CN112559794A - 歌曲质量的识别方法、装置、设备及存储介质 - Google Patents
歌曲质量的识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112559794A CN112559794A CN201910911474.4A CN201910911474A CN112559794A CN 112559794 A CN112559794 A CN 112559794A CN 201910911474 A CN201910911474 A CN 201910911474A CN 112559794 A CN112559794 A CN 112559794A
- Authority
- CN
- China
- Prior art keywords
- song
- quality
- target
- segment
- identification model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 100
- 238000012549 training Methods 0.000 claims abstract description 41
- 238000005520 cutting process Methods 0.000 claims abstract description 4
- 230000015654 memory Effects 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 29
- 230000002457 bidirectional effect Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 21
- 230000007787 long-term memory Effects 0.000 claims description 11
- 230000006403 short-term memory Effects 0.000 claims description 11
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/63—Querying
- G06F16/635—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Reverberation, Karaoke And Other Acoustics (AREA)
Abstract
本公开是关于一种歌曲质量的识别方法、装置、设备及存储介质，该方法包括：获取待识别的目标歌曲数据；将所述目标歌曲数据切分成一个或多个参考时长的目标歌曲片段；计算每个目标歌曲片段的频域特征，将每个目标歌曲片段的频域特征输入至目标歌曲质量识别模型，所述目标歌曲质量识别模型基于多个带有质量标签的参考歌曲片段的频域特征训练得到，带有质量标签的任一参考歌曲片段的质量标签通过不同评价主体对所述任一参考歌曲片段的歌曲质量进行评价得到；通过所述目标歌曲质量识别模型对所述目标歌曲的歌曲质量进行识别。本申请无需参考原唱音频，即可对目标歌曲的歌曲质量进行识别，能够提高歌曲质量的识别准确性。
Description
技术领域
本公开涉及人工智能领域，尤其涉及一种歌曲质量的识别方法、装置、设备及存储介质。
背景技术
随着互联网技术的发展，人们与互联网之间的互动越来越频繁。例如歌曲打分的应用，人们可以通过向相关应用程序中上传自己的歌唱音频，根据应用程序中预定的评分标准，得到自己的歌唱分数。
相关技术中，应用程序评分标准是将歌唱音频与该歌唱音频对应的原唱音频进行比对。歌唱音频与该歌唱音频的原唱音频相似度越大，该歌唱音频得到的分数越高。但此种歌唱分数的确定方式，使得人们需要模仿原唱进行歌唱才能得到高分。这种硬性的评分标准得到的分数不准确。
发明内容
本公开提供一种歌曲质量的识别方法、装置、设备及存储介质，能够克服相关技术中的问题。
根据本公开实施例的第一方面，提供一种歌曲质量的识别方法，所述方法包括：获取待识别的目标歌曲数据；将所述目标歌曲数据切分成一个或多个参考时长的目标歌曲片段；计算每个目标歌曲片段的频域特征，将每个目标歌曲片段的频域特征输入至目标歌曲质量识别模型，所述目标歌曲质量识别模型基于多个带有质量标签的参考歌曲片段的频域特征训练得到，带有质量标签的任一参考歌曲片段的质量标签通过不同评价主体对所述任一参考歌曲片段的歌曲质量进行评价得到；通过所述目标歌曲质量识别模型对所述目标歌曲的歌曲质量进行识别。
可选地，所述目标歌曲质量识别模型包括依次连接的卷积层、双向长短期记忆网络层和全连接层：其中，所述目标歌曲质量识别模型的卷积层的层数为第一数量，所述目标歌曲质量识别模型的双向长短期记忆网络层的层数为第二数量，所述目标歌曲质量识别模型的全连接层的层数为第三数量，其中，第一数量的卷积层中的第一层卷积层包括多尺度卷积核；
所述通过所述目标歌曲质量识别模型对所述目标歌曲的歌曲质量进行识别，包括：通过所述第一层卷积层的多尺度卷积核对每个目标歌曲片段的频域特征进行卷积计算，将卷积计算结果输入至下一卷积层进行卷积计算，直至所述目标歌曲质量识别模型的最后一层卷积层将计算结果输出至所述目标歌曲质量识别模型的双向长短期记忆网络层；
通过所述目标歌曲质量识别模型的双向长短期记忆网络层对所述目标歌曲质量识别模型的卷积层的卷积计算结果进行处理，将所述目标歌曲质量识别模型的最后一层双向长短期记忆网络层的最终隐藏状态作为输出，通过所述目标歌曲质量识别模型的全连接层的全连接处理，输出所述目标歌曲数据的歌曲质量识别结果。
可选地，所述将每个目标歌曲片段的频域特征输入至目标歌曲质量识别模型之前，还包括：获取多个参考歌曲片段，获取每个参考歌曲片段的质量标签，所述多个参考歌曲片段中的任一参考歌曲片段的质量标签通过不同评价主体对所述任一参考歌曲片段的歌曲质量进行评价得到；获取每个带有质量标签的参考歌曲片段的频域特征，基于所述每个带有质量标签的参考歌曲片段的频域特征训练得到目标歌曲质量识别模型。
可选地，所述获取每个参考歌曲片段的质量标签，包括：对于所述多个参考歌曲片段中的任一参考歌曲片段，获取不同评价主体对所述任一参考歌曲片段的歌曲质量的评价结果，得到所述任一参考歌曲片段的多个评价结果；基于所述任一参考歌曲片段的多个评价结果确定所述任一参考歌曲片段的目标评价结果，将所述任一参考歌曲片段的目标评价结果作为所述任一参考歌曲片段的质量标签。
