【CN110085263A】一种音乐情感分类和机器作曲方法【专利】
一种作曲方法、装置、电子设备及存储介质[发明专利]
专利名称:一种作曲方法、装置、电子设备及存储介质专利类型:发明专利
发明人:顾宇
申请号:CN202011198068.7
申请日:20201030
公开号:CN112309353A
公开日:
20210202
专利内容由知识产权出版社提供
摘要:本申请公开了一种作曲方法、装置、电子设备及存储介质。
方法包括:获取歌词文本;根据歌词文本生成主旋律;将歌词文本和主旋律进行组合获得歌曲。
通过歌词文本获取与歌词所匹配的主旋律,并将歌词文本与所生成的主旋律进行组合获得歌曲,在智能作曲的过程中能够直接获取与歌词文本所对应的主旋律,并用于自动作曲,从而在提高作曲效率的同时满足了用户的作曲需求。
申请人:北京有竹居网络技术有限公司
地址:101299 北京市平谷区林荫北街13号信息大厦802室
国籍:CN
代理机构:北京远智汇知识产权代理有限公司
代理人:范坤坤
更多信息请下载全文后查看。
人工智能音乐创作专利
人工智能音乐创作专利随着科技的不断进步,人工智能(AI)在许多领域中发挥着重要作用。
其中之一就是音乐创作领域。
人工智能能够通过学习和分析大量的音乐素材,生成新的音乐作品。
这种创新引发了众多音乐人和法律专家对专利保护的讨论。
本文将探讨人工智能音乐创作专利的相关问题。
一、人工智能音乐创作的背景人工智能音乐创作是指利用计算机算法和机器学习技术,使计算机能够创作原创音乐。
通过分析已有音乐作品的特点和风格,人工智能可以生成新的音乐作品,甚至可以模拟某位音乐家的创作风格。
这一技术的出现引发了音乐产权和知识产权保护的问题。
二、人工智能音乐创作的专利保护在许多国家和地区,创造性的作品可以通过专利保护。
人工智能音乐创作是否可以申请专利保护一直是个争论的焦点。
一方面,人工智能生成的音乐作品具有一定的独创性和技术含量,这符合专利保护的要求。
另一方面,人工智能创作过程中并没有人类的创造性思维参与,这使得一些人质疑其是否符合专利保护的要求。
当前,各国对人工智能音乐创作专利的态度存在差异。
一些国家已经开始接受人工智能音乐创作的专利申请,但要求申请人证明其创造性思维占据了主导地位。
另一些国家则认为人工智能创作的音乐作品缺乏真实的作者,因此不予专利保护。
这种分歧导致了人工智能音乐创作专利的法律困境。
三、人工智能音乐创作的版权保护与专利保护不同,版权保护主要针对作品的表达形式,而不是创造性思维的过程。
根据版权法的规定,原创音乐作品自一经创作完成之日起即自动获得版权保护,不需要额外的登记或申请手续。
然而,人工智能生成的音乐作品的版权归属却是一个争议。
一些人主张将版权归因于机器学习算法的开发者或音乐素材的提供者,认为人工智能只是工具,并不具备版权保护的资格。
另一些人则主张将版权归于使用人工智能生成作品的机器或计算机,将其视为创作者。
目前,各国法律界对于人工智能音乐作品的版权归属尚未达成一致。
一些国家鼓励原始音乐素材的提供者与人工智能开发者达成协议,明确版权属主并共享收益。
如何使用AI技术进行智能音乐创作
如何使用AI技术进行智能音乐创作智能音乐创作是一种结合了人工智能技术与音乐创作的新领域。
通过利用AI 技术,智能音乐创作可以更加高效地生成音乐作品,并帮助作曲家和艺术家在创意方面做出决策。
本文将介绍如何使用AI技术进行智能音乐创作,探讨其潜力和挑战。
一、AI技术在智能音乐创作中的应用1.1 自动作曲AI技术可以根据已有的音乐数据库学习并模仿不同风格的音乐,从而生成新的旋律和曲调。
例如,深度学习算法可以分析大量古典音乐作品,并通过深度神经网络生成类似风格的新曲目。
