一种基于音频文件识别的曲谱生成方法、装置及终端设备制造方法及图纸

本发明专利技术公开了一种基于音频文件识别的曲谱生成方法，装置及终端设备，所述方法包括：获取待转化音频文件并将所述待转化音频文件转化为待识别频谱图；根据所述待识别频谱图中，点的空间密度分布特征，对所述待识别频谱图进行特征提取，获得待转化特征向量；将所述待转化特征向量输入预设的曲谱转化模型中，以使所述曲谱转化模型根据所述待转化特征向量生成与所述待转化音频文件对应的曲谱。通过实施本发明专利技术实施例能够自动生成对应的曲谱，降低用户获取曲谱的难度。

【技术实现步骤摘要】
一种基于音频文件识别的曲谱生成方法、装置及终端设备
本专利技术涉及音频识别领域，尤其涉及一种基于音频文件识别的曲谱生成方法、装置及终端设备。
技术介绍
曲谱即乐谱，是记录音乐音高或者节奏的各种书面符号的有规律的组合，如我们平时常见的简谱、五线谱、吉他谱、古琴谱等等各种现代的或者古代的乐谱都叫做曲谱。钢琴谱通常用五线谱(一般拥有双行谱表，即高音、低音谱表)记载。五线谱记谱是目前世界上通用的记谱法。在五根等距离的平行线上，标以不同时值的音符及其他记号来记载音乐的一种方法。许多音乐爱好者，在听到一段美妙的旋律或一首好听的歌曲后，都喜欢将这段音乐用自己擅长的方式来体现，例如钢琴等乐器爱好者，希望将音乐记录下来后用钢琴来演奏，这时就需要将这段音乐转换为曲谱，如简谱或五线谱。但是并不是所有的音乐或歌曲都有现成的曲谱可以很方便的提供给音乐爱好者，通常需要花费很多时间来查找，或者由专业的谱曲人士来根据音乐谱写一遍，操作繁琐。
技术实现思路
本专利技术实施例提供一种基于音频文件识别的曲谱生成方法，能根据音频文件自动生成对应的曲谱，降低用户获取曲谱的难度。本专利技术一实施例提供一种基于音频文件识别的曲谱生成方法，包括：获取待转化音频文件并将所述待转化音频文件转化为待识别频谱图；根据所述待识别频谱图中，点的空间密度分布特征，对所述待识别频谱图进行特征提取，获得待转化特征向量；将所述待转化特征向量输入预设的曲谱转化模型中，以使所述曲谱转化模型根据所述待转化特征向量生成与所述待转化音频文件对应的曲谱。进一步的，预设的曲谱转化模型的构建方法包括：获取若干待训练音频文件；其中，每一所述待训练音频文件均有一待训练曲谱与之对应；将每一所述待训练音频文件转化为频谱图，获得每一所述待训练音频文件对应待训练频谱图；根据每一待训练频谱图中，点的空间密度分布特征，对每一所述待训练频谱图进行特征向量提取，获得每一所述待训练频谱图对应的待训练特征向量；以待训练特征向量作为输入，以待训练特征向量所对应的曲谱的音符作为输出，通过卷积神经网络进行学习训练，获得所述预设的曲谱转化模型。进一步的，在所述根据所述待识别频谱图中，点的空间密度分布特征，对所述待识别频谱图进行特征提取，获得待转化特征向量之前，还包括：对所述待识别频谱图像进行灰度处理。进一步的，在所述根据每一待训练频谱图中，点的空间密度分布特征，对每一所述待训练频谱图进行特征向量提取，获得每一所述待训练频谱图对应的待训练特征向量之前，还包括：对每一所述待训练频谱图进行灰度处理。在上述方法项实施例的基础上，本专利技术对应提供了装置项实施例；本专利技术另一实施例提供了一种基于音频文件识别的曲谱生成装置，包括频谱转换模块、特征向量提取模块和曲谱生成模块；所述频谱转换模块，用于获取待转化音频文件并将所述待转化音频文件转化为待识别频谱图；所述特征向量提取模块，用于根据所述待识别频谱图中，点的空间密度分布特征，对所述待识别频谱图进行特征提取，获得待转化特征向量；所述曲谱生成模块，用于将所述待转化特征向量输入预设的曲谱转化模型中，以使所述曲谱转化模型根据所述待转化特征向量生成与所述待转化音频文件对应的曲谱。进一步的，还包括：模型构建模块；所述模型构建模块，用于获取若干待训练音频文件；其中，每一所述待训练音频文件均有一待训练曲谱与之对应；将每一所述待训练音频文件转化为频谱图，获得每一所述待训练音频文件对应待训练频谱图；根据每一待训练频谱图中，点的空间密度分布特征，对每一所述待训练频谱图进行特征向量提取，获得每一所述待训练频谱图对应的待训练特征向量；以待训练特征向量作为输入，以待训练特征向量所对应的曲谱的音符作为输出，通过卷积神经网络进行学习训练，获得所述预设的曲谱转化模型。进一步的，还包括第一灰度处理模块和第二灰度处理模块；所述第一灰度处理模块，用于在所述根据所述待识别频谱图中，点的空间密度分布特征，对所述待识别频谱图进行特征提取，获得待转化特征向量之前，对所述待识别频谱图像进行灰度处理；所述第二灰度处理模块，用于在在所述根据每一待训练频谱图中，点的空间密度分布特征，对每一所述待训练频谱图进行特征向量提取，获得每一所述待训练频谱图对应的待训练特征向量之前，对每一所述待训练频谱图进行灰度处理。在上述方法项实施例的基础上，本专利技术对应提供了一终端设备项实施例；本专利技术另一实施例提供了一种基于音频文件识别的曲谱生成终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现本专利技术上述任意一项方法项实施例所述的基于音频文件识别的曲谱生成方法。通过实施本专利技术实施例具有如下有益效果：本专利技术实施例提供了一种基于音频文件识别的曲谱生成方法、装置及终端设备，所述方法首先获取待转化的音频文件，然后转化为频谱图，继而根据频谱图中点的空间密度分布特征，进行特征提取获得对应的特征向量，将特征向量输入到已经训练好的曲谱转化模型中，该曲谱转化模型根据待转化的特征向量生成与待转化音频文件对应的曲谱。通过实施本专利技术实施例，当用户需要获取音频文件对应的曲谱时，可由上述方案自动生成，不用通过专业的谱曲人士进行谱曲，操作便捷，降低了曲谱的获取难度。附图说明图1是本专利技术一实施例提供的一种基于音频文件识别的曲谱生成方法的流程示意图。图2是本专利技术一实施例提供的一种基于音频文件识别的曲谱生成装置的结构示意图。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，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，本专利技术一实施例提供了一种基于音频文件识别的曲谱生成方法，包括：步骤S101、获取待转化音频文件并将所述待转化音频文件转化为待识别频谱图；步骤S102、根据所述待识别频谱图中，点的空间密度分布特征，对所述待识别频谱图进行特征提取，获得待转化特征向量；步骤S103、将所述待转化特征向量输入预设的曲谱转化模型中，以使所述曲谱转化模型根据所述待转化特征向量生成与所述待转化音频文件对应的曲谱。对于步骤S101、首先获取一需要生成对应曲谱的音频文件作为待转化音频文件，然后将其转化为频谱图像，获得上述待识别频谱图。需要说明的是，频谱是频率谱密度的简称，是频率的分布曲线。复杂振荡分解为振幅不同和频率不同的谐振荡，这些谐振荡的幅值按频率排列的图形叫做频谱。频谱广泛应用于声学、光学和无线电技术等方面。频谱将对信号的研究从时域引入到频域，从而带来更直观的认识。把声振动分解成的频谱称为声谱，频谱分析已经成为分析各种复杂振动的一项基本方法。对于步骤S102、在一个优选的实本文档来自技高网...