可选地，所述基于所述任一参考歌曲片段的多个评价结果确定所述任一参考歌曲片段的目标评价结果，包括：综合所述任一参考歌曲片段的多个评价结果对应的分值，得到所述任一参考歌曲片段的评分；基于所述任一参考歌曲片段的评分确定所述任一参考歌曲片段的目标评价结果。
可选地，所述获取每个带有质量标签的参考歌曲片段的频域特征，包括：将每个带有质量标签的参考歌曲片段的时长调整为目标时长；获取每个带有质量标签且为目标时长的参考歌曲片段的频域特征。
可选地，所述基于所述每个带有质量标签的参考歌曲片段的频域特征训练得到目标歌曲质量识别模型，包括：将所述每个带有质量标签的参考歌曲片段的频域特征输入到初始歌曲质量识别模型，对所述初始歌曲质量识别模型进行训练；当所述初始歌曲质量识别模型的目标损失函数的损失值满足目标条件时，得到目标歌曲质量识别模型。
根据本公开实施例的第二方面，提供一种歌曲质量的识别装置，所述装置包括：
获取模块，被配置为执行获取待识别的目标歌曲数据；
处理模块，被配置为执行将所述目标歌曲数据切分成一个或多个参考时长的目标歌曲片段，计算每个目标歌曲片段的频域特征；
输入模块，被配置为执行将每个目标歌曲片段的频域特征输入至目标歌曲质量识别模型，所述目标歌曲质量识别模型基于多个带有质量标签的参考歌曲片段的频域特征训练得到，带有质量标签的任一参考歌曲片段的质量标签通过不同评价主体对所述任一参考歌曲片段的歌曲质量进行评价得到；
识别模块，被配置为执行通过所述目标歌曲质量识别模型对所述目标歌曲的歌曲质量进行识别。
可选地，所述目标歌曲质量识别模型包括依次连接的卷积层、双向长短期记忆网络层和全连接层：其中，所述目标歌曲质量识别模型的卷积层的层数为第一数量，所述目标歌曲质量识别模型的双向长短期记忆网络层的层数为第二数量，所述目标歌曲质量识别模型的全连接层的层数为第三数量，其中，第一数量的卷积层中的第一层卷积层包括多尺度卷积核；
所述识别模块，被配置为执行通过所述第一层卷积层的多尺度卷积核对每个目标歌曲片段的频域特征进行卷积计算，将卷积计算结果输入至下一卷积层进行卷积计算，直至所述目标歌曲质量识别模型的最后一层卷积层将计算结果输出至所述目标歌曲质量识别模型的双向长短期记忆网络层；通过所述目标歌曲质量识别模型的双向长短期记忆网络层对所述目标歌曲质量识别模型的卷积层的卷积计算结果进行处理，将所述目标歌曲质量识别模型的最后一层双向长短期记忆网络层的最终隐藏状态作为输出，通过所述目标歌曲质量识别模型的全连接层的全连接处理，输出所述目标歌曲数据的歌曲质量识别结果。
可选地，所述获取模块，被配置为执行获取多个参考歌曲片段，获取每个参考歌曲片段的质量标签，所述多个参考歌曲片段中的任一参考歌曲片段的质量标签通过不同评价主体对所述任一参考歌曲片段的歌曲质量进行评价得到；获取每个带有质量标签的参考歌曲片段的频域特征，基于所述每个带有质量标签的参考歌曲片段的频域特征训练得到目标歌曲质量识别模型。
可选地，所述获取模块，被配置为执行对于所述多个参考歌曲片段中的任一参考歌曲片段，获取不同评价主体对所述任一参考歌曲片段的歌曲质量的评价结果，得到所述任一参考歌曲片段的多个评价结果；基于所述任一参考歌曲片段的多个评价结果确定所述任一参考歌曲片段的目标评价结果，将所述任一参考歌曲片段的目标评价结果作为所述任一参考歌曲片段的质量标签。
可选地，所述获取模块，被配置为执行综合所述任一参考歌曲片段的多个评价结果对应的分值，得到所述任一参考歌曲片段的评分；基于所述任一参考歌曲片段的评分确定所述任一参考歌曲片段的目标评价结果。
可选地，所述获取模块，被配置为执行将每个带有质量标签的参考歌曲片段的时长调整为目标时长；获取每个带有质量标签且为目标时长的参考歌曲片段的频域特征。
可选地，所述获取模块，被配置为执行将所述每个带有质量标签的参考歌曲片段的频域特征输入到初始歌曲质量识别模型，对所述初始歌曲质量识别模型进行训练；当所述初始歌曲质量识别模型的目标损失函数的损失值满足目标条件时，得到目标歌曲质量识别模型。
根据本公开实施例的第三方面，提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的一个或多个存储器；其中，所述处理器被配置为执行第一方面或第一方面的任一种可能的实施方式中的方法。
根据本公开实施例的第四方面，提供一种存储介质，包括：当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行第一方面或第一方面的任一种可能的实施方式中的方法。
根据本公开实施例的第五方面，提供了一种计算机程序(产品)，所述计算机程序(产品)包括：计算机程序代码，当所述计算机程序代码被计算机运行时，使得所述计算机执行上述各方面中的方法。
本公开的实施例提供的技术方案至少可以包括以下有益效果：
通过来自不同评价主体对参考歌曲片段的歌曲质量进行评价，得到参考歌曲片段的质量标签，再利用带有该质量标签的参考歌曲片段的频域特征训练得到目标歌曲质量识别模型对目标歌曲的歌曲质量进行识别。由于该质量标签是根据多个评价主体的评价结果得到，得到的该质量标签更合理、更准确，使得基于该质量标签下的参考歌曲片段的频域特征训练得到的目标歌曲质量识别模型在对目标歌曲进行质量识别时，识别结果更准确。从而在无需参考原唱音频的情况下，仍然能够对目标歌曲的质量进行准确的识别。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是根据一示例性实施例示出的一种歌曲质量的识别方法的流程图；
图2是根据一示例性实施例示出的一种获取目标歌曲质量识别模型的过程示意图；
图3是根据一示例性实施例示出的一种训练目标歌曲质量识别模型的过程示意图；
图4是根据一示例性实施例示出的目标歌曲质量识别模型的结构图；
图5是根据一示例性实施例示出的一种歌曲质量的识别装置的框图；
图6是根据一示例性实施例示出的一种电子设备的框图；
图7是根据一示例性实施例示出的一种终端的示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完成地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
对歌曲质量的识别的使用场景可以是对歌唱音频中歌唱者对歌唱曲目的演唱水平的识别；也可以是其他通过硬性的判定标准进行歌曲质量评价的场景中，比如仅仅通过音频中包含噪音音频的程度来评价一段音频的音频清晰度。本申请以歌唱音频中歌唱者对歌唱曲目的演唱水平的识别为例，来阐述本申请实施例提供的歌曲质量的识别方法。
相关技术中，在对歌唱音频中歌唱者对歌唱曲目的演唱水平的判定过程中，是将歌唱音频与该歌唱音频对应的原唱音频进行比对。歌唱音频与该歌唱音频的原唱音频相似度越大，该歌唱音频得到的分数越高，使得人们需要模仿原唱进行歌唱才能得到高分。这种硬性的评分判定标准影响了得到的歌唱分数的准确性。为解决上述技术问题，本申请实施例提供了一种歌曲质量的识别方法，具体如下述实施例描述。
