[發(fā)明專(zhuān)利]一種智能作曲方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210606472.6
• 申請(qǐng)日: 2022-05-31
• 公開(kāi)（公告）號(hào): CN115019752A
• 公開(kāi)（公告）日: 2022-09-06
• 發(fā)明（設(shè)計(jì)）人: 譚媛月
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)農(nóng)業(yè)銀行股份有限公司
• 主分類(lèi)號(hào): G10H1/00
• 分類(lèi)號(hào): G10H1/00;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 周初冬

本申請(qǐng)?zhí)峁┝艘环N智能作曲方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，該方法首先在生成第一聲部音高序列和第一聲部時(shí)值序列之后，對(duì)第一聲部音高序列和第一聲部時(shí)值序列進(jìn)行曲線(xiàn)擬合，得到第二聲部音高序列和第二聲部時(shí)值序列；最后將所有聲部的音高和時(shí)值序列進(jìn)行合成，得到二聲部作曲旋律，由于第一聲部的音高和時(shí)值是由馬爾可夫模型，雙向循環(huán)神經(jīng)網(wǎng)絡(luò)和曲線(xiàn)擬合三種技術(shù)相混合的作曲網(wǎng)絡(luò)結(jié)構(gòu)生成的，能充分地挖掘音樂(lè)序列中過(guò)去時(shí)刻和當(dāng)前時(shí)刻以及未來(lái)時(shí)刻的時(shí)序信息和語(yǔ)義信息，結(jié)合樂(lè)曲知識(shí)規(guī)則，生成具有典型某種特有樂(lè)曲風(fēng)格的二聲部樂(lè)曲，適用于復(fù)雜樂(lè)曲環(huán)境，無(wú)需對(duì)適應(yīng)度函數(shù)進(jìn)行選擇。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及一種智能作曲方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

人工智能作曲是利用機(jī)器學(xué)習(xí)，深度學(xué)習(xí)等人工智能技術(shù)對(duì)音樂(lè)數(shù)據(jù)進(jìn)行挖掘與學(xué)習(xí)，從而生成與作曲家類(lèi)似的音樂(lè)。人工智能作曲大大降低了音樂(lè)創(chuàng)作的門(mén)檻，使得非專(zhuān)業(yè)人士即使不懂樂(lè)理，也可以參與到創(chuàng)作中，同時(shí)也能提高專(zhuān)業(yè)人士的創(chuàng)作效率。

目前，現(xiàn)有的智能作曲方法主要通過(guò)將要參與進(jìn)化的樂(lè)曲，先利用音樂(lè)規(guī)則為適應(yīng)度進(jìn)行衡量，然后再由人來(lái)挑選作曲的主題，使樂(lè)曲向有主題的趨勢(shì)演化，避免進(jìn)化樂(lè)曲所帶有的隨意性和無(wú)目的性。但是，該現(xiàn)有方式適應(yīng)度函數(shù)選擇比較困難，且需要人工選擇主題樂(lè)曲以及僅使用單一算法生成樂(lè)曲較為簡(jiǎn)單，不適用于復(fù)雜樂(lè)曲環(huán)境。

發(fā)明內(nèi)容

對(duì)此，本申請(qǐng)?zhí)峁┮环N智能作曲方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，以解決現(xiàn)有相關(guān)方案適應(yīng)度函數(shù)選擇困難，且需要人工進(jìn)行樂(lè)曲主題選擇及僅使用單一算法生成的樂(lè)曲較為簡(jiǎn)單，不適用于復(fù)雜樂(lè)曲環(huán)境的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例提供如下技術(shù)方案：

本發(fā)明第一方面公開(kāi)了一種智能作曲方法，包括：

對(duì)預(yù)設(shè)MIDI數(shù)據(jù)集進(jìn)行升采樣編碼，得到MIDI數(shù)據(jù)升采樣序列；所述預(yù)設(shè)MIDI數(shù)據(jù)集包括若干段預(yù)設(shè)風(fēng)格樂(lè)曲；

利用所述MIDI數(shù)據(jù)升采樣序列對(duì)預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到樂(lè)曲預(yù)測(cè)模型；

基于所述樂(lè)曲預(yù)測(cè)模型和預(yù)設(shè)動(dòng)機(jī)旋律模型，生成第一聲部音高序列和第一聲部時(shí)值序列；所述預(yù)設(shè)動(dòng)機(jī)旋律模型是基于所述MIDI數(shù)據(jù)集所屬的樂(lè)曲風(fēng)格類(lèi)型和馬爾科夫模型得到的能夠生成動(dòng)機(jī)旋律規(guī)則的模型；

基于所述第一聲部音高序列和所述第一聲部時(shí)值序列進(jìn)行曲線(xiàn)擬合，得到第二聲部音高序列和第二聲部時(shí)值序列；

將所述第一聲部音高序列、所述第一聲部時(shí)值序列、所述第二聲部音高序列及所述第二聲部時(shí)值序列進(jìn)行合成，得到二聲部作曲旋律。

可選地，上述的智能作曲方法中，對(duì)預(yù)設(shè)MIDI數(shù)據(jù)集進(jìn)行升采樣編碼，得到MIDI數(shù)據(jù)升采樣序列包括：

分別對(duì)所述預(yù)設(shè)MIDI數(shù)據(jù)集中的各段樂(lè)曲的音樂(lè)特征進(jìn)行提取，得到每段樂(lè)曲的音樂(lè)特征集；所述音樂(lè)特征集包括：調(diào)式、MIDI音高及時(shí)值；

基于所述預(yù)設(shè)MIDI數(shù)據(jù)集中預(yù)先存儲(chǔ)的調(diào)式轉(zhuǎn)換表，將所述預(yù)設(shè)MIDI數(shù)據(jù)集中每段樂(lè)曲的樂(lè)曲調(diào)式進(jìn)行統(tǒng)一，得到所述MIDI數(shù)據(jù)集對(duì)應(yīng)的統(tǒng)一調(diào)式音高序列和統(tǒng)一調(diào)式時(shí)值序列；其中，所述統(tǒng)一調(diào)式音高序列與所述統(tǒng)一調(diào)式時(shí)值序列一一對(duì)應(yīng)；

按照所述統(tǒng)一調(diào)式時(shí)值序列將所述統(tǒng)一調(diào)式音高序列進(jìn)行升采樣編碼，得到所述MIDI數(shù)據(jù)升采樣序列。

可選地，上述的智能作曲方法中，利用所述MIDI數(shù)據(jù)升采樣序列對(duì)預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到樂(lè)曲預(yù)測(cè)模型包括：

對(duì)所述MIDI數(shù)據(jù)升采樣序列進(jìn)行預(yù)處理，得到模型訓(xùn)練數(shù)字序列；所述預(yù)處理包括：歸一化處理；

將所述模型訓(xùn)練數(shù)字序列作為輸入訓(xùn)練集，對(duì)預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到所述樂(lè)曲預(yù)測(cè)模型。