[发明专利]基于类LISP链数据的旋律生成方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了基于类LISP链数据的旋律生成方法、装置、设备及存储介质，应用于智慧教育领域中，用于提高歌曲旋律质量，提高歌曲旋律的生成效率，进而提高作曲效率。本发明方法包括：获取用户输入的创作歌曲的初始数据；将所述初始数据转换为类LISP链表结构，得到初始类LISP链数据；调用随机匹配生成算法，基于所述初始类LISP链数据和预置歌曲库生成初始歌曲旋律；获取所述用户输入的偏好指令，所述偏好指令用于指示所述用户喜欢的风格和节奏；根据所述偏好指令匹配符合所述用户需求的目标风格类型和目标节奏类型；根据所述目标风格类型、所述目标节奏类型对所述初始歌曲旋律进行调整，生成目标歌曲旋律。

技术领域

本发明涉及音频转换领域，尤其涉及一种基于类LISP链数据的旋律生成方法、装置、设备及存储介质。

背景技术

音乐从业者和学术人员通常采用传统电脑协助作曲(computer aidedcomposition，CAC)软件进行作曲，但是CAC软件都有其自身的局限性，需要在一定间隔后才能处理用户输入，因此难以对用户输入采取实时处理，但对于作曲家而言，获得输入的实时反馈对提升作曲质量是十分重要的。

而Max/Msp这种交互式编程语言通过实时反馈，很好地帮助作曲家们解决了这个问题。同时，由于其不需要过多的编程基础，易于被编程知识较为欠缺的艺术专业人士和学生使用，长期以来一直在音乐制作和展示上占据重要地位。

但是Max/Msp没有专门处理类lisp链表数据类型的功能，但是这种数据类型对于智能作曲是非常关键的，直接影响了作曲的效率。

发明内容

本发明提供了一种基于类LISP链数据的旋律生成方法、装置、设备及存储介质，用于提高歌曲旋律质量，提高歌曲旋律的生成效率，进而提高作曲效率。

本发明实施例的第一方面提供一种基于类LISP链数据的旋律生成方法，包括：获取用户输入的创作歌曲的初始数据；将所述初始数据转换为类LISP链表结构，得到初始类LISP链数据；调用随机匹配生成算法，基于所述初始类LISP链数据和预置歌曲库生成初始歌曲旋律；获取所述用户输入的偏好指令，所述偏好指令用于指示所述用户需要的风格和节奏；根据所述偏好指令匹配符合所述用户需求的目标风格类型和目标节奏类型；根据所述目标风格类型、所述目标节奏类型对所述初始歌曲旋律进行调整，生成目标歌曲旋律。

可选的，在本发明实施例第一方面的第一种实现方式中，所述将所述初始数据转换为类LISP链表结构，得到初始类LISP链数据，包括：对所述初始数据进行解析，得到多个音乐段落；对每个所述音乐段落中的多个音乐语句按照预置的多个标签进行划分，得到多个标签数据集，其中，每个所述标签对应一个标签数据集，每个标签数据集包括至少一个音乐语句；将所述多个标签数据集转换成类LISP链表结构，得到初始类LISP链数据。

可选的，在本发明实施例第一方面的第二种实现方式中，所述将所述多个标签数据集转换成类LISP链表结构，得到初始类LISP链数据，包括：确定所述多个标签之间的上下位关系，其中，所述多个标签包括声部、乐器、旋律、小节及和弦；根据所述上下位关系将所述多个标签数据集按照类LISP链表结构进行排列，得到初始类LISP链数据，其中，所述类LISP链表结构为树状分层数据结构。

可选的，在本发明实施例第一方面的第三种实现方式中，所述根据所述偏好指令匹配符合所述用户需求的目标风格类型和目标节奏类型，包括：对所述偏好指令进行解析，得到符合所述用户需求的目标偏好选项，其中，所述目标偏好选项为多种预置音乐类型中的一种；在预置的风格节奏数据库中查找与所述目标偏好选项匹配的多种风格类型和对应的多种节奏类型；基于预置评价指标分别对所述多种风格类型和所述多种节奏类型进行评分，分别将得分最高的风格类型和节奏类型确定为所述目标风格类型和所述目标节奏类型。