CN108320756A - 一种检测音频是否是纯音乐音频的方法和装置 - Google Patents

一种检测音频是否是纯音乐音频的方法和装置 Download PDF

Info

Publication number
CN108320756A
CN108320756A CN201810122585.2A CN201810122585A CN108320756A CN 108320756 A CN108320756 A CN 108320756A CN 201810122585 A CN201810122585 A CN 201810122585A CN 108320756 A CN108320756 A CN 108320756A
Authority
CN
China
Prior art keywords
audio
frequency characteristics
detected
section
benchmark
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.)
Granted
Application number
CN201810122585.2A
Other languages
English (en)
Other versions
CN108320756B (zh
Inventor
刘翠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Kugou Computer Technology Co Ltd
Original Assignee
Guangzhou Kugou Computer Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Kugou Computer Technology Co Ltd filed Critical Guangzhou Kugou Computer Technology Co Ltd
Priority to CN201810122585.2A priority Critical patent/CN108320756B/zh
Publication of CN108320756A publication Critical patent/CN108320756A/zh
Application granted granted Critical
Publication of CN108320756B publication Critical patent/CN108320756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
    • G10H2210/00—Aspects or methods of musical processing having intrinsic musical character, i.e. involving musical theory or musical parameters or relying on musical knowledge, as applied in electrophonic musical tools or instruments
    • G10H2210/031—Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal
    • G10H2210/046—Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal for differentiation between music and non-music signals, based on the identification of musical parameters, e.g. based on tempo detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Auxiliary Devices For Music (AREA)

Abstract