【技术保护点】
1.一种基于音频文件识别的曲谱生成方法，其特征在于，包括：/n获取待转化音频文件并将所述待转化音频文件转化为待识别频谱图；/n根据所述待识别频谱图中，点的空间密度分布特征，对所述待识别频谱图进行特征提取，获得待转化特征向量；/n将所述待转化特征向量输入预设的曲谱转化模型中，以使所述曲谱转化模型根据所述待转化特征向量生成与所述待转化音频文件对应的曲谱。/n

【技术特征摘要】
1.一种基于音频文件识别的曲谱生成方法，其特征在于，包括：
获取待转化音频文件并将所述待转化音频文件转化为待识别频谱图；
根据所述待识别频谱图中，点的空间密度分布特征，对所述待识别频谱图进行特征提取，获得待转化特征向量；
将所述待转化特征向量输入预设的曲谱转化模型中，以使所述曲谱转化模型根据所述待转化特征向量生成与所述待转化音频文件对应的曲谱。


2.如权利要求1所述的基于音频文件识别的曲谱生成方法，其特征在于，所述预设的曲谱转化模型的构建方法包括：
获取若干待训练音频文件；其中，每一所述待训练音频文件均有一待训练曲谱与之对应；
将每一所述待训练音频文件转化为频谱图，获得每一所述待训练音频文件对应待训练频谱图；
根据每一待训练频谱图中，点的空间密度分布特征，对每一所述待训练频谱图进行特征向量提取，获得每一所述待训练频谱图对应的待训练特征向量；
以待训练特征向量作为输入，以待训练特征向量所对应的曲谱的音符作为输出，通过卷积神经网络进行学习训练，获得所述预设的曲谱转化模型。


3.如权利要求1所述的基于音频文件识别的曲谱生成方法，其特征在于，在所述根据所述待识别频谱图中，点的空间密度分布特征，对所述待识别频谱图进行特征提取，获得待转化特征向量之前，还包括：对所述待识别频谱图像进行灰度处理。


4.如权利要求1所述的基于音频文件识别的曲谱生成方法，其特征在于，在所述根据每一待训练频谱图中，点的空间密度分布特征，对每一所述待训练频谱图进行特征向量提取，获得每一所述待训练频谱图对应的待训练特征向量之前，还包括：对每一所述待训练频谱图进行灰度处理。


5.一种基于音频文件识别的曲谱生成装置，其特征在于，包括频谱转换模块、特征向量提取模块和曲谱生成模块；
所述频谱转换模块，用于获取待转化音频文件并将所述待转化音频文件转化为...

【专利技术属性】
技术研发人员：邓立邦，
申请(专利权)人：广东智媒云图科技股份有限公司，
类型：发明
国别省市：广东;44