图1是根据一示例性实施例示出的一种歌曲质量的识别方法的流程图，该歌曲质量的识别方法用于电子设备，如终端或服务器中。本申请实施例以终端进行说明。如图1所示，包括以下步骤。
S11，获取待识别的目标歌曲数据，将目标歌曲数据切分成一个或多个参考时长的目标歌曲片段。
本申请实施例中获取的待识别的目标歌曲数据可以是用户在使用歌曲质量的识别应用程序时演唱或者是上传的，也可以是从网络中下载的，本申请实施例不对获取待识别的目标歌曲数据的方式进行限定。此外，将获取到的目标歌曲数据切分成一个或多个参考时长的目标歌曲片段时，关于参考时长的长度及切分的目标歌曲片段的数量，本申请实施例均不进行限定。示例性地，可以基于经验或者应用场景设置参考时长，例如，参考时长可以为10秒。
需要说明的是，不足参考时长的目标歌曲片段可以采用填充的方式填充到参考时长。例如，可以用0填充。
S12，计算每个目标歌曲片段的频域特征，将每个目标歌曲片段的频域特征输入至目标歌曲质量识别模型，目标歌曲质量识别模型基于多个带有质量标签的参考歌曲片段的频域特征训练得到，带有质量标签的任一参考歌曲片段的质量标签通过不同评价主体对任一参考歌曲片段的歌曲质量进行评价得到。
示例性地，计算每个目标歌曲片段的频域特征可以是计算每个目标歌曲片段的傅里叶频谱特征，也可以是目标歌曲片段的梅尔谱特征。本申请实施例对频域特征的表达形式不作限定，本领域技术人员可以根据实际使用需要确定。此外，在示例性实施例中，为了提高识别效率，还可以将得到的频域特征进行归一化处理，使得归一化处理后的频域特征服从均值为0、方差为1的高斯分布。
本申请实施例采用了目标歌曲质量识别模型来进行目标歌曲的质量识别，在识别之前，先获取该目标歌曲质量识别模型。示例性地，参见图2，该S12包括如下S121-S123这几个子步骤。
S121，获取多个参考歌曲片段。
本申请实施例中获取的多个参考歌曲片段可以是用户在使用歌曲质量的识别应用程序时演唱或者是上传的，也可以是从网络中下载的，本申请实施例不对获取的参考歌曲片段的方式进行限定。此外，记录参考歌曲数据的设备可以相同，也可以不同，参考歌唱片段的记录地点也可以是各不相同。可以先获取多个初始的歌曲片段，通过对初始的歌曲片段进行筛选得到本申请实施例中所使用的参考歌曲片段。例如，得到初始的歌曲片段之后，将初始的歌曲片段中包含干扰音乐的歌曲片段进行过滤，且将时长不满足要求的歌曲片段进行过滤。
例如，将时长从10秒钟到3分钟不等的歌曲片段作为最终筛选之后保留的歌曲片段，即参考歌曲片段。关于获取的参考歌曲片段的数量，本申请实施例也不加以限定。
示例性地，由于该参考歌曲片段用于后续的目标歌曲质量识别模型的训练，为了提高目标歌曲质量识别模型的识别准确率，获取的参考歌曲片段的数量越多越好。该多个参考歌曲片段中可以是每一个歌唱曲目对应一个参考歌曲片段；也可以是每一个歌唱曲目对应多个不同歌唱主体演唱的参考歌曲片段。通过获取同一个歌唱曲目的多个不同歌唱主体演唱的参考歌曲片段可以进一步提高训练得到的目标歌曲质量识别模型的识别准确率。比如对于同一首歌曲，如果仅仅获得的是歌曲质量较高的参考歌曲片段，可能导致目标歌曲质量识别模型对歌曲质量不高的歌曲片段的质量识别结果不够准确。因而对同一首歌曲，可以获取不同歌曲质量的参考歌曲片段，以提高目标歌曲质量识别模型的识别结果的准确性。
示例性地，该多个参考歌曲片段可以隶属于同一种音乐风格下的歌曲片段。也可以隶属于不同种音乐风格下的歌曲片段，通过获取不同音频音乐风格下的参考歌曲片段，可以进一步提高得到的目标歌曲质量识别模型的识别准确率，同时也可以提高目标歌曲质量识别模型的泛化能力。例如，如果所有的参考歌曲片段均来自于流行歌曲，以该参考歌曲片段训练得到的目标歌曲质量识别模型可能对摇滚歌曲的识别结果不准确，因而得到的参考歌曲片段可以来自不同音乐风格下的歌曲片段。且当得到的参考歌曲片段来自于多个不同的音乐风格下，比如来自于流行歌曲和摇滚歌曲，通过神经网络模型自身的泛化能力，也可以提高目标歌曲质量识别模型对近似于两种音乐风格的歌曲片段的质量识别的准确性。
S122，获取每个参考歌曲片段的质量标签，多个参考歌曲片段中的任一参考歌曲片段的质量标签通过不同评价主体对任一参考歌曲片段的歌曲质量进行评价得到。
示例性地，获取一首歌唱曲目的参考歌曲片段，假设该参考歌曲片段为一个五音健全的普通人演唱得到的。对于该歌曲质量的评价主体可以包括歌唱家、五音健全的普通人、五音不健全的普通人。由于歌唱家对歌唱水平要求高，若以评分作为评价结果的话，歌唱家可能给予的评价结果为60分；两个五音健全的普通人对同一首歌曲的演唱水平可能较接近，故五音健全的普通人给予的评价结果可能是90分；对于五音不健全的普通人可能给予的评价结果可能为70分。获取到的评价主体的数量与类型越多，得到的评价结果越具有代表性。
本申请实施例对评价主体是否是歌唱家或者是五音是否健全不作筛选，即不对评价主体进行限定，只需要获得不同评价主体的评价结果即可，上述描述只是当评价主体较多时，对产生的不同评分结果的一种可能性的解释。对参考歌曲片段的音频质量的评价结果的表现形式也可以是以歌唱等级来评定，比如“优秀”、“良好”、“一般”、“差”等评价标准，本申请实施例不对评价结果的表现形式进行限定。
可选地，本申请实施例中的评价主体除了是人类之外，也可以是不同的歌唱评分应用程序。通过将同一首歌曲输入到不同歌唱评分应用程序，将歌唱评分应用程序的评分结果作为标注结果。获取到不同评价主体对同一个歌唱曲目的评价结果，使得以该评价结果的歌曲片段训练得到的歌曲质量识别模型的识别结果更为准确。
可选地，获取每个参考歌曲片段的质量标签，包括：对于多个参考歌曲片段中的任一参考歌曲片段，获取不同评价主体对任一参考歌曲片段的歌曲质量的评价结果，得到任一参考歌曲片段的多个评价结果；基于任一参考歌曲片段的多个评价结果确定任一参考歌曲片段的目标评价结果，将任一参考歌曲片段的目标评价结果作为任一参考歌曲片段的质量标签。
可选地，基于任一参考歌曲片段的多个评价结果确定任一参考歌曲片段的目标评价结果，包括：综合任一参考歌曲片段的多个评价结果对应的分值，得到任一参考歌曲片段的评分；基于任一参考歌曲片段的评分确定任一参考歌曲片段的目标评价结果。
例如，将获取到的每个参考歌曲片段都被呈现给10名评价主体听取，这些评价主体被要求听每一个参考歌曲片段，然后给出分类为好的、中间的还有差的等不同评价结果。此外，为了让评价主体熟悉整个参考歌曲片段所组成的数据集的分布，并更好地了解评价任务，首先随机从整个参考歌曲片段的数据集中选取部分参考歌曲片段作为一个样本，评价主体听这些参考歌曲片段并试图对歌曲质量分为三类，给出对每一个参考歌曲片段的歌曲质量分类结果。如此，多个参考歌曲片段中的每个参考歌曲片段都有来自10个评价主体的10个分类标签。
