一种编曲方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了一种编曲方法、装置及电子设备，该方法包括：获取预设初始音频和对应的音符数据，将该音符数据作为目标音符数据，输入预先训练的第一机器学习模型，得到当前目标音符数据对应的输出音符数据；判断基于第一机器学习模型得到的音符数据中音符的数量，是否达到预设音符数量；若未达到，将输出音符数据作为目标音符数据，返回输入预先训练的第一机器学习模型，得到当前目标音符数据对应的输出音符数据的步骤；若达到，根据初始音频对应的音符数据和基于第一机器学习模型所得到的各个音符数据，生成与编曲所需的预定乐曲风格相匹配的目标乐谱数据，并将目标乐谱数据转换为对应的目标音频。本发明专利技术可以提高编曲的效率。

A Method, Device and Electronic Equipment for Composition

【技术实现步骤摘要】
一种编曲方法、装置及电子设备
本专利技术涉及数据处理
，特别是涉及一种编曲方法、装置及电子设备。
技术介绍
通常，编曲这种艺术创作是由专业的作曲家耗费较长的时间和较大的精力来完成的，创作效率较低。随着计算机技术的发展，目前，已经出现了基于机器学习进行自动化编曲的方法。现有技术中，基于机器学习的编曲方法是对各种风格的样本乐曲的音频进行机器学习，从而产生相似风格的乐曲的音频。具体的，基于机器学习进行编曲的过程为：将初始音频输入已训练的机器学习模型，提取该初始音频的音频特征，直接对该音频特征进行处理，得到对应的输出音频特征，利用该输出音频特征生成输出音频；将输出音频输入已训练的机器学习模型，循环上述过程，得到多个输出音频，从而生成乐曲。然而，由于现有的编曲方法是音频到音频的学习过程，也就是输入音频，直接对该输入音频的音频特征进行处理，得到输出音频的过程，而音频所包括的元素内容较为复杂，这样使得编曲所耗费的时间较长，导致现有技术存在编曲效率较低的问题。
技术实现思路
本专利技术实施例的目的在于提供一种编曲方法、装置及电子设备，以提高编曲的效率。具体技术方案如下：第一方面，本专利技术实施例提供了一种编曲方法，包括：获取预设的初始音频；其中，所述初始音频是编曲所利用的初始的音符数据的音频；获取所述初始音频对应的音符数据，并将所述初始音频对应的音符数据作为目标音符数据；将当前目标音符数据输入预先训练的第一机器学习模型，得到当前目标音符数据对应的输出音符数据；其中，所述输出音符数据与所述当前目标音符数据之间的顺序符合预定顺序，所述第一机器学习模型为根据第一样本乐谱训练得到的、用于预测作为输入内容的音符数据对应的输出音符数据的模型；判断基于所述第一机器学习模型所得到的音符数据中音符的数量，是否达到预设音符数量；若未达到，将所述输出音符数据作为目标音符数据，返回所述将当前目标音符数据输入预先训练的第一机器学习模型，得到当前目标音符数据对应的输出音符数据的步骤；若达到，根据所述初始音频对应的音符数据和基于所述第一机器学习模型所得到的各个音符数据，生成与编曲所需的预定乐曲风格相匹配的目标乐谱数据，并将所述目标乐谱数据转换为对应的目标音频。可选地，所述根据所述初始音频对应的音符数据和所述第一机器学习模型所得到的各个音符数据，生成与预定乐曲风格相匹配的目标乐谱数据的步骤，包括：将所述初始音频对应的音符数据和基于所述第一机器学习模型所得到的音符数据，按照各个音符数据的获取顺序进行组合，得到初始乐谱数据；将所述初始乐谱数据输入至预先训练的第二机器学习模型，得到与编曲所需的预定乐曲风格相匹配的目标乐谱数据，所述第二机器学习模型为用于将所输入的乐谱数据的乐曲风格迁移为所述预定乐曲风格的模型。可选地，所述第一机器学习模型的训练过程，包括：获取第一样本乐谱数据；利用所述第一样本乐谱数据，对初始的第一机器学习模型进行训练，得到训练完成的第一机器学习模型。可选地，所述获取第一样本乐谱数据，包括：获取第一样本音频；识别所述第一样本音频对应的乐谱数据；将所识别到的乐谱数据作为第一样本乐谱数据。