一种舞曲生成方法、装置、终端和可读存储介质制造方法及图纸

本申请属于计算机技术领域，主要提供了一种舞曲生成方法、装置、终端和可读存储介质，本申请通过对待编舞音乐进行特征提取，得到待编舞音乐对应的音乐特征向量，然后，将该音乐特征向量输入预先训练得到的舞曲生成模型中，得到包含待编舞音乐对应的目标舞蹈动作以及各个所述目标舞蹈动作对应的目标舞蹈表情的目标舞曲，相比于仅为待编舞音乐配上生硬的、机械化的舞蹈动作来说，本申请的舞曲生成方法生成的带有情感的舞曲能够有效地提升舞曲的舞蹈效果，具有更高的使用价值；另外，本申请能够为未配舞的音乐生成与该音乐匹配的舞蹈动作，实现了AI智能编舞，能够节约人力物力。能够节约人力物力。能够节约人力物力。

Dance music generation method, device, terminal and readable storage medium

【技术实现步骤摘要】
一种舞曲生成方法、装置、终端和可读存储介质


[0001]本申请属于计算机
，尤其涉及一种舞曲生成方法、装置、终端和可读存储介质。

技术介绍

[0002]目前，一般有两种舞曲生成方式，第一种来源于编舞师的灵感，通过编舞师根据音乐节奏编舞；第二种为通过算法对已有的舞蹈动作进行三维建模，形成舞曲动作库，输出舞蹈动作。
[0003]其中，第一种方式由于每个编舞师对音乐节奏，舞蹈动作的理解不一致，并且受个人习惯的影响，很难形成统一的舞曲库，且需要耗费较多的人力物力；第二种方式仅限于现有的音乐舞曲动作，对于未配舞的音乐，存在无法得到与该音乐匹配的舞蹈动作的情况。另外，目前的舞曲生成方式仅仅是为未配舞的音乐添加相应的舞蹈动作，而没有考虑到其他影响舞蹈效果的因素，导致其最终生成的舞曲存在舞蹈效果差的问题。

