一种智能陪练方法技术

本发明专利技术涉及器乐陪练技术领域，具体涉及一种智能陪练方法。所述智能陪练方法包括步骤：获取演奏数据并识别转化为对应乐谱的乐音结构化数据；对所述乐音结构化数据进行评测处理，以获取演奏数据的演奏完成度评价。本发明专利技术能实现对演奏者器乐练习过程的监控并及时反馈演奏数据的演奏完成度评价结果，指导演奏者优化器乐练习过程，成本低，音准识别准确稳定，且可识别不同乐器的演奏，对演奏者的演奏进行评测反馈，对演奏者有更好的指导作用。

An Intelligent Accompaniment Method

The invention relates to the technical field of accompanying training of instrumental music, in particular to an intelligent accompanying training method. The intelligent accompanying training method includes steps: acquiring playing data and identifying structured data of the corresponding music score; evaluating and processing the structured data of the music sound to obtain the performance completion evaluation of playing data. The invention can monitor the performer's instrumental music practice process and timely feedback the performance completion evaluation results of playing data, guide the performer to optimize the instrumental music practice process, has low cost, accurate and stable intonation recognition, and can recognize the performances of different instruments, evaluate and feedback performers'performances, and has better guiding role for performers.

【技术实现步骤摘要】
一种智能陪练方法
本专利技术涉及器乐陪练
，具体涉及一种智能陪练方法。
技术介绍
音乐教育包含乐理、视唱练耳、声乐、器乐(含中外器乐)等众多教学课程。长久以来，器乐教学的最大特点就是需要长时间的练习时间。一种比较普遍的现状就是，国内的艺术培训机构/老师都要求学员每天在家保证不少于一个小时的器乐练习时间，都是采用教师点对点的教学方式开展。教师需要花费大量时间，帮助学员提升演奏的音准，节奏的完成度。器乐教学领域的研究人员一直寻找一种方法能够有效的识别演奏的完成度，从而通过对完成度的监控，来辅助学员更好的完成器乐练习。现有技术中，采用在乐器设备上安装光传感设备或距离传感器，感知琴键是否被按下，或者采用电子乐器设备(比如电子钢琴，电子鼓)，来感知器乐演奏情况。但采取这样的方式需在器乐内部安装传感设备,安装的技术难度和成本较高，不利于普及，以及会对乐器造成不可逆转的损伤，且在乐器出现问题的情况下无法有效地识别音准，且兼容性差。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种智能陪练方法，克服现有的辅助学员器乐练习方式的成本高，音准识别存在不稳定性，且兼容性差的问题。本专利技术解决其技术问题所采用的技术方案是：提供一种智能陪练方法，包括步骤：获取演奏数据并识别转化为对应乐谱的乐音结构化数据；对所述乐音结构化数据进行评测处理，以获取演奏数据的演奏完成度评价。本专利技术的更进一步优选方案是：所述获取演奏数据并识别转化为对应乐谱的乐音结构化数据包括步骤：通过拾音设备获取演奏数据；将获取的演奏数据转化为数字音乐文件；将所述数字音乐文件传入经深度学习算法训练的乐音识别模型识别转化为对应的乐音结构化数据。本专利技术的更进一步优选方案是：深度学习算法训练乐音识别模型包括步骤：通过迁移学习训练适合不同器乐的乐音自动识别模型。本专利技术的更进一步优选方案是：对所述乐音结构化数据进行评测处理包括步骤：分析乐音结构化数据，并转化为将乐音结构化数据按时间顺序进行展示的演奏时序图谱；将演奏数据对应的演奏时序图谱与标准的演奏时序图谱进行比较；输出通过比较后演奏数据的演奏完成度评价结果。本专利技术的更进一步优选方案是：所述将演奏数据对应的演奏时序图谱与标准的演奏时序图谱进行比较包括步骤：对比演奏数据对应的演奏时序图谱与标准的演奏时序图谱在对应时刻的音符的音高、时长情况；根据对应演奏时刻的音高演奏情况输出音高准确度结果并在对应乐谱音符位置进行标识；根据对应演奏时刻的每个音符的演奏时长情况输出节奏评价结果；结合音高准确度结果和节奏评价结果输出演奏数据的演奏完成度评价结果。本专利技术的更进一步优选方案是：所述智能陪练方法还包括步骤：通过演奏歌曲的部分小节、文本输入歌曲名称和语音口述歌曲名称中的一种方式识别后，从数据库中调取相应标准的演奏时序图谱。本专利技术的更进一步优选方案是：所述智能陪练方法还包括步骤：演奏者根据乐谱的小节和演奏特点，将整段乐谱分解为不同的练习段落，对其中的一个或多个练习段落进行重复练习。本专利技术的更进一步优选方案是：所述智能陪练方法还包括步骤：演奏者对一个或多个练习段落的演奏数据进行回放并获取对应的演奏完成度评价结果。本专利技术的更进一步优选方案是：所述智能陪练方法还包括步骤：演奏者将一次或多次演奏数据合并发送至指导者；指导者根据获取的演奏数据给予表演情感和音乐理解方面的指导。本专利技术的更进一步优选方案是：所述智能陪练方法还包括步骤：演奏者选择不同的速率进行练习。本专利技术的有益效果在于，与现有技术相比，通过获取演奏数据并识别转化为对应乐谱的乐音结构化数据，对所述乐音结构化数据进行评测处理，以获取演奏数据的演奏完成度评价，实现有效稳定地识别演奏者演奏数据的音准，对演奏者器乐练习过程的监控并反馈演奏数据的演奏完成度评价结果，指导演奏者优化器乐演奏练习过程，对演奏者有更好的指导作用，且成本低；以及，可识别不同乐器的演奏，兼容性强；以及，指导者可获取演奏者一次或多次的演奏数据并给予表演情感和音乐理解方面的指导。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术的智能陪练方法的流程框图；图2是本专利技术的获取识别演奏数据的流程框图；图3是本专利技术的乐音结构化数据评测处理的流程框图；图4是本专利技术的对比演奏数据对应的演奏时序图谱与标准的演奏时序图谱的流程框图；图5是本专利技术的训练音符事件预测模型的流程框图；图6是本专利技术的训练音高预测模型的流程框图；图7是本专利技术的智能陪练方法的具体流程框图；图8是本专利技术的演奏时序图谱。具体实施方式现结合附图，对本专利技术的较佳实施例作详细说明。如图1所示，本专利技术提供一种智能陪练方法的优选实施例。所述智能陪练方法包括步骤：S10、获取演奏数据，识别转化为对应乐谱的乐音结构化数据；S20、对所述乐音结构化数据进行评测处理，以获取演奏数据的演奏完成度评价。通过将获取的演奏数据识别转化为对应乐谱的乐音结构化数据，对所述乐音结构化数据进行评测处理，实现有效稳定地识别演奏者演奏数据的音准，对演奏者器乐练习过程的监控并反馈演奏数据的演奏完成度评价结果，指导演奏者优化器乐演奏练习过程，对演奏者有更好的指导作用，且成本低；以及，可识别不同乐器的演奏，兼容性强。其中，演奏数据是通过对演奏者使用乐器弹奏发出的乐音收集获取的乐音数据。以及，乐音结构化数据包括音高、乐音强弱数据、音符开始时间和音符结束时间，它反应了某个时刻的音准，反应了演奏在某一个时刻，弹奏了音高。能反映乐谱中如音高、乐音强弱数据、音符开始时间和音符结束时间等相关信息的都称为乐音结构化数据。对所述乐音结构化数据进行评测处理，可判别演奏在音高、乐音强弱、音符时长方面的完成度是否达到标准，演奏完成度评价包含了对音高和节奏两个维度的综合评价。以及，乐谱可以是五线谱、简谱等。本实施例中，乐谱优选为五线谱。进一步地，参考图2，在步骤S10中，包括步骤：S11、通过拾音设备获取演奏数据；S12、将获取的演奏数据转化为数字音乐文件；S13、将所述数字音乐文件传入经深度学习算法训练的乐音识别模型识别转化为对应乐谱的乐音结构化数据。拾音设备可根据实际需要自适应设置在不同的空间位置，完成对演奏数据的收集获取，不对乐器造成不可逆的损伤，可兼容不同乐器，同一种乐器的不同品牌、不同型号，兼容性强，实施成本低；以及，通过上述方式识别演奏者的演奏，识别准确率高，能在极低成本下进行乐音识别。其中，前期通过采集大量乐音样本，通过深度学习算法训练乐音识别模型。乐音识别模型包括用于预测音符的起止时间的音符事件预测模型，以及用于预测音符音高的音高预测模型。乐音识别模型可识别演奏数据转化为基于五线谱的乐音结构化数据，识别准确率高。具体地，参考图5，训练音符事件预测模型包括步骤：S51、提取所述乐音样本的声音信号特征；S52、将提取的声音信号特征综合输出第一全连接层；S53、使用深度学习算法对第一全连接层的数据进行处理输出音符事件预测结果集。参考图6，训练音高预测模型包括步骤：S61、提取所述乐音样本的声音信号特征；S62、将提取的声音信号特征综合输出第二全连接层；S63、使用深度学习算法对第二全连接层的数据和第一全连接层中的音符事件位置信息进行处理输出音高结果集。通过音符事件预测模型预测在具体时间点本文档来自技高网...

