[发明专利]旋律生成方法、装置、存储介质及计算机设备

说明书

本申请提供了一种旋律生成方法、装置、存储介质及计算机设备，所述方法包括：在接收到自定义歌词文本时，获取所述自定义歌词文本的文本信息；根据所述文本信息和预先生成的第一原始旋律，生成所述自定义歌词文本对应的初始歌词旋律；所述初始歌词旋律包括多个音高信息；按照预设的掩码规则对所述初始歌词旋律的部分音高信息进行掩码，以得到目标掩码旋律；将所述目标掩码旋律输入至音高预测模型中，并根据所述音高预测模型输出的音高预测信息生成所述自定义歌词文本对应的最终歌词旋律；其中，所述音高预测模型是基于掩码语言模型进行模型预训练的神经网络模型。采用本申请的方案可以兼顾多样化的旋律和较低的时间复杂度。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种旋律生成方法、装置、存储介质及计算机设备。

背景技术

随着人工智能和神经网络技术的不断发展，人工智能和神经网络技术已经被应用到音乐领域中，用于根据用户输入的自定义歌词自动生成对应的歌词旋律，进而实现自动作曲功能。

目前，现有技术一般会通过两种方式来实现自动作曲。其中一种方式是将用户输入的自定义歌词直接套用到已有的歌词旋律之中。也即，提前确定多段歌词旋律，并在用户输入自定义歌词后，选用其中一段歌词旋律作为自定义歌词的歌词旋律。可以理解，当旋律的生成次数达到一定程度后，自动生成的多段旋律之间会具备重复性，这种实现方式无法输出多样化的旋律。

另一种实现方式则是对已有的多段音乐片段进行数据标注，标注信息会将该音乐片段的歌词文本、节奏、时值、伴奏和弦与歌词旋律等信息进行绑定表示。以各段音乐片段对应的标注信息作为训练数据，对神经网络模型进行训练，以得到训练后的神经网络模型。如此，在将自定义歌词输入到训练后的神经网络模型时，训练后的神经网络模型可以自动输出自定义歌词所对应的节奏和歌词旋律。

虽然这种方式可以输出多样化的旋律，但由于标注信息需要对多维度信息进行绑定表示，表示形式复杂，因此数据的标注时间较长，且标注难度大。同时，多维度信息的绑定表示还会增加神经网络模型的词库大小，这导致现有技术需要使用结构复杂的神经网络模型来实现，模型参数量大且时间复杂度高。

综上所述，现有技术无法兼顾多样化的旋律和较低的时间复杂度。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中无法兼顾多样化的旋律和较低的时间复杂度的技术缺陷。

第一方面，本申请实施例提供了一种旋律生成方法，该方法包括：

在接收到自定义歌词文本时，获取所述自定义歌词文本的文本信息；

根据所述文本信息和预先生成的第一原始旋律，生成所述自定义歌词文本对应的初始歌词旋律；所述初始歌词旋律包括多个音高信息；

按照预设的掩码规则对所述初始歌词旋律的部分音高信息进行掩码，以得到目标掩码旋律；

将所述目标掩码旋律输入至音高预测模型中，并根据所述音高预测模型输出的音高预测信息生成所述自定义歌词文本对应的最终歌词旋律；其中，所述音高预测模型是基于掩码语言模型进行模型预训练的神经网络模型。

第二方面，本申请实施例提供了一种旋律生成装置，该装置包括：

文本获取模块，用于在接收到自定义歌词文本时，获取所述自定义歌词文本的文本信息；

第一歌词旋律生成模块，用于根据所述文本信息和预先生成的第一原始旋律，生成所述自定义歌词文本对应的初始歌词旋律；所述初始歌词旋律包括多个音高信息；

掩码模块，用于按照预设的掩码规则对所述初始歌词旋律的部分音高信息进行掩码，以得到目标掩码旋律；