这种自动生成的旋律可以为作曲家提供灵感,同时也可用于游戏配乐、电影配乐等领域。
1.2 和弦生成除了旋律,AI还可以生成适当的和弦来衬托旋律。
基于规则引擎或神经网络技术,AI可以学会分析和归类不同类型的和弦进行,进而根据输入的旋律生成适合的和弦伴奏。
这种技术可以为作曲家提供多样化和独特的和声选择。
1.3 曲风模仿AI技术还可以通过分析不同曲风的音乐特点,学习并模仿这些特点来生成具有相似风格的音乐作品。
例如,通过训练模型学会巴赫式赋格的构造规则,并利用这些规则生成新的赋格曲目。
这种能力使得AI成为一个强大的工具,在不同风格的音乐创作中具有潜力。
二、智能音乐创作的潜力与挑战2.1 提供灵感与创意辅助智能音乐创作可以帮助作曲家从庞大的音乐数据库中获取灵感,并为他们在创造过程中提供一定的辅助。
利用AI生成器,作曲家可以快速探索各种旋律、和弦以及曲风组合,从而拓宽他们的思路,并且在产品开发上带来更多可能性。
2.2 加速创作过程传统音乐创作需要花费大量时间来试错、调整和改进,而AI技术可以加速这个过程。
智能音乐创作利用大数据和机器学习算法进行快速分析,生成旋律、和弦等元素。
这可以极大地节省作曲家的时间,使他们更加专注于创造性的工作。
2.3 提高音乐品质与表现力由于AI技术可以学习并模仿不同音乐风格,智能音乐创作可以生成具有专业水准的音乐作品。
它可以利用传统和流行音乐的特点,并加以变异创新,使得生成的音乐更加丰富多样。
人工智能音乐创作自动作曲的关键技术探索
人工智能音乐创作自动作曲的关键技术探索随着科技的不断发展,人工智能在各个领域的应用日益广泛。
其中,人工智能音乐创作自动作曲正逐渐引起人们的兴趣。
本文将探索人工智能音乐创作自动作曲的关键技术。
一、音乐样式识别技术在进行音乐创作时,人工智能需要具备样式识别的能力,即可以识别不同音乐风格、曲调等信息。
这就需要利用机器学习的方法,通过对大量音乐数据的学习和分析,使系统能够准确地辨识各种音乐样式,从而在生成音乐时根据特定的要求创作出相应风格的音乐作品。
二、音乐情感识别技术音乐具有丰富的情感表达,而作曲的过程也需要考虑情感的传达。
人工智能音乐创作自动作曲需要具备情感识别的能力,能够理解并表达特定情感。
这一技术需要通过深度学习等方法,让系统能够自动分析音乐中的情感要素,进而根据特定情感要求创作出具有相应情感的音乐作品。
三、音乐量化技术音乐的创作离不开对音符、节拍等元素的处理。
而音乐量化技术则是将这些元素进行数字化表示,使得机器能够进行相关计算和操作。
音乐量化技术需要将音乐数据转换为计算机能够理解和处理的形式,例如将音符映射为数字,按照时间轴进行编排等。
通过音乐量化技术,人工智能系统可以更好地管理和操作音乐数据,从而实现自动作曲。
四、创作规则生成技术音乐创作往往受到一系列的规则和模式约束,例如和弦进行、音乐结构等。
为了能够生成符合这些规则的音乐作品,人工智能音乐创作自动作曲需要利用创作规则生成技术。
这种技术利用概率模型、规则匹配等方法,让系统可以根据特定的要求生成符合规则的音乐片段,并进一步将这些片段组合成完整的曲谱。
五、创造性生成技术除了遵循规则外,音乐创作也需要具备一定的创造性。
人工智能音乐创作自动作曲需要利用创造性生成技术,使得系统能够生成具有创意的音乐作品。
这一技术需要通过神经网络等方法,让系统能够基于学习到的音乐知识和模式进行创造性的音乐生成,以达到令人耳目一新的效果。
总结:人工智能音乐创作自动作曲的关键技术包括音乐样式识别技术、音乐情感识别技术、音乐量化技术、创作规则生成技术和创造性生成技术。
奇特的声音合成百音盒机械装置在现代音乐中的创新应用
