[发明专利]一种钢琴演奏评分方法、装置、计算机设备及存储介质

说明书

本发明公开了一种钢琴演奏评分方法、装置、计算机设备及存储介质，其中所述方法包括如下步骤：提取演奏音频的音乐特征，并对其进行归一化处理；将归一化处理后的音乐特征作为神经网络数学模型的输入，获取演奏音频的琴键后验概率特征序列；将演奏音频的琴键后验概率特征序列与模板音频的琴键后验概率特征序列进行模板匹配处理，获得描述匹配程度的多个音乐特征，以评判演奏音频；将描述匹配程度的多个音乐特征输入钢琴演奏评分模型，以获得评分结果。本发明所公开的技术方案克服了传统的评分方式中因评分者个人差异所带来的主观因素偏差，真实地反映演奏者的真实水平，且能够为钢琴学习者的自行练习提供必要的评分。

技术领域

本发明涉及语音处理技术领域，尤其涉及一种钢琴演奏评分方法、装置、计算机设备及存储介质。

背景技术

近年来，随着物质生活水平的提高，人们对精神生活的质量提出了更高的要求，越来越多人选择学习钢琴。

然而，传统的钢琴演奏水平的评价采用人工评分方式进行，尤其是钢琴演奏的现场考核。现场钢琴演奏完成后，利用表格的形式，把考试曲目的演奏内容拆分成各个具体细节要求，每位评分者根据演奏者现场发挥的水平各自进行评分。

尽管为了摒弃评分者主观喜好厌恶的个人色彩，其最终得分的取值方式是将所有评分者的分数相加后取平均分，但是人工评价机制的先天缺陷决定了其仍然不能从根本上消除主观因素带来的偏差。此外，人工评分方式往往忽视了各评价指标与演唱效果之间的非线性关系，不能真实地反映演奏者的真实水平。

另外，对于钢琴初学者而言，在音乐教师或音乐专业人士不在场的情况下其仍然需要自行练习。然而，没有专业人士的评分，初学者并不真正清楚自己钢琴演奏的好坏，使得自学效果大打折扣。

发明内容

本发明的主要目的在于提供一种钢琴演奏评分方法、装置、计算机设备及存储介质，以克服传统的评分方式中因评分者个人差异所带来的主观因素偏差，真实地反映演奏者的真实水平，且能够为钢琴学习者的自行练习提供必要的评分。

为了实现上述目的，根据本发明的一个方面，提供了一种钢琴演奏评分方法，包括如下步骤：提取演奏音频的音乐特征，并对其进行归一化处理；将归一化处理后的音乐特征作为神经网络数学模型的输入，获取所述演奏音频的琴键后验概率特征序列；将所述演奏音频的琴键后验概率特征序列与模板音频的琴键后验概率特征序列进行模板匹配处理，获得描述匹配程度的多个音乐特征，以评判所述演奏音频；将所述描述匹配程度的多个音乐特征输入钢琴演奏评分模型，以获得评分结果。

进一步地，所述提取演奏音频的音乐特征，并对其进行归一化处理的步骤包括：对所述演奏音频提取其常数Q变换的音乐特征，并对常数Q变换的音乐特征进行归一化处理；所述将归一化处理后的音乐特征作为神经网络数学模型的输入，获取所述演奏音频的琴键后验概率特征序列的步骤包括：将归一化后的常数Q变换的音乐特征作为卷积神经网络声学模型的输入，其输出为每一帧对应的琴键后验概率，以获取所述演奏音频的琴键后验概率特征序列；所述将所述演奏音频的琴键后验概率特征序列与模板音频的琴键后验概率特征序列进行模板匹配处理，获得描述匹配程度的多个音乐特征，以评判所述演奏音频的步骤包括：将所述演奏音频的琴键后验概率特征序列与模板音频的琴键后验概率特征序列作动态时间规整算法处理，获得规整路径及积累代价，并从所述规整路径及积累代价中提取音乐特征，从而获得用以评判所述演奏音频的多个音乐特征；所述将所述描述匹配程度的多个音乐特征输入钢琴演奏评分模型，以获得评分结果的步骤包括：将所述描述匹配程度的多个音乐特征输入有监督回归模型，以获得钢琴演奏的评分结果。

进一步地，所述提取演奏音频的音乐特征，并对其进行归一化处理的步骤进一步包括：对所述演奏音频的每一帧，生成维度为D的常数Q变换特征向量，并对其进行均值归一化处理。