[发明专利]对音乐进行音量调节的方法及设备

权利要求书

1.一种对音乐进行音量调节的方法，其特征在于，包括：

获取待播放音乐的时域波形以及播放环境的噪声的时域波形；

根据所述待播放音乐的时域波形以及所述噪声的时域波形，使用预先训练好的神经网络，得到所述待播放音乐的音量设置；

使用所述音量设置调节所述待播放音乐的音量；

其中，所述预先训练好的神经网络包括：音乐风格神经网络、噪声类别辨识神经网络以及音量调节神经网络；

在使用音乐风格神经网络之前，还包括：基于音乐训练数据集，通过训练得到所述音乐风格神经网络；或，在使用噪声类别辨识神经网络之前，还包括：基于噪声训练数据集，通过训练得到所述噪声类别辨识神经网络。

2.根据权利要求1所述的方法，其特征在于，还包括：

将所述预先训练好的神经网络作为基线模型；

重复执行以下步骤，直到特定用户的再次调节指令的次数小于预设值：

对在播放音乐，使用所述基线模型得到相应的音量设置；

获取所述特定用户对所述相应的音量设置的再次调节指令；

若所述特定用户的再次调节指令的次数达到预设值，则将所述特定用户调节后的音量作为训练样本，在所述基线模型的参数基础上进行学习，得到更新后的模型，并用所述更新后的模型替换基线模型。

3.根据权利要求1所述的方法，其特征在于，所述得到所述待播放音乐的音量设置的过程包括：

根据所述待播放音乐的时域波形，使用所述音乐风格神经网络，得到所述待播放音乐的风格向量；

根据所述噪声的时域波形，使用所述噪声类别辨识神经网络，得到所述噪声的类别；

根据所述待播放音乐的时域波形得到所述待播放音乐的能量特征；

根据所述噪声的时域波形得到所述噪声的能量特征；

将所述待播放音乐的风格向量、所述噪声的类别、所述待播放音乐的能量特征、所述噪声的能量特征输入至所述音量调节神经网络，得到所述待播放音乐的音量设置。

4.根据权利要求3所述的方法，其特征在于，得到所述待播放音乐的风格向量的过程包括：

对所述待播放音乐的时域波形进行分帧，并对分帧后的每帧进行特征提取，得到所述待播放音乐的特征；

将所述待播放音乐的特征输入至所述音乐风格神经网络，得到所述待播放音乐的风格向量。

5.根据权利要求3所述的方法，其特征在于，得到所述噪声的类别的过程包括：

对所述噪声的时域波形进行分帧，并对分帧后的每帧进行特征提取，得到所述噪声的特征；

将所述噪声的特征输入至所述噪声类别辨识神经网络，得到所述噪声的类别。

6.根据权利要求3所述的方法，其特征在于，所述待播放音乐的能量特征包括所述待播放音乐的平均幅度，得到所述待播放音乐的能量特征的过程包括：

计算所述待播放音乐的时域波形的每一点的幅度的绝对值，再除以总点数得到所述待播放音乐的平均幅度。

7.根据权利要求3所述的方法，其特征在于，所述噪声的能量特征包括所述噪声的平均幅度，得到所述噪声的能量特征的过程包括：

计算所述噪声的时域波形的每一点的幅度的绝对值，再除以总点数得到所述噪声的平均幅度。

8.根据权利要求1所述的方法，其特征在于，所述音乐训练数据集中的每个音乐训练数据具有音乐风格向量，所述音乐训练数据的音乐风格向量通过以下方式得到：

获取大量用户对多个音乐训练数据的风格标注信息，并基于所述风格标注信息生成标注矩阵；

根据所述标注矩阵确定各个音乐训练数据的音乐风格向量。

9.根据权利要求8所述的方法，其特征在于，所述根据所述标注矩阵确定各个音乐训练数据的音乐风格向量，包括：

将所述标注矩阵分解为第一矩阵与第二矩阵的乘积；

将所述第一矩阵的各个行向量确定为对应的音乐训练数据的音乐风格向量。