申请/专利权人：百果园技术(新加坡)有限公司

申请日：2021-05-24

公开（公告）日：2024-02-23

公开（公告）号：CN113299318B

主分类号：G10L25/51

分类号：G10L25/51;G10L25/30

优先权：

专利状态码：有效-授权

法律状态：2024.02.23#授权;2021.09.10#实质审查的生效;2021.08.24#公开

摘要：本发明实施例提供了一种音频节拍的检测方法、装置、计算机设备和存储介质，该方法包括：获取多媒体文件，多媒体文件中具有多帧音频信号，从多媒体文件的多帧音频信号中提取局部的特征，获得多帧音频特征向量，对多帧音频特征向量进行编码，获得第一背景向量，在对第一背景向量添加关于音频信号的注意力的条件下，对第一背景向量进行全局的解码，获得音频信号表达的音符，注意力机制具有更高的感受野，可感知全局的信息，有注意对长期信息建模，适于处理音频信号中的节拍，并且，使用注意力机制训练时并不要求样本帧级对齐，降低对样本的要求，提高符合条件的样本的数量，在保证模型的性能的条件下简化模型训练，从而保证检测节拍的精确度。

主权项：1.一种音频节拍的检测方法，其特征在于，包括：获取多媒体文件，所述多媒体文件中具有多帧音频信号；从所述多媒体文件的多帧音频信号中提取局部的特征，获得多帧音频特征向量；对多帧所述音频特征向量进行编码，获得第一背景向量；在对所述第一背景向量添加关于所述音频信号的注意力的条件下，对所述第一背景向量进行全局的解码，获得所述音频信号表达的音符；所述对多帧所述音频特征向量进行编码，获得第一背景向量，包括：确定预先针对音频信号训练的编码器；将多帧所述音频特征向量输入所述编码器中进行编码，以输出位于所述编码器中末位第一时间步的多帧隐藏状态，作为第一背景向量。

全文数据：

权利要求：

百度查询： 百果园技术(新加坡)有限公司 一种音频节拍的检测方法、装置、计算机设备和存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD