[发明专利]音乐文件的人声分离方法和装置

说明书

本申请涉及一种音乐文件的人声分离方法、装置、计算机设备以及计算机可读存储介质；所述方法包括：获取歌手的有效语料信息；对所述有效语料信息进行神经网络分析得到该歌手声纹的人声特征系数矩阵，并存储在所述歌手的特征库中；导入目标音乐，识别所述目标音乐的歌手，并从所述特征库查找出该歌手声纹的人声特征系数矩阵；将所述目标音乐的频谱信息与所述人声特征系数矩阵相乘得到目标音乐的人声文件；该技术方案，通过歌手人物的声纹特征提取和神经网络的训练从而得到该歌手最优的人声特征系数矩阵，利用该人声特征系数矩阵可以体现该歌手的发声音色，作用于目标音乐的频谱可使得纯人声还原度更高，提升了人声分离的纯净度，降低了失真度。

技术领域

本申请涉及音乐处理技术领域，尤其是一种音乐文件的人声分离方法、装置、计算机设备以及计算机可读存储介质。

背景技术

随着人们的生活水平不断提高，人们更多的追求精神上的享受，听歌，唱歌表达自己的情绪，甚至希望通过音乐唱出自己心中所想，由此往往需要对音乐进行伴奏和人声分离，可以为用户创作自己的回放歌曲，练习自己的唱功，向歌手致敬等，另外，在卡拉OK中，经常需要对唱歌者的演唱歌曲进行评分，也需要分离出纯净的人声来进行评定；因此，人声分离就显得格外重要。

目前，从音频中分离出人声的技术方案，有的是采用声纹识别的方式，提取声纹特征，根据声纹特征与数据库内的音乐信息进行查找，寻找对应的伴奏音乐；也有技术是采集每个参加音频会议的参会人员的声音数据和个人特征，对该声音数据进行声纹特征提取，构建关联该个人特征和该声纹特征的声纹特征数据库，对音频会议内容进行对应该声纹特征数据库中的声纹特征的人声分离。还有技术是通过人工智能技术实现，通过获取各音频样本以及相应的人声分离标注信息并训练人声分离模型，采用粗分离确定待识别的音频的语音用户的用户标识信息，将目标音频的每一用户标识信息以及目标音频输入至人声分离模型获得每一语音用户为目标音频中的每一目标音频片段对应的用户的概率，并根据概率确定目标语音用户。再有的技术，是对说话人超过2人的音频按语音单元切割，计算语音特征参数之间的匹配值，判断两个单元语音特征参数之间的匹配值是否高于预设阈值确定两单元在统一音频集内从而将同一集单元拼接。还有的技术还是采用人声中的音色特征分离人声和伴奏等等。

通过对当前各种人声分离技术的分析发现，上述技术主要是基于声纹特征的人声分离多用于分离出目标人声、多个人声或者特定人声分离等，这些方案更多是声纹识别范畴，其在分离过程中，分离出来的人声纯净度不足，存在失真的缺陷。

发明内容

针对于上述技术缺陷之一，本申请提供一种音乐文件的人声分离方法、装置、计算机设备以及计算机可读存储介质，以提高分离的人声纯净度，降低失真。

一种音乐文件的人声分离方法，包括：

获取歌手的有效语料信息；

对所述有效语料信息进行神经网络分析得到该歌手声纹的人声特征系数矩阵，并存储在所述歌手的特征库中；

导入目标音乐，识别所述目标音乐的歌手，并从所述特征库查找出该歌手声纹的人声特征系数矩阵；

将所述目标音乐的频谱信息与所述人声特征系数矩阵相乘得到目标音乐的人声文件。

在一个实施例中，所述的音乐文件的人声分离方法，还包括：

获取歌手的每首音乐的伴奏特征系数矩阵，并存储在所述歌手的特征库中；

识别所述目标音乐的歌手，并从所述特征库查找出该歌手对应该目标音乐的伴奏特征系数矩阵；

将所述目标音乐的频谱信息与所述伴奏特征系数矩阵相乘得到目标音乐的伴奏文件；

利用所述伴奏文件对人声文件进行降噪滤波处理，得到纯人声文件。

在一个实施例中，所述将所述目标音乐的频谱信息与所述人声特征系数矩阵相乘得到目标音乐的人声文件，包括：