为了每一个参考歌曲片段的10个标签的一致性，本申请实施例提供的方法可以计算每个参考歌曲片段的变化率。该变化率是一个简单的统计度量，是一个象征意义的分布。计算每个参考歌曲片段的变化率，然后取其平均值。例如，平均变化率是0.3277，这意味着对于给定的参考歌曲片段，大于2/3的评价主体倾向于给出相同的分类标签。因此，本申请可能使用“平均标签”表示每个参考歌曲片段的群体偏好。跟随这个假设，可以为每个标签类分配一个分数，例如，好、中、差分别为5、3、1分。通过确定每个参考歌曲片段的10个标签的分值，可以用平均分来表示给参考歌曲片段的质量分数。为了进一步消除混乱，平均分等于或大于第一阈值(例如4)的参考歌曲片段的目标评价结果为良好，且平均分数等于或低于第二阈值(例如2)的参考歌曲片段的目标评价结果被认为是差的。其他平均分的参考歌曲片段被视为“其他”。本申请实施例可仅采用评价结果为良好和差这两种类型的参考歌曲片段进行后续的模型训练。
示例性地，以得到的“60分”、“90分”和“70分”的评价结果为例，可以将该三个评价结果的均值作为参考歌曲片段的目标评价结果。也可以将不同分数以及对应分数的评价主体的数量作为目标评价结果。例如评价主体有10个，评分“60分”的有两个，评分“90分”的有3个，评分“70分”的有5个，则可以将分数以及对应该分数的评价主体的占比，作为目标评价结果。例如该目标评价结果可以是“60*0.2+90*0.3+70*0.5”。本申请实施例对目标评价结果的形式不作限定，本领域技术人员可以根据实际训练需要，使用不同形式的目标评价结果作为对应的参考歌曲片段的质量标签。
S123，获取每个带有质量标签的参考歌曲片段的频域特征，基于每个带有质量标签的参考歌曲片段的频域特征训练得到目标歌曲质量识别模型。
示例性地，获取的带有质量标签的参考歌曲片段的频域特征可以是参考歌曲片段的傅里叶频谱特征，也可以是参考歌曲片段的梅尔谱特征。本申请实施例对频域特征的表达形式不作限定，本领域技术人员可以根据实际使用需要确定。为了提高训练效率，将得到的频域特征进行归一化处理，使得归一化处理后的频域特征服从均值为0、方差为1的高斯分布。
作为本申请一个可选实施方式，一首歌曲考虑到可能在开始/结束或中间部分有空格或者说存在停顿，则可以将歌曲片段的时间延长到一定数值。则获取每个带有质量标签的参考歌曲片段的频域特征，包括：将每个带有质量标签的参考歌曲片段的时长调整为目标时长；获取每个带有质量标签且为目标时长的参考歌曲片段的频域特征。
示例性地，用于训练的带有质量标签的参考歌曲片段的音频时长可以根据实际模型训练使用确定。不同的参考歌曲片段的音频时长可以相同，也可以不同，本申请实施例不作限定。为了提高歌曲质量识别模型的效率，本申请实施例使用相同音频时长的参考歌曲片段。该目标时长可以根据实际训练使用需要确定，本申请实施例选用10S。针对获取的每个参考歌曲片段，用10秒滑动窗口，跳跃大小为2.5秒，获得多个带有质量标签且为目标时长的参考歌曲片段。
作为本申请一个可选实施方式，如图3所示，基于每个带有质量标签的参考歌曲片段的频域特征训练得到目标歌曲质量识别模型，包括如下S21-S23几个子步骤：
S21，将每个带有质量标签的参考歌曲片段的频域特征输入到初始歌曲质量识别模型。
示例性地，该初始歌曲质量识别模型可以是预先已训练好的神经网络模型，也可以是随着训练的不断进行，调整后得到的神经网络模型。通过将带有质量标签的参考歌曲片段的频域特征通过该初始歌曲质量识别模型的输入层输入，该输入的频域特征的维度为T*F，“T”代表参考歌曲片段的帧数，“F”代表不同频域特征的维度。比如当频域特征为傅里叶频谱特征时，“F”即代表参考歌曲片段的傅里叶频谱特征的维度。经过训练从该初始歌曲质量识别模型的全连接层得到识别结果。
作为本申请一个可选实施方式，该初始歌曲质量识别模型的输入层和输出层之间包括：第一目标数量的卷积层、第二目标数量的双向长短期记忆网络层及第三目标数量的全连接层。
示例性，如图3所示，本申请实施例的初始歌曲质量识别模型包括三个卷积层、两个双向长短期记忆网络层以及一个全连接层。靠近输入层一侧即第一个卷积层包含16个卷积核，每一个卷积核的大小可以为16*i，i的取值范围可以取[1,8]之间的任一整数；第二个卷积层包含256个卷积核，每一个卷积核的大小为4*4；第三个卷积层的包含256个卷积核，每一个卷积核的大小为4*4。该三个卷积层的步长均为2，每一个卷积层进行一维卷积。两个双向长短期记忆网络层的维数分别均为100。当实际训练使用时，将最后一个双向长短期记忆网络层中最后一个隐含层的结果输出。可选地，可将最后一个双向长短期记忆网络层中最后一个隐含层的结果经过线性变换后输出至全连接层，由全连接层处理得到识别结果。本申请实施例对该初始歌曲质量识别模型的具体结构以及对应的结构参数不作限定，本领域技术人员可以根据实际训练使用需要确定。
S22，对初始歌曲质量识别模型进行训练。
示例性地，对初始歌曲质量识别模型进行训练的训练方法可以是Adam优化方法，根据Adam优化方法对初始歌曲质量识别模型进行优化训练。本申请实施例对训练方法不作限定，本领域技术人员可以根据实际训练使用需要确定。
S23，当初始歌曲质量识别模型的目标损失函数的损失值满足目标条件时，得到目标歌曲质量识别模型。
示例性地，该目标损失函数可以是交叉熵损失函数，也可以是欧氏距离，本申请实施例对目标损失函数的类别不作限定。通过设置目标损失函数，根据目标损失函数的损失值可以确定初始歌曲质量识别模型的收敛程度。收敛程度的确定方式可以是根据获取到的目标损失函数的损失值，判定目标时间内的目标损失函数的损失值是否在目标范围内浮动，当在目标时间内的损失函数的损失值在目标范围内浮动时，即表示初始歌曲质量识别模型已收敛，得到目标歌曲质量识别模型。该目标时间和目标范围，本领域技术人员可以根据实际使用需要确定，本申请实施例对此不作限定。可选地，目标歌曲质量识别模型的输入层和输出层之间包括：层数为第一数量的目标歌曲质量识别模型的卷积层、层数为第二数量的目标歌曲质量识别模型的双向长短期记忆网络层及层数为第三数量的目标歌曲质量识别模型的全连接层；其中，第一数量的卷积层中的第一个卷积层包括多尺度卷积核。如图4所示，第一数量可以是3，第二数量可以是2，第三数量可以是1。
本申请实施例提供的方法通过采用海量数据训练歌曲质量识别模型，解决了歌唱评价任务中主观性太强和依赖原唱作品的问题。此外，本申请实施例提供的方法使得模型能够从歌曲片段中学习到有效信息，以提高后续的识别结果的准确性。