本发明公开了一种检测音频是否是纯音乐音频的方法和装置，属于网络技术领域。所述方法包括：在目标音频的N个预设位置处，分别截取音频段，得到N个待检测音频段，其中，N为预设正整数；根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值，其中，所述可能性值用于指示对应的待检测音频段是纯音乐音频的可能性或不是纯音乐音频的可能性；基于所述每个待检测音频段对应的可能性值，确定所述目标音频是否是纯音乐音频。采用本发明，可以实现检测音频是否是纯音乐音频。

Description

一种检测音频是否是纯音乐音频的方法和装置
技术领域
本发明涉及网络技术领域，特别涉及一种检测音频是否是纯音乐音频的方法和装置。
背景技术
随着人们生活水平日益提高，越来越多的人喜欢听音乐，以此放松心情。一般来说，音乐平台或音乐网站上的音频可分为有人声和伴奏的音频、没有人声只有伴奏的音频和纯音乐的音频。
目前的音乐网站或音乐平台会自动给音频绑定歌词数据。在给音频绑定歌词数据时，先根据音频名称搜索对应的歌词数据，当搜索到不止一个歌词数据时，按照音频歌手或专辑等其他信息，在多个歌词数据中选择一个歌词数据，将该歌词数据与该音频进行绑定。按照上述的绑定方法可能会给纯音乐的音频绑定错误的歌词数据，影响用户的体验。目前给纯音乐音频解除绑定的错误的歌词数据的方法，只有依靠人工听取音频并辨认音频是否是纯音乐，如果是纯音乐就解除该音频与歌词数据的绑定，如果不是纯音乐就不用解除该音频与歌词数据的绑定。
在实现本发明的过程中，发明人发现现有技术至少存在以下问题：
通过人工分辨音频是否是纯音乐，浪费了大量人力，且检测的效率很低。
发明内容
为了解决现有技术的问题，本发明实施例提供了一种检测音频是否是纯音乐音频的方法和装置。所述技术方案如下：
根据本发明实施例的第一方面，提供一种检测音频是否是纯音乐音频的方法，所述方法包括：
在目标音频的N个预设位置处，分别截取音频段，得到N个待检测音频段，其中，N为预设正整数；
根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值，其中，所述可能性值用于指示对应的待检测音频段是纯音乐音频的可能性或不是纯音乐音频的可能性；
基于所述每个待检测音频段对应的可能性值，确定所述目标音频是否是纯音乐音频。
可选地，所述根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值，包括：
提取每个待检测音频段的音频特征；
对于所述每个待检测音频段，确定所述待检测音频段的音频特征与预先存储的M个纯音乐基准音频特征中每个纯音乐基准音频特征的第一相似度，并确定所述待检测音频段的音频特征与预先存储的M个歌曲基准音频特征中每个歌曲基准音频特征的第二相似度；
在M个所述第一相似度与M个第二相似度中，确定最大的Q个相似度，在所述Q个相似度中，将与纯音乐基准音频对应的相似度的数目，确定为每个待检测音频段对应的可能性值，其中，Q为预设正整数。
可选地，所述提取每个待检测音频段的音频特征之前，还包括：
获取所述M个纯音乐基准音频特征和所述M个歌曲基准音频特征对应的第一概率密度函数；
所述提取每个待检测音频段的音频特征之后，还包括：
确定每个待检测音频段对应的第二概率密度函数；
对于所述每个待检测音频段，基于所述M个纯音乐基准音频特征、所述M个歌曲基准音频特征、所述第一概率密度函数、所述待检测音频段的音频特征以及对应的第二概率密度函数，确定所述待检测音频段的音频特征与所述M个纯音乐基准音频特征中每个纯音乐基准音频特征的第一相似度，并确定所述待检测音频段的音频特征与所述M个歌曲基准音频特征中每个歌曲基准音频特征的第二相似度。
可选地，所述基于所述每个待检测音频段对应的可能性值，确定所述目标音频是否是纯音乐音频，包括：
当所述每个待检测音频段对应的可能性值均大于或等于预设的第一阈值时，确定所述目标音频是纯音乐音频；
当所述每个待检测音频段对应的可能性值均大于或等于预设的第二阈值，且至少有一个可能性值小于所述第一阈值时，获取所述目标音频的属性信息，其中，所述第二阈值小于所述第一阈值；如果所述属性信息满足预设条件，则确定所述目标音频是纯音乐音频；
当所述每个待检测音频段对应的可能性值均大于或等于预设的第二阈值，且至少有一个可能性值小于所述第一阈值，且所述属性信息不满足所述预设条件时，或者，当所述可能性值中至少存在一个可能性值小于所述第二阈值时，确定所述目标音频不是纯音乐音频。
可选地，所述属性信息包括所述目标音频的名称和所述目标音频对应的词条信息中的音频类别；
所述如果所述属性信息满足预设条件，则确定所述目标音频是纯音乐音频，包括：