技术实现思路

[0004]本申请提供一种舞曲生成方法、装置、终端和可读存储介质，可以实现AI智能编舞，能够为未配舞的音乐创作出与该音乐匹配的舞蹈动作，节约了人力物力，并且，还可以为生成的舞蹈动作匹配对应的舞蹈表情，得到带有情感的舞曲，提升了舞曲的舞蹈效果。
[0005]本申请实施例第一方面提供一种舞曲生成方法，包括：
[0006]获取待编舞音乐；
[0007]对所述待编舞音乐进行特征提取，得到所述待编舞音乐对应的音乐特征向量；
[0008]将所述音乐特征向量输入预先训练得到的舞曲生成模型中，得到所述舞曲生成模型输出的所述待编舞音乐对应的目标舞曲，其中，所述目标舞曲包含所述待编舞音乐对应的目标舞蹈动作以及各个所述目标舞蹈动作对应的目标舞蹈表情。
[0009]本申请实施例第二方面还提供一种舞曲生成装置，包括：
[0010]获取单元，用于获取待编舞音乐；
[0011]特征提取单元，用于对所述待编舞音乐进行特征提取，得到所述待编舞音乐对应的音乐特征向量；
[0012]舞曲生成单元，用于将所述音乐特征向量输入预先训练得到的舞曲生成模型中，得到所述舞曲生成模型输出的所述待编舞音乐对应的目标舞曲，其中，所述目标舞曲包含所述待编舞音乐对应的目标舞蹈动作以及各个所述目标舞蹈动作对应的目标舞蹈表情。
[0013]本申请实施例第三方面提供一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的舞曲生成方法的步骤。
[0014]本申请实施例第四方面提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的舞曲生成方法的
步骤。
[0015]本申请实施例中，通过对待编舞音乐进行特征提取，得到待编舞音乐对应的音乐特征向量，然后，将该音乐特征向量输入预先训练得到的舞曲生成模型中，得到由该舞曲生成模型输出的待编舞音乐对应的目标舞曲，具体的，由于该目标舞曲包含待编舞音乐对应的目标舞蹈动作以及各个所述目标舞蹈动作对应的目标舞蹈表情，即，本申请生成的舞蹈动作具有与之匹配的舞蹈表情，生成的目标舞曲为带有情感的具有灵魂的舞曲，相比于仅为待编舞音乐配上生硬的、机械化的舞蹈动作来说，本申请的舞曲生成方法生成的带有情感的舞曲能够有效地提升舞曲的舞蹈效果，具有更高的使用价值；另外，由于向预先训练得到的舞曲生成模型中输入任意类型的音乐对应的音乐特征向量，本申请都可以创作出与之匹配的舞曲，而不限定向预先训练得到的舞曲生成模型中输入的音乐对应的音乐特征向量为曾经编舞过的音乐对应的音乐特征向量，因而，不会出现无法为未配舞的音乐生成与该音乐匹配的舞蹈动作的情况，实现了AI智能编舞，并且，能够节约人力物力。
附图说明
[0016]图1为本申请实施例提供的舞曲生成方法的实现流程示意图。
[0017]图2为本申请实施例提供的舞曲生成模型的训练方法的实现流程示意图。
[0018]图3为本申请实施例提供的样本舞蹈动作的获取方法的实现流程示意图。
[0019]图4为本申请实施例提供的样本舞蹈表情的获取方法的实现流程示意图。
[0020]图5为本申请的实施例提供的舞曲生成装置的结构示意图。
[0021]图6为本申请的实施例提供的终端的示意图。
具体实施方式
[0022]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0023]在实际应用场景中，由于舞蹈的效果除了舞曲动作以外，舞者的感情与表情也非常重要，一套舞蹈动作配上僵硬的表情与同一套舞蹈动作配上欢快的表情，呈现的效果显然不同。但是目前多数编舞方案均只是给出生硬的舞蹈动作，缺少表情，导致舞曲的舞蹈动作缺少灵魂，过于僵硬和机械化。
[0024]本申请实施例提供的一种舞曲生成方法、装置、终端和可读存储介质，通过对待编舞音乐进行特征提取，得到待编舞音乐对应的音乐特征向量，然后，将该音乐特征向量输入预先训练得到的舞曲生成模型中，得到由该舞曲生成模型输出的待编舞音乐对应的目标舞曲，具体的，由于该目标舞曲包含待编舞音乐对应的目标舞蹈动作以及各个目标舞蹈动作对应的目标舞蹈表情，即，本申请生成的舞蹈动作具有与之匹配的舞蹈表情，生成的目标舞曲为带有情感的具有灵魂的舞曲，相比于仅为待编舞音乐配上生硬的、机械化的舞蹈动作来说，本申请的舞曲生成方法生成的带有情感的舞曲能够有效地提升舞曲的舞蹈效果，具有更高的使用价值；另外，由于向预先训练得到的舞曲生成模型中输入任意类型的音乐对应的音乐特征向量，本申请都可以创作出与之匹配的舞曲，而不限定向预先训练得到的舞曲生成模型中输入的音乐对应的音乐特征向量为曾经编舞过的音乐对应的音乐特征向量，
因而，不会出现无法为未配舞的音乐生成与该音乐匹配的舞蹈动作的情况，实现了AI智能编舞，并且，能够节约人力物力。
[0025]为了更好的说明本申请的技术方案，下面通过实施例的方式进行举例说明。
[0026]如图1所示，为本申请实施例提供的一种舞曲生成方法的实现流程示意图，该舞曲生成方法可以由终端上配置的舞曲生成装置执行。并且，该终端可以手机、平板电脑、机器人等智能终端，本申请对终端的类型不做限制。
[0027]具体的，本申请实施例提供的舞曲生成方法可以采用下述步骤101至步骤103实现：
[0028]步骤101，获取待编舞音乐。
[0029]本申请实施例中，上述待编舞音乐是指需要创作与之匹配的舞蹈动作的音乐。例如，该待编舞音乐可以为需要用于进行舞蹈教学的音乐。本申请对上述待编舞音乐的来源和类型不做限制。
[0030]步骤102，对待编舞音乐进行特征提取，得到待编舞音乐对应的音乐特征向量。
[0031]目前，一般通过人工标记，或者，基于用户的评论和用户的收听历史数据对音乐进行分类，得到待编舞音乐对应的音乐特征向量。
[0032]可选的，在本申请实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种舞曲生成方法，其特征在于，包括：获取待编舞音乐；对所述待编舞音乐进行特征提取，得到所述待编舞音乐对应的音乐特征向量；将所述音乐特征向量输入预先训练得到的舞曲生成模型中，得到所述舞曲生成模型输出的所述待编舞音乐对应的目标舞曲，其中，所述目标舞曲包含所述待编舞音乐对应的目标舞蹈动作以及各个所述目标舞蹈动作对应的目标舞蹈表情。2.如权利要求1所述的舞曲生成方法，其特征在于，所述对所述待编舞音乐进行特征提取，得到所述待编舞音乐对应的音乐特征向量，包括：提取所述待编舞音乐对应的梅尔倒谱系数、和弦、和声、节奏中的一个或多个音乐特征，并基于所述音乐特征生成所述待编舞音乐对应的音乐特征向量。3.如权利要求1所述的舞曲生成方法，其特征在于，所述对所述待编舞音乐进行特征提取，得到所述待编舞音乐对应的音乐特征向量，包括：利用公式计算得到所述待编舞音乐的各个频率分量对应的离散信号；其中，x(n)为所述待编舞音乐对应的时域信号，W
Nk
[n]为长度为N
k
的窗函数，S为信号采样频率，δf为频率解析度，Q为常数，并且，f
k
表示第k个频率分量，并且，f
min
为所述待编舞音乐的频率下限，b为一个八度内所包含的频率谱线数；k的取值为1到M的整数，M为待编舞音乐的功率谱进行滤波的滤波器个数；基于所述待编舞音乐的各个频率分量对应的离散信号，生成所述待编舞音乐对应的音乐特征向量。4.如权利要求1
‑
3任意一项所述的舞曲生成方法，其特征在于，所述舞曲生成模型的生成步骤包括：获取样本舞曲对应的样本编舞音乐，并获取所述样本编舞音乐对应的样本舞蹈动作以及各个所述样本舞蹈动作对应的样本舞蹈表情；将所述样本编舞音乐对应的音乐特征向量输入待训练的神经网络模型，得到所述神经网络模型输出的所述样本编舞音乐对应的待确定舞蹈动作以及各个所述待确定舞蹈动作对应的待确定舞蹈表情；基于所述样本编舞音乐对应的所述待确定舞蹈动作与所述样本编舞音乐对应的样本舞蹈动作之间的差异，以及各个所述待确定舞蹈动作对应的待确定舞蹈表情与相应的所述样本舞蹈动作对应的样本舞蹈表情之间的差异，调整所述待训练的神经网络模型之后，返回执行将所述样本编舞音乐对应的样本音乐特征向量输入待训练的神经网络模型，得到所述神经网络模型输出的所述样本编舞音乐对应的待确定舞蹈动作以及各个所述待确定舞蹈动作对应的待确定舞蹈表情的步骤及后续步骤，直至完...

【专利技术属性】
技术研发人员：吴云晓，尹运良，孟雪妹，焦锦洲，
申请(专利权)人：深圳市航天泰瑞捷电子有限公司，
类型：发明
国别省市：