基于生成式对抗网络的音乐旋律编曲方法、装置及系统制造方法及图纸

本发明专利技术公开了一种基于生成式对抗网络的音乐旋律编曲方法、装置及系统，所述方法包括：接收客户端发送的表单，根据表单中的信息，利用机器学习模型合成音乐文件；其中所述机器学习模型采用改进的生成式对抗网络模型；所述改进的生成式对抗网络模型将一个判别器改进为两个判别器，同时将生成器中的长短期记忆结构改进为关系记忆单元；将所述音乐文件的路径返回给客户端，以使客户端使用ref属性动态绑定页面中音频控件中所述音乐文件的路径，并且自动进行所述音乐文件的播放。本发明专利技术通过采用生成式对抗网络模型，极大程度增加了音乐旋律生成的多样性与真实性，生成的音乐旋律更加优美动听；通过合成音乐文件，使适用人群扩展到一般人群。般人群。般人群。

【技术实现步骤摘要】
基于生成式对抗网络的音乐旋律编曲方法、装置及系统


[0001]本专利技术属于人工智能机器学习领域，特别涉及一种基于生成式对抗网络的音乐旋律编曲方法、装置及系统。

技术介绍

[0002]目前，此领域大多是使用了只有一个根据歌词生成旋律数据的算法而不是最终的音频。这类软件的缺点是只面向于数据从业人员而不是真实有编曲业务需求的人员，并且此类算法在音乐生成效果上也不尽如人意。因此，需要提供一种既可以根据歌词生成更加合适的音乐旋律数据，也能将其转化为音乐文件，同时还能提供音乐播放，信息管理，用户权限管理等功能的软件系统。

技术实现思路

[0003]为了解决上述现有技术的不足，本专利技术提供了一种基于生成式对抗网络的音乐旋律编曲方法、装置、系统、服务器及存储介质，根据用户输入的歌词和选择的乐器，采用机器学习模型合成音乐文件，机器学习模型使用生成式对抗网络模型并将一个判别器改为两个判别器，同时将生成器中的长短期记忆结构替换为关系记忆单元，从而极大程度增加了音乐旋律生成的多样性与真实性，同时生成的音乐旋律更加优美与动听。此外，通过合成音乐文件，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成式对抗网络的音乐旋律编曲方法，其特征在于，所述方法包括：接收客户端发送的表单，根据表单中的信息，利用机器学习模型合成音乐文件；其中所述机器学习模型采用改进的生成式对抗网络模型；所述改进的生成式对抗网络模型将一个判别器改进为两个判别器，同时将生成器中的长短期记忆结构改进为关系记忆单元；将所述音乐文件的路径返回给客户端，以使客户端使用ref属性动态绑定页面中音频控件中所述音乐文件的路径，并且自动进行所述音乐文件的播放。2.根据权利要求1所述的音乐旋律编曲方法，其特征在于，所述表单中的信息包括歌词和乐器信息；所述根据表单中的信息，利用机器学习模型合成音乐文件，包括：利用词典模块，将所述歌词转化成向量；根据所述向量，利用机器学习模型生成音乐旋律；根据所述音乐旋律和乐器信息，生成音乐文件。3.根据权利要求2所述的音乐旋律编曲方法，其特征在于，所述根据所述向量，利用机器学习模型生成音乐旋律，包括：在网络上获取大量现有的歌曲作为数据集，利用数据集中的歌曲对所述机器学习模型进行训练；在训练阶段过程中，根据两个判别器的输出结果对生成器中的参数进行调整；将所述向量输入训练好的机器学习模型中，通过生成器输出音乐旋律。4.根据权利要求3所述的音乐旋律编曲方法，其特征在于，两个判别器分别为歌词判别器和旋律判别器，其中，所述歌词判别器包括线性层、双向LSTM层以及sigmoid函数，所述旋律判别器包括线性层、两个串联的LSTM层、线性层及Dropout模块以及sigmoid函数；所述利用数据集中的歌曲对所述机器学习模型进行训练，包括：利用词典模块将歌曲中的歌词转化成向量，将所述向量与噪声拼接后输入生成器中，生成器输出音乐旋律；其中，所述噪声为与所述向量同样维度大小的随机数向量；将所述音乐旋律、向量以及歌曲中的旋律输入所述歌词判别器中，依次通过线性层、双向LSTM层以及sigmoid函数，得到歌词判别器的输出；将所述音乐旋律以及歌曲中的旋律输入所述旋律判别器中，依次通过线性层、两个串联的LSTM层、线性层及Dropout模块以及sigmoid函数，得到旋律判别器的输出；通过两个判别器的输出对生成器产生正向反馈作用，使生成器能够生成更加逼真的旋律数据。5.根据权利要求2所述的音乐旋律编曲方法，其特征在于，所述根据所述音乐旋律和乐器信息，生成音乐文件，包括：将tensor格式的音乐旋律保存为npy文件；读...

【专利技术属性】
技术研发人员：胡剑桥，陶乾，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：