S13，通过目标歌曲质量识别模型对目标歌曲的歌曲质量进行识别。
示例性地，基于图4所示的模型结构，本申请实施例提供的方法通过目标歌曲质量识别模型对目标歌曲的歌曲质量进行识别，包括：通过第一层卷积层的多尺度卷积核对每个目标歌曲片段的频域特征进行卷积计算，将卷积计算结果输入至下一卷积层进行卷积计算，直至目标歌曲质量识别模型的最后一层卷积层将计算结果输出至目标歌曲质量识别模型的双向长短期记忆网络层；通过目标歌曲质量识别模型的双向长短期记忆网络层对目标歌曲质量识别模型的卷积层的卷积计算结果进行处理，将目标歌曲质量识别模型的最后一层双向长短期记忆网络层的最终隐藏状态作为输出，通过目标歌曲质量识别模型的全连接层的全连接处理，输出目标歌曲数据的歌曲质量识别结果。
示例性地，该目标歌曲质量识别模型的识别结果的表现方式可以是音频质量的分数，也可以是上述步骤描述的以等级的形式给出。本申请实施例对识别结果的表现形式不作限定。
本申请实施例提供的方法，通过来自不同评价主体对参考歌曲片段的歌曲质量进行评价，得到参考歌曲片段的质量标签，再利用带有该质量标签的参考歌曲片段的频域特征训练得到目标歌曲质量识别模型。由于该质量标签是根据多个评价主体的评价结果得到，得到的该质量标签更合理、更准确，使得基于该质量标签下的参考歌曲片段的频域特征训练得到的目标歌曲质量识别模型在对目标歌曲进行质量识别时，识别结果更准确。从而在无需参考原唱音频的情况下，仍然能够对目标歌曲的质量进行准确的识别。
图5是根据一示例性实施例示出的一种歌曲质量的识别装置框图。参照图5，该装置包括获取模块501、处理模块502、输入模块503和识别模块504。
获取模块501，被配置为执行获取待识别的目标歌曲数据；
处理模块502，被配置为执行将目标歌曲数据切分成一个或多个参考时长的目标歌曲片段，计算每个目标歌曲片段的频域特征；
输入模块503，被配置为执行将每个目标歌曲片段的频域特征输入至目标歌曲质量识别模型，目标歌曲质量识别模型基于多个带有质量标签的参考歌曲片段的频域特征训练得到，带有质量标签的任一参考歌曲片段的质量标签通过不同评价主体对任一参考歌曲片段的歌曲质量进行评价得到；
识别模块504，被配置为执行通过目标歌曲质量识别模型对目标歌曲的歌曲质量进行识别。
可选地，目标歌曲质量识别模型包括依次连接的卷积层、双向长短期记忆网络层和全连接层：其中，目标歌曲质量识别模型的卷积层的层数为第一数量，目标歌曲质量识别模型的双向长短期记忆网络层的层数为第二数量，目标歌曲质量识别模型的全连接层的层数为第三数量，其中，第一数量的卷积层中的第一层卷积层包括多尺度卷积核；
识别模块504，被配置为执行通过第一层卷积层的多尺度卷积核对每个目标歌曲片段的频域特征进行卷积计算，将卷积计算结果输入至下一卷积层进行卷积计算，直至目标歌曲质量识别模型的最后一层卷积层将计算结果输出至目标歌曲质量识别模型的双向长短期记忆网络层；通过目标歌曲质量识别模型的双向长短期记忆网络层对目标歌曲质量识别模型的卷积层的卷积计算结果进行处理，将目标歌曲质量识别模型的最后一层双向长短期记忆网络层的最终隐藏状态作为输出，通过目标歌曲质量识别模型的全连接层的全连接处理，输出目标歌曲数据的歌曲质量识别结果。
可选地，获取模块501，被配置为执行获取多个参考歌曲片段，获取每个参考歌曲片段的质量标签，多个参考歌曲片段中的任一参考歌曲片段的质量标签通过不同评价主体对任一参考歌曲片段的歌曲质量进行评价得到；获取每个带有质量标签的参考歌曲片段的频域特征，基于每个带有质量标签的参考歌曲片段的频域特征训练得到目标歌曲质量识别模型。
可选地，获取模块501，被配置为执行对于多个参考歌曲片段中的任一参考歌曲片段，获取不同评价主体对任一参考歌曲片段的歌曲质量的评价结果，得到任一参考歌曲片段的多个评价结果；基于任一参考歌曲片段的多个评价结果确定任一参考歌曲片段的目标评价结果，将任一参考歌曲片段的目标评价结果作为任一参考歌曲片段的质量标签。
可选地，获取模块501，被配置为执行综合任一参考歌曲片段的多个评价结果对应的分值，得到任一参考歌曲片段的评分；基于任一参考歌曲片段的评分确定任一参考歌曲片段的目标评价结果。
可选地，获取模块501，被配置为执行将每个带有质量标签的参考歌曲片段的时长调整为目标时长；获取每个带有质量标签且为目标时长的参考歌曲片段的频域特征。
可选地，获取模块501，被配置为执行将每个带有质量标签的参考歌曲片段的频域特征输入到初始歌曲质量识别模型，对初始歌曲质量识别模型进行训练；当初始歌曲质量识别模型的目标损失函数的损失值满足目标条件时，得到目标歌曲质量识别模型。
本申请实施例提供的歌曲质量的识别装置，通过来自不同评价主体对参考歌曲片段的歌曲质量进行评价，得到参考歌曲片段的质量标签，再利用带有该质量标签的参考歌曲片段的频域特征训练得到目标歌曲质量识别模型。由于该质量标签是根据多个评价主体的评价结果得到，得到的该质量标签更合理、更准确，使得基于该质量标签下的参考歌曲片段的频域特征训练得到的目标歌曲质量识别模型在对目标歌曲进行质量识别时，识别结果更准确。从而在无需参考原唱音频的情况下，仍然能够对目标歌曲的质量进行准确的识别。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。此外，上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
本申请实施例还提供一种电子设备，如图6所示，所述电子设备包括：
处理器61；
用于存储所述一个或多个处理器61可执行指令的一个或多个存储器62；
其中，所述一个或多个处理器61被配置为执行上述实施例所述的歌曲质量的识别方法。处理器61和存储器62通过通信总线63连接。
应理解的是，上述处理器可以是中央处理器(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(digital signal processing，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field－programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器(advanced RISC machines，ARM)架构的处理器。
进一步地，在一种可选的实施例中，上述存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。
