[发明专利]基于佛乐的音轨分离方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种基于佛乐的音轨分离方法、装置、设备及存储介质，用于提高分离音轨的灵活性和分离音轨的工作效率。基于佛乐的音轨分离方法包括：获取音乐数据，并将音乐数据拆分为多个时段音乐数据，音乐数据为佛乐数据；将音乐数据输入预置的权重参数生成器，得到多个参数权重；将多个参数权重和多个时段音乐数据输入预置的提取器模型，结合每个时段音乐数据的分辨率进行音轨分离，生成多个音乐音轨组，每个音乐音轨组包括多种类型音轨，提取器包括线性编码器、膨胀神经网络和解码器；按照多种类型音轨，对多个音乐音轨组进行整合，得到多个目标完整音轨。此外，本发明还涉及区块链技术，多个目标完整音轨可存储于区块链中。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种基于佛乐的音轨分离方法、装置、设备及存储介质。

背景技术

佛乐往往是以多音轨的形式存在的，包括人声和多种乐器的伴奏。有时信徒们需要提取其中的伴奏部分或者提取某一个乐器的音轨，当作伴奏用于自己歌唱佛乐或乐器演奏练习。

分离佛乐的多种乐器与人声需要借鉴音乐源分离的相关技术，目前针对音乐源分离的主要方法是为每一种乐器都训练一个单独的模型，然后将具有该类乐器的音乐源输入该模型中进行音轨分离，导致音轨分离的灵活性较低。而且大多都是通过混合信号的时频来进行音轨分离，导致分离音轨的效率较低。

发明内容

本发明提供了一种基于佛乐的音轨分离方法、装置、设备及存储介质，提高了分离音轨的灵活性和分离音轨的工作效率。

本发明第一方面提供了一种基于佛乐的音轨分离方法，包括：获取音乐数据，并将所述音乐数据拆分为多个时段音乐数据，所述音乐数据为佛乐数据；将所述音乐数据输入预置的权重参数生成器，得到多个参数权重；将所述多个参数权重和所述多个时段音乐数据输入预置的提取器模型中，结合每个时段音乐数据的分辨率进行音轨分离，生成多个音乐音轨组，每个音乐音轨组包括多种类型音轨，所述提取器包括线性编码器、膨胀神经网络和解码器；按照多种类型音轨，对多个音乐音轨组进行整合，得到多个目标完整音轨。

可选的，在本发明第一方面的第一种实现方式中，所述获取音乐数据，并将所述音乐数据拆分为多个时段音乐数据，所述音乐数据为佛乐数据包括：获取音乐数据，所述音乐数据为佛乐数据；从所述音乐数据中读取多个时刻参数，并对所述多个时刻参数进行划分，得到多个时段；按照每个时段对所述音乐数据进行拆分，得到多个时段音乐数据。

可选的，在本发明第一方面的第二种实现方式中，所述将所述音乐数据输入预置的权重参数生成器，得到多个参数权重包括：对所述音乐数据进行特征提取，得到音乐特征向量；将所述音乐特征向量输入预置的权重参数生成器网络中，得到多个参数权重，所述多个参数权重用于表示音乐数据中的多个乐器与人声之间的关系表示。

可选的，在本发明第一方面的第三种实现方式中，所述将所述多个参数权重和所述多个时段音乐数据输入预置的提取器模型中，结合每个时段音乐数据的分辨率进行音轨分离，生成多个音乐音轨组，每个音乐音轨组包括多种类型音轨，所述提取器包括线性编码器、膨胀神经网络和解码器包括：将所述多个时段音乐数据依次输入预置的提取器模型的线性编码器中，并结合所述权重参数和每个时段音乐数据，生成多个频率待卷积向量；根据所述提取器模型中的膨胀神经网络对所述多个频率待卷积向量依次进行卷积，得到多个膨胀卷积向量；根据所述提取器模型中的解码器对所述多个膨胀卷积向量依次进行解码，得到多个音乐音轨组，每个音乐音轨组包括多种类型音轨，所述提取器包括线性编码器、膨胀神经网络和解码器。