[发明专利]音乐风格识别方法、装置、存储介质和电子设备

说明书

本公开的实施方式涉及音频处理技术领域，更具体地，涉及音乐风格识别方法、装置、存储介质和电子设备。音乐风格识别方法包括：对待识别音频进行分段处理，获得多个音频片段；提取每个音频片段的音频特征，输入训练好的基于卷积神经网络的音乐风格识别模型中，识别每个音频片段是否属于目标音乐风格；其中，音乐风格识别模型包括具有多种卷积层数的多组卷积；根据识别为属于目标音乐风格的音频片段在多个音频片段中的占比，获得待识别音频的目标音乐风格置信度；根据目标音乐风格置信度及置信度区间与音乐风格分类结果的目标对应关系，获得待识别音频的音乐风格识别结果。本公开能够准确、高效地对音频文件进行基于目标音乐风格的自动识别。

技术领域

本公开的实施方式涉及音频处理技术领域，更具体地，本公开的实施方式涉及音乐风格识别方法、装置、存储介质和电子设备。

背景技术

本部分旨在为权利要求中陈述的本公开的实施方式提供背景或上下文，此处的描述不因为包括在本部分中就承认是现有技术。

人工识别音乐风格，需要对歌曲进行全曲聆听才能确定具体类别。目前的音乐风格研究中，对于如何准确定义一类特定的音乐风格并高效地自动识别该类音乐风格存在困难。

发明内容

目前的音乐风格研究中，仅对音乐风格进行了宽泛的分类。而随着现代音乐的发展，越来越多细分的音乐风格出现，依赖人工进行识别分类需要耗费大量的人力成本和时间成本。

以Rap(说唱，其表现形式为简单的旋律和固定的节奏配以韵律化的口白演唱)这一音乐风格为例，随着现代音乐的发展，作为Hip Hop(嘻哈)的重要元素之一的Rap已逐渐趋于流行化。但是，目前的音乐风格研究中基本没有考虑Rap，仅围绕着Hip hop进行展开。相较于Hip Hop，Rap没有复杂的节奏和反复的旋律，以Hip Hop来定义Rap显然过于宽泛，不够准确。而目前的音乐风格研究还未对Rap进行准确地定义，也未有针对Rap进行自动识别的算法，无法实现准确高效地进行Rap这一音乐风格的自动识别。

为此，需要一种音乐风格识别方案，能够实现对一类特定的音乐风格，尤其是对Rap等音乐风格进行准确、高效地识别。

本公开的实施方式即期望提供一种音乐风格识别方法、装置、存储介质和电子设备，以准确、高效地对音频文件进行基于Rap等特定的目标音乐风格的自动识别。

根据本公开的一个方面，提供一种音乐风格识别方法，包括：对待识别音频进行分段处理，获得多个音频片段；提取每个音频片段的音频特征，输入训练好的基于卷积神经网络的音乐风格识别模型中，识别每个所述音频片段是否属于目标音乐风格；其中，所述音乐风格识别模型包括具有多种卷积层数的多组卷积；根据识别为属于所述目标音乐风格的音频片段在所述多个音频片段中的占比，获得所述待识别音频的目标音乐风格置信度；根据所述待识别音频的目标音乐风格置信度、及置信度区间与音乐风格分类结果的目标对应关系，获得所述待识别音频的音乐风格识别结果。

在本公开的一示例性实施例中，所述多组卷积包括：至少一组第一卷积，每组所述第一卷积具有第一卷积层数，且每组所述第一卷积的每相邻两层卷积层之间设有激活函数；至少一组第二卷积，每组所述第二卷积具有第二卷积层数，所述第二卷积层数不同于所述第一卷积层数，所述第二卷积和所述第一卷积分别用于提取所述音频特征的不同深度的特征。

在本公开的一示例性实施例中，所述音乐风格识别模型的卷积部分还包括：数据处理层，与所述多组卷积连接，用于对每组所述卷积输出的特征向量进行处理并输出；向量拼接层，与所述数据处理层连接，用于对所述数据处理层输出的对应所述多组卷积的特征向量进行拼接并输出。

在本公开的一示例性实施例中，所述数据处理层设有激活函数和降维机制；以及，在所述音乐风格识别模型的训练过程中，所述数据处理层还设有Dropout机制。