该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用。例如，静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic random access memory，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data dateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(directrambus RAM，DR RAM)。
图7是根据一示例性实施例示出的一种终端700的框图。该终端700可以是：智能手机、平板电脑、笔记本电脑或台式电脑。终端700还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端700包括有：处理器701和存储器702。
处理器701可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器701可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器701还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器701所执行以实现本申请中方法实施例提供的歌曲质量的识别方法。
在一些实施例中，终端700还可选包括有：外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地，外围设备包括：射频电路704、显示屏705、摄像头706、音频电路707、定位组件708和电源709中的至少一种。
外围设备接口703可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中，处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上；在一些其他实施例中，处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路704用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路704包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路704还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏705用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时，显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时，显示屏705还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏705可以为一个，设置终端700的前面板；在另一些实施例中，显示屏705可以为至少两个，分别设置在终端700的不同表面或呈折叠设计；在再一些实施例中，显示屏705可以是柔性显示屏，设置在终端700的弯曲表面上或折叠面上。甚至，显示屏705还可以设置成非矩形的不规则图形，也即异形屏。显示屏705可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件706用于采集图像或视频。可选地，摄像头组件706包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器701进行处理，或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端700的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路707还可以包括耳机插孔。
定位组件708用于定位终端700的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件708可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源709用于为终端700中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端700还包括有一个或多个传感器710。该一个或多个传感器710包括但不限于：加速度传感器711、陀螺仪传感器712、压力传感器713、指纹传感器714、光学传感器715以及接近传感器716。
加速度传感器711可以检测以终端700建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器711可以用于检测重力加速度在三个坐标轴上的分量。处理器701可以根据加速度传感器711采集的重力加速度信号，控制触摸显示屏705以横向视图或纵向视图进行用户界面的显示。加速度传感器711还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器712可以检测终端700的机体方向及转动角度，陀螺仪传感器712可以与加速度传感器711协同采集用户对终端700的3D动作。处理器701根据陀螺仪传感器712采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器713可以设置在终端700的侧边框和/或触摸显示屏705的下层。当压力传感器713设置在终端700的侧边框时，可以检测用户对终端700的握持信号，由处理器701根据压力传感器713采集的握持信号进行左右手识别或快捷操作。当压力传感器713设置在触摸显示屏705的下层时，由处理器701根据用户对触摸显示屏705的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器714用于采集用户的指纹，由处理器701根据指纹传感器714采集到的指纹识别用户的身份，或者，由指纹传感器714根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器701授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器714可以被设置终端700的正面、背面或侧面。当终端700上设置有物理按键或厂商Logo时，指纹传感器714可以与物理按键或厂商Logo集成在一起。
光学传感器715用于采集环境光强度。在一个实施例中，处理器701可以根据光学传感器715采集的环境光强度，控制触摸显示屏705的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏705的显示亮度；当环境光强度较低时，调低触摸显示屏705的显示亮度。在另一个实施例中，处理器701还可以根据光学传感器715采集的环境光强度，动态调整摄像头组件706的拍摄参数。
