申请/专利权人:成都开心音符科技有限公司
申请日:2023-09-21
公开(公告)日:2023-12-08
公开(公告)号:CN117198250A
主分类号:G10H1/00
分类号:G10H1/00;G10H1/40;G10L19/08;G10L19/16;G10L25/03;G06N3/048;G06N3/08;G06F18/25
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.26#实质审查的生效;2023.12.08#公开
摘要:本发明公开了一种针对歌唱人声旋律转录的方法及装置,涉及人声旋律转录技术领域,所述音频预处理是从本地文件或者超文本传输协议请求中读取音频数据,并使用公开工具转码为单通道音频数据,然后分离人声和伴奏,最后对人声音频分段;通过前置分离人声音轨,提取突出基频的语音信号特征,输入神经网络模型,对模型的输出结果进行简单的后处理步骤,得到初步的音符预测结果,经过音符节奏量化操作,得到一个完整的乐谱信息;采用新颖的频谱处理方法来表征输入特征,使用自注意力机制来学习上下文信息,利用每段乐谱排列信息校正输出结果,同时采用了简单有效的后处理逻辑,大幅提升人声音乐转录的准确性。
主权项:1.一种针对歌唱人声旋律转录的方法及装置,包括处理流程,其特征在于:所述音频预处理是从本地文件或者超文本传输协议请求中读取音频数据,并使用公开工具转码为单通道音频数据,然后分离人声和伴奏,最后对人声音频分段;音频特征处理将分段后的人声音频片段数据切分为多个帧,然后使用相应工具将分离的人声和伴奏分别提取360维的CFP特征;输入提取好的音频特征数据到训练好的神经网络模型;确定音符边界位置,通过计算验证数据中的阈值范围内的F1指标来计算边界和音符边界输出的最佳阈值;确定音符高音量,可在每个音符段中计算所有音高值的平均标签概率值,选择平均标签概率值最大的音高值作为该音符的最终音高值。
全文数据:
权利要求:
百度查询: 成都开心音符科技有限公司 一种针对歌唱人声旋律转录的方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。