[发明专利]一种基于K均值聚类算法生成逐字歌词文件的系统与方法

说明书

本发明提供一种基于K均值聚类算法生成逐字歌词文件的系统与方法，所述方法包括：获取需要生成歌词文件的音频数据和文字，再将所述的音频数据至少分割成一个音频片段，对所述音频片段进行傅里叶变换，得到对应的频域片段，获取所述频域片段能量在频域分布范围值，利用K均值聚类算法根据频率能量变化差异度数值确定频率变化明显的时间节点，再结合所述音频数据中的文字，将所得的时间节点与所述文字根据先后次序一一对应，生成逐字歌词文件。通过上述方案解决了目前歌词文件逐字歌词时长不精确的问题。

技术领域

本发明涉及音频处理领域，尤其涉及一种基于K均值聚类算法生成逐字歌词文件的系统与方法。

背景技术

K均值聚类算法是典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。

现在mp3等音频播放设备播放歌曲文件时，没有逐字对应的歌词，逐字歌词需要人工制作。目前，通过音频检测文件核语音智能识别技术，可以实现所有歌曲自动生成逐字歌词。但是，现有的歌词字幕不能够对歌曲中每个字的发音时长做出准确的判断。比如当我们去KTV唱歌时，往往是通过某个字的颜色渐变等方法来表示这个字需要唱的时长，例如，该字字体颜色由白色逐渐变为蓝色来表示这个字需要唱的时间，但是，由于现阶段歌词字幕往往是人工制作或者根据检测音频文件和语音智能识别自动生成的，存在歌曲文件逐字歌词时长识别不精确的问题。

目前，针对上述问题，还没有提出一种能够有效解决问题的技术方案。

发明内容

本发明提供了一种基于K均值聚类算法生成逐字歌词文件的系统与方法，可有效解决歌曲文件逐字歌词时长识别不精确的问题。

一方面，本发明提供了一种基于K均值聚类算法生成逐字歌词文件的系统，包括：

获取模块，用于获取需要生成歌词文件的音频数据和所述音频数据中的文字；

分割模块，用于对所述的音频数据根据预设分割时长进行分割，至少分割成一个音频片段，所述分割所得的音频片段总数至少为一倍的所述文字总数；

转换模块，用于对所述所有音频片段进行傅里叶变换，得到对应的频域片段；

节点模块，用于获取所述所有频域片段能量在频域分布范围值，利用K均值聚类算法根据频率能量变化差异度值将所述频域片段分成K个簇，其中，所述K值与所述音频数据中的文字总数一致，根据时间先后次序对每个簇中的频域片段进行排序，将每个簇中排序后的起始频域片段对应的时间记为频率发生变化的时间节点；

生成模块，用于将获取的所有时间节点与所述文字根据先后次序一一对应，生成逐字歌词文件。

在一个实施例中，所述节点模块中，所述K均值聚类算法的算法处理过程为：

步骤1，随机任选K个频率片段作为K个簇中心；

步骤2，分别计算剩余的频率片段与K个簇中心的频率能量变化差异度，将所述差异度数值最低的频域片段划分到同一个簇；

步骤3，根据步骤2的簇聚类结果，重新计算每个簇的簇中心，并对簇中心进行更新，所述计算方法为计算每个簇中所有频域片段频率能量变化差异度的均值；

步骤4，循环执行步骤2和步骤3的过程，直到每个簇的差异度均值小于或等于设定的阈值。

在一个实施例中，所述获取模块包括语音识别模块，用于通过智能语音识别技术，识别所述音频数据中的所有文字。

在一个实施例中，所述生成模块包括：用于将所得的所述时间节点与所述语音识别模块识别的文字根据先后次序进行一一对应，生成逐字歌词文件。