[发明专利]一种将语音转换为旋律的方法和装置

权利要求书

1.一种将语音转换为旋律的方法，所述方法包括：

获取语音数据和乐谱信息，所述语音数据由用户输入，所述乐谱信息包括：歌词信息，音符信息以及两者的对应关系；

调整所述语音数据中各音节的时长，使各音节的时长与乐谱信息中对应的歌词时长对齐；

按照所述乐谱信息中各音符的音调，调整所述语音数据的语音基频点，使所述语音基频点与乐谱信息中对应音符的音调对齐；

结合调整音调后的语音基频点和调整时长后的各音节形成旋律数据。

2.根据权利要求1所述的方法，其中，所述调整所述语音数据中各音节的时长，使各音节的时长与乐谱信息中对应的歌词时长对齐，包括：

提取所述语音数据中每一帧的能量和过零率信息；

根据每一帧的能量和过零率信息将所述语音数据划分为语音段和静音段；

按照所述乐谱信息中的歌词信息将各语音段切分为音节；

调整语音数据中各音节的时长使得其与乐谱信息中对应的歌词时长对齐。

3.根据权利要求2所述的方法，其中，所述根据每一帧的能量和过零率信息将所述语音数据划分为语音段和静音段，包括：

根据每一帧的能量和过零率信息将每一帧标识为语音帧或静音帧；

将相邻的语音帧构成语音段将相邻的静音帧构成静音段。

4.根据权利要求2所述的方法，其中，所述按照所述乐谱信息中的歌词信息将各语音段切分为音节，包括：

确定乐谱信息的歌词中每个句子对应的语音段；

确定每个句子所包含的各个短语对应的语音段；以及

对每个短语对应的语音段进行语音切分，得到切分后的音节。

5.根据权利要求2所述的方法，其中，所述调整语音数据中各音节的时长使得其与乐谱信息中对应的歌词时长对齐包括：

在对一个包含声母和韵母的音节进行时长调节时，如果需要对该音节的时长进行拉长，则保持声母时长不变，只拉长韵母的时长；如果需要对该音节的时长进行缩短，则将声母和韵母同时缩短。

6.根据权利要求2所述的方法，其中，所述调整语音数据中各音节的时长使得其与乐谱信息中对应的歌词时长对齐包括：

当一个音节的前后均为静音段时，使该音节声母的时长占整个音节时长的16.2％；

当该音节的前面为静音段，后面不是静音段时，使该音节声母时长占整个音节时长的27.6％；

当该音节的前面不是静音段，后面是静音段时，使该音节声母时长占整个音节时长的24.8％；以及

当该音节的前后均不是静音段时，使该音节声母时长占整个音节时长的32.9％。

7.根据权利要求1所述的方法，其中，所述按照乐谱信息中各音符的音调，调整所述语音数据的语音基频点，使所述语音基频点与乐谱信息中对应音符的音调对齐，包括：

提取所述语音数据的语音基频信息，所述语音音频信息包括：语音数据的基频均值以及语音数据的各个语音基频点；

基于所述语音数据的基频均值和乐谱信息中所有音符的基频均值确定将所述语音数据转换成的旋律的调号；

以确定的调号为基准，调整所述语音数据的各语音基频点的频率与乐谱信息中各音符的音调对齐。

8.根据权利要求7所述的方法，其中，所述基于所述语音数据的基频均值和乐谱信息中所有音符的基频均值确定将所述语音数据转换成的旋律的调号，包括：

确定所述语音数据的基频均值F0_aver和所述乐谱信息中所有音符的基频均值P_aver；

如果F0_aver＞P_aver，将所述语音数据的基频均值降K-n个半音作为将所述语音数据转换成的旋律的调号，其中，K为F0_aver比P_aver高出的半音数目，n为实验值，特别是可以取n为int(K/7)，int表示取整；

如果F0_aver＜P_aver，将所述语音数据的基频均值升K-n个半音作为将所述语音数据转换成的旋律的调号，其中，K为F0_aver比P_aver低的半音数目，n为实验值，特别是可以取n为int(K/7)，int表示取整。