可选地，所述识别所述第一样本音频对应的乐谱数据，包括：识别所述第一样本音频对应的五线谱数据或简谱数据。可选地，所述第一机器学习模型包括：长短期记忆网络LSTM模型或生成式对抗网络GAN模型。第二方面，本专利技术实施例提供了一种编曲装置，包括：第一获取模块，用于获取预设的初始音频；其中，所述初始音频是编曲所利用的初始的音符数据的音频；第二获取模块，用于获取所述初始音频对应的音符数据，并将所述初始音频对应的音符数据作为目标音符数据；输入模块，用于将当前目标音符数据输入预先训练的第一机器学习模型，得到当前目标音符数据对应的输出音符数据；其中，所述输出音符数据与所述当前目标音符数据之间的顺序符合预定顺序，所述第一机器学习模型为根据第一样本乐谱训练得到的、用于预测作为输入内容的音符数据对应的输出音符数据的模型；判断模块，用于判断基于所述第一机器学习模型所得到的音符数据中音符的数量，是否达到预设音符数量；若未达到，触发返回模块，若达到，触发生成模块；返回模块，用于若未达到，将所述输出音符数据作为目标音符数据，触发所述输入模块；生成模块，用于若达到，根据所述初始音频对应的音符数据和基于所述第一机器学习模型所得到的各个音符数据，生成与编曲所需的预定乐曲风格相匹配的目标乐谱数据，并将所述目标乐谱数据转换为对应的目标音频。可选地，所述生成模块，包括：组合单元，用于将所述初始音频对应的音符数据和基于所述第一机器学习模型所得到的音符数据，按照各个音符数据的获取顺序进行组合，得到初始乐谱数据；输入单元，用于将所述初始乐谱数据输入至预先训练的第二机器学习模型，得到与编曲所需的预定乐曲风格相匹配的目标乐谱数据，所述第二机器学习模型为用于将所输入的乐谱数据的乐曲风格迁移为所述预定乐曲风格的模型。可选地，所述装置还包括：训练模块，用于获取第一样本乐谱数据；利用所述第一样本乐谱数据，对初始的第一机器学习模型进行训练，得到训练完成的第一机器学习模型。可选地，所述训练模块，具体用于获取第一样本音频；识别所述第一样本音频对应的乐谱数据；将所识别到的乐谱数据作为第一样本乐谱数据。可选地，所述训练模块，具体用于识别所述第一样本音频对应的五线谱数据或简谱数据。可选地，所述第一机器学习模型包括：长短期记忆网络LSTM模型或生成式对抗网络GAN模型。第三方面，本专利技术实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序时，实现如上第一方面所述的编曲方法步骤。第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面所述的编曲方法步骤。本专利技术实施例提供的方案，预先对第一样本乐谱进行训练学习，得到第一机器学习模型。进而，在编曲时，将预设的初始音频对应的音符数据输入预先训练的第一机器学习模型，使得第一机器学习模块循环地输出各个音符数据，从而基于初始音频对应的音符数据和第一机器学习模型输出的各个音符数据，生成与编曲所需的预定乐曲风格相匹配的目标乐谱数据，并将该目标乐谱数据转换为对应的目标音频。本专利技术实施例由于直接基于样本乐谱，学习音符到音符的对应关系，使得训练学习时所需要处理的数据量减少，降低了机器学习的复杂度。因此，基于训练好的第一机器学习模型进行编曲，可以提高编曲的效率。当然，实施本专利技术的任一产品或方法必不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。图1为本专利技术实施例提供的一种编曲方法的流程图；图2为本专利技术实施例提供的一种编曲装置的结构图；图3本专利技术实施例提供的一种电子设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。为了解决现有技术问题，本专利技术实施例提供了一种编曲方法、装置及电子设备。需要说明的是，本专利技术本文档来自技高网...