【技术保护点】
1.一种智能陪练方法，其特征在于，包括步骤：获取演奏数据，识别转化为对应乐谱的乐音结构化数据；对所述乐音结构化数据进行评测处理，以获取演奏数据的演奏完成度评价。

【技术特征摘要】
1.一种智能陪练方法，其特征在于，包括步骤：获取演奏数据，识别转化为对应乐谱的乐音结构化数据；对所述乐音结构化数据进行评测处理，以获取演奏数据的演奏完成度评价。2.根据权利要求1所述的智能陪练方法，其特征在于，所述获取演奏数据并识别转化为对应乐谱的乐音结构化数据包括步骤：通过拾音设备获取演奏数据；将获取的演奏数据转化为数字音乐文件；将所述数字音乐文件传入经深度学习算法训练的乐音识别模型识别转化为对应的乐音结构化数据。3.根据权利要求2所述的智能陪练方法，其特征在于，深度学习算法训练乐音识别模型包括步骤：通过迁移学习训练适合不同器乐的乐音自动识别模型。4.根据权利要求1或2所述的智能陪练方法，其特征在于，对所述乐音结构化数据进行评测处理包括步骤：分析乐音结构化数据，并转化为将乐音结构化数据按时间顺序进行展示的演奏时序图谱；将演奏数据对应的演奏时序图谱与标准的演奏时序图谱进行比较；输出通过比较后演奏数据的演奏完成度评价结果。5.根据权利要求4所述的智能陪练方法，其特征在于，所述将演奏数据对应的演奏时序图谱与标准的演奏时序图谱进行比较包括步骤：对比演奏数据对应的演奏时序图谱与标准的演奏时序图谱在对应时刻的...

【专利技术属性】
技术研发人员：钟毅，刘强，陆建，李湘，
申请(专利权)人：深圳蜜蜂云科技有限公司，
类型：发明
国别省市：广东,44