[发明专利]一种伴奏分类方法和装置

说明书

本申请实施例公开了一种伴奏分类方法及装置，该方法包括：获取目标伴奏的第一类音频特征，再对该目标伴奏的第一类音频特征中各种音频特征进行数据标准化处理，以得到该目标伴奏的第一特征集合，并将该目标伴奏的第一特征集合输入第一分类模型中进行处理，获取该第一分类模型针对该第一特征集合输出的第一概率值，当该第一概率值大于第一分类阈值时，确定该目标伴奏的伴奏类别为第一类伴奏；当该第一概率值小于或等于该第一分类阈值时，确定该目标伴奏的伴奏类别为其他类伴奏。采用本申请实施例，可以对伴奏进行快速有效的分类，提高伴奏分类效率，减少人力成本。

技术领域

本申请涉及计算机技术领域，尤其涉及一种伴奏分类方法和装置。

背景技术

伴奏，是指伴随衬托歌唱的器乐演奏。伴奏对于人们欣赏、演唱和演奏歌曲都有着极其重要的价值。目前，受伴奏录制器材和/或录制人员的伴奏录制水平限制，使得市面上伴奏的品质参差不齐(有高有低)。另外，市面上的大量老歌由于发行年代久远，当初没有录制伴奏或者伴奏丢失，导致目前已经无法获得这些老歌的原版伴奏，所以人们只能通过重新人工制作或者声源分离等消音技术来获得这些老歌的非原版伴奏。然而，如果人工制作，则成本高且数量稀少，但是伴奏的品质较高；如果通过消音技术处理，则成本低数量大，但是品质较差。

因此，以上原因导致了现在市面上的伴奏在品质上参差不齐，而想要对这些品质参差不齐的伴奏进行分类相对困难，目前的人工分类效率低，成本高。

发明内容

本申请实施例提供一种伴奏方法和装置，可以对伴奏进行快速有效的分类，提高伴奏分类效率，减少人力成本。

第一方面，本申请实施例提供了一种伴奏分类方法，该方法包括：

获取目标伴奏的第一类音频特征，该第一类音频特征中包括至少一种音频特征；

对该目标伴奏的第一类音频特征中各种音频特征进行数据标准化处理，以得到该目标伴奏的第一特征集合，该第一特征集合中包括至少一种音频特征；

将该第一特征集合输入第一分类模型中进行处理，该第一分类模型为卷积神经网络模型；

获取该第一分类模型针对该第一特征集合输出的第一概率值；

若该第一概率值大于第一分类阈值，则确定该目标伴奏的伴奏类别为第一类伴奏；

若该第一概率值小于或等于该第一分类阈值，则确定该目标伴奏的伴奏类别为其他类伴奏。

结合第一方面，在一种可能的实现方式中，上述第一分类模型基于至少两类伴奏的第一类音频特征和第一分类标签训练得到，该第一分类标签中包括第一类伴奏的分类标签以及至少一种其他类伴奏的分类标签。

结合第一方面，在一种可能的实现方式中，上述第一类音频特征包括梅尔频谱特征、相对频谱变换-感知线性预测RASTA-PLP特征、感知线性预测PLP特征中的至少一种。确定该目标伴奏的伴奏类别为其他类伴奏包括：获取该目标伴奏的第二类音频特征，该第二类音频特征包括该第一类音频特征，该第二类音频特征还包括谱熵、RASTA-PLP特征的一阶差分系数、RASTA-PLP特征的二阶差分系数中的至少一种；根据该目标伴奏的第二类音频特征确定出第二概率值；若该第二概率值大于第二分类阈值，则确定该目标伴奏的伴奏类别为第二类伴奏。

结合第一方面，在一种可能的实现方式中，该方法还包括：若该第二概率值小于或等于该第二分类阈值，则获取该目标伴奏的第三类音频特征，该第三类音频特征包括该第二类音频特征，该第三类音频特征还包括频谱滚降、谐波强度的连续性特征、突变静音特征中的至少一种；根据该目标伴奏的第三类音频特征确定出分类值，并根据该分类值确定该目标伴奏的伴奏类别。

结合第一方面，在一种可能的实现方式中，根据该目标伴奏的第三类音频特征确定出分类值，并根据该分类值确定该目标伴奏的伴奏类别，包括：