歌声鉴伪模型的训练方法、歌声鉴伪方法及相关产品技术

本申请实施例公开了歌声鉴伪模型的训练方法、歌声鉴伪方法及相关产品，该训练方法包括：获取机器演唱的正样本歌声片段、真人演唱的负样本歌声片段；将各歌声片段分别输入歌声特征提取模型，得到各歌声片段的歌声特征，此歌声特征提取模型采用对比学习思想训练得到；使用各歌声片段的标签信息、歌声特征对初始分类器模型进行训练，得到目标分类器模型；目标分类器模型用于判断待测歌曲是否为机器演唱。采用歌声特征提取模型提取歌声特征，可有效替代人工快而准地学习到机器演唱和真人演唱之间的声学差异，以保障目标分类器模型鉴别歌曲真伪时的效率和准确度，同时，填补对机器生成歌声进行检测的技术空缺。

【技术实现步骤摘要】

本申请实施例涉及音频，尤其涉及歌声鉴伪模型的训练方法、歌声鉴伪方法及相关产品。

技术介绍

1、随着人工智能生成内容(aigc,artificial intelligence generated content)技术的发展，ai生成的歌声听起来越来越自然，对于一般人来说也已经较难进行鉴别。但是，未经授权模仿歌手的合成歌曲，通常会影响原版歌曲的受众量，引发版权或许可纠纷；此外，就主流意识而言，广大听众也难以接受听到的歌曲其实是ai生成而非真人献唱。

2、目前，相关的音频鉴伪技术大多是针对说话语音的，不能直接应用于歌声鉴伪，且专门针对歌声进行鉴伪的技术较为稀缺，需要专业人员考虑歌声中的唱法、技巧、气息、咬字或音高等声学因素，从而分析待测歌曲是否为ai演唱，分析过程较为复杂。面对海量发布的多样歌曲，如此依赖人工鉴别每首歌曲的一系列技巧因素，工作量大，且容易将ai演唱的歌声误认为真人歌声。故针对于此，迫切需要提供有效的解决方案。

技术实现思路

1、本申请实施例提供了歌声鉴伪模型的训练方法、歌声鉴伪方法及相关本文档来自技高网...

【技术保护点】

1.一种歌声鉴伪模型的训练方法，其特征在于，所述歌声鉴伪模型包含歌声特征提取模型和目标分类器模型，所述训练方法包括：

2.根据权利要求1所述的训练方法，其特征在于，从机器演唱的歌曲样本中提取各歌声片段作为正样本歌声片段之后，所述训练方法还包括：

3.根据权利要求1或2所述的训练方法，其特征在于，提取所述正样本歌声片段和所述负样本歌声片段各自对应的歌声特征之后，所述训练方法还包括：

4.根据权利要求1或2所述的训练方法，其特征在于，所述使用所述正样本歌声片段和所述负样本歌声片段各自对应的标签信息、所述歌声特征对初始分类器模型进行训练，包括：

...

【技术特征摘要】

1.一种歌声鉴伪模型的训练方法，其特征在于，所述歌声鉴伪模型包含歌声特征提取模型和目标分类器模型，所述训练方法包括：

2.根据权利要求1所述的训练方法，其特征在于，从机器演唱的歌曲样本中提取各歌声片段作为正样本歌声片段之后，所述训练方法还包括：

3.根据权利要求1或2所述的训练方法，其特征在于，提取所述正样本歌声片段和所述负样本歌声片段各自对应的歌声特征之后，所述训练方法还包括：

4.根据权利要求1或2所述的训练方法，其特征在于，所述使用所述正样本歌声片段和所述负样本歌声片段各自对应的标签信息、所述歌声特征对初始分类器模型进行训练，包括：

5.根据权利要求4所述的训练方法，其特征在于，若所述歌声辅助特征包含不同类型的多类特征，所述训练方法还包括：

6.根据权利要求1所述的训练方法，其特征在于，若融合概率大于等于目标判断阈值，所述融合概率由所述正样本歌声片段和所述负样本歌声片段各自对应的所述预测概率融合得到的，则确定所述样本歌曲为机器演...

【专利技术属性】
技术研发人员：汪照文，江益靓，孔令城，赵伟峰，周文江，徐雨晴，吕烨子，林艳秋，
申请(专利权)人：腾讯音乐娱乐科技深圳有限公司，
类型：发明
国别省市：