[发明专利]音频提取装置、机器训练装置、卡拉OK装置

权利要求书

1.一种音频提取装置，具有控制部，所述控制部执行：

预处理，针对包含第一声道音频数据和第二声道音频数据的立体声音源，对所述第一声道音频数据和所述第二声道音频数据执行减法处理，生成中心剪切音频数据，所述第一声道音频数据包含用于第一声道的伴奏声音和声乐声音，所述第二声道音频数据包含用于第二声道的伴奏声音和声乐声音；以及

音频提取处理，通过向训练后的机器训练模型输入所述第一声道音频数据、所述第二声道音频数据和所述中心剪切音频数据，来提取所述伴奏声音和所述声乐声音中的某一方。

2.根据权利要求1所述的音频提取装置，其中，

所述预处理将所述第一声道音频数据、所述第二声道音频数据和所述中心剪切音频数据分别变换成频谱图，

所述音频提取处理将变换后的各个所述频谱图输入到所述训练后的机器训练模型中，并且提取所述伴奏声音和所述声乐声音中的某一方。

3.根据权利要求1所述的音频提取装置，其中，

所述预处理将所述第一声道音频数据、所述第二声道音频数据和所述中心剪切音频数据分别变换为作为多维数据的第一多维数据，所述多维数据的至少第一轴对应于时间且第二轴对应于与声音的频率有关的声音信息，

所述音频提取处理将变换后的所述第一多维数据输入到所述训练后的机器训练模型中，取得与所述伴奏声音和所述声乐声音中的某一方对应的作为所述多维数据的第二多维数据，将取得的所述第二多维数据变换为与所述伴奏声音和所述声乐声音中的某一方对应而不混合所述伴奏声音和所述声乐声音的音频数据。

4.根据权利要求1～3中任一项所述的音频提取装置，其中，

通过所述减法处理从所述立体声音源中消除或减少所述第一声道音频数据和所述第二声道音频数据的频域的中心周围的音频成分，来生成所述中心剪切音频数据。

5.根据权利要求1～3中任一项所述的音频提取装置，其中，

所述预处理包含从所述立体声音源分离所述第一声道音频数据和所述第二声道音频数据的处理。

6.根据权利要求2记载的音频提取装置，其中，

所述训练后的机器训练模型是以如下方式被机器训练而得的模型，所述方式是输入对应于所述第一声道音频数据的频谱图、对应于所述第二声道音频数据的频谱图、以及对应于所述中心剪切音频数据的频谱图，并输出与所述伴奏声音和所述声乐声音中的某一方对应而不混合所述伴奏声音和所述声乐声音的频谱图。

7.一种音频再现装置，具有控制部，所述控制部执行：

预处理，将包含伴奏声音和声乐声音的音频数据变换为第一多维数据，所述第一多维数据的至少第一轴对应于时间且第二轴对应于与声音的频率有关的声音信息；

伴奏声音提取处理，将变换后的所述第一多维数据输入到神经网络中，取得第二多维数据，所述神经网络以输入与混合有伴奏声音和声乐声音的音频数据对应的多维数据，并输出与包含所述伴奏声音而不混合所述声乐声音的音频数据对应的多维数据的方式被训练；以及

再现处理，将取得的所述第二多维数据变换为包含所述伴奏声音而不混合所述声乐声音的第二音频数据，并且再现变换后的所述第二音频数据。

8.根据权利要求7所述的音频再现装置，其中，

所述再现处理将歌词与所述伴奏声音同步地显示。

9.一种音频提取方法，具有：

预处理步骤，处理器针对包含第一声道音频数据和第二声道音频数据的立体声音源，对所述第一声道音频数据和所述第二声道音频数据执行减法处理，生成中心剪切音频数据，所述第一声道音频数据包含用于第一声道的伴奏声音和声乐声音，所述第二声道音频数据包含用于第二声道的伴奏声音和声乐声音；以及

音频提取处理步骤，所述处理器通过训练后的机器训练模型从所述第一声道音频数据、所述第二声道音频数据和所述中心剪切音频数据，提取所述伴奏声音和所述声乐声音中的某一方。