奇特的声音合成百音盒机械装置在现代音乐中的创新应用音乐,作为艺术的一种表现形式,彰显了人类创造力的巅峰。
在现代音乐创作中,艺术家们不断追求独特、创新的音乐元素,以打破传统的束缚,创造出独一无二的作品。
在这种追求中,奇特的声音合成百音盒机械装置崭露头角,成为了现代音乐中的创新应用。
声音合成百音盒机械装置是一种由机械构造而成的装置,通过演奏钢琴键盖和装置内的排气阀来产生声音。
这些声音可以根据艺术家的创意进行编程和控制,产生各种独特而奇异的音效。
这样的机械装置在现代音乐中的应用为音乐创作带来了前所未有的可能性。
首先,奇特的声音合成百音盒机械装置可以模拟自然界中的各种声音效果。
通过模拟风、雨、潮汐等自然界中的声音,音乐创作者可以以全新的方式创造出生动、逼真的音乐作品。
这种自然界的声音模拟可以为音乐增添一种平衡和和谐感,同时也引发听众的共鸣和情感共振。
其次,奇特的声音合成百音盒机械装置可以产生具有机械感和冷冻感的音效。
这种音效常常被用来表达现代社会的冷漠、机械和自我封闭等主题。
艺术家可以通过调整装置内部的机械结构和编程,创造出类似机器工作声、咔嗒声和机械运作的声音,以此表达现代社会中人与人之间的隔阂和情感疏离。
此外,奇特的声音合成百音盒机械装置还可以产生具有浓郁的复古感和怀旧情怀的音效。
音乐创作者们可以通过调整装置的结构和编程,创造出类似古董机器的声音,带给听众一种时光倒流的感觉。
这样的音效常常被用来表达对过去的怀念和对美好时光的追忆,使人们在音乐中体验到时间的流转和情感的回溯。
此外,奇特的声音合成百音盒机械装置在现场表演中也显示出巨大的潜力。
音乐家们可以将百音盒机械装置置于现场演出的舞台上,通过手动操作来创造出独特的音效和视觉效果。
这种即兴的演奏方式使得音乐表演变得更富有互动性和表现力,吸引了大量观众的目光和注意力。
然而,尽管奇特的声音合成百音盒机械装置在现代音乐中有着广泛的应用前景,但其自身也存在一些挑战和限制。
人工智能技术在音乐创作中的应用案例分享
人工智能技术在音乐创作中的应用案例分享随着科技的不断发展,人工智能技术在各个领域的应用越来越广泛,音乐创作领域也不例外。
本文将分享一些人工智能技术在音乐创作中的应用案例,展示了这一领域的创新和进步。
首先,人工智能技术在音乐创作中的一个重要应用是自动作曲。
传统的音乐创作需要作曲家具备丰富的音乐知识和创作经验,而人工智能技术的出现改变了这一情况。
通过训练机器学习模型,人工智能可以学习和模仿作曲家的风格和技巧,生成新的音乐作品。
例如,OpenAI的“MuseNet”项目就是一个自动作曲的人工智能系统,它可以创作出各种风格和类型的音乐,从古典音乐到流行音乐,甚至是跨界的音乐作品。
这种应用不仅可以为作曲家提供灵感和创作素材,还可以帮助那些没有音乐背景的人尝试音乐创作,促进音乐的多样性和创新。
其次,人工智能技术还可以在音乐创作中提供即时的创作辅助。
在传统的音乐创作过程中,作曲家需要通过手动演奏乐器或使用音乐软件来实现自己的创作想法。
而现在,人工智能技术可以通过分析音乐数据和演奏技巧,提供实时的创作建议和辅助。
例如,有一款名为“Humtap”的应用,它可以通过用户的口哨声或者简单的音乐片段,自动生成完整的音乐作品,并且可以根据用户的反馈和调整,不断改进和优化创作结果。
这种应用不仅可以帮助作曲家更快速地实现自己的创作想法,还可以为非专业音乐创作者提供更便捷的创作工具和体验。
另外,人工智能技术还可以在音乐创作中实现音乐与情感的交互。
音乐作为一种艺术形式,与人的情感和情绪密切相关。
而人工智能技术可以通过分析音乐的音调、节奏和情感特征,实现音乐与情感的交互。
例如,有一种名为“EmoAImus”的应用,它可以根据用户的情感状态,生成与之相符合的音乐作品。
