[发明专利]一种音乐的生成方法和装置

权利要求书

1.一种音乐的生成方法，其特征在于，所述方法包括：

对终端中已输入的多张图像分别进行场景识别，生成分别匹配于所述多张图像对应的场景的描述文字；

从每张图像对应的场景匹配出的描述文字中获取所述描述文字中最后一个词所对应的汉语拼音和韵脚；

根据所述描述文字中最后一个词所对应的汉语拼音和韵脚生成对应于所述多张图像的押韵歌词，其中，每张图像对应的押韵歌词与该图像对应场景匹配出的描述文字的最后一个词具有相同的韵脚；

将所述多张图像分别对应的押韵歌词转换为语音；

将所述语音和预置的背景音乐合成在一起，生成图像音乐。

2.根据权利要求1所述的方法，其特征在于，所述对终端中已输入的多张图像分别进行场景识别，生成分别匹配于所述多张图像对应的场景的描述文字，包括：

根据深度学习神经网络模型对所述多张图像进行场景识别，得到识别出的图像特征，并根据所述图像特征确定所述多张图像分别对应的场景；

根据所述识别出的图像特征和所述多张图像分别对应的场景进行图像描述生成，得到所述多张图像对应的场景分别匹配出的描述文字。

3.根据权利要求1所述的方法，其特征在于，所述根据所述描述文字中最后一个词所对应的汉语拼音和韵脚生成对应于所述多张图像的押韵歌词，包括：

从所述描述文字中最后一个词所对应的汉语拼音中排列出所有韵母；

根据排列出的所有韵母确定韵母分配规律；

从符合韵母分配规律的韵母中确定出所述描述文字中最后一个词所对应的韵脚；

根据所述多张图像对应的场景以及各个场景下对应的韵脚从预先生成的歌词模板中获取到对应于所述多张图像的押韵歌词，所述歌词模板中预先配置有对应于多种场景与多种韵脚的歌词文字。

4.根据权利要求3所述的方法，其特征在于，所述根据所述多张图像对应的场景以及各个场景下对应的韵脚从预先生成的歌词模板中获取到对应于所述多张图像的押韵歌词，包括：

根据所述每张图像对应的场景匹配出的描述文字生成图像描述歌词；

根据所述多张图像对应的场景以及各个场景下对应的韵脚从预先生成的歌词模板中获取到补充歌词；

将所述图像描述歌词与所述补充歌词合成在一起，得到所述押韵歌词。

5.根据权利要求1所述的方法，其特征在于，所述多张图像通过所述终端进入拍照模式后采集得到；或，

所述多张图像从所述终端的相册中获取到。

6.根据权利要求1所述的方法，其特征在于，所述将所述多张图像分别对应的押韵歌词转换为语音，包括：

对所述多张图像分别对应的押韵歌词进行文本分析，得到文本分析结果；

从所述文本分析结果中提取出语言学特征；

根据所述语言学特征进行音素级别的时长预测与时长自适应调整，得到与所述押韵歌词匹配的韵律特征和词性特征；

基于所述语言学特征和所述与所述押韵歌词匹配的韵律特征和词性特征，使用神经网络模型进行发音生成，得到所述语音。

7.一种音乐的生成装置，其特征在于，所述音乐的生成装置包括：

场景识别模块，用于对终端中已输入的多张图像分别进行场景识别，生成分别匹配于所述多张图像对应的场景的描述文字；

押韵匹配模块，用于对每张图像对应的场景匹配出的描述文字进行基于关键词的押韵匹配，生成所述多张图像分别对应的押韵歌词；

语音生成模块，用于将所述多张图像分别对应的押韵歌词转换为语音；

音乐生成模块，用于将所述语音和预置的背景音乐合成在一起，生成图像音乐；

所述押韵匹配模块，包括：

韵脚获取模块，用于从所述每张图像对应的场景匹配出的描述文字中获取所述描述文字中最后一个词所对应的汉语拼音和韵脚；

歌词生成模块，用于根据所述描述文字中最后一个词所对应的汉语拼音和韵脚生成对应于所述多张图像的押韵歌词，其中，每张图像对应的押韵歌词与该图像对应场景匹配出的描述文字的最后一个词具有相同的韵脚。