CN103885949A - 一种基于歌词的歌曲检索系统及其检索方法 - Google Patents

Abstract

本发明涉及一种基于歌词的歌曲检索系统，包括：语音识别引擎，用于将用户输入的原始语音数据转化为文本识别结果；检索关键词选取模块，用于将文本识别结果中的部分词选出作为检索关键词；歌词定位模块，用于根据关键词在歌词库中定位候选歌曲的位置，得到候选定位点；以及候选歌曲精确匹配模块，用于在所述候选定位点中选出最佳的N个歌曲并将其返回给用户。本发明还提供了一种相应的基于歌词的歌曲检索方法。本发明能够通过用户说出的一两句歌词来检索到他想要的歌曲，拓展了用户检索歌曲的模式，满足用户多样性检索的需求。本发明的歌词输入方式便捷，在一些打字不方便的设备使用优势更加明显。并且，本发明识别正确率高，识别速度快。

Description

一种基于歌词的歌曲检索系统及其检索方法

技术领域

本发明涉及一种歌词检索方法及系统，更具体地说，本发明涉及一种通过语音方式说出一句或几句歌词来搜索用户想要的歌曲的方法和系统。

背景技术

随着互联网技术和通信技术的迅猛发展，音乐相关的应用越来越广泛和丰富，如：无线音乐增值服务、互联网音乐下载等等(可参考网址http://www.lrcsky.com/;以及http://mp3.baidu.com/等)。人们对于音乐搜索的需求也越来越强烈,迫切需要快捷方便的歌曲检索方式。

目前，人们在检索歌曲的时候，常见的方式是通过歌曲名称进行检索。但是用户常常忘记了歌曲的名称，但是还记得其中的几句歌词。这时候，用户就希望通过歌词来检索到相应的歌曲。而现有技术中尚不存在利用歌词来检索歌曲的解决方案。进一步地，相对于歌名，歌词字数较多，输入歌词会很麻烦，所以在利用歌词来检索歌曲时还应当考虑到输入方式的便捷性。

因此，当前迫切需要一种能够便捷的通过歌词检索到相应歌曲的系统和方法。

发明内容

本发明的目的是提供一种能够使用户通过说出一两句歌词来检索到他想要的歌曲的歌曲检索系统及其检索方法。

根据本发明的一个方面，本发明提供了一种基于歌词的歌曲检索系统，包括语音识别引擎、检索关键词选取模块、歌词定位模块和候选歌曲精确匹配模块；

所述语音识别引擎用于将用户输入的原始语音数据转化为文本识别结果；

所述检索关键词选取模块用于将文本识别结果中的部分词选出作为检索关键词；

所述歌词定位模块用于根据关键词在歌词库中定位候选歌曲的位置，得到候选定位点；

所述候选歌曲精确匹配模块用于在所述候选定位点中选出最佳的N个歌曲并将其返回给用户。

根据本发明的另一个方面，本发明还提供了一种基于歌词的歌曲检索方法，包括下列步骤：

1）对用户输入的原始语音数据进行语音识别，得到文本识别结果；

2）将文本识别结果中的部分词选出作为检索关键词；

3）根据关键词在歌词库中定位候选歌曲的位置，得到候选定位点；

4）在所述候选定位点中选出最佳的N个歌曲并将其返回给用户。

其中，所述步骤3）包括下列子步骤：

31）用步骤2）所选出的所有检索关键词构成候选词集合；

32）基于所述候选词集合，查找包含候选词集合所有的候选词的歌曲；如果找到，则直接进入步骤4）；如果没有找到，则进入步骤33）；

33）在候选词集合中去掉一个元素得到该候选词集合的子集，基于该子集，查找包含该子集所有的候选词的歌曲，如果找到，则直接进入步骤4）；如果没有找到，则基于去掉2~3个元素的候选词集合的子集继续查找，这样，用子集逐渐搜索，从而找出多个候选定位点（即粗定位点），然后进入步骤4）。

其中，所述步骤4）包括下列子步骤：

41）将各个候选定位点的歌词与步骤1）所得出的文本识别结果（即语音识别结果）进行匹配；

42）将匹配相似度最高的N个候选定位点所对应的歌曲返回给用户。

其中，所述步骤41）中，采用动态规划算法进行匹配。

其中，所述步骤41）中，对候选词与文本识别结果分别进行基于字的匹配和基于因素的匹配，然后对匹配结果进行线性加权得到最终的匹配相似度。

与现有技术相比，本发明具有下列技术效果：

1、本发明能够通过用户说出的一两句歌词来检索到他想要的歌曲，拓展了用户检索歌曲的模式，满足用户多样性检索的需求。

2、本发明的歌词输入方式便捷，在一些打字不方便的设备使用优势更加明显。

3、本发明的识别正确率高。

4.本发明的识别速度快。

附图说明

图1是本发明一个实施例的歌词检索系统的基本构架框图。

具体实施方式

根据本发明的一个实施例，提供了一种歌词检索系统，即是通过歌词实现对于歌曲的检索。在使用模式上，用户只要说出一句或者几句歌词，该歌词检索系统即可自动检索出用户想要查询的歌曲名称。