用户可以通过输入自己的情感状态,让人工智能系统生成适合自己当前情绪的音乐,从而实现情感的宣泄和舒缓。
这种应用不仅可以为个人提供个性化的音乐体验,还可以应用于音乐疗法等领域,帮助人们调节情绪和改善心理健康。
人工智能技术在音乐创作中的应用研究
人工智能技术在音乐创作中的应用研究引言:人工智能(Artificial Intelligence, AI)技术的发展和应用已经在各个领域展现出巨大的潜力。
其中,音乐创作领域也逐渐引入了人工智能技术,以探索其在音乐创作中的应用。
本文将探讨人工智能在音乐创作方面的应用研究,包括自动作曲、生成音乐和与音乐创作的合作等。
一、自动作曲:自动作曲是指利用人工智能技术来生成音乐作品,AI 可以学习和模仿人类音乐家的创作风格,从而产生类似的音乐作品。
多年来,已经有许多研究团队致力于开发具备自动作曲能力的AI系统。
其中,一种常见的方法是使用机器学习技术。
通过向AI系统输入大量的音乐作品,系统可以学习作品的模式、和声和创作风格,并生成类似的音乐作品。
此外,还可以通过为AI系统编写规则和算法,使其按照既定规则和算法生成音乐。
这种方法在电影配乐和游戏音乐创作中得到了广泛的应用。
尽管自动作曲能够大大提高音乐创作的效率,但有些人认为,AI生成的音乐缺乏情感和灵感,无法达到人类作曲家的创作水平和独特性。
因此,该领域仍然需要进一步的研究和探索。
二、生成音乐:除了自动作曲,AI还可以用于生成音乐。
生成音乐是指通过AI系统创作的音乐,可以是原创的、不受限制的,并具有音乐创作的特征和风格。
为了实现生成音乐,研究人员通常使用生成对抗网络(Generative Adversarial Networks, GANs)等技术。
GANs由两个部分组成,一个是生成器(Generator),负责生成音乐;另一个是判别器(Discriminator),负责评估生成的音乐是否真实。
通过不断训练和优化,生成器可以生成更加逼真和符合预期的音乐作品。
这种生成音乐的方法不仅可以应用于音乐创作,还可以用于广告音乐、背景音乐的生成,为各种应用场景提供了更加多样化和个性化的音乐选择。
然而,要注意的是,生成音乐虽然可以提供更多样化的选择,但是否能够真正参与到创作过程中,还需人类作曲家的审美和创造性来加以运用和改进。
利用人工智能技术开发智能化的音乐创作和制作工具
利用人工智能技术开发智能化的音乐创作和制作工具随着人工智能的迅猛发展,其在音乐创作和制作领域的应用也成为热门话题。
利用人工智能技术开发智能化的音乐创作和制作工具,正逐渐改变着音乐产业的格局。
本文将从人工智能技术在音乐创作和制作中的应用、创作灵感的引导以及音乐制作过程的改进等方面进行探讨。
一、人工智能技术在音乐创作和制作中的应用人工智能技术在音乐创作和制作中的应用,主要表现在以下几个方面:1.1 自动创作人工智能技术可以通过学习大量音乐作品的数据,在一定程度上模拟人类的音乐创作能力。
例如,利用深度学习算法可以生成新的音乐作品,让计算机根据已有音乐片段和曲库进行创作。
这种自动创作的方式,可以为创作者提供灵感,并在节约时间和劳动力的同时,探索出更多的音乐创造可能性。
1.2 音乐分析与推荐人工智能技术可以对音乐进行分析和解析,提取出音乐的特征和情感等信息。
基于这些信息,可以精准地进行音乐推荐,满足不同人群对音乐风格和类型的需求。
通过分析用户的喜好和行为模式,系统可以更好地理解用户的音乐喜好,提供更为个性化的推荐服务。
1.3 音乐混音与后期制作人工智能技术可以在音乐制作的后期环节中发挥重要作用。
例如,利用机器学习技术可以智能地进行音频信号的去噪和增强,提高音频质量。
