[发明专利]模型生成方法、音频处理方法、装置及计算机可读存储介质

说明书

本发明实施例提供了模型生成方法、音频处理方法、装置及计算机可读存储介质，属于计算机技术领域。该生成方法可以针对各音频训练样本，根据该音频训练样本得到对应的多个音频向量，按照多个音频向量对应在音频训练样本中的时序，将多个音频向量依次输入副歌音频处理模型，基于该音频训练样本的预测副歌起止时间以及该音频训练样本的真实副歌起止时间，获取副歌音频处理模型的损失值，在损失值在预设范围内的情况下，说明副歌音频处理模型可以输出较准确的副歌起止时间，则利用该目标副歌音频处理模型在对待处理音频处理时，能够基于训练学习中的各参数，自动得到准确的副歌起止时间。

技术领域

本发明属于计算机技术领域，特别是涉及一种模型生成方法、音频处理方法、装置及计算机可读存储介质。

背景技术

音乐能起到情感表达和烘托气氛的作用，因此可以将音频文件作为配乐设置在视频文件、多媒体文件等。通常的，一首歌曲是由一定结构性的段落组成，包括前奏、主歌、副歌、间奏等，其中，副歌是一首歌曲当中最具代表性、最吸引人的部分，可以作为一首歌曲的有效标志。因此，通常也会将一首歌的副歌作为配乐片段。

现有技术中，获取一首歌的副歌时，所采用的技术手段通常是：考虑到副歌一般会重复多次，其旋律和歌词都非常相似，因此根据歌曲中的一些特征，如旋律、文字内容等的重复性，基于经验人工选取歌曲中的副歌部分。

但是，因为歌曲种类繁多，各类歌曲中，副歌不一定具有重复多遍的旋律、文字内容等，因此通过现有技术的人工获取副歌的方式，一方面工作量非常大，另一方面，因为人工操作的不确定性，也会导致获取副歌准确度低的问题。

发明内容

本发明提供一种模型生成方法、音频处理方法、装置及计算机可读存储介质，以便解决仍人工获取副歌工作量大、准确度低的问题。

依据本发明的第一方面，提供了一种模型生成方法，该方法包括：

针对各音频训练样本，根据所述音频训练样本得到对应的多个音频向量；

按照各音频向量在所述音频训练样本中的时序，将所述多个音频向量依次输入副歌音频处理模型，得到所述副歌音频处理模型输出的所述音频训练样本的预测副歌起止时间；

基于所述预测副歌起止时间以及所述音频训练样本的真实副歌起止时间，获取所述副歌音频处理模型的损失值；

在所述损失值在预设范围内的情况下，将所述副歌音频处理模型作为目标副歌音频处理模型。

依据本发明的第二方面，提供了一种音频处理方法，该方法包括：

获取待处理音频；

获取所述待处理音频的多个待处理音频向量；

将所述多个待处理音频向量输入目标副歌音频处理模型，并通过所述目标副歌音频处理模型生成所述待处理音频的副歌起止时间；其中，所述目标副歌音频处理模型是利用第一方面所述的方法生成的。

依据本发明的第三方面，提供了一种模型生成装置，该装置包括：

第一获取模块，用于针对各音频训练样本，根据所述音频训练样本得到对应的多个音频向量；

输入模块，用于按照各音频向量在所述音频训练样本中的时序，将所述多个音频向量依次输入副歌音频处理模型，得到所述副歌音频处理模型输出的所述音频训练样本的预测副歌起止时间；

第二获取模块，用于基于所述预测副歌起止时间以及所述音频训练样本的真实副歌起止时间，获取所述副歌音频处理模型的损失值；

确定模块，用于在所述损失值在预设范围内的情况下，将所述副歌音频处理模型作为目标副歌音频处理模型。

依据本发明的第四方面，提供了一种音频处理装置，该装置包括：