接近传感器716，也称距离传感器，通常设置在终端700的前面板。接近传感器716用于采集用户与终端700的正面之间的距离。在一个实施例中，当接近传感器716检测到用户与终端700的正面之间的距离逐渐变小时，由处理器701控制触摸显示屏705从亮屏状态切换为息屏状态；当接近传感器716检测到用户与终端700的正面之间的距离逐渐变大时，由处理器701控制触摸显示屏705从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图7中示出的结构并不构成对终端700的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
本申请提供了一种计算机程序，当计算机程序被计算机执行时，可以使得处理器或计算机执行上述方法实施例中对应的各个步骤和/或流程。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种歌曲质量的识别方法，其特征在于，所述方法包括：
获取待识别的目标歌曲数据；
将所述目标歌曲数据切分成一个或多个参考时长的目标歌曲片段；
计算每个目标歌曲片段的频域特征，将每个目标歌曲片段的频域特征输入至目标歌曲质量识别模型，所述目标歌曲质量识别模型基于多个带有质量标签的参考歌曲片段的频域特征训练得到，带有质量标签的任一参考歌曲片段的质量标签通过不同评价主体对所述任一参考歌曲片段的歌曲质量进行评价得到；
通过所述目标歌曲质量识别模型对所述目标歌曲的歌曲质量进行识别。
2.根据权利要求1所述的方法，其特征在于，所述目标歌曲质量识别模型包括依次连接的卷积层、双向长短期记忆网络层和全连接层：其中，所述目标歌曲质量识别模型的卷积层的层数为第一数量，所述目标歌曲质量识别模型的双向长短期记忆网络层的层数为第二数量，所述目标歌曲质量识别模型的全连接层的层数为第三数量，其中，第一数量的卷积层中的第一层卷积层包括多尺度卷积核；
所述通过所述目标歌曲质量识别模型对所述目标歌曲的歌曲质量进行识别，包括：通过所述第一层卷积层的多尺度卷积核对每个目标歌曲片段的频域特征进行卷积计算，将卷积计算结果输入至下一卷积层进行卷积计算，直至所述目标歌曲质量识别模型的最后一层卷积层将计算结果输出至所述目标歌曲质量识别模型的双向长短期记忆网络层；
通过所述目标歌曲质量识别模型的双向长短期记忆网络层对所述目标歌曲质量识别模型的卷积层的卷积计算结果进行处理，将所述目标歌曲质量识别模型的最后一层双向长短期记忆网络层的最终隐藏状态作为输出，通过所述目标歌曲质量识别模型的全连接层的全连接处理，输出所述目标歌曲数据的歌曲质量识别结果。
3.根据权利要求1或2所述的方法，其特征在于，所述将每个目标歌曲片段的频域特征输入至目标歌曲质量识别模型之前，还包括：
获取多个参考歌曲片段，获取每个参考歌曲片段的质量标签，所述多个参考歌曲片段中的任一参考歌曲片段的质量标签通过不同评价主体对所述任一参考歌曲片段的歌曲质量进行评价得到；
获取每个带有质量标签的参考歌曲片段的频域特征，基于所述每个带有质量标签的参考歌曲片段的频域特征训练得到目标歌曲质量识别模型。
4.根据权利要求3所述的方法，其特征在于，所述获取每个参考歌曲片段的质量标签，包括：
对于所述多个参考歌曲片段中的任一参考歌曲片段，获取不同评价主体对所述任一参考歌曲片段的歌曲质量的评价结果，得到所述任一参考歌曲片段的多个评价结果；
基于所述任一参考歌曲片段的多个评价结果确定所述任一参考歌曲片段的目标评价结果，将所述任一参考歌曲片段的目标评价结果作为所述任一参考歌曲片段的质量标签。
5.根据权利要求4所述的方法，其特征在于，所述基于所述任一参考歌曲片段的多个评价结果确定所述任一参考歌曲片段的目标评价结果，包括：
综合所述任一参考歌曲片段的多个评价结果对应的分值，得到所述任一参考歌曲片段的评分；
基于所述任一参考歌曲片段的评分确定所述任一参考歌曲片段的目标评价结果。
6.根据权利要求3所述的方法，其特征在于，所述获取每个带有质量标签的参考歌曲片段的频域特征，包括：
将每个带有质量标签的参考歌曲片段的时长调整为目标时长；
获取每个带有质量标签且为目标时长的参考歌曲片段的频域特征。
7.根据权利要求3所述的方法，其特征在于，所述基于所述每个带有质量标签的参考歌曲片段的频域特征训练得到目标歌曲质量识别模型，包括：
将所述每个带有质量标签的参考歌曲片段的频域特征输入到初始歌曲质量识别模型，对所述初始歌曲质量识别模型进行训练；
当所述初始歌曲质量识别模型的目标损失函数的损失值满足目标条件时，得到目标歌曲质量识别模型。
8.一种歌曲质量的识别装置，其特征在于，所述装置包括：
获取模块，被配置为执行获取待识别的目标歌曲数据；
处理模块，被配置为执行将所述目标歌曲数据切分成一个或多个参考时长的目标歌曲片段，计算每个目标歌曲片段的频域特征；
输入模块，被配置为执行将每个目标歌曲片段的频域特征输入至目标歌曲质量识别模型，所述目标歌曲质量识别模型基于多个带有质量标签的参考歌曲片段的频域特征训练得到，带有质量标签的任一参考歌曲片段的质量标签通过不同评价主体对所述任一参考歌曲片段的歌曲质量进行评价得到；
识别模块，被配置为执行通过所述目标歌曲质量识别模型对所述目标歌曲的歌曲质量进行识别。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的一个或多个存储器；
其中，所述处理器被配置为执行权利要求1-7中任一项所述的歌曲质量的识别方法。
10.一种存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行权利要求1-7中任一项所述的歌曲质量的识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910911474.4A CN112559794A (zh) | 2019-09-25 | 2019-09-25 | 歌曲质量的识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910911474.4A CN112559794A (zh) | 2019-09-25 | 2019-09-25 | 歌曲质量的识别方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112559794A true CN112559794A (zh) | 2021-03-26 |