同时,通过分析音频的鼓点、音高等特征,可以自动进行鼓点检测和和声识别,提升音乐的混音效果和人声处理效果。
二、人工智能技术对创作灵感的引导人工智能技术在音乐创作中的应用,不仅可以自动生成音乐作品,还可以对创作灵感进行引导和辅助。
通过分析大量的音乐作品和音乐理论,人工智能系统可以生成创作建议和灵感,为音乐创作者提供创作方向的参考。
2.1 数据驱动的创作人工智能系统可以通过学习音乐数据库中的各种风格和类型的音乐作品,为创作者提供大量的参考和创作素材。
创作者可以通过与人工智能系统的互动,获得关于曲调、和声、节奏等方面的建议和灵感,从而创作出更加丰富多样的音乐作品。
人工智能在音乐创作中的创新与作曲助手
人工智能在音乐创作中的创新与作曲助手随着科技的不断进步,人工智能(Artificial Intelligence, AI)已经在各个领域中发挥着越来越重要的作用,其中之一就是音乐创作。
人工智能在音乐创作中的创新与作曲助手在提供了新的创作方式的同时,也为音乐人带来了更加便捷和高效的创作工具。
本文将探讨人工智能在音乐创作中的应用以及其带来的影响。
一、人工智能在音乐创作中的创新1.自动作曲传统的音乐创作常常需要音乐人有丰富的知识和经验,而人工智能的出现打破了这一限制。
通过机器学习和数据分析技术,人工智能可以模拟出各种不同风格和类型的音乐作品。
作曲助手可以通过分析大量的音乐作品,学习其中的规律和特点,并生成新的作品。
这种方式不仅为音乐人提供了灵感和创作方向,同时也为创作过程带来了更多可能性。
2.创作合作人工智能不仅可以模拟作曲风格,还可以与音乐人进行创作合作。
通过人工智能的分析和反馈,音乐人可以更好地了解自己的创作风格,并与机器共同创作音乐。
这种合作方式不仅可以丰富音乐作品的多样性,还可以提高音乐人的创作水平。
3.音乐生成与演奏人工智能还可以生成音乐并进行演奏。
通过将人工智能与乐器或音乐设备相连,可以实现由机器自动演奏的音乐作品。
这种方式不仅为音乐人提供了一个全新的创作方式,同时也能够让音乐作品更加生动和多样化。
二、人工智能作曲助手的优势1.快速创作与传统的手工创作相比,人工智能作曲助手可以更快速地生成音乐作品。
通过对海量音乐数据的分析和处理,机器可以在短时间内生成大量的作品,大大节约了音乐创作的时间成本。
2.创意灵感人工智能作曲助手可以为音乐人提供新的创意灵感。
通过对不同风格和类型的音乐作品进行学习和模拟,机器可以生成独特而又富有创意的音乐作品,为音乐人提供新的音乐思路和创作方向。
3.音乐改进在音乐创作的过程中,人工智能作曲助手可以对音乐作品进行实时的改进和反馈。
通过对音乐元素的分析和优化,机器可以提供针对性的建议,帮助音乐创作者完善作品。
作曲方法、作曲程序产品及作曲系统[发明专利]
(10)申请公布号(43)申请公布日 (21)申请号 201410191410.9(22)申请日 2014.05.07G10H 1/00(2006.01)(71)申请人风彩创意有限公司地址中国台湾新北市三重区大智街76巷26号2楼(72)发明人王玺钧(74)专利代理机构北京律诚同业知识产权代理有限公司 11006代理人梁挥 李岩(54)发明名称作曲方法、作曲程序产品及作曲系统(57)摘要一种作曲方法、作曲程序产品及作曲系统,其中该作曲方法主要包含有:一音高输入步骤,供使用者输入多个音高标记,并藉由一显示器依序显示该些音高标记;一节拍输入步骤,依一预定拍速在每一拍提供一提示信号,同时使用者在提示的状态下依其想要的节奏来依序输入多个动作信号,各该动作信号所对应的时间点即依序作为各该音高标记的时间点,被赋予时间点的该些音高标记即依序定义为多个完成音符进而形成一首曲子。
