[发明专利]一种歌声侦测的方法

说明书

本发明公开了一种歌声侦测的方法，具体包括如下步骤：101）获取BGM频谱特征步骤，102）剔除BGM步骤，103）人声判断步骤，104）侦测数据的后处理步骤；本发明提供一种通过歌曲分析，侦测出歌声段落，免去了手动定位的繁琐操作的一种歌声侦测的方法。

技术领域

本发明涉及音频处理领域，更具体的说，其涉及用于一种歌声侦测的方法。

背景技术

随着智能手机的普及，音视频编辑在手机上的应用越来越广，而利用手机制作一段自己专属的MV逐渐成为一种风尚。在手机上制作个人MV所选用的歌曲往往随意性较大，在配置歌词时，一般通用的歌词文件所给出的时间点往往无法与歌曲相匹配，因此需要用户自己配置字幕，实际使用时需要用户自己定位以到“声词同步”的效果。

现有的做法：每一段歌唱开始点，都需要用户先听一下，大致确认在什么位置，然后拖动播放进度条到大致范围；再播放听一下，然后较为细致的来回拖动；如此可能要反复几轮。期间，万一出现误操作，则需要重新来一遍。在手机上用这种手工方式做定位，需要消耗大量的时间和精力，限制了个人的创作与发挥。

发明内容

本发明的目的在于提供一种通过歌曲分析，侦测出歌声段落，免去了手动定位的繁琐操作的一种歌声侦测的方法。

为了解决上述技术问题，本发明的技术方案如下：

一种歌声侦测的方法，具体步骤如下：

101)获取BGM频谱特征步骤：选定出目标歌曲中一段没有歌唱的纯背景音乐即BGM，提取其频谱特征，所述频谱特征的获取方式为先将BGM划分为N个单元，提取每个单元的频谱，而后求其频谱均值来作为其频谱特征；

102)剔除BGM步骤：根据步骤101)针对一个频点，遍历其前后5个单元的相应频点的频谱特征，并根据频谱特征得到的频谱值来找出其中的次极大值；当次极大值大于等于该值时，则该频点为需要进行剔除处理的频点；

103)人声判断步骤：将经过步骤102)处理后的音频信号，利用WebRTC来判断人声，并将音频信号分割为每次输入10ms的音频信号，WebRTC检测后的结果为“真”表示是人声，为“假”表示不是人声；所述WebRTC是Google开放项目，其中的VAD功能用于检测人声；

104)侦测数据的后处理步骤：将步骤103)的判断后的结构数据进行处理，最终将以时间段落的方式呈现歌声，具体包括如下处理的状况：

将步骤103)中经过判断的每段检测结果作为一个结果单元，根据其是否在歌声区域进行进一步的判别处理，当该结果单元处于歌声区域，并且WebRTC检测结果为“真”，则计算已有歌声区间的长度，当其大于歌声区间的长度则判定构建为一段歌唱区间，并进行重置标志量，若其小于歌声区间的长度则进行下一个结果单元的判定；当该结果单元处于歌声区域，并且WebRTC检测结果为“假”，则进行累加静音时长，再将该静音时长与预设的一首歌的静音阈值进行比较，若小于静音阈值则直接进行下一个结构单元的判定，若大于等于静音阈值则计算前一段声长并与声长下限阈值进行对比，若小于声长下限阈值则丢弃这段数据，重置标志量，若大于下限阈值则构建为一段歌唱区间，重置标志量；当该结果单元不处于歌声区域，则进一步判定是否是歌声，若是，则标志歌声开始，若不是，则进行下一个结果单元的判定。

进一步的，所述步骤102)某个需要进行剔除处理的频点的频谱值为X(k)，则处理后的频谱值为

X′(k)＝G*X(k) 公式(1)

其中G＝0.000001为剔除增益；因直接这样抹除BGM，其处理后的信号平滑性仍不足。声音会有触发、衰减、延续、释放的过程，因此还需进一步结合该机理过程，在触发和释放阶段做平滑处理。

进一步的，所述平滑处理，具体处理方式如下：

触发阶段取20毫秒，释放阶段取100毫秒；