[发明专利]音频分类方法和装置

说明书

公开了一种基于机器学习的音频分类及相应的歌曲推荐方案。分类方法包括：将待分类音频进行频谱化，以得到音频频谱图；将音频频谱图送入机器学习(ML)图像分类器进行分类；根据所述ML图像分类器的分类结果，确定所述待分类音频的所属分类。在此，ML图像分类器尤其可以是经训练ANN，例如CNN分类器或是仅进行二分类判断的打标签器。由此，本发明通过将待分类音频进行频谱可视化，并使用机器学习进行图像分类，从而能够从频谱分布的角度更为客观、准确地对音频进行分类。上述频谱图像在进行图像分类之前，还可以送入例如专门训练的ANN进行降维处理，从而在保存音频主要信息的同时，大幅降低图像分类的复杂度，提升分类和打标效率。

技术领域

本发明涉及音频分析领域，尤其涉及一种基于机器学习的音频分类方法和装置。

背景技术

用户使用音乐播放软件收听音乐时，除了播放自己喜欢的歌曲之外，往往还希望拓展自己的听歌范围，收听一些自己还没听过但又可能会喜欢的歌曲。为了收听这样的歌曲，用户可能会尝试着点击特定主题的推荐歌单。推荐歌单是否真的包含用户爱听的歌曲，成为衡量用户体验的一个重要标准。

在现有技术中，曲库会根据一首歌曲的特征对其进行打标和分类存储，并且打标的参数可以是歌手、演奏者、所属专辑、年代、语种和曲风等等。无论是人工还是自动打标，现有的打标和分类方法都很难以一个相对统一的标准选出与用户喜欢的曲风，甚至是“感觉”类似的歌曲，从而难以生成高质量的推荐歌单。

为此，需要一种能够高效、客观对音频进行分类的解决方案。

发明内容

有鉴于此，本发明提出了一种基于人工智能的音频分类及相应的歌曲推荐方案，其通过将待分类音频进行频谱可视化，并使用机器学习分类器进行图像分类，从而能够从频谱分布的角度更为客观、准确地对音频进行分类。上述频谱图像在进行图像分类之前，例如还可以进行自编码器的降维处理，从而在保存音频主要信息的同时，大幅降低图像分类的复杂度，进一步提升分类和打标效率。

根据本发明的一个方面，提出了一种音频分类方法，包括：将待分类音频进行频谱化，以得到音频频谱图，例如，将待分类音频进行分帧和频谱变换，以得到音频分帧频谱图；将音频频谱图送入机器学习(ML)图像分类器进行分类；根据所述ML图像分类器的分类结果，确定所述待分类音频的所属分类。在此，ML图像分类器尤其可以是经训练的CNN分类器和/或用于判定输入图片是否属于某一风格或听感的打标签器。由此，本发明能够利用人工神经网络对频谱特征的挖掘来更为客观高效地实现对音频内容的把握。

优选地，该分类方法还可以包括：对频谱化的所述音频频谱图进行简化，例如，使用自编码器进行降维，以得到经简化的音频频谱图，并且，送入所述ML图像分类器进行分类的是所述经简化的音频频谱图。由此，提升分类器的分类处理能力。

针对音频分帧频谱图，本发明的方法还可以包括：将音频分帧频谱图进行组合，以得到经分帧组合的音频频谱图，并且，送入所述ML图像分类器进行分类的是所述经分帧组合的音频频谱图。

优选地，待分类歌曲包括多个待分类音频，并且，所述方法还可以包括：根据包括的多个待分类音频的分类结果，确定所述待分类歌曲的所述分类。

优选地，将音频频谱图送入机器学习(ML)图像分类器进行分类可以包括：将音频频谱图送入多个不同的打标签器进行标签判定，以及根据所述ML图像分类器的分类结果，确定所述待分类音频的所属分类包括：根据每个打标签器的判定结果，为所述待分类音频打上相应的标签。由此，提升并行打标的处理能力。

优选地，本发明的分类方法还可以包括：收集多个所述待分类音频的音频频谱图及其所属分类结果；以及基于多个所述待分类音频的音频频谱图及其所属分类结果重训用于进行分类的所述ML图像分类器。由此，能够不断丰富模型的训练素材库，在提升已有模型(例如，ANN分类模型)分类精度的同时，也为后续的模型训练提供更为丰富的样本。