù)據(jù)。

技術(shù)領(lǐng)域

本公開涉及人工智能領(lǐng)域，尤其涉及一種音樂數(shù)據(jù)的生成方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)。

背景技術(shù)

說唱音樂利用大量押韻技巧并加上動(dòng)感的音樂節(jié)拍，往往更能夠給人比較震撼的感受。相關(guān)技術(shù)中，通常將人工智能(Artificial Intelligence，AI)技術(shù)、語(yǔ)音合成技術(shù)應(yīng)用于說唱音樂的創(chuàng)作。具體的，說唱音樂的創(chuàng)作模塊用于根據(jù)用戶輸入的說唱歌詞，為說唱歌詞匹配合適的背景音樂；進(jìn)一步的，該創(chuàng)作模塊還將說唱歌詞變換為語(yǔ)音譜，并將變換得到語(yǔ)音譜貼合到該背景音樂中，以生成說唱音樂。

但是在上述說唱音樂的創(chuàng)作過程中，需要用戶創(chuàng)作說唱歌詞并輸入到創(chuàng)作模塊中，就需要用戶具備一定的說唱基礎(chǔ)，對(duì)于不具備說唱基礎(chǔ)的用戶，仍然無(wú)法使用該創(chuàng)作模塊。同時(shí)，由于上述創(chuàng)作模塊在生成說唱音樂的過程中，直接將說唱歌詞的語(yǔ)音譜貼合到背景音樂中，并不能很好的將歌詞與背景音樂的節(jié)奏進(jìn)行貼合，生成的說唱音樂較為機(jī)械，無(wú)法滿足用戶的需求。

發(fā)明內(nèi)容

本公開提供一種音樂數(shù)據(jù)的生成方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)，以至少解決相關(guān)技術(shù)中，生成說唱音樂的技術(shù)門檻較高，以及生成的說唱音樂效果不佳的問題。本公開的技術(shù)方案如下：

根據(jù)本公開實(shí)施例的第一方面，提供一種音樂數(shù)據(jù)的生成方法，包括：獲取原始視頻數(shù)據(jù)，以及預(yù)設(shè)的資源模板；資源模板包括預(yù)設(shè)的伴奏數(shù)據(jù)中每個(gè)伴奏片段的字符串?dāng)?shù)量、第一時(shí)長(zhǎng)以及重音級(jí)別；第一時(shí)長(zhǎng)為字符串在伴奏數(shù)據(jù)中占用的幀數(shù)，重音級(jí)別為字符串在伴奏數(shù)據(jù)中的重音級(jí)別；根據(jù)原始視頻數(shù)據(jù)的資源特征，以及伴奏數(shù)據(jù)中每個(gè)伴奏片段的字符串?dāng)?shù)量，生成與原始視頻的資源特征對(duì)應(yīng)的歌詞；歌詞中的歌詞片段與伴奏數(shù)據(jù)中的伴奏片段一一對(duì)應(yīng)，且每個(gè)歌詞片段的字符串?dāng)?shù)量與對(duì)應(yīng)的伴奏片段的字符串?dāng)?shù)量相等；基于歌詞、歌詞中每個(gè)字符串的第一時(shí)長(zhǎng)、每個(gè)字符串的重音級(jí)別，以及預(yù)設(shè)的音色特征，生成具有音色特征的語(yǔ)音數(shù)據(jù)；語(yǔ)音數(shù)據(jù)用于按照對(duì)應(yīng)的第一時(shí)長(zhǎng)及重音級(jí)別播放歌詞中的每個(gè)字符串；合并語(yǔ)音數(shù)據(jù)以及伴奏數(shù)據(jù)，以生成原始視頻數(shù)據(jù)對(duì)應(yīng)的音樂數(shù)據(jù)。

可選的，上述“基于歌詞、歌詞中每個(gè)字符串的第一時(shí)長(zhǎng)、每個(gè)字符串的重音級(jí)別，以及預(yù)設(shè)的音色特征，生成具有音色特征的語(yǔ)音數(shù)據(jù)”，包括：確定歌詞中每個(gè)字符串所包括的音素以及每個(gè)音素的音調(diào)；確定每個(gè)音素在伴奏數(shù)據(jù)中的第二時(shí)長(zhǎng)，以及每個(gè)音素的第一能量值；每個(gè)字符串中所有音素的第二時(shí)長(zhǎng)之和為每個(gè)字符串的第一時(shí)長(zhǎng)；每個(gè)音素的第一能量值為每個(gè)音素在伴奏數(shù)據(jù)中的能量值，且每個(gè)音素的第一能量值與每個(gè)音素所在的字符串的重音級(jí)別正相關(guān)；

根據(jù)每個(gè)音素、每個(gè)音素的音調(diào)、每個(gè)音素的第二時(shí)長(zhǎng)、每個(gè)音素的第一能量值以及音色特征，生成語(yǔ)音數(shù)據(jù)。

可選的，上述“確定每個(gè)音素在伴奏數(shù)據(jù)中的第二時(shí)長(zhǎng)，以及每個(gè)音素的第一能量值”，包括：對(duì)于第一字符串，確定第一字符串中音素的第三時(shí)長(zhǎng)，以及第一字符串中音素的第二能量值；第一字符串為歌詞中任意的一個(gè)字符串；每個(gè)音素的第三時(shí)長(zhǎng)為每個(gè)音素在歌詞的字符串中占用的幀數(shù)；每個(gè)音素的第二能量值為每個(gè)音素在歌詞的字符串中的能量值；根據(jù)第一字符串中音素的第三時(shí)長(zhǎng)，以及第一字符串的第一時(shí)長(zhǎng)，確定第一字符串中音素的第二時(shí)長(zhǎng)；基于第一字符串中音素的第二能量值，以及第一字符串的重音級(jí)別，確定第一字符串中音素的第一能量值。