[发明专利]歌唱合成方法和装置

权利要求书

1.一种歌唱合成方法，其特征在于，包括：

获取目标歌曲的乐谱图像，所述乐谱图像包括歌词和五线谱；

根据所述目标歌曲的乐谱图像和歌唱生成模型，确定所述目标歌曲的音频特征，所述歌唱生成模型是基于统计学模型算法训练得到的，所述音频特征包括基频；

根据所述目标歌曲的基频，确定所述目标歌曲包括的多个音符和所述多个音符中每个音符的时长；

根据所述多个音符中每个音符的时长，确定所述多个音符中待加入颤音的目标音符；

在所述目标音符的基频上加入模拟颤音，得到歌唱合成结果。

2.根据权利要求1所述的方法，其特征在于，根据所述目标歌曲的乐谱图像和歌唱生成模型，确定所述目标歌曲的音频特征，包括：

提取所述目标歌曲的乐谱图像中的歌词的语言学特征和五线谱的音乐特征，所述歌词的语言学特征包括发音和前后文关系，所述五线谱的音乐特征包括音符的音调、拍号、音高、音名和时长；

根据所述目标歌曲的语言学特征、所述目标歌曲的音乐特征和所述歌唱生成模型，确定所述目标歌曲的音频特征。

3.根据权利要求1所述的方法，其特征在于，根据所述多个音符中每个音符的时长，确定所述多个音符中需要加入颤音的目标音符，包括：

将所述多个音符中时长大于预设的第一时长的音符确定为所述目标音符。

4.根据权利要求1所述的方法，其特征在于，在所述目标音符的基频上加入模拟颤音，得到歌唱合成结果之前，所述方法还包括：

根据所述目标音符的时长，确定所述模拟颤音的信号参数，所述模拟颤音为正弦波信号，所述信号参数包括振幅和频率；

根据所述模拟颤音的信号参数，得到所述模拟颤音。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：

检查所述目标音符所在片段中包括的每个音符的音量；

若所述片段中包括的所有音符的平均音量大于所述目标歌曲中包括的所有音符的平均音量，则降低所述片段中包括的每个音符的音量。

6.根据权利要求1至4中任一项所述的方法，其特征在于，在根据所述目标歌曲的乐谱图像和歌唱生成模型，确定所述目标歌曲的音频特征之前，所述方法还包括：

获取多个样本歌曲中每个样本歌曲的乐谱图像和所述每个样本歌曲的清唱录音；

提取所述每个样本歌曲的乐谱图像中的歌词的语言学特征和五线谱的音乐特征；

提取所述每个样本歌曲的清唱录音中的音频特征；

将所述每个样本歌曲的语言学特征、所述每个样本歌曲的音乐特征和所述每个样本歌曲的音频特征输入到统计学模型算法中，训练得到所述歌唱生成模型。

7.根据权利要求1至4中任一项所述的方法，其特征在于，所述统计学模型为隐马尔可夫模型。

8.一种歌唱合成装置，其特征在于，包括：

获取单元，用于获取目标歌曲的乐谱图像，所述乐谱图像包括歌词和五线谱；

确定单元，用于根据所述目标歌曲的乐谱图像和歌唱生成模型，确定所述目标歌曲的音频特征，所述歌唱生成模型是基于统计学模型算法训练得到的，所述音频特征包括基频；根据所述目标歌曲的基频，确定所述目标歌曲包括的多个音符和所述多个音符中每个音符的时长；根据所述多个音符中每个音符的时长，确定所述多个音符中需要加入颤音的目标音符；

处理单元，用于在所述目标音符的基频上加入模拟颤音，得到歌唱合成结果。

9.一种计算机设备，包括存储器、处理器、通信接口以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述存储器、所述处理器以及所述通信接口之间通过内部连接通路互相通信，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，用于存储计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述权利要求1至7中任一项所述的方法的步骤。