如果所述目标音频的名称中不包含伴奏的字符，且所述目标音频对应的词条信息中的音频类别不包括伴奏类别，则确定所述目标音频是纯音乐音频。
根据本发明实施例的第二方面，提供一种检测音频是否是纯音乐音频的装置，所述装置包括：
截取模块，用于在目标音频的N个预设位置处，分别截取音频段，得到N个待检测音频段，其中，N为预设正整数；
第一确定模块，用于根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值，其中，所述可能性值用于指示对应的待检测音频段是纯音乐音频的可能性或不是纯音乐音频的可能性；
第二确定模块，用于基于所述每个待检测音频段对应的可能性值，确定所述目标音频是否是纯音乐音频。
可选地，所述第一确定模块，用于：
提取每个待检测音频段的音频特征；
对于所述每个待检测音频段，确定所述待检测音频段的音频特征与预先存储的M个纯音乐基准音频特征中每个纯音乐基准音频特征的第一相似度，并确定所述待检测音频段的音频特征与预先存储的M个歌曲基准音频特征中每个歌曲基准音频特征的第二相似度；
在M个所述第一相似度与M个第二相似度中，确定最大的Q个相似度，在所述Q个相似度中，将与纯音乐基准音频对应的相似度的数目，确定为每个待检测音频段对应的可能性值，其中，Q为预设正整数。
可选地，所述装置还包括：
获取模块，用于提取每个待检测音频段的音频特征之前，获取所述M个纯音乐基准音频特征和所述M个歌曲基准音频特征对应的第一概率密度函数；
所述装置还包括：
第三确定模块，用于所述提取每个待检测音频段的音频特征之后，确定每个待检测音频段对应的第二概率密度函数；
对于所述每个待检测音频段，基于所述M个纯音乐基准音频特征、所述M个歌曲基准音频特征、所述第一概率密度函数、所述待检测音频段的音频特征以及对应的第二概率密度函数，确定所述待检测音频段的音频特征与所述M个纯音乐基准音频特征中每个纯音乐基准音频特征的第一相似度，并确定所述待检测音频段的音频特征与所述M个歌曲基准音频特征中每个歌曲基准音频特征的第二相似度。
可选地，所述第二确定模块，用于：
当所述每个待检测音频段对应的可能性值均大于或等于预设的第一阈值时，确定所述目标音频是纯音乐音频；
当所述每个待检测音频段对应的可能性值均大于或等于预设的第二阈值，且至少有一个可能性值小于所述第一阈值时，获取所述目标音频的属性信息，其中，所述第二阈值小于所述第一阈值；如果所述属性信息满足预设条件，则确定所述目标音频是纯音乐音频；
当所述每个待检测音频段对应的可能性值均大于或等于预设的第二阈值，且至少有一个可能性值小于所述第一阈值，且所述属性信息不满足所述预设条件时，或者，当所述可能性值中至少存在一个可能性值小于所述第二阈值时，确定所述目标音频不是纯音乐音频。
可选地，所述属性信息包括所述目标音频的名称和所述目标音频对应的词条信息中的音频类别；
所述第二确定模块用于：
如果所述目标音频的名称中不包含伴奏的字符，且所述目标音频对应的词条信息中的音频类别不包括伴奏类别，则确定所述目标音频是纯音乐音频。
根据本发明实施例的第三方面，提供一种终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的检测音频是否是纯音乐音频的方法。
根据本发明实施例的第四方面，提供一种服务器，所述服务器包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的检测音频是否是纯音乐音频的方法。
根据本发明实施例的第五方面，提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的检测音频是否是纯音乐音频的方法。
本发明实施例提供的技术方案带来的有益效果是：
本发明实施例中，在目标音频的N个预设位置处，分别截取音频段，得到N个待检测音频段，其中，N为预设正整数；根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值，其中，所述可能性值用于指示对应的待检测音频段是纯音乐音频的可能性或不是纯音乐音频的可能性；基于所述每个待检测音频段对应的可能性值，确定所述目标音频是否是纯音乐音频。这样，就可以实现方便快速的检测音频是否是纯音乐音频，节省了人力，使检测的效率提高。
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，并不能限制本发明。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种检测音频是否是纯音乐的方法的流程图；
