[发明专利]一种智能作曲方法、装置、电子设备及存储介质

权利要求书

1.一种智能作曲方法，其特征在于，包括：

对预设MIDI数据集进行升采样编码，得到MIDI数据升采样序列；所述预设MIDI数据集包括若干段预设风格乐曲；

利用所述MIDI数据升采样序列对预设神经网络进行训练，得到乐曲预测模型；

基于所述乐曲预测模型和预设动机旋律模型，生成第一声部音高序列和第一声部时值序列；所述预设动机旋律模型是基于所述MIDI数据集所属的乐曲风格类型和马尔科夫模型得到的能够生成动机旋律规则的模型；

基于所述第一声部音高序列和所述第一声部时值序列进行曲线拟合，得到第二声部音高序列和第二声部时值序列；

将所述第一声部音高序列、所述第一声部时值序列、所述第二声部音高序列及所述第二声部时值序列进行合成，得到二声部作曲旋律。

2.根据权利要求1所述的智能作曲方法，其特征在于，对预设MIDI数据集进行升采样编码，得到MIDI数据升采样序列包括：

分别对所述预设MIDI数据集中的各段乐曲的音乐特征进行提取，得到每段乐曲的音乐特征集；所述音乐特征集包括：调式、MIDI音高及时值；

基于所述预设MIDI数据集中预先存储的调式转换表，将所述预设MIDI数据集中每段乐曲的乐曲调式进行统一，得到所述MIDI数据集对应的统一调式音高序列和统一调式时值序列；其中，所述统一调式音高序列与所述统一调式时值序列一一对应；

按照所述统一调式时值序列将所述统一调式音高序列进行升采样编码，得到所述MIDI数据升采样序列。

3.根据权利要求1所述的智能作曲方法，其特征在于，利用所述MIDI数据升采样序列对预设神经网络进行训练，得到乐曲预测模型包括：

对所述MIDI数据升采样序列进行预处理，得到模型训练数字序列；所述预处理包括：归一化处理；

将所述模型训练数字序列作为输入训练集，对预设神经网络进行训练，得到所述乐曲预测模型。

4.根据权利要求1所述的智能作曲方法，其特征在于，基于所述乐曲预测模型和预设动机旋律模型，生成第一声部音高序列和第一声部时值序列包括：

确定出所述预设动机旋律模型生成的动机音高序列；

将所述动机音高序列作为所述乐曲预测模型的输入序列，生成所述第一声部音高序列；

对所述第一声部音高序进行降采样，得到所述第一声部时值序列。

5.根据权利要求1所述的智能作曲方法，其特征在于，基于所述第一声部音高序列和所述第一声部时值序列进行曲线拟合，得到第二声部音高序列和第二声部时值序列包括：

分别对所述第一声部音高序列和所述第一声部时值序列进行多项式拟合，得到拟合音高序列和所述第二声部时值序列；

对所述拟合音高序列进音高修正，得到所述第二声部音高序列。

6.根据权利要求1所述的智能作曲方法，其特征在于，将所述第一声部音高序列、所述第一声部时值序列、所述第二声部音高序列及所述第二声部时值序列进行合成，得到二声部作曲旋律包括：

分别确定出所述第一声部音高序列、所述第一声部时值序列、所述第二声部音高序列及所述第二声部时值序列对应的预设MIDI接口；

根据确定出的所述预设MIDI接口，分别将所述第一声部音高序列、所述第一声部时值序列、所述第二声部音高序列及所述第二声部时值序列送入预设MIDI合成器进行合成，得到所述二声部作曲旋律。

7.根据权利要求1所述的智能作曲方法，其特征在于，在基于所述乐曲预测模型和预设动机旋律模型，生成第一声部音高序列和第一声部时值序列之后，还包括：

确定出所述第一声部音高序列和所述第一声部时值序列对应的预设MIDI接口；

根据确定出的所述预设MIDI接口，分别将所述第一声部音高序列和所述第一声部时值序列送入预设MIDI合成器进行合成，得到一声部作曲旋律。