[发明专利]将语音转换为说唱音乐的设备和方法

权利要求书

1.一种将语音转换为说唱音乐的设备，包括：

伴奏音乐生成部分，用于生成说唱伴奏音乐；

语音转换部分，基于伴奏音乐生成部分所生成的伴奏音乐，将用户输入 的语音转换为说唱形式；

音乐混合部分，将伴奏音乐生成部分所生成的说唱伴奏音乐以及由语音 转换部分所转换的说唱形式的语音相混合，以形成说唱音乐，

其中，所述语音转换部分包括：

音节分割器，将输入语音分割为多个音节以获得关于每一音节的信息；

韵律分析器，基于音节分割器获得的信息，分析输入语音以检测输入语 音的韵律模式；

语音转换器，根据伴奏音乐生成部分所生成的伴奏音乐的韵律模式，将 经过音节分割的输入语音转换为说唱形式。

2.如权利要求1所述的设备，其中，所述音节分割器包括：

特征提取器，从输入语音中提取MFCC特征向量；

HMM数据库，存储有通过期望最大化算法训练出的基于音素的HMM；

音节分割单元，利用由特征提取器提取的MFCC特征向量以及存储在 HMM数据库中的HMM，将输入语音分割为多个音节。

3.如权利要求2所述的设备，其中，所述关于每一音节的信息包括每一 音节的时长和强度、每一元音的起始位置和韵脚的可能位置中的至少一种。

4.如权利要求2所述的设备，其中，每一MFCC特征向量包括13维 MFCC特征、13维MFCC一阶差分特征以及13维MFCC二阶差分特征，共 39维。

5.如权利要求2所述的设备，其中，所述音节分割单元包括：

无监督音节分割单元，利用提取的MFCC特征向量以及存储的HMM来 对输入语音的音节进行分割；

有监督音节分割单元，利用提取的MFCC特征向量、存储的HMM以及 用户输入的歌词来对输入语音的音节进行分割。

6.如权利要求5所述的设备，其中，所述无监督音节分割单元的解码网 络是使用Viterbi方法的音节回路。

7.如权利要求5所述的设备，其中，所述有监督音节分割单元采用强制 对齐方法来对输入语音的音节进行分割。

8.如权利要求1所述的设备，其中，所述韵律分析器检测输入语音中的 重音、韵脚以及音乐节拍中的至少一种。

9.如权利要求8所述的设备，其中，所述韵律分析器包括：

静音检测器，检测输入语音中的静音；

韵脚检测器，基于由静音检测器检测到的静音的位置以及每一静音前面 的元音，检测韵脚所在的位置；

重音检测器，检测具有高强度的音节；

音节时长规范化单元，将每一音节的时长规范化。

10.如权利要求1所述的设备，其中，所述伴奏音乐生成部分包括：

伴奏音乐模板库，存储说唱伴奏音乐模板；

模板选择器，基于由所述韵律分析器检测到的输入语音的韵律模式，从 伴奏音乐模板库中选择说唱伴奏音乐模板，作为输入语音的伴奏音乐。

11.如权利要求10所述的设备，其中，所述模板选择器计算输入语音和 每一说唱伴奏音乐模板之间的匹配分数，并选择具有最高匹配分数的说唱伴 奏音乐模板作为输入语音的伴奏音乐。

12.如权利要求11所述的设备，其中，所述模板选择器使用动态规划算 法来计算输入语音和每一说唱伴奏音乐模板之间的匹配分数。

13.如权利要求10所述的设备，其中，所述伴奏音乐生成部分还包括：

模板重复单元，根据输入语音的长度，将伴奏音乐模板库中的说唱伴奏 音乐模板进行重复。

14.如权利要求13所述的设备，其中，模板重复单元对说唱伴奏音乐模 板进行重复，以使得重复后的说唱伴奏音乐模板的长度在输入语音的长度的 0.5～2倍之间。