图2是本发明实施例提供的一种检测音频是否是纯音乐的方法的流程框图；
图3是本发明实施例提供的一种检测音频是否是纯音乐的方法的示意图；
图4是本发明实施例提供的一种检测音频是否是纯音乐的装置的结构示意图；
图5是本发明实施例提供的一种检测音频是否是纯音乐的装置的结构示意图；
图6是本发明实施例提供的一种终端结构示意图；
图7是本发明实施例提供的一种服务器结构示意图。
通过上述附图，已示出本发明明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
本发明实施例提供了一种检测音频是否是纯音乐的方法，该方法可以由服务器或终端实现。
服务器可以包括处理器、存储器等部件。处理器，可以为CPU(Central ProcessingUnit，中央处理单元)等，可以用于截取待检测音频段、确定每个待检测音频段对应的可能性值、将可能性值与预设的阈值进行比较等处理。存储器，可以为RAM(Random AccessMemory，随机存取存储器)，Flash(闪存)等，可以用于存储接收到的数据、处理过程所需的数据、处理过程中生成的数据等，如目标音频、待检测音频段、每个待检测音频段对应的可能性值、预设的第一阈值、预设的第二阈值、第一概率密度函数、第二概率密度函数等。
终端可以包括处理器、存储器等部件。处理器，可以为CPU(Central ProcessingUnit，中央处理单元)等，可以用于截取待检测音频段、确定每个待检测音频段对应的可能性值、将可能性值与预设的阈值进行比较等处理。存储器，可以为RAM(Random AccessMemory，随机存取存储器)，Flash(闪存)等，可以用于存储接收到的数据、处理过程所需的数据、处理过程中生成的数据等，如目标音频、待检测音频段、每个待检测音频段对应的可能性值、预设的第一阈值、预设的第二阈值、第一概率密度函数、第二概率密度函数等。终端还可以包括收发器、图像检测部件、屏幕、音频输出部件和音频输入部件等。收发器，可以用于与其它设备进行数据传输，例如，向其它设备发送目标音频是否是纯音乐音频的结果等，可以包括天线、匹配电路、调制解调器等。图像检测部件可以是摄像头等。屏幕可以是触控屏，可以用于显示目标音频是否是纯音乐音频的结果等。音频输出部件可以是音箱、耳机等。音频输入部件可以是麦克风等。
如图1所示，该方法的处理流程可以包括如下的步骤：
在步骤101中，在目标音频的N个预设位置处，分别截取音频段，得到N个待检测音频段。
其中，N为预设正整数。
在实施中，当用户想要检测一段音频(即目标音频)是否是纯音乐时，电子设备在目标音频中的N个预设位置处，分别截取相同时长的音频段，可以得到N个音频段(即待检测音频段)，电子设备对这N个待检测音频段进行检测。通过技术人员的多次试验可以得知，N的优选取值可以是3，每个音频段的时长的取值范围最好是30s-40s。
举例来说，目标音频的时长为3min，且3个预设位置分别为0s处、60s处、120s处，则电子设备可以截取目标音频的0s-30s为第一个待检测音频段，截取目标音频的60s-90s为第二个待检测音频段，截取目标音频的120s-150s为第三个待检测音频段。
在步骤102中，根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值。
其中，可能性值用于指示对应的待检测音频段是纯音乐音频的可能性或不是纯音乐音频的可能性。
可选地，可以通过计算每个待检测音频的音频特征与每个纯音乐基准音频特征的相似度、以及每个待检测音频的音频特征与每个歌曲基准音频特征的相似度，确定每个待检测音频段对应的可能性值，相应的处理可以如下：提取每个待检测音频段的音频特征；对于所述每个待检测音频段，确定所述待检测音频段的音频特征与预先存储的M个纯音乐基准音频特征中每个纯音乐基准音频特征的第一相似度，并确定所述待检测音频段的音频特征与预先存储的M个歌曲基准音频特征中每个歌曲基准音频特征的第二相似度；在M个所述第一相似度与M个第二相似度中，确定最大的Q个相似度，在所述Q个相似度中，将与纯音乐基准音频对应的相似度的数目，确定为每个待检测音频段对应的可能性值，其中，Q为预设正整数。
在实施中，得到N个待检测音频段后，电子设备将N个待检测音频段输入到预设的特征提取算法中，该特征提取算法可以提取每个待检测音频段的音频特征，该音频特征可以是以特征矩阵的形式进行表示。
