歌曲搜索方法及其装置、设备、介质、产品制造方法及图纸

本申请公开一种歌曲搜索方法及其装置、设备、介质、产品，所述方法包括：获取客户端提交的待搜索歌曲相对应的编码信息；采用已训练至收敛状态的特征提取模型根据所述编码信息提取出表征该待搜索歌曲的多个尺度的深层语义信息的高维索引向量；计算所述高维索引向量与预设歌曲特征库中由所述特征提取模型提取的表征各首候选歌曲的多个尺度的深层语义信息的高维索引向量之间的相似度，获得相似度序列；筛选确定所述相似度序列中相似度数值超过预设阈值且为最大相似度的目标歌曲，构造该目标歌曲相应的访问链接推送至客户端设备。通过以上过程，可以快速高效精准地实现以歌搜歌服务，为用户查找到待搜索歌曲相似的目标歌曲。为用户查找到待搜索歌曲相似的目标歌曲。为用户查找到待搜索歌曲相似的目标歌曲。

Song search method and its device, equipment, media and products

【技术实现步骤摘要】
歌曲搜索方法及其装置、设备、介质、产品


[0001]本申请涉及音乐信息检索
，尤其涉及一种歌曲搜索方法及其相应的装置、计算机设备、计算机可读存储介质，以及计算机程序产品。

技术介绍

[0002]随着短视频、直播、电台的流行，翻唱类的音乐数量越来越大，需要音乐识别的场景也越来越复杂。与原唱版本相比，翻唱版本可能在音色、基频、节奏、速度、和声、歌词、唱法、整体结构等音乐成分均存在差异甚至完全不同。因此翻唱识别是一个非常有挑战性的研究工作。
[0003]现有技术中存在多种翻唱识别相关的技术，各种现有技术均存在一定程度的不足，例如：(1)传统的基于Landmark的听歌识曲技术，只能识别同源版本的歌曲，无法识别上述具有一定差异化信息的翻唱版本；(2)传统的基于旋律匹配的哼唱识曲技术，只能识别干净的清唱/哼唱，无法识别上述带背景伴奏的翻唱版本；(3)传统的翻唱识别技术方案，主要是通过提取音级轮廓(Pitch Class Profile,PCP)等音频特征，然后利用动态规划等算法计算歌曲间的相似距离。由于翻唱版本的多样性，上述方案仅能适用于改本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种歌曲搜索方法，其特征在于，包括如下步骤：获取客户端提交的待搜索歌曲相对应的编码信息；采用已训练至收敛状态的特征提取模型根据所述编码信息提取出表征该待搜索歌曲的多个尺度的深层语义信息的高维索引向量；计算所述高维索引向量与预设歌曲特征库中由所述特征提取模型提取的表征各首候选歌曲的多个尺度的深层语义信息的高维索引向量之间的相似度，获得相似度序列；筛选确定所述相似度序列中相似度数值超过预设阈值且为最大相似度的目标歌曲，构造该目标歌曲相应的访问链接推送至客户端设备。2.根据权利要求1所述的歌曲搜索方法，其特征在于，所述获取客户端提交的待搜索歌曲相对应的编码信息，包括如下步骤：接收客户端提交的歌曲搜索请求，获取该请求所指定的待搜索歌曲的音频数据；检测所述音频数据是否包含人声演唱信息，若未包含则终止后续执行；对所述待搜索歌曲的音频数据进行编码，获得相应的编码信息。3.根据权利要求1所述的歌曲搜索方法，其特征在于，所述计算所述高维索引向量与预设歌曲特征库中由所述特征提取模型提取的表征各首候选歌曲的多个尺度的深层语义信息的高维索引向量之间的相似度，获得相似度序列，包括如下步骤：调用预设歌曲特征库，以获得其中各首候选歌曲相对应的高维索引向量，所述高维索引向量为整体表示一首候选歌曲的不同尺度的深层语义信息的单个高维向量；分别计算所述待搜索歌曲的高维索引向量与所述歌曲特征库中的各个高维索引向量之间的相似度，获得相应的相似度序列；该相似度序列中存储所述歌曲特征库中的各首候选歌曲相对应的相似度数值；根据相似度数值对所述相似度序列进行逆向排序，获得排序后的相似度序列输出。4.根据权利要求1所述的歌曲搜索方法，其特征在于，所述计算所述高维索引向量与预设歌曲特征库中由所述特征提取模型提取的表征各首候选歌曲的多个尺度的深层语义信息的高维索引向量之间的相似度，获得相似度序列，包括如下步骤：调用预设歌曲特征库，以获得其中各首候选歌曲相对应的高维索引向量，所述高维索引向量为分散表示一首候选歌曲的各种尺度的深层语义信息的多个高维向量；按照不同语义尺度相对应的高维向量计算待搜索歌曲的高维向量与预设歌曲特征库中每首候选歌曲的相应语义尺度高维向量之间的相似度，获得与每种语义尺度相对应的相似度序列；根据高维向量在语义尺度上的对应关系，将各种语义尺度相对应的相似度序列中的相似度数值进行汇总合并，获得汇总相似度序列；根据相似度数值对所述汇总相似度序列进行逆向排序，获得排序后的相似度序列输出。5.根据权利要求2所述的歌曲搜索方法，其特征在于，所述获取客户端提交的待搜索歌曲相对应的编码信息，包括如下步骤：接收客户端提交的歌曲搜索请求，获取该请求所指定的待搜索歌曲的音频数据；检测所述待搜索歌曲的音频数据是否超过预设时长，若超过，将其根据预设时长分割为多个歌曲片段相对应的多个音频数据，否则保留为整段的音频数据；
分别针对每段音频数据进行编码，获得各段音频数据相对应的编码信息，以供所述特征提取模型分别提取出各个歌曲片段相对应的各个高维索引向量。6.根据权利要求5所述的歌曲搜索方法，其特征在于，所述计算所述高维索引向量与预设歌曲特征库中由所述特征提取模型提取的表征各首候选歌曲的多个尺度的深层语义信息的高维索引向量之间的相似度，获得相似度序列，包括如下步骤：调用预设歌曲特征库，以获得其中各首候选歌曲的歌曲片段相对应的高维索引向量，所述高维索引向量为整体表示一个歌曲片段的不同尺度的深层语义信息的单个高维向量；针对每段音频数据的高维索引向量分别计算其与预设歌曲特征库中每首候选歌曲的相应高维索引向量之间的相似度，获得与每段音频数据相对应的相似度序列；将所有相似度序列中的相似度数值按照相同候选歌曲进行汇总合并，获得汇总相似度序列；根据相似度数值对所述汇总相似度序列进行逆向排序，获得排序后的相似度序列输出。7.根据权利要求1至6中任意一项所述的歌曲搜索方法，其特征在于，所述特征提取模型被调用时，执行如下步骤：采用已训练至收敛状态的特征提取模型中的共享网络中的多个卷积块依次对所述编码信息进行多级特征提取，获得提取了所述编码信息的深层语义信息的中间特征信息；采用所述特征提取模型中的两个以上的分支网络中的多个卷积块对所述中间特征信息进行不同尺度的特征提...

【专利技术属性】
技术研发人员：张超钢，肖纯智，
申请(专利权)人：广州酷狗计算机科技有限公司，
类型：发明
国别省市：