[发明专利]一种基于片段式的多阶段自动音准评分方法

说明书

本发明提供了歌唱评价技术领域的一种基于片段式的多阶段自动音准评分方法，包括如下步骤：步骤S10、获取待评分的音频数据以及曲谱数据；步骤S20、对所述音频数据进行有无歌声的校验；步骤S30、通过深度学习模型对所述音频数据进行降噪处理；步骤S40、剔除所述音频数据的非歌唱段；步骤S50、检测所述音频数据中各音符的音符时间点；步骤S60、基于各所述音符时间点提取音频数据的音频特征，并对所述曲谱数据进行整理得到曲谱文件；步骤S70、基于所述曲谱文件和音频特征对音频数据进行自动评分，生成并展示评分结果。本发明的优点在于：极大的提升了歌唱音准评分的准确性。

技术领域

本发明涉及歌唱评价技术领域，特别指一种基于片段式的多阶段自动音准评分方法。

背景技术

随着中小学生的素质教育被越来越重视，音乐教育也被越来越重视。音乐教育本身存在着很强大的艺术性和专业性，对于学生哼唱的音频，在进行专业性评分时，需要教师的人工参与才能完成，当需要进行大规模评分时，需要耗费巨大的人力资源，同时这种传统的评分机制也无法给学生实时教学反馈。

随着人工智能技术的发展，各类音乐辅助教育系统被研发，并在学校的教育场景中发挥着一定的作用。然而，传统的音乐辅助教育系统大多是围绕娱乐方向进行开发设计的，在实际应用时主要关注娱乐体验，并不能保证歌唱评分结果的准确性，无法达到模拟教师的评分水平，不适合将其应用于中小学生的歌唱教育当中，尤其是考试中，不准确的评分将会带来一定的不公平性问题。

因此，如何提供一种基于片段式的多阶段自动音准评分方法，实现提升歌唱音准评分的准确性，成为一个亟待解决的技术问题。

发明内容

本发明要解决的技术问题，在于提供一种基于片段式的多阶段自动音准评分方法，实现提升歌唱音准评分的准确性。

本发明是这样实现的：一种基于片段式的多阶段自动音准评分方法，包括如下步骤：

步骤S10、获取待评分的音频数据以及曲谱数据；

步骤S20、对所述音频数据进行有无歌声的校验；

步骤S30、通过深度学习模型对所述音频数据进行降噪处理；

步骤S40、剔除所述音频数据的非歌唱段；

步骤S50、检测所述音频数据中各音符的音符时间点；

步骤S60、基于各所述音符时间点提取音频数据的音频特征，并对所述曲谱数据进行整理得到曲谱文件；

步骤S70、基于所述曲谱文件和音频特征对音频数据进行自动评分，生成并展示评分结果。

进一步地，所述步骤S10具体为：

获取待评分的音频数据以及所述音频数据对应的曲谱数据。

进一步地，所述步骤S20具体为：

通过python依赖库提取所述音频数据的第一频率，将提取的所述第一频率转换为第一音高值序列，测量所述第一音高值序列的长度A、测量去除空值后的所述第一音高值序列的长度B，判断B/A是否大于0.21，若是，说明所述音频数据存在歌声，并进入步骤S30；若否，说明所述音频数据不存在歌声，生成并展示0分的评分结果，并结束流程。

进一步地，所述步骤S30具体为：

通过Demucs模型对所述音频数据进行一次降噪处理后，再通过Spleeter模型对所述音频数据进行二次降噪处理。

进一步地，所述步骤S40具体包括：

步骤S41、通过深度学习模型检测所述音频数据的第一起唱时间点；

步骤S42、通过传统算法模型检测所述音频数据的第二起唱时间点；