【技术实现步骤摘要】
电子乐器、电子乐器的控制方法以及存储介质
本专利技术涉及一种根据键盘等的操作元件的操作对歌声进行再生的电子乐器、电子乐器的控制方法以及存储介质。
技术介绍
以往,已知一种电子乐器,其通过将已录音的语音片段进行连接并加工的片段拼接型的合成方式来输出语音合成后的歌声(例如专利文献1)。然而,也可以被称为PCM(PulseCodeModulation:脉冲编码调制)方式的延长的该方式在开发时需要长时间的录音作业,此外,需要进行将已录音的语音片段之间平滑地连接的复杂的计算处理、使其成为自然的歌声的调整。专利文献1:日本特开平9-050287
技术实现思路
在一方式的电子乐器中,包含:多个操作元件,其分别对应于相互不同的音高数据;存储器,其存储有通过对包含学习用歌词数据以及学习用音高数据的学习用乐谱数据、与所述学习用乐谱数据对应的某歌手的学习用歌声数据进行机器学习而得到的已学习声学模型,该已学习声学模型通过输入任意的歌词数据和任意的音高数据来输出所述某歌手的歌声的声学特征量数据;以及至少一个处理器,所述至少一个处理器根据针对所述多个操作元件中的某个操作元件的用户操作,将任意的歌词数据以及与所述某个操作元件对应的音高数据输入给所述已学习声学模型,并且根据所述已学习声学模型基于输入而输出的所述某歌手的歌声的声学特征量数据,输出推论了所述某歌手的歌声的推论歌声数据。根据本专利技术,发出已学习声学模型306推论出的某歌手的歌声,因此不需要为了开发而进行数十小时的长时间的歌声录音作业,此外,不 ...
【技术保护点】
1.一种电子乐器,其特征在于,包含:/n多个操作元件(101),其分别对应于相互不同的音高数据;/n存储器(202),其存储有通过对包含学习用歌词数据(311a)以及学习用音高数据(311b)的学习用乐谱数据(311)、与所述学习用乐谱数据(311)对应的某歌手的学习用歌声数据(312)进行机器学习而得到的已学习声学模型(306),该已学习声学模型(306)通过输入任意的歌词数据(215a)和任意的音高数据(215b)来输出所述某歌手的歌声的声学特征量数据(317);以及/n至少一个处理器(205),/n所述至少一个处理器(205)根据针对所述多个操作元件(101)中的某个操作元件的用户操作,将任意的歌词数据(215a)以及与所述某个操作元件对应的音高数据(215b)输入给所述已学习声学模型(306),并且根据所述已学习声学模型(306)基于输入而输出的所述某歌手的歌声的声学特征量数据(317),输出推论了所述某歌手的歌声的推论歌声数据(217)。/n
【技术特征摘要】
20180621 JP 2018-1180551.一种电子乐器,其特征在于,包含:
多个操作元件(101),其分别对应于相互不同的音高数据;
存储器(202),其存储有通过对包含学习用歌词数据(311a)以及学习用音高数据(311b)的学习用乐谱数据(311)、与所述学习用乐谱数据(311)对应的某歌手的学习用歌声数据(312)进行机器学习而得到的已学习声学模型(306),该已学习声学模型(306)通过输入任意的歌词数据(215a)和任意的音高数据(215b)来输出所述某歌手的歌声的声学特征量数据(317);以及
至少一个处理器(205),
所述至少一个处理器(205)根据针对所述多个操作元件(101)中的某个操作元件的用户操作,将任意的歌词数据(215a)以及与所述某个操作元件对应的音高数据(215b)输入给所述已学习声学模型(306),并且根据所述已学习声学模型(306)基于输入而输出的所述某歌手的歌声的声学特征量数据(317),输出推论了所述某歌手的歌声的推论歌声数据(217)。
2.根据权利要求1所述的电子乐器,其特征在于,
所述存储器包含表示用户操作的各操作元件的各旋律音高数据(215d)、表示分别输出所述各旋律音高数据(215d)所示的音高的歌声的输出定时的各歌声输出定时数据(215c)、分别与所述各旋律音高数据(215d)对应的各歌词数据(215a),
在与所述歌声输出定时数据(215c)所示的所述输出定时相符地进行了用于发出歌声的用户操作的情况下,所述至少一个处理器(205)对所述已学习声学模型(306)输入与所述用户操作的操作元件对应的音高数据(215b)以及与所述输出定时对应的歌词数据(215a),并且根据所述已学习声学模型(306)基于输入而输出的声学特征量数据(317),与所述输出定时相符地输出推论了所述某歌手的歌声的推论歌声数据(217),
在没有与所述歌声输出定时数据(215c)所示的输出定时相符地进行用于发出歌声的用户操作的情况下,所述至少一个处理器(205)对所述已学习声学模型(306)输入与所述输出定时对应的旋律音高数据(215d)以及与所述输出定时对应的歌词数据(215a),并且根据所述已学习声学模型(306)基于输入而输出的声学特征量数据(317),与所述输出定时相符地输出推论了所述某歌手的歌声的推论歌声数据(217)。
3.根据权利要求1或2所述的电子乐器,其特征在于,
所述某歌手的歌声的声学特征量数据(317)包含将所述某歌手的声道模型化的频谱数据(318)以及将所述某歌手的声带模型化的音源数据(319),
所述至少一个处理器(205)根据所述频谱数据(318)和所述音源数据(319),输出推论了所述某歌手的歌声的所述推论歌声数据(217)。
4.根据权利要求1至3中的任意一项所述的电子乐器,其特征在于,
至少通过深度神经网络以及隐马尔可夫模型中的任意一个对所述已学习声学模型(306)进行了机器学习(305)。
5.根据权利要求1至4中的任意一项所述的电子...
【专利技术属性】
技术研发人员:段城真,太田文章,濑户口克,中村厚士,
申请(专利权)人:卡西欧计算机株式会社,
类型:发明
国别省市:日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。