将得到的每个待检测音频段的音频特征输入到预设的相似度计算算法中，以其中一个待检测音频段的音频特征为例，如图2所示，获取预先存储的M个纯音乐基准音频特征和M个歌曲基准音频特征，计算该待检测音频段的音频特征与每个纯音乐基准音频特征的相似度，可以得到M个相似度，即为第一相似度；计算该待检测音频段的音频特征与每个歌曲基准音频特征的相似度，可以得到M个相似度，即为第二相似度。将M个第一相似度与M个第二相似度合并在一起，一共有2M个相似度。将这2M个相似度按照相似度值从大到小进行排序，确定排在前Q个的相似度，即最大的Q个相似度，确定在这Q个相似度中属于该待检测音频段与纯音乐基准音频特征对应的相似度的数目，将该数目确定为该待检测音频段对应的可能性值，该可能性值可以表示该待检测音频段是纯音乐的可能性，该可能性值越大，表示该左声道音频段不存在人声音频的可能性越大。
举例来说，假设M的值为20，Q的值为10，则上述过程可以是：通过预设的相似度计算算法，将1个待检测音频段的音频特征与20个纯音乐基准音频特征计算相似度，得到20个与纯音乐基准音频特征的相似度(即第一相似度)；将该待检测音频段的音频特征与20个歌曲基准音频特征计算相似度，得到20个与歌曲基准音频特征的相似度(即第二相似度)。将20个第一相似度以及20个第二相似度合并，得到40个相似度。将这40个相似度按照从大到小进行排序，取排在前10的10个相似度，这10个相似度为40个相似度中最大的10个相似度。确定在这10个相似度中第一相似度的个数，即确定该待检测音频段的音频特征与纯音乐基准音频特征的相似度的个数，将该数目确定为该待检测音频段对应的可能性值。
将每个待检测音频段均按照上述步骤进行处理，最终可以确定每个待检测音频段的可能性值。
需要说明的是，预先存储的M个纯音乐基准音频特征和M个歌曲基准音频特征，是技术人员挑选P首纯音乐音频和P首歌曲音频，P首纯音乐音频中可以包括8个类别的音频：轻音乐、钢琴曲、古筝曲、萨克斯曲、八音盒曲、吉他曲以及尤克里里曲，将这包括8各类别的纯音乐音频确定为纯音乐基准音频；P首歌曲音频中可以包括10个类别的音频：流行曲、古风曲、儿歌曲、乡村曲、戏剧曲、电子曲、民谣曲、金属曲、说唱曲以及摇滚曲，将这包括10个类别的歌曲音频确定为歌曲基准音频。这样，可以使纯音乐基准音频和歌曲基准音频更具有代表性，使得根据纯音乐基准音频特征和歌曲基准音频特征得到的每个待检测音频段的可能性值更准确。
然后，对于每个纯音乐基准音频以及歌曲基准音频，在基准音频的多个预设位置出分别截取音频段，得到多个纯音乐基准音频段和多个歌曲基准音频段，将多个纯音乐基准音频段和多个歌曲基准音频段输入到预设的特征提取算法中，分别提取音频特征，最后得到M个纯音乐基准音频特征和M个歌曲基准音频特征。
或者，如果挑选的纯音乐基准音频以及歌曲基准音频是时长为30s-40s的音频段，则直接将挑选好的纯音乐基准音频段以及歌曲基准音频段的输入到预设的特征提取算法中，分别提取音频特征，最后得到M个纯音乐基准音频特征和M个歌曲基准音频特征。
另外，上述对纯音乐基准音频段以及歌曲基准音频段提取音频特征时，可以得到数量多余M个的纯音乐基准音频特征以及数量多余M个的歌曲基准音频特征，然后挑选出M个更具有代表性的纯音乐基准音频特征和M个更具有代表性的歌曲基准音频特征，上述处理方法均可以得到M个纯音乐基准音频特征和M个歌曲基准音频特征，本发明在此不作限制。
可选地，在提取每个待检测音频段的音频特征之前，可以进行以下操作：获取M个纯音乐基准音频特征和M个歌曲基准音频特征对应的第一概率密度函数。在提取每个待检测音频段的音频特征之后，可以进行以下操作：确定每个待检测音频段对应的第二概率密度函数；对于每个待检测音频段，基于M个纯音乐基准音频特征、M个歌曲基准音频特征、第一概率密度函数、待检测音频段的音频特征以及对应的第二概率密度函数，确定待检测音频段的音频特征与M个纯音乐基准音频特征中每个纯音乐基准音频特征的第一相似度，并确定待检测音频段的音频特征与M个歌曲基准音频特征中每个歌曲基准音频特征的第二相似度。
在实施中，在提取每个待检测音频段的音频特征之前，电子终端可以先获取预先存储的M个纯音乐基准音频特征和M个歌曲基准音频特征，然后，获取这M个纯音乐基准音频特征和M个歌曲基准音频特征对应的第一概率密度函数。需要说明的是，每个纯音乐基准音频特征以及每个歌曲基准音频特征可以是采用特征矩阵的形式进行表示，而第一概率密度函数是一个混合型的概率密度函数。