Family
ID=75029271
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910911474.4A Pending CN112559794A (zh) | 2019-09-25 | 2019-09-25 | 歌曲质量的识别方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112559794A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113284482A (zh) * | 2021-04-13 | 2021-08-20 | 北京雷石天地电子技术有限公司 | 一种歌曲演唱评价方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016102962A (ja) * | 2014-11-28 | 2016-06-02 | 株式会社第一興商 | 聴取者評価を考慮したカラオケ採点システム |
| CN108206027A (zh) * | 2016-12-20 | 2018-06-26 | 北京酷我科技有限公司 | 一种音频质量评价方法及系统 |
| CN108549641A (zh) * | 2018-04-26 | 2018-09-18 | 中国联合网络通信集团有限公司 | 歌曲评定方法、装置、设备及存储介质 |
| CN109308913A (zh) * | 2018-08-02 | 2019-02-05 | 平安科技（深圳）有限公司 | 音乐质量评价方法、装置、计算机设备及存储介质 |
| JP2019101148A (ja) * | 2017-11-30 | 2019-06-24 | 株式会社第一興商 | 通信カラオケシステム |
| CN109961017A (zh) * | 2019-02-26 | 2019-07-02 | 杭州电子科技大学 | 一种基于卷积循环神经网络的心音信号分类方法 |
-
2019
- 2019-09-25 CN CN201910911474.4A patent/CN112559794A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016102962A (ja) * | 2014-11-28 | 2016-06-02 | 株式会社第一興商 | 聴取者評価を考慮したカラオケ採点システム |
| CN108206027A (zh) * | 2016-12-20 | 2018-06-26 | 北京酷我科技有限公司 | 一种音频质量评价方法及系统 |
| JP2019101148A (ja) * | 2017-11-30 | 2019-06-24 | 株式会社第一興商 | 通信カラオケシステム |
| CN108549641A (zh) * | 2018-04-26 | 2018-09-18 | 中国联合网络通信集团有限公司 | 歌曲评定方法、装置、设备及存储介质 |
| CN109308913A (zh) * | 2018-08-02 | 2019-02-05 | 平安科技（深圳）有限公司 | 音乐质量评价方法、装置、计算机设备及存储介质 |
| CN109961017A (zh) * | 2019-02-26 | 2019-07-02 | 杭州电子科技大学 | 一种基于卷积循环神经网络的心音信号分类方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113284482A (zh) * | 2021-04-13 | 2021-08-20 | 北京雷石天地电子技术有限公司 | 一种歌曲演唱评价方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110121118B (zh) | 视频片段定位方法、装置、计算机设备及存储介质 | |
| CN109379643B (zh) | 视频合成方法、装置、终端及存储介质 | |
| CN108538311B (zh) | 音频分类方法、装置及计算机可读存储介质 | |
| CN109522426B (zh) | 多媒体数据推荐方法、装置、设备及计算机可读存储介质 | |
| CN108008930B (zh) | 确定k歌分值的方法和装置 | |
| CN109040297B (zh) | 用户画像生成方法及装置 | |
| CN110572711B (zh) | 视频封面生成方法、装置、计算机设备及存储介质 | |
| CN110277106B (zh) | 音频质量确定方法、装置、设备及存储介质 | |
| CN109300485B (zh) | 音频信号的评分方法、装置、电子设备及计算机存储介质 | |
| CN109994127B (zh) | 音频检测方法、装置、电子设备及存储介质 | |
| CN111104980B (zh) | 确定分类结果的方法、装置、设备及存储介质 | |
| CN110070143B (zh) | 获取训练数据的方法、装置、设备及存储介质 | |
| CN110163296B (zh) | 图像识别的方法、装置、设备及存储介质 | |
| CN110956971A (zh) | 音频处理方法、装置、终端及存储介质 | |
| CN110933468A (zh) | 播放方法、装置、电子设备及介质 | |
| CN111708944A (zh) | 多媒体资源识别方法、装置、设备及存储介质 | |
| CN110992927A (zh) | 音频生成方法、装置、计算机可读存储介质及计算设备 | |
| CN111370025A (zh) | 音频识别方法、装置及计算机存储介质 | |
| CN109978996B (zh) | 生成表情三维模型的方法、装置、终端及存储介质 | |
| CN108053832B (zh) | 音频信号处理方法、装置、电子设备及存储介质 | |
| CN109961802B (zh) | 音质比较方法、装置、电子设备及存储介质 | |
| CN110837557A (zh) | 摘要生成方法、装置、设备及介质 | |
| CN112614507B (zh) | 检测噪声的方法和装置 | |
| CN113362836A (zh) | 训练声码器方法、终端及存储介质 | |
| CN112908288A (zh) | 节拍检测方法、装置、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |