[发明专利]音乐模型训练、音乐创作方法、装置、终端及存储介质

说明书

一种音乐模型训练方法，包括：获取MIDI音乐数据集，所述MIDI音乐数据集包括多个MIDI乐谱；提取每一个MIDI乐谱的特征向量；将特征向量输入至结构化支持向量机中进行训练得到音乐模型，包括：构造判别函数f(x；w)，x是特征向量，w是参数向量，将最大化判别函数f(x；w)的数据值作为预测值进行输出；根据预设损失函数对预测值与真实值进行计算，其中，P为数据的概率分布，用训练样本数据计算得到的经验风险代替；使用SVM的优化公式求解唯一参数向量ω使得通过训练样本数据的经验风险为零；解得判别函数f(x；ω)，最后输出音乐时间序列。本发明还提供了音乐创作方法、装置、终端及存储介质。本发明是将人工智能用于训练音乐模型的首列，训练出的音乐模型能够提高MIDI乐谱的特征提取能力。

技术领域

本发明涉及音乐技术领域，具体涉及一种音乐模型训练、音乐创作方法、装置、终端及存储介质。

背景技术

在音频创作的所有的领域(例如，录音棚录音、现场表演、广播)，通常使用一系列信号处理工具来处理音频信号。这包括处理单独音频信号，例如主控完成的混音；以及处理和组合由不同的声源(例如，合奏内的组件乐器)创作的多个音频信号。所述处理的目标是改善所得的音频信号的审美特性，例如以便在组合多个信号时创作高质量的混音；或者粘附到与传输相关的一些功能约束，例如以便最小化由于诸如mp3的数据压缩的信号劣化，或者减轻飞机上的背景噪音的影响。目前，这一工作由通常专门从事创作的特定区域的音频技术人员手动完成，非常耗费人力。

发明内容

鉴于以上内容，有必要提出一种音乐模型训练及/或音乐创作方法、装置、终端及存储介质，能够实现用户在钢琴上弹几个音，即可编写出完整丰富的曲子，并进行演奏，省时省力且不需专门从事创造的技术人员参阅，节约成本。

本发明的第一方面提供一种音乐模型训练方法，所述方法包括：

获取MIDI音乐数据集，所述MIDI音乐数据集包括多个MIDI乐谱；

提取每一个MIDI乐谱的特征向量；

将所述特征向量输入至结构化支持向量机中进行训练得到音乐模型，包括：构造判别函数f(x；w)，x是特征向量，w是参数向量，将最大化判别函数f(x；w)的数据值作为预测值进行输出；根据预设损失函数对所述预测值与真实值进行计算，其中，P为数据的概率分布，用训练样本数据计算得到的经验风险代替；使用SVM的优化公式求解唯一参数向量ω使得通过训练样本数据的经验风险为零；解得判别函数f(x；ω)，最后输出音乐时间序列。

优选的，所述提取每一个MIDI乐谱的特征向量包括：

提取MIDI乐谱的音高序列作为第一特征向量；

提取MIDI乐谱的时序序列作为第二特征向量；

将所述第一特征向量与所述第二特征向量进行连接，得到MIDI乐谱的特征向量。

优选的，所述提取MIDI乐谱的时序序列作为第二特征向量还包括：

求解所有时序序列的最大公约数，作为单位时长；或

计算每一个时序序列为所述单位时长的倍数，将所述倍数作为按键对应的时序序列。

优选的，所述方法还包括：

将所获取的MIDI音乐数据集分为第一数据集和第二数据集；

在所述第一数据集中随机选择第一预设数量的数据集参与所述音乐模型的训练；

在所述第二数据集中随机挑选一首MIDI乐谱；

提取挑选出的MIDI乐谱的预设时间段内的乐谱的特征向量；

将所述预设时间段内的乐谱的特征向量输入至训练好的所述音乐模型中，输出对应的MIDI乐谱；