[发明专利]歌词文件的生成方法及装置

权利要求书

1.一种歌词文件的生成方法，其特征在于，所述方法包括：

获取目标音频文件及参考音频文件，所述目标音频文件与所述参考音频文件为同一音频文件的不同版本；

采用预设频率对所述目标音频文件进行重采样；

将重采样后的目标音频文件划分为多个音频片段，每个音频片段中包含预设数量个采样点；

对于任意相邻的第一音频片段和第二音频片段，采用汉宁窗函数进行处理，得到第一加窗音频片段和第二加窗音频片段；

对所述第一加窗音频片段和所述第二加窗音频片段分别进行快速傅里叶变换FFT，得到所述第一音频片段对应的第一频谱和所述第二音频片段对应的第二频谱；

对所述第一频谱和所述第二频谱分别进行映射，得到所述第一音频片段对应的多个第一频率点和所述第二音频片段对应的多个第二频率点，所述第一频率点和所述第二频率点的数量相同；

根据所述多个第一频率点和所述多个第二频率点，获取所述第一音频片段的音频特征值；

对所述多个音频片段的音频特征值进行组合，得到第一音频特征；

按照对所述目标音频文件进行特征提取得到所述第一音频特征的方法，对所述参考音频文件进行特征提取得到第二音频特征；

根据所述第一音频特征和所述第二音频特征，计算所述目标音频文件与所述参考音频文件之间的时间偏差；

根据所述时间偏差，调整所述参考音频文件对应歌词文件的时间戳，得到所述目标音频文件对应的歌词文件。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一频谱和所述第二频谱分别进行映射，得到所述第一音频片段对应的第一频率点和所述第二音频片段对应的第二频率点，包括：

对于所述第一频谱，根据所述预设数量个采样点和所述预设频率，计算每个采样点对应的频率范围；

将小于指定范围的频率范围进行线性映射，得到多个线性频率点；

将大于所述指定范围的频率范围，应用以下公式，进行对数映射，得到多个对数频率点：

Bin n e w = 12 * log 2 ( B i n * Δ f f r e f ) + 69 ]]>

其中，Binnew表示所述对数频率点，Bin表示大于所述指定范围的任一频率范围，Δf表示相邻两个采样点对应的频率范围之间的频率间隔，fref表示参考频率，*表示乘号；

将所述多个线性频率点和所述多个对数频率点作为所述多个第一频率点。