[发明专利]一种歌词文件生成方法及装置

权利要求书

1.一种歌词文件生成方法，其特征在于，包括：

获取歌曲的音素传播序列和所述歌曲的音频帧序列；所述音素传播序列包括所述歌曲的歌词文本中的文本单元对应的音素；

在所述音频帧序列中确定与所述文本单元对应的音频帧；其中，所述文本单元对应的音素与所述音频帧的音频特征是相匹配的；

根据所述音频帧的播放时长，确定所述文本单元的时间信息；

根据所述文本单元的时间信息，生成所述歌曲的歌词文件，其中，所述歌词文件，用于指示在所述歌曲播放到所述时间信息所指示的位置的情况下展示所述文本单元。

2.根据权利要求1所述的方法，其特征在于，所述获取歌曲的音素传播序列，包括：

基于发声词典获取所述文本单元对应的音素集合；所述发声词典包括所述文本单元与音素集合的对应关系，所述文本单元对应的音素集合为所述文本单元的各个读音对应的音素组成的集合；

根据所述文本单元在所述歌曲中的读音，从所述文本单元对应的音素集合中获取所述文本单元对应的音素；

根据所述文本单元对应的音素生成所述音素传播序列。

3.根据权利要求1所述的方法，其特征在于，所述获取歌曲的音素传播序列，包括：

基于发声词典获取所述文本单元对应的音素集合；所述发声词典包括所述文本单元与音素集合的对应关系，所述文本单元对应的音素集合为所述文本单元的各个读音对应的音素子集组成的集合，任一读音对应的音素子集为对该读音对应的音素中的各音素的各个发音时长进行排列组合得到的集合；

根据所述文本单元在所述歌曲中的读音，从所述文本单元对应的音素集合中获取所述文本单元的目标音素子集；

根据所述文本单元在歌曲中的发音时长，从所述文本单元的目标音素子集中获取所述文本单元对应的音素；

根据所述文本单元对应的音素生成所述音素传播序列。

4.根据权利要求1所述的方法，其特征在于，所述获取歌曲的音素传播序列，包括：

基于发声词典获取所述文本单元对应的音素集合；所述发声词典包括所述文本单元与音素集合的对应关系，所述文本单元对应的音素集合为所述文本单元的各个读音对应的音素子集组成的集合，任一读音对应的音素子集为对该读音对应的音素中的各音素和各音素的转音音素进行排列组合得到的集合；

根据所述文本单元在所述歌曲中的读音，从所述文本单元对应的音素集合中获取所述文本单元的目标音素子集；

根据所述文本单元在所述歌曲中的音调转换情况，从所述文本单元的目标音素子集中获取所述文本单元对应的音素；

根据所述文本单元对应的音素生成所述音素传播序列。

5.根据权利要求1所述的方法，其特征在于，所述获取所述歌曲的音频帧序列，包括：

基于预设采样频率和预设格式对所述歌曲的音频信号进行采样，获取所述歌曲的采样序列；

根据音频帧的时长和所述采样序列，生成所述歌曲的音频帧序列。

6.根据权利要求5所述的方法，其特征在于，

所述预设采样频率为16kHz；

所述预设格式为16位深的单声道Wave脉冲编码调制PCM格式。

7.根据权利要求1所述的方法，其特征在于，在所述音频帧序列中确定与所述文本单元对应的音频帧之前，所述方法还包括：

对所述音频帧序列中的每个音频帧进行傅立叶变换，获取每一个音频帧的傅立叶变换频谱；

分离每一个音频帧的傅立叶变换频谱中的人声频谱和伴奏频谱，获取每一个音频帧的人声频谱；

将每一个音频帧的人声频谱转换为对应的梅尔倒频谱系数MFCC特征，获取每个音频帧的音频特征。