该实施例中，歌词检索系统的基本构架框图如图1所示。整个歌词检索系统包括语音识别引擎、检索关键词选取模块、歌词定位模块和候选歌曲精确匹配模块。其中，语音识别引擎用于将原始语音数据转化为文本识别结果；检索关键词选取模块用于将识别结果中的部分词选出，作为检索关键词集合；歌词定位模块（即文本搜索引擎）用于利用关键词集合在歌词库中找到一些粗定位点；候选歌曲精确匹配模块用于为每个粗定位点打分，并按照分数进行排序，并根据分数较高的那些粗定位点组成歌曲候选列表。下面分别对歌词检索系统的各个组成部分做详细描述。

1.语音识别引擎

在一个实施例中，语音识别引擎采用非特定人大词汇量汉语连续语音识别技术（参考Zhao Qingwei,Yan Yonghong,Pan Jielin,etc,“Large Vocabulary MandarinContinuous Speech Recognition under Noisy Environment”,The Third InternationalConference on Natural Computing.Vol.2.pp660-664.AUG24-27,2007.），基于考虑词间上下文的三音子(tri-phone)声学模型和三元语言模型，基于令牌(token)扩展和语言模型预测(lookahead)的帧同步Viterbi算法搜索“最佳”路径(参考Jian Shao,Ta Li,Qingqing Zhang,Qingwei Zhao and Yonghong Yan,“A robust real-time decoder usingmemory-efficient state network”,Transactions of IEICE on Information and System,2008,Vol.E91-D,No.3,March,pp529-537.)。基于最大积累似然概率准则获取的最佳路径对应于汉字识别结果。识别结果中同时包含了每个字或词的置信度信息。

识别引擎采用的声学模型（隐含马尔科夫模型），基于几百人到几千人的海量语音数据库训练得到，能够非常准确地描述发音的本质属性特征的分布特点，从而使得识别引擎的性能具有很高的稳健性，对于人的口音具有很宽泛的适应性。

识别引擎采用的语言模型是针对海量文本数据库训练得到，同时融合了海量歌词库的信息，使识别引擎的汉字识别结果达到了很高的准确度。

2.检索关键词选取模块

在一个实施例中，检索关键词选取模块在语音识别的结果中取出具有较高置信度的词语作为搜索关键词集合S。由于某些原因（例如：在较强噪声干扰情况下用户语音与声学模型不匹配），语音识别有可能会产生高置信度的错误结果，出于鲁棒性考虑，S的部分子集（即S的模糊集）也可能参与搜索。

S的模糊集的一个例子（但本发明不限于下述例子）如下：

假设S由{A，B，C，D}几个词组成，则S的模糊集可以是：{A,B,C},或{A,B,D},或{B,C,D}。

3.歌词定位模块

歌词定位模块依赖于预先建立好的歌词库。在一个实施例中，歌词库建立了索引表，以求能够根据关键词迅速取得候选定位点。综合精度和速度的考虑，如果未经模糊的搜索关键词集已经能够找到定位点，那么模糊集将不会参与搜索。

4.候选歌曲精确匹配模块

根据本发明的一个实施例，在候选歌曲精确匹配模块中，粗略的候选点定位会得到很多可能的候选点，所以必须对这些进行筛选。系统的筛选准则为：选出与语音识别结果最相似（即得分最高）的若干定位点作为候选。候选打分综合了字信息和音信息。根据得分确定的最佳N个候选结果将返回给用户。

根据本发明的另一实施例，还提供了基于上述歌词检索系统的歌词检索方法，该方法包括下列步骤1至6：

1.建立索引

1.1建立正向索引：

基于歌词库信息（包括歌名和歌词）建立索引表。

正向索引的数据结构ForwardIdx中包括一个头以及头信息，然后是歌名，歌名后跟的是此歌曲中的歌词。

1.2建立反向索引：

反向索引数据结构ReverseIdx中包含一个头以及相对应的头信息，然后跟的是一个词以及对应此词一系列的命中信息（即hit信息），每个hit包含两部分信息（歌曲id；此词在歌曲中的位置）。例如“id:62117；pos：24”，pos指出此词出现的位置。

2.识别

构建如图1所示的大词汇量连续语音识别系统(即LVCSR系统)，针对输入的语音，进行连续语音识别。

得到的识别结果，可以是音素串或者词串的格式以及相应的置信度。

3.检索关键词选取

从语音识别结果（即候选句子中）中，选出置信度较高的几个词语构成关键词集合S（即候选词集合）。由于语音识别可能会产生高置信度的错误结果，出于鲁棒性考虑，S的部分子集（即S的模糊集）也可能参与搜索。

4.搜索（寻找定位点）

4.1用关键词集合中的第一个元素，去查反向索引表，依次查hit信息，因为词的后边的每一个hit都包含有歌曲名和歌词在歌曲中所在的位置，所以对查到的hit信息进行基于idx的正向索引（即按照每一个hit查找正向查找表）,看找到的歌曲是否包含候选词集合所有的候选词。

