[发明专利]歌曲文件的歌词匹配方法和装置

权利要求书

1.一种歌曲文件的歌词匹配方法，其特征在于，包括：

获取歌曲文件的歌曲信息；

根据所述歌曲信息获取所述歌曲文件的第一歌词，并将所述第一歌词与所述歌曲文件进行匹配；

利用语音识别模型对所述歌曲文件进行歌词识别得到第二歌词，并将所述第二歌词与所述歌曲文件进行匹配；

利用所述第二歌词的结构信息及所述第一歌词的歌词内容进行修正得到歌词文件。

2.根据权利要求1所述的歌曲文件的歌词匹配方法，其特征在于，所述根据所述歌曲信息获取所述歌曲文件的第一歌词，包括：

根据所述歌曲信息在歌曲库中进行搜索该歌曲文件对应的歌曲数据ID，并根据所述歌曲数据ID读取对应的歌曲数据；其中，所述歌曲数据包括歌曲文件及其第一歌词；

当在所述歌曲库中没有对应的歌曲数据ID时，启用网络爬取方式从公开网站上爬取所述歌曲文件的多份歌词信息，获得第一歌词。

3.根据权利要求1所述的歌曲文件的歌词匹配方法，其特征在于，所述歌曲库采用M阶B+树结构来存储歌曲数据；其中，所述歌曲数据对应在树结构中记录为歌曲数据ID；采用B+树层级化搜索算法在歌曲库中进行搜索该歌曲文件对应的歌曲数据ID。

4.根据权利要求1所述的歌曲文件的歌词匹配方法，其特征在于，所述启用网络爬取方式从公开网站上爬取所述歌曲文件的歌词信息，包括：

安装python程序对应的爬虫库；

在公开网站的源代码处寻找对应的URL，并解析该源码获得所述歌曲文件对应的歌曲名及其歌曲ID；

根据所述歌曲名及其歌曲ID并通过网站接口实现对应歌曲文件的歌词数据爬取；

对所述歌词数据中的非歌词信息进行数据清理后保存为纯文本的歌词信息，获得第一歌词。

5.根据权利要求1所述的歌曲文件的歌词匹配方法，其特征在于，所述利用语音识别模型对所述歌曲文件进行歌词识别得到第二歌词，包括：

构建语音识别模型；其中，语音识别模型包括单字语音网络和词组语音网络；

利用歌曲库的歌曲文件及其歌词文本对所述语音识别模型进行训练。

6.根据权利要求5所述的歌曲文件的歌词匹配方法，其特征在于，所述利用歌曲库的歌曲文件及其歌词文本对所述语音识别模型进行训练，包括：

从歌曲库中提取歌曲文件及其歌词文本；

对所述歌曲文件及其歌词文本进行预处理识别字的端点；

对所述歌词文本的每个单字进行切割得到单字或者词组；

将所述单字或者词组分别输入单字语音网络和词组语音网络进行训练。

7.根据权利要求1-6任一项所述的歌曲文件的歌词匹配方法，其特征在于，所述利用所述第二歌词的结构信息及所述第一歌词的歌词内容进行修正得到歌词文件，包括：

分别将所述第一歌词的歌词内容与第二歌词内容每个字进行对应；

获取所述第二歌词的结构信息；

根据所述结构信息对所述第一歌词的歌词内容的每个字的位置进行修正，得到歌词文件。

8.根据权利要求1-6任一项所述的歌曲文件的歌词匹配方法，其特征在于，所述利用所述第二歌词的结构信息及所述第一歌词的歌词内容进行修正得到歌词文件，包括：

分别将所述第一歌词的歌词内容与第二歌词内容的每个字的位置进行对应；

获取所述第一歌词的歌词内容；

利用所述歌词内容对所述第二歌词的歌词内容相同位置上的错别字进行修正，得到歌词文件。

9.根据权利要求8所述的歌曲文件的歌词匹配方法，其特征在于，所述第一歌词数量为多份；

所述分别将所述第一歌词的歌词内容与第二歌词内容的每个字的位置进行对应之前，还包括：

将各份第一歌词划分为主歌部分和副歌部分；

分别计算各份第一歌词两两之间的主歌部分歌词的偏离率和副歌部分歌词的副歌偏离率；

根据所述偏离率确定出所述第一歌词正确的主歌部分和副歌部分。