一种乐器音色识别方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种乐器音色识别方法、系统、设备及存储介质。涉及乐器识别技术领域。该方法包括以下步骤：录入并根据各种乐器的标准音色数据建立乐器音色数据库；基于深度学习算法根据乐器音色数据库建立音色识别模型；获取并导入音色待识别信息至音色识别模型中，生成音色识别结果信息；根据音色识别结果信息和预设的音色等级分布规则生成乐器音色信息。本发明专利技术还公开来了一种乐器音色识别系统。本发明专利技术具有可通过采集到的乐器音频自动智能的识别出该种乐器的音色，并给出音色等级，保证音色识别的精度优点。别的精度优点。别的精度优点。

【技术实现步骤摘要】
一种乐器音色识别方法、系统、设备及存储介质


[0001]本专利技术涉及乐器识别
，具体而言，涉及一种乐器音色识别方法、系统、设备及存储介质。

技术介绍

[0002]音色是声音的特色，声音的感觉特性，是乐音的品质特征；能够将音高、音强和音长都相同的两个音区别开来的一种声音的属性。每一种不同的乐器，由于生产过程不同或制造材料不同，做出的同一种乐器其音色也有所区别，是因为它们发出的声音除了一个基音外，还有许多不同频率的谐波音伴随，正是这些谐波音作用于人的听觉系统，人耳对这些谐波音频率进行分析、合成最后在大脑中生成不同音色的感觉，使人能辨别出是不同的乐器发出的声音。
[0003]人耳主要通过分析声音的谐波音列结构和起时状态(乐音从无声到有声的一瞬间的状态)来识别音色。通常各类乐器的调音或定音都是由经验丰富的经过严格训练的专业人员来完成。但这样一来对乐器的调音或定音存在较大的人为因素，难以保证调音的准确性，有时也会存在误差或错觉，而对于业余爱好者来说，就更无法准确的鉴定乐器的音色。现有技术中虽然也有采用频率计或定音器来定音或调音，但其效果不好，识别精度低，无法满足音色识别需求。