4.2由于说话人的发音错误，使得识别结果和词并不能一一对应，所以采取子集搜索的形式，即如果步骤4.1没有找到包含候选词集合所有的候选词的歌曲，则基于去掉一个元素（例如候选词集合中的一个词）的子集，继续执行上述步骤4.1以寻找对应的歌曲（即hit信息中的歌名）；若仍找不到包含该子集中的所有候选词的歌曲，则基于去掉2~3个元素的子集，继续执行上述步骤4.1以寻找对应的歌曲（即hit信息中的歌名）。这样，用子集逐渐搜索，从而找出多个粗定位点，这些粗定位点的信息置于候选点数组VCandidate中。

5.匹配

采用上述步骤4.2进行的粗略候选点定位会得到很多可能的候选点（VCandidate），所以必须对这些进行筛选。系统的筛选准则为，选出与语音识别结果最相似的若干定位点作为候选。

搜索结果与语音识别结果的相似度得分计算方法：采用两级动态规划(DP)匹配:

1）字DP：候选词与语音识别结果进行字DP匹配；

2）音素DP：建立混淆矩阵，候选词与语音识别结果进行音素DP匹配。所以，候选得分可综合字信息和音信息。一种简单的综合方法是线性加权：假设字DP的匹配得分为Score(Word),音素DP的匹配得分为Score(Phone),则综合得分（即最终的匹配相似度）为：α·Score（Word)+β·Score(Phone)然后对候选结果VCandidate进行排序，匹配度较高的结果作为最终输出结果。

6.输出结果

输出检索结果对应的歌词和歌曲信息。

根据得分确定的最佳N个候选结果都将返回给用户。

基于上述方法，发明人实现了基于语音是别的歌词检索系统，在一个例子中，最终的匹配相似度的公式：α·Score（Word)+β·Score(Phone)中。令α+β=1，使α从0.1、0.2遍历到0.9，通过测试实验得出识别率最高的α取值。在识别率最高的α值的前提下，一个典型的实验结果如下：

歌词数量：3万首，

测试语音：200条，测试语音平均长度：3秒

识别正确率（首选）：90.4%

识别正确率（三选）：92.9%

测试机器：DELL PowerEdge1950

Cpu:Intel Xeon5130,主频：2GHz，内存：2GB

操作系统：win2003

识别速度：从说话结束到出结果的平均延时1.6秒。

以上所述仅为本发明示意性的具体实施方式，并非用以限定本发明的范围。任何本领域的技术人员，在不脱离本发明的构思和原则的前提下所作的等同变化、修改与结合，均应属于本发明保护的范围。

Claims (6)

1.一种基于歌词的歌曲检索系统，包括：

语音识别引擎，用于将用户输入的原始语音数据转化为文本识别结果；

检索关键词选取模块，用于将文本识别结果中的部分词选出作为检索关键词；

歌词定位模块，用于根据关键词在歌词库中定位候选歌曲的位置，得到候选定位点；以及

候选歌曲精确匹配模块，用于在所述候选定位点中选出最佳的N个歌曲并将其返回给用户。

2.一种基于歌词的歌曲检索方法，包括下列步骤：

1）将用户输入的原始语音数据转化为文本识别结果；

2）将文本识别结果中的部分词选出作为检索关键词；

3）根据关键词在歌词库中定位候选歌曲的位置，得到候选定位点；

4）在所述候选定位点中选出最佳的N个歌曲并将其返回给用户。

3.根据权利要求2所述的基于歌词的歌曲检索方法，其特征在于，所述步骤3）包括下列子步骤：

31）用步骤2）所选出的所有检索关键词构成候选词集合；

32）基于所述候选词集合，查找包含候选词集合所有的候选词的歌曲；如果找到，则直接进入步骤4）；如果没有找到，则进入步骤33）；

33）在候选词集合中去掉一个元素得到该候选词集合的子集，基于该子集，查找包含该子集所有的候选词的歌曲，如果找到，则直接进入步骤4）；如果没有找到，则基于去掉2~3个元素的候选词集合的子集继续查找，这样，用子集逐渐搜索，从而找出多个候选定位点，然后进入步骤4）。

4.根据权利要求2所述的基于歌词的歌曲检索方法，其特征在于，所述步骤4）包括下列子步骤：

41）将各个候选定位点的歌词与步骤1）所得出的文本识别结果（即语音识别结果）进行匹配；

42）将匹配相似度最高的N个候选定位点所对应的歌曲返回给用户。

5.根据权利要求4所述的基于歌词的歌曲检索方法，其特征在于，所述步骤41）中，采用动态规划算法进行匹配。

6.根据权利要求4所述的基于歌词的歌曲检索方法，其特征在于，所述步骤41）中，对候选词与文本识别结果分别进行基于字的匹配和基于因素的匹配，然后对匹配结果进行线性加权得到最终的匹配相似度。

Images