[发明专利]一种基于听感和谐度评估的MIDI音乐修正方法和装置

说明书

本发明公开了一种基于听感和谐度评估的MIDI音乐修正方法和装置，包括：获取MIDI音乐；对MIDI音乐进行调性识别，包含和弦识别、依据乐理规则的和弦的合理性评估，以及包含从音高、音强、音长以及演奏位置四个方面进行的音符的和谐度评估；依据和弦进行的合理性评估结果进行和弦合理性提升；依据音符的和谐度评估进行音符的和谐度提升；其中，和弦合理性提升包括违和和弦的规避、平淡和弦的美化、离调和弦的避免与解决、首尾和弦的补充；该方法和装置根据乐理规则有效识别与分析出其音乐的和弦进行与音符和谐度的不足，并对其进行相应的润色，以提高智能生成音乐的和谐度。

技术领域

本发明属于MIDI音乐领域，具体涉及一种基于听感和谐度评估的MIDI音乐修正方法和装置。

背景技术

MIDI是编曲领域采用最广泛的音乐标准格式。标准MIDI文件是一种特殊的音乐文件，它用音符的数字控制信号来记录音乐，即由一组序列化的音符指令组成，而非一段录制好的声音。相比于WAV格式或MP3格式等常见的音频文件，它可以用极小的空间记录着音乐最为原始而丰富的信息，核心内容包括每一个音符的开始和结束、音高、音强、音色等，且便于在设备间迁移与复现。音乐生成模型在MIDI文件数据中学习音符的时序分布规律并能预测生成音乐。目前，音乐生成算法模型在智能音乐创作领域取得了引人注目的进展，但是在生成质量的稳定性方面尚有改进的空间，具体体现在缺乏一种较为通用的评估指标对其进行评判。因此，对于智能生成的音乐，需要设计一套音乐评估体系，对其质量进行把控。

目前来说，对于AI音乐的评估，主要包括两种不同的方式：主观评估与客观评估。在AI音乐生成模型协助人们创作编曲后期，多采用人工主观的方式进行评估，并予以修改润色。主观评估方式是通过有经验的音乐人对其进行反复地分析与修改，其所得到的音乐质量比较高。但是这种方式的自动化程度显然不足，对于高自动化的智能生成来说，无法满足智能音乐评估的效率需求，而且此评估方法对评估人员的经验和水平有较高的依赖性，难以普适。而客观评估方式可以在效率上满足此需求，且不需要依赖过多的专业人员，可以实现对生成音乐的自动化评估。但也正因为其自动化较强，所以专业性会相比主观评估方式有所欠缺。

现如今的音乐生成的评估方法中，以Li-Chia Yang等人的文献On theevaluation of generative models in music为代表。在客观评估方式中，Li-Chia Yang等人提出了一套形成性评估策略。在提出的评估策略中，分为两个目标：(1)以便深入了解已生成或收集的数据集的属性和特性的绝对指标；(2)用于比较两组数据的相对指标。通过这两项指标对音乐进行评估，可以得到其旋律和节奏上的质量得分，对音乐有了更进一步的分析。这是一种生成符号音乐的系统的形成性评估策略。此方法是应用多准则的概念，以便提供评估所生成音乐的基本技术属性的指标。此外，Chuan等人(Modeling temporaltonal relations in polyphonic music through deep networks with a novel image-based representation)利用对音调张力和间隔频率建模当指标来比较不同的特征表示如何影响模型的性能。考虑到领域知识的度量标准的优势不仅在于其可解释性，而且还在于其可推广性和有效性，至少只要设计的模型旨在根据既定规则生成音乐即可。此外，还有以概率度量为指标进行的客观评估。即通过对复音、音阶一致性、重复性和音调跨度进行统计测量来监控模型的训练过程的特征，以此来评估生成音乐的质量。

发明内容

鉴于上述，本发明的目是提供一种基于听感和谐度评估的MIDI音乐修正方法和装置，根据乐理规则有效识别与分析出其音乐的和弦进行与音符和谐度的不足，并对其进行相应的润色，以提高智能生成音乐的和谐度。

第一方面，实施例提供了一种基于听感和谐度评估的MIDI音乐修正方法，包括以下步骤：

获取MIDI音乐，所述MIDI音乐存在流行音乐调式且稳定，和弦变换以一个小节为单位；