技术实现思路

[0004]为了克服上述问题或者至少部分地解决上述问题，本专利技术实施例提供一种乐器音色识别方法、系统、设备及存储介质，可以通过采集到的乐器音频信息自动智能的识别出该种乐器的音色，并给出音色等级，保证音色识别的精度。
[0005]本专利技术的实施例是这样实现的：
[0006]第一方面，本专利技术实施例提供一种乐器音色识别方法，包括以下步骤：
[0007]录入并根据各种乐器的标准音色数据建立乐器音色数据库；
[0008]基于深度学习算法根据乐器音色数据库建立音色识别模型；
[0009]获取并导入音色待识别信息至音色识别模型中，生成音色识别结果信息；
[0010]根据音色识别结果信息和预设的音色等级分布规则生成乐器音色信息。
[0011]为了解决现有技术中乐器音色识别不精准的技术问题，本方法结合深度学习算法建立音色识别模型，对乐器音色进行精准识别。首先，为了保证数据的全面完整性，录入多种乐器信息及各种乐器对应的音色数据，然后建立完整的乐器音色数据库，为后续提供数据基础；上述乐器信息包括乐器类型、型号、尺寸大小以及制作材质等信息；上述音色数据包括低音、中音、高音、混声、和声等。数据库建立完成后，根据该乐器音色数据库中的数据采用深度学习算法建立完整有效的音色识别模型；该音色识别模型是指根据历史训练结果对乐器音色进行识别匹配，以得到音色识别结果的数学模型。当需要进行乐器音色识别时，获取音色待识别信息，然后将该音色待识别信息导入到音色识别模型中，通过音色识别模
型对其进行识别分析，识别匹配得到音色识别结果信息，该音色识别结果信息包括所属乐器类型以及其对应的音色频段。当识别出具体的乐器类型和音色频段后，根据预设的对应的音色等级分布规则识别出具体的音色等级，进而得到精准的乐器音色信息，该乐器音色信息包括乐器类型、音色频段和音色等级等信息。
[0012]本方法结合深度学习算法建立音色识别模型，并对乐器音色等级进行区分识别，以得到完整精确的音色识别数据，对乐器音色进行精准识别，提高识别精度。
[0013]基于第一方面，在本专利技术的一些实施例中，上述基于深度学习算法根据乐器音色数据库建立音色识别模型的方法包括以下步骤：
[0014]获取并根据乐器音色标准信息建立初始识别模型；
[0015]根据乐器音色数据库中的乐器数据集及对应的音色数据集基于深度学习算法对初始识别模型进行训练，以得到音色识别模型。
[0016]基于第一方面，在本专利技术的一些实施例中，上述获取并导入音色待识别信息至音色识别模型中，生成音色识别结果信息的方法包括以下步骤：
[0017]获取并导入音色待识别信息至音色识别模型中；
[0018]通过音色识别模型将音色待识别信息中的乐器音频与音色识别模型中的标准乐器音频进行匹配，以得到乐器音色匹配结果；
[0019]根据乐器音色匹配结果生成音色识别结果信息。
[0020]基于第一方面，在本专利技术的一些实施例中，上述根据音色识别结果信息和预设的音色等级分布规则生成乐器音色信息的方法包括以下步骤：
[0021]获取并根据各种乐器对应的音色等级频段信息设定各种乐器对应的音色等级分布规则；
[0022]根据音色识别结果信息中的乐器信息选定对应的音色等级分布规则；
[0023]根据音色识别结果信息中的音色频段数据和选定的音色等级分布规则生成乐器音色信息。
[0024]第二方面，本专利技术实施例提供一种乐器音色识别系统，包括数据库建立模块、模型建立模块、初始识别模块以及音色等级模块，其中：
[0025]数据库建立模块，用于录入并根据各种乐器的标准音色数据建立乐器音色数据库；
[0026]模型建立模块，用于基于深度学习算法根据乐器音色数据库建立音色识别模型；
[0027]初始识别模块，用于获取并导入音色待识别信息至音色识别模型中，生成音色识别结果信息；
[0028]音色等级模块，用于根据音色识别结果信息和预设的音色等级分布规则生成乐器音色信息。
[0029]为了解决现有技术中乐器音色识别不精准的技术问题，本系统结合深度学习算法建立音色识别模型，对乐器音色进行精准识别。首先，为了保证数据的全面完整性，通过数据库建立模块录入多种乐器信息及各种乐器对应的音色数据，然后建立完整的乐器音色数据库，为后续提供数据基础；上述乐器信息包括乐器类型、型号、尺寸大小以及制作材质等信息；上述音色数据包括低音、中音、高音、混声、和声等。数据库建立完成后，模型建立模块根据该乐器音色数据库中的数据采用深度学习算法建立完整有效的音色识别模型；该音色
识别模型是指根据历史训练结果对乐器音色进行识别匹配，以得到音色识别结果的数学模型。当需要进行乐器音色识别时，通过初始识别模块获取音色待识别信息，然后将该音色待识别信息导入到音色识别模型中，通过音色识别模型对其进行识别分析，识别匹配得到音色识别结果信息，该音色识别结果信息包括所属乐器类型以及其对应的音色频段。当识别出具体的乐器类型和音色频段后，音色等级模块根据预设的对应的音色等级分布规则识别出具体的音色等级，进而得到精准的乐器音色信息，该乐器音色信息包括乐器类型、音色频段和音色等级等信息。
[0030]本系统结合深度学习算法建立音色识别模型，并对乐器音色等级进行区分识别，以得到完整精确的音色识别数据，对乐器音色进行精准识别，提高识别精度。
[0031]基于第二方面，在本专利技术的一些实施例中，上述模型建立模块包括初始模型子模块和模型训练子模块，其中：
[0032]初始模型子模块，用于获取并根据乐器音色标准信息建立初始识别模型；
[0033]模型训练子模块，用于根据乐器音色数据库中的乐器数据集及对应的音色数据集基于深度学习算法对初始识别模型进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种乐器音色识别方法，其特征在于，包括以下步骤：录入并根据各种乐器的标准音色数据建立乐器音色数据库；基于深度学习算法根据乐器音色数据库建立音色识别模型；获取并导入音色待识别信息至音色识别模型中，生成音色识别结果信息；根据音色识别结果信息和预设的音色等级分布规则生成乐器音色信息。2.根据权利要求1所述的一种乐器音色识别方法，其特征在于，所述基于深度学习算法根据乐器音色数据库建立音色识别模型的方法包括以下步骤：获取并根据乐器音色标准信息建立初始识别模型；根据乐器音色数据库中的乐器数据集及对应的音色数据集基于深度学习算法对初始识别模型进行训练，以得到音色识别模型。3.根据权利要求1所述的一种乐器音色识别方法，其特征在于，所述获取并导入音色待识别信息至音色识别模型中，生成音色识别结果信息的方法包括以下步骤：获取并导入音色待识别信息至音色识别模型中；通过音色识别模型将音色待识别信息中的乐器音频与音色识别模型中的标准乐器音频进行匹配，以得到乐器音色匹配结果；根据乐器音色匹配结果生成音色识别结果信息。4.根据权利要求1所述的一种乐器音色识别方法，其特征在于，所述根据音色识别结果信息和预设的音色等级分布规则生成乐器音色信息的方法包括以下步骤：获取并根据各种乐器对应的音色等级频段信息设定各种乐器对应的音色等级分布规则；根据音色识别结果信息中的乐器信息选定对应的音色等级分布规则；根据音色识别结果信息中的音色频段数据和选定的音色等级分布规则生成乐器音色信息。5.一种乐器音色识别系统，其特征在于，包括数据库建立模块、模型建立模块、初始识别模块以及音色等级模块，其中：数据库建立模块，用于录入并根据各种乐器的标准音色数据建立乐器音色数据库；模型建立模块，用于基于深度学习算法根据乐器音色数据库建立音色识别模型；初始识别模块，用于获取并导入音色待识别信息至音色识别模型中，生...

【专利技术属性】
技术研发人员：祝丽，
申请(专利权)人：妙音音乐科技武汉有限公司，
类型：发明
国别省市：