该作曲程序产品供一电子装置执行而完成前述作曲方法。
该作曲系统则主要配合一电子装置上的音高输入界面、节拍输入界面来提供作曲功能。
(51)Int.Cl.(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书2页 说明书6页 附图11页CN 105096922 A 2015.11.25C N 105096922A1.一种作曲方法,其特征在于,包含有下列步骤:一音高输入步骤,供使用者输入多个音高标记储存于一内存中,并且藉由一显示器依序显示该些音高标记,其中,该些音高标记分别具有音高信息;一节拍输入步骤,依一预定拍速在每一拍提供一提示信号以提示使用者,同时使用者在提示的状态下依其想要的节奏来依序输入多个动作信号,每个动作信号即对应于一该音高标记,各该动作信号所对应的时间点即依序作为各该音高标记的时间点,被赋予时间点的该些音高标记即依序定义为多个完成音符,并且藉由该显示器依序显示该些完成音符并储存于该内存中,该些完成音符除了具有音高信息之外,还因其时间点而具有音长信息。
2023年人工智能作曲专利申请
2023年人工智能作曲专利申请随着科技的发展,人工智能(AI)在各个领域都扮演着重要角色。
音乐创作也不能例外,人工智能作曲在过去的几年里取得了巨大的进展。
为了保护这项技术的独特性和创新性,许多公司纷纷提出了人工智能作曲专利申请。
本文将探讨2023年人工智能作曲专利申请的相关问题。
首先,我们需要了解人工智能作曲的基本原理。
人工智能作曲是指利用机器学习和深度学习等人工智能技术,让计算机通过分析已有的音乐作品,并基于这些作品的特征和规律,生成新的音乐作品。
这种技术在音乐创作过程中可以提供更多的灵感和选择,并帮助音乐创作者更快速地创作出令人惊艳的作品。
然而,人工智能作曲的专利申请并非一帆风顺。
由于该技术的发展性质和创新性,其专利申请面临着一些挑战和争议。
一方面,人工智能作曲的专利申请需要满足专利法律的相关要求。
这包括技术的新颖性、创造性和工业适用性等方面。
专利申请者必须证明他们的技术在某种程度上与已有技术相区别,并且在音乐创作领域具有实际应用的潜力。
另一方面,人工智能作曲涉及的版权和知识产权问题也是专利申请的难点之一。
音乐作品的创作涉及到多个方面的版权,包括作曲权、演奏权、录制权等。
人工智能作曲生成的音乐作品,是否侵犯了原始音乐作品的版权,成为了专利申请者和音乐创作者们之间的争议点。
因此,在专利申请中,需要明确表达人工智能作曲技术与原始音乐作品之间的关系,保证专利申请的合法性和有效性。
此外,在2023年人工智能作曲专利申请中,还需考虑音乐创作者的权益保护问题。
作为音乐创作的主体,音乐创作者应该享有一定的权益保护,包括对自己的音乐作品进行控制和监督的权力。
因此,在专利申请过程中,需要明确规定人工智能作曲技术的使用范围和限制,保证音乐创作者的权益不受侵犯。
最后,人工智能作曲专利申请在商业化应用方面也具备巨大的潜力。
随着人工智能作曲技术的成熟和应用场景的扩展,商业化应用已成为专利申请者和投资者们的关注焦点。
在2023年的专利申请中,应该强调人工智能作曲技术在音乐产业中的商业价值和发展前景,以提高专利申请的可行性和吸引力。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910349104.6
(22)申请日 2019.04.28
(71)申请人 东华大学
地址 201600 上海市松江区人民北路2999
号
(72)发明人 徐亦捷 周武能
(74)专利代理机构 上海申汇专利代理有限公司
31001
代理人 翁若莹 柏子雵
(51)Int.Cl.
