[发明专利]梵叹音乐生成方法、装置、设备及存储介质在审

专利信息
申请号: 202110285836.0 申请日: 2021-03-17
公开(公告)号: CN113066457A 公开(公告)日: 2021-07-02
发明(设计)人: 蒋慧军 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G10H1/00 分类号: G10H1/00;G06N3/04;G06N3/08;G06K9/62
代理公司: 北京市京大律师事务所 11321 代理人: 姚维
地址: 518033 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 音乐 生成 方法 装置 设备 存储 介质
【权利要求书】:

1.一种梵叹音乐生成方法,其特征在于,所述梵叹音乐生成方法包括:

从预设的梵叹音乐数据集中获取第一音乐片段信息和第二音乐片段信息,所述第一音乐片段信息和所述第二音乐片段信息为不衔接且不重叠的音乐片段;

调用变分自编码器中的编码器分别对所述第一音乐片段信息和所述第二音乐片段信息进行编码,得到第一低维向量序列和第二低维向量序列;

通过结合注意力机制的循环神经网络模型对所述第一低维向量序列和所述第二低维向量序列进行修复处理,得到输出向量序列;

通过所述变分自编码器中的解码器对所述输出向量序列进行解码,得到多个音乐修复片段,每个音乐修复片段为符合上下文的音乐序列;

按照所述多个音乐修复片段进行交互式音乐创作,得到目标梵叹音乐。

2.根据权利要求1所述的梵叹音乐生成方法,其特征在于,所述调用变分自编码器中的编码器分别对所述第一音乐片段信息和所述第二音乐片段信息进行编码,得到第一低维向量序列和第二低维向量序列,包括:

对所述第一音乐片段信息和所述第二音乐片段信息分别进行数据预处理,得到第一处理后的音乐片段信息和第二处理后的音乐片段信息,并将所述第一处理后的音乐片段信息和所述第二处理后的音乐片段信息分别输入至变分自编码器中的编码器,所述编码器包括一个嵌入embedding网络层、一个双向长短期记忆网络层和两个线性层;

通过所述embedding网络层、所述双向长短期记忆网络层和所述线性层依次分别对所述第一处理后的音乐片段信息和所述第二处理后的音乐片段信息进行编码处理,得到第一低维向量序列和第二低维向量序列。

3.根据权利要求2所述的梵叹音乐生成方法,其特征在于,所述通过所述embedding网络层、所述双向长短期记忆网络层和所述线性层依次分别对所述第一处理后的音乐片段信息和所述第二处理后的音乐片段信息进行编码处理,得到第一低维向量序列和第二低维向量序列,包括:

通过所述embedding网络层分别对所述第一处理后的音乐片段信息和所述第二处理后的音乐片段信息进行特征向量提取,得到第一嵌入向量序列和第二嵌入向量序列;

调用所述双向长短期记忆网络层分别对所述第一嵌入向量序列和所述第二嵌入向量序列进行标准化处理,得到第一标准化后的向量序列和第二标准化后的向量序列;

基于所述线性层分别对所述第一标准化后的向量序列和所述第二标准化后的向量序列进行正态分布计算和随机采样,得到第一低维向量序列和第二低维向量序列。

4.根据权利要求1所述的梵叹音乐生成方法,其特征在于,所述通过结合注意力机制的循环神经网络模型对所述第一低维向量序列和所述第二低维向量序列进行修复处理,得到输出向量序列,包括:

将所述第一低维向量序列和所述第二低维向量序列作为输入向量序列,通过所述结合注意力机制的循环神经网络模型中的双向上下文循环神经网络层对所述输入向量序列进行注意力处理和语义融合,得到融合特征向量序列;

通过所述结合注意力机制的循环神经网络模型中的单向长短期记忆网络层对所述融合特征向量序列进行向量生成处理,得到隐藏向量序列,并将所述隐藏向量序列设置为输出向量序列。

5.根据权利要求1所述的梵叹音乐生成方法,其特征在于,所述通过所述变分自编码器中的解码器对所述输出向量序列进行解码,得到多个音乐修复片段,每个音乐修复片段为符合上下文的音乐序列,包括:

将所述输出向量序列输入至所述变分自编码器中的解码器,调用双向循环神经网络层和线性网络层依次对所述输出向量序列进行解码,得到多个音乐修复片段,所述解码器包括所述双向循环神经网络层和所述线性网络层,每个音乐修复片段为符合上下文的音乐序列;

获取梵叹音乐标识信息,按照所述梵叹音乐标识信息将所述多个音乐修复片段存储至预设数据库中。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110285836.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top