[发明专利]歌手识别方法、装置、设备及存储介质

权利要求书

1.一种歌手识别方法，其特征在于，所述歌手识别方法包括：

接收混合录音的待识别音频文件，并获取所述待识别音频文件的目标音频信号；

根据预置的傅里叶变换算法，将所述目标音频信号转换到梅尔频域，得到所述待识别音频文件对应的音频梅尔频谱图；

通过预置的基频提取算法，从所述音频梅尔频谱图中提取背景音乐部分的旋律梅尔频谱图；

基于训练好的歌手识别模型，对所述音频梅尔频谱图和所述旋律梅尔频谱图进行歌手识别，得到所述待识别音频文件对应的歌手信息。

2.根据权利要求1所述的歌手识别方法，其特征在于，在所述接收混合录音的待识别音频文件，并获取所述待识别音频文件的目标音频信号之前，所述歌手识别方法还包括：

获取带歌手信息标注的初始样本音频文件，并通过预置的数据增强算法，对所述初始样本音频文件进行扩展，得到目标样本音频文件；

获取初始化的卷积递归神经网络模型，并将所述目标样本音频文件输入所述卷积递归神经网络模型，所述卷积递归神经网络模型包括多个卷积层、多个门控循环单元层和全连接层；

基于所述目标样本音频文件，对所述多个卷积层、所述多个门控循环单元层和所述全连接层进行模型训练，得到模型损失结果；

根据所述模型损失结果，对所述卷积递归神经网络模型的网络参数进行调整，得到训练好的歌手识别模型。

3.根据权利要求2所述的歌手识别方法，其特征在于，所述获取带歌手信息标注的初始样本音频文件，并通过预置的数据增强算法，对所述初始样本音频文件进行扩展，得到目标样本音频文件，包括：

获取带歌手信息标注的多个初始样本音频文件，并将所述多个初始样本音频文件转化为样本音频信号，得到多个样本音频信号；

通过预置的音乐分轨算法，分别将所述多个样本音频信号中的乐器音轨删除，得到多个人声信号；

通过预置的基频提取算法，分别在所述多个样本音频信号中提取背景音，得到多个旋律信号；

通过预置的数据增强算法，分别将各人声信号与所述多个旋律信号融合，得到目标样本音频文件。

4.根据权利要求3所述的歌手识别方法，其特征在于，所述通过预置的音乐分轨算法，分别将所述多个样本音频信号中的乐器音轨删除，得到多个人声信号，包括：

按照预置的音乐分轨算法，分别将所述多个样本音频信号分离为多个目标音轨；

将所述多个目标音轨中的乐器音轨剔除，得到多个人声音轨，并生成所述多个人声音轨对应的多个人声信号。

5.根据权利要求1所述的歌手识别方法，其特征在于，所述根据预置的傅里叶变换算法，将所述目标音频信号转换到梅尔频域，得到所述待识别音频文件对应的音频梅尔频谱图，包括：

按照预置帧长的时间窗，对所述目标音频信号进行分帧处理，得到多帧时域信号；

通过预置的傅里叶变换算法，将所述多帧时域信号转换到频域，得到多帧频域信号；

获取预置的梅尔滤波器组，对所述多帧频域信号进行滤波处理，得到所述待识别音频文件对应的音频梅尔频谱图。

6.根据权利要求1所述的歌手识别方法，其特征在于，所述通过预置的基频提取算法，从所述音频梅尔频谱图中提取背景音乐部分的旋律梅尔频谱图，包括：

通过预置的基频提取算法，从所述目标音频信号中提取基频信号，所述基频信号用于指示所述待识别音频文件的背景音乐部分信号；

基于所述基频信号，对从所述音频梅尔频谱图进行卷积运算，得到所述音频梅尔频谱图中背景音乐部分的旋律梅尔频谱图。

7.根据权利要求1所述的歌手识别方法，其特征在于，所述基于训练好的歌手识别模型，对所述音频梅尔频谱图和所述旋律梅尔频谱图进行歌手识别，得到所述待识别音频文件对应的歌手信息，包括：

通过训练好的歌手识别模型中的多个卷积层和多个门控循环单元层，对所述音频梅尔频谱图和所述旋律梅尔频谱图进行卷积递归特征提取，得到所述待识别音频文件对应的特征矩阵；

通过所述歌手识别模型中的全连接层，对所述特征矩阵进行歌手概率投票，并将投票概率最高的歌手信息作为所述待识别音频文件对应的歌手信息。