[发明专利]基于音频输入的动态调适音调校正

说明书

本发明提供了一种用于调整音频信号的音调的系统和方法，该方法包括：检测所述音频信号中的输入音符、将所述输入音符映射到相应的输出音符，每个输出音符具有相关联的上音符边界和下音符边界以及响应于先前接收到的输入音符来修改至少一个输出音符的所述上音符边界和所述下音符边界中的至少一个。所述输入音符的音调可被转变以匹配相应的输出音符的相关联的音调。基于检测到的所述输入音符的稳定性来动态地调整所述音调转变过程的延迟。

本案是申请号为201310717160.3，申请日为2013年12月23日，题目为“基于音频输入的动态调适音调校正”的申请的分案。

技术领域

本公开涉及可包含现场或近实时声乐音调校正的音乐声效处理器。

背景技术

声效处理器是能够修改输入声乐信号以改变话音的声响的装置。音调校正处理器转变输入声乐信号的音调，通常以改进声乐信号的语调，使得其与乐调或音阶的音符更好地匹配。可将音调校正处理器分类为“非实时”或“实时”。非实时音调校正处理器通常作为基于文件的软件插件而运行，且可使用多遍处理来改进处理的质量。实时音调校正处理器结合使用最小预见性的快速处理而操作，使得经处理的输出话音经产生而具有小于约500ms且优选小于约25ms的非常短的延迟，使得其可在现场演出期间使用。通常，音调校正处理器将具有连接到预期单声道信号的输入端的至少一个麦克风，且将产生单声道输出信号。音调校正处理器也可并入有其它声效，诸如例如混响和压缩。

音调校正是校正输入音频信号的语调以使其与音乐上正确的期望目标音调较好地匹配的方法。音调校正处理器通过检测表演者正在唱的输入音调、确定期望的输出音符以及接着转变输入信号，使得输出信号音调较接近期望音符来工作。所有音调校正系统的最重要方面之一是输入音调与期望目标音调之间的映射。在一些系统中，在每个时刻，音乐上正确的或目标音调是已知的。举例来说，当音调校正到已知导轨或频道时，例如MIDI文件中的旋律音符时，每一目标音符是预先已知的。因此，映射仅减少为选择目标音调，而与输入音调无关。然而，在大多数情形中，既定目标音调不是预先已知的，且因此必须基于输入音符和可能的其它信息(例如预定调子和音阶)来推断。

本公开提供与西方12音阶对应的音乐的代表性实施方案，但本领域的那些普通技术人员将清楚，此描述可适合于界定离散音符的任何音乐系统或音阶。在一些系统中，假定目标音阶为半音音阶，其包含根据预定音阶参考频率(例如A＝440Hz)的音阶中的全部12个音调。在其它系统中，目标或预定义音阶可包含可用音调的子集。举例来说，可使用包含七个音符的预定义子集的C#大音阶。在任一情况下，声效处理器需要包含所有可能输入音调之间的映射，以及期望输出音符的离散集合。

音调校正的技术现状存在若干问题。举例来说，当使用半音音阶且歌唱者错过半音程的一半以上的期望目标音符时，将通常选择错误的目标音符。并且，当歌唱者使用具有较大音调偏差的颤音或某一其它音调效果时，校正可能导致选定输出音符在两个音符之间的跳跃或振荡。使用具有比半音音阶少的输出音符的音阶(例如，大音阶中的七个音符)可有助于减轻这两个问题。然而，这通常导致另一主要问题：许多歌曲具有较短的节，其中局部性的调子或音调中心与歌曲的全局调子不同。举例来说，在全局为G大调调子(其不包含C#)的歌曲期间，可播放A大调和弦(其包含音符A、C#和E)。在此情况下，旋律可包含音符(C#)，其不是全局调子(G大调)的部分，且因此将不被音调校正输入到输出映射选择。

关于音调校正技术现状的另一常见抱怨是以下事实：主要因为音调检测和音调转变操作，音调校正处理器的输入音频与输出音频之间总是存在时间延迟。在实时音调校正系统的技术现状中，此延迟大约为20ms。对于许多人来说，以大于约10ms的延迟来歌唱可能较困难，因为延迟与使表演者相当分心的回音类似。

发明内容