【技术保护点】
1.一种编曲方法，其特征在于，包括：获取预设的初始音频；其中，所述初始音频是编曲所利用的初始的音符数据的音频；获取所述初始音频对应的音符数据，并将所述初始音频对应的音符数据作为目标音符数据；将当前目标音符数据输入预先训练的第一机器学习模型，得到当前目标音符数据对应的输出音符数据；其中，所述输出音符数据与所述当前目标音符数据之间的顺序符合预定顺序，所述第一机器学习模型为根据第一样本乐谱训练得到的、用于预测作为输入内容的音符数据对应的输出音符数据的模型；判断基于所述第一机器学习模型所得到的音符数据中音符的数量，是否达到预设音符数量；若未达到，将所述输出音符数据作为目标音符数据，返回所述将当前目标音符数据输入预先训练的第一机器学习模型，得到当前目标音符数据对应的输出音符数据的步骤；若达到，根据所述初始音频对应的音符数据和基于所述第一机器学习模型所得到的各个音符数据，生成与编曲所需的预定乐曲风格相匹配的目标乐谱数据，并将所述目标乐谱数据转换为对应的目标音频。

【技术特征摘要】
1.一种编曲方法，其特征在于，包括：获取预设的初始音频；其中，所述初始音频是编曲所利用的初始的音符数据的音频；获取所述初始音频对应的音符数据，并将所述初始音频对应的音符数据作为目标音符数据；将当前目标音符数据输入预先训练的第一机器学习模型，得到当前目标音符数据对应的输出音符数据；其中，所述输出音符数据与所述当前目标音符数据之间的顺序符合预定顺序，所述第一机器学习模型为根据第一样本乐谱训练得到的、用于预测作为输入内容的音符数据对应的输出音符数据的模型；判断基于所述第一机器学习模型所得到的音符数据中音符的数量，是否达到预设音符数量；若未达到，将所述输出音符数据作为目标音符数据，返回所述将当前目标音符数据输入预先训练的第一机器学习模型，得到当前目标音符数据对应的输出音符数据的步骤；若达到，根据所述初始音频对应的音符数据和基于所述第一机器学习模型所得到的各个音符数据，生成与编曲所需的预定乐曲风格相匹配的目标乐谱数据，并将所述目标乐谱数据转换为对应的目标音频。2.根据权利要求1所述的方法，其特征在于，所述根据所述初始音频对应的音符数据和所述第一机器学习模型所得到的各个音符数据，生成与预定乐曲风格相匹配的目标乐谱数据的步骤，包括：将所述初始音频对应的音符数据和基于所述第一机器学习模型所得到的音符数据，按照各个音符数据的获取顺序进行组合，得到初始乐谱数据；将所述初始乐谱数据输入至预先训练的第二机器学习模型，得到与编曲所需的预定乐曲风格相匹配的目标乐谱数据，所述第二机器学习模型为用于将所输入的乐谱数据的乐曲风格迁移为所述预定乐曲风格的模型。3.根据权利要求1或2所述的方法，其特征在于，所述第一机器学习模型的训练过程，包括：获取第一样本乐谱数据；利用所述第一样本乐谱数据，对初始的第一机器学习模型进行训练，得到训练完成的第一机器学习模型。4.根据权利要求3所述的方法，其特征在于，所述获取第一样本乐谱数据，包括：获取第一样本音频；识别所述第一样本音频对应的乐谱数据；将所识别到的乐谱数据作为第一样本乐谱数据。5.一种编曲装置，其特征在于，包括：第一获取模块，用于获取预设的初始音频；其中，所述初始音频是编曲所利用的初始的音符数据的音频；第二获取模块，用于获取所述初始音频对应的音符数据，并将所...

【专利技术属性】
技术研发人员：陆瀛海，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京,11