G10L 25/63(2013.01)
G10L 15/08(2006.01)
G10L 15/06(2013.01)
G10L 15/02(2006.01)
G10H 1/00(2006.01)
(54)发明名称
一种音乐情感分类和机器作曲方法
(57)摘要
本发明公开了一种基于adaBoost算法和生
成对抗网络的音乐情感分类和机器作曲方法,包
括:利用adaBoost算法进行音乐情感分类;加入
自注意力机制的生成对抗网络的建立;根据需求
生成特定情感的乐段。
本发明的创新点在于能够
有效地对不同曲风的音乐进行分类并辅助作曲
家直接针对特定曲风要求进行作曲。
与传统的
RNN算法等音乐生成方法相比,也有着更优质的
生成质量,并且可以帮助解决多音轨样本生成的
难题。
权利要求书2页 说明书4页 附图2页CN 110085263 A 2019.08.02
C N 110085263
A
1.一种音乐情感分类和机器作曲方法,其特征在于,包括如下步骤:
(1)获取用于情感分类的音频数据训练集,采用人工标注,将音频数据训练集中的数据分为不同情绪类别,所有情绪类别充分反映音乐情感分析研究中常用的两个指标:正负面和强烈程度;
(2)提取音频数据训练集中数据的频谱和节拍特征,提取出音色、节奏两个特征来反映音乐的情绪,其中,节奏特征通过分析40-150Hz频带的调制谱子带能量得到;音色特征由子带特征、谱质心C t ,带宽B t 及短时能量E t 刻画
(3)采用adaBoost算法进行情感分类的训练获得音乐情感分类模型,每一次循环生成一个弱分类器,最终的结果又构成了一个强分类器,针对步骤(1)中的每个情绪类别都训练一个adaBoost分类器;
(4)用训练好的音乐情感分类模型对一个比步骤(1)中的音频数据训练集更庞大的音乐数据集进行分类,分为不同情绪类别的训练数据集;
(5)对训练数据集中的音频数据做预处理,转化为包含音符事件与时间步的二维矩阵;
(6)建立带有自注意力机制的生成对抗网络GAN,每个生成对抗网络GAN由一个生成器和一个判别器构成,样本由两段音轨组成,一段音轨生成和弦,另一轨音轨生成旋律,每一段音轨都建立一个仅使用轨道内损失训练的生成对抗网络GAN,由两个生成对抗网络GAN去分别负责创作和弦与旋律;再建立一个使用轨道间损失训练的生成对抗网络GAN去学习和弦与旋律两个轨道的关系;GAN的判别器与生成器均是采用卷积神经网络;
(7)用分好的不同类别的训练集同时训练对应的生成对抗网络GAN,训练完成后针对不同类别的情感就都有了一个生成模型,用户需要哪种类型情绪的音乐时就可以调用对应的生成对抗网络GAN去生成。
2.如权利要求1所述的一种音乐情感分类和机器作曲方法,其特征在于,步骤(1)中,所述情绪类别包括“平静”、“悲伤”、“激动”、“愉悦”。
3.如权利要求1所述的一种音乐情感分类和机器作曲方法,其特征在于,步骤(2)中,所述谱质心C t 的计算公式为:
式中,S t (n)是第t帧短时傅里叶变换的幅度值;N表示
序列中观测数据的个数;
所述带宽B t
的计算公式为:
所述短时能量E t
的计算公式为:
4.如权利要求1所述的一种音乐情感分类和机器作曲方法,其特征在于,步骤(3)中,所述adaBoost分类器定义为F(x),则有:
式中,G m (x)表示弱分类器;αm 为弱分类器在强分类器中
所占的比重,强分类器为adaBoost分类器。
5.如权利要求1所述的一种音乐情感分类和机器作曲方法,其特征在于,步骤(6)中生成对抗网络GAN的算法公式如下:
权 利 要 求 书1/2页2CN 110085263 A。