[发明专利]一种音乐生成方法和装置

权利要求书

1.一种音乐生成方法，其特征在于，包括：

获取多个风格标签，并将所述多个风格标签转换为风格向量指标；

将所述风格向量指标和从和弦进行数据库中随机选择的和弦进行，输入预先训练好的深度学习模型，生成音乐旋律的属性；

根据所述音乐旋律的属性，配置多个乐器；

基于所述音乐旋律的属性，控制所述多个乐器之间配合，生成音乐作品。

2.根据权利要求1所述音乐生成方法，其特征在于，

所述音乐旋律的属性包括：音符、音调、音高、音量以及时长中的任意一种或多种信息。

3.根据权利要求1所述音乐生成方法，其特征在于，所述生成音乐旋律的属性，包括：

生成音乐主旋律的属性；

将所述音乐主旋律的属性、所述风格向量指标和选择出的所述和弦进行，再次输入预先训练好的所述深度学习模型中，生成音乐辅旋律的属性。

4.根据权利要求3所述音乐生成方法，其特征在于，配置多个乐器，包括：

分别根据所述音乐主旋律的属性和所述辅旋律的属性，配置对应的乐器。

5.根据权利要求1所述音乐生成方法，其特征在于，进一步包括：

通过标注有和弦进行的歌曲样本以及对应的风格标签，训练深度学习模型。

6.根据权利要求5所述音乐生成方法，其特征在于，所述训练深度学习模型，包括：

所述深度学习模型包括：深度学习编码器和深度学习解码器；

所述深度学习编码器接收标注有和弦进行的歌曲样本以及对应的风格标签；

所述深度学习编码器将所述标注有和弦进行的歌曲样本以及对应的风格标签转换为内在语义表示，并发送给所述深度学习解码器；

所述深度学习解码器将所述内在语义表示转换为歌曲样本的音乐旋律的预测属性；

基于所述歌曲样本的音乐旋律的预测属性以及存储的所述歌曲样本的音乐旋律的真实属性，更新所述深度学习模型。

7.根据权利要求6所述音乐生成方法，其特征在于，更新所述深度学习模型，包括：

基于所述歌曲样本的音乐旋律的预测属性以及存储的歌曲样本的音乐旋律的真实属性，计算损失；

根据所述损失，更新所述深度学习模型的参数。

8.根据权利要求1所述音乐生成方法，其特征在于，进一步包括：

对所述音乐作品进行修饰和优化。

9.一种音乐生成装置，其特征在于，包括：

获取模块，用于获取多个风格标签，并将所述多个风格标签转换为风格向量指标；

旋律生成模块，用于将所述风格向量指标和从和弦进行数据库中随机选择的和弦进行，输入预先训练好的深度学习模型，生成音乐旋律的属性；

音乐处理模块，用于根据所述音乐旋律的属性，配置多个乐器；基于所述音乐旋律的属性，控制所述多个乐器之间配合，生成音乐作品。

10.根据权利要求9所述音乐生成装置，其特征在于，进一步包括：

训练模块，用于通过标注有和弦进行的歌曲样本以及对应的风格标签，训练深度学习模型。

11.根据权利要求10所述音乐生成装置，其特征在于，

训练模块，用于通过所述深度学习模型包括的深度学习编码器接收标注有和弦进行的歌曲样本以及对应的风格标签；并通过所述深度学习编码器将所述标注有和弦进行的歌曲样本以及对应的风格标签转换为内在语义表示，并发送给所述深度学习解码器；通过所述深度学习解码器将所述内在语义表示转换为歌曲样本的音乐旋律的预测属性；基于所述歌曲样本的音乐旋律的预测属性以及存储的所述歌曲样本的音乐旋律的真实属性，更新所述深度学习模型。