[发明专利]一种歌词文件生成方法及装置

权利要求书

1.一种歌词文件生成方法，其特征在于，包括：

获取针对目标歌曲上传的音频数据集合，所述音频数据集合包括多个音频数据；

对所述音频数据集合中的每个音频数据进行语音切分，得到所述每个音频数据中每个字的时间信息；

根据所述时间信息计算所述每个音频数据与第一音频数据之间的切分距离，并根据所述切分距离获得所述每个音频数据的切分距离和，所述第一音频数据为所述音频数据集合中除所述每个音频数据之外的任一音频数据；

按照切分距离和从小到大的顺序对所述音频数据集合中的每个音频数据进行排序，并确定排序首位的第二音频数据；

利用所述第二音频数据中每个字的时间信息生成所述目标歌曲的歌词文件。

2.根据权利要求1所述的方法，其特征在于，所述获取针对目标歌曲上传的音频数据集合之后，所述对所述音频数据集合中的每个音频数据进行语音切分，得到所述每个音频数据中每个字的时间信息之前，所述方法还包括：

计算所述音频数据集合中每个音频数据的噪声能量；

将噪声能量大于噪声能量阈值的音频数据从所述音频数据集合中剔除，得到目标音频数据集合；

所述对所述音频数据集合中的每个音频数据进行语音切分，得到所述每个音频数据中每个字的时间信息，包括：

对所述目标音频数据集合中的每个音频数据进行语音切分，得到所述每个音频数据中每个字的时间信息。

3.根据权利要求1所述的方法，其特征在于，所述对所述音频数据集合中的每个音频数据进行语音切分，得到所述每个音频数据中每个字的时间信息，包括：

将所述音频数据集合中的每个音频数据转换得到对应的音素列表；

将所述每个音频数据对应的音素列表映射到预先建立的音素模型，得到所述每个音频数据对应的音素模型序列；

将所述每个音频数据语音切分后得到多帧音频数据，获取所述多帧音频数据中的每帧音频数据与所述音素模型序列的匹配度；

确定所述每帧音频数据与所述音素模型序列的匹配度最大化的最优匹配路径，根据所述最优匹配路径得到所述每个音频数据中每个音素的时间信息，将音素合并后确定所述每个音频数据中每个字的时间信息。

4.根据权利要求1所述的方法，其特征在于，所述按照切分距离和从小到大的顺序对所述音频数据集合中的每个音频数据进行排序，并确定排序首位的第二音频数据之后，所述方法还包括：

从所述音频数据集合中获取排序前k个音频数据；

根据所述第二音频数据的切分距离和与所述排序前k个音频数据的切分距离和计算所述第二音频数据的可用度；

判断所述可用度是否超过预设可用度门限，若是，则执行所述利用所述第二音频数据中每个字的时间信息生成所述目标歌曲的歌词文件的操作。

5.根据权利要求1～4任一项所述的方法，其特征在于，所述时间信息包括起始时间和持续时间，所述根据所述时间信息计算所述每个音频数据与第一音频数据之间的切分距离，包括：

针对所述目标歌曲所包含的每个字，根据所述时间信息分别获得所述每个音频数据中所述每个字的第一起始时间和第一持续时间，以及第一音频数据中所述每个字的第二起始时间和第二持续时间；

分别计算所述第一起始时间和所述第二起始时间的第一时间差，以及所述第一持续时间和所述第二持续时间的第二时间差；

根据所述第一时间差和所述第二时间差计算所述每个音频数据与所述第一音频数据之间的切分距离。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第一时间差和所述第二时间差计算所述每个音频数据与所述第一音频数据之间的切分距离，包括：

获取预设的起始时间的第一权重和预设的持续时间的第二权重；

利用所述第一权重、所述第二权重、所述第一时间差和所述第二时间差计算所述每个音频数据与所述第一音频数据之间的切分距离。