该第一概率密度函数是多维概率密度函数，可以通过2M个特征矩阵计算得到。确定第一概率密度函数时，可以先假定该概率密度函数是有R个联合概率密度函数的加权之和，R为经验值，取值范围可以是任意正整数，优选取值为3-5。该第一概率密度函数可以表示为：
F(X)＝W1*f1(X)+W2*f2(X)+W3*f3(X)+...WR*fR(X) (1)
其中，W为系数。求联合概率密度函数fi(X)的具体过程是：以一个特征矩阵为例，假设该特征矩阵是500×32的矩阵，其中500表示帧数，32表示每帧的特征数，该矩阵的每一列都是一个随机分布，每一个随机分布都可以用一个单概率密度函数来表示，例如，该特征矩阵的每一列都可以用单高斯概率函数g(x)表示，那么这个特征矩阵表示的联合概率密度函数可以表示为：
其中n＝32，i＝1、2、…R，μi为期望，σi 2为方差。这样，得到R个f(X)后，带入到公式(1)中，因为高斯混合模型是一种信号统计模型，可以用ML算法(Maximum Likelihood，最大似然估计算法)和EM算法(Expectation Maximization Algorithm，最大期望算法)实现。为了求出F(X)中的W1、W2、…、WR，μ1、μ2、…、μR，σ1、σ2、…、σR，本发明采用ML算法和EM算法实现，最终得到第一概率密度函数。
需要说明的是，此处获取的第一概率密度函数可以是预先计算并存储的，也可以是临时计算得到的，本发明在此不做限制。
电子设备获取第一概率密度函数后，按照上述步骤的处理，提取每个待检测音频段的音频特征，然后，按照上述根据每个特征矩阵求概率密度函数的步骤，确定每个待检测音频段的音频特征对应的第二概率密度函数。然后，基于预设的计算方法，以及M个纯音乐基准音频特征、M个歌曲基准音频特征、第一概率密度函数、待检测音频段的音频特征以及对应的第二概率密度函数，分别计算出每个待检测音频算的音频特征与M个纯音乐基准音频特征的相似度(即为第一相似度)，以及每个待检测音频算的音频特征与M个歌曲基准音频特征的相似度(即为第二相似度)。
需要说明的是，预设的计算方法可以是JS散度算法(Jensen-Shannon散度算法，一种用于计算特征之间的相似度的算法)，将M个纯音乐基准音频特征、第一概率密度函数、每个待检测音频段的音频特征以及对应的第二概率密度函数，分别带入JS散度公式中，可以求出每个待检测音频段的音频特征与M个纯音乐基准音频特征的相对熵值(即第一相似度)；将M个歌曲基准音频特征、第一概率密度函数、每个待检测音频段的音频特征以及对应的第二概率密度函数，分别带入JS散度公式中，可以求出每个待检测音频段的音频特征与M个歌曲基准音频特征的相对熵值(即第二相似度)。其中，相对熵值用于表示每个待检测音频段的音频特征与纯音乐基准音频特征的距离，相对熵值越小，表示待检测音频段的音频特征与纯音乐基准音频特征的距离越小，即该待检测音频段的音频特征与纯音乐基准音频特征的相似程度越大。
在步骤103中，基于每个待检测音频段对应的可能性值，确定目标音频是否是纯音乐音频。
在实施中，上述步骤确定N个待检测音频段所对应的可能性值后，基于每个待检测音频段的可能性值与预设的阈值进行比较，以确定目标音频是否是纯音乐。
可选地，当每个待检测音频段对应的可能性值均大于或等于预设的第一阈值时，确定目标音频是纯音乐音频；当每个待检测音频段对应的可能性值均大于或等于预设的第二阈值，且至少有一个可能性值小于第一阈值时，获取目标音频的属性信息，其中，第二阈值小于第一阈值；如果属性信息满足预设条件，则确定目标音频是纯音乐音频；当每个待检测音频段对应的可能性值均大于或等于预设的第二阈值，且至少有一个可能性值小于第一阈值，且属性信息不满足预设条件时，或者，当可能性值中至少存在一个可能性值小于第二阈值时，确定目标音频不是纯音乐音频。
在实施中，通过上述步骤确定N个待检测音频段分别对应的N个可能性值后，首先，将这N个可能性值与预设的第一阈值进行比较，如果N个可能性值都大于或等于第一阈值，则说明在目标音频中截取得到的每个音频段与纯音乐基准音频都很相似，这样，可以直接确定目标音频是纯音乐音频。例如，假设第一阈值为k1，可能性值的最大值为Q，如果N个可能性值都大于或等于第一阈值，即N个可能性值都属于[k1,Q]范围内，就可以确定目标音频是纯音乐音频，如图3所示。
如果这N个可能性值中存在至少一个可能性值小于第一阈值，则将至少一个小于第一阈值的可能性值与预设的第二阈值进行比较。如果小于第一阈值的可能性值均大于或等于预设的第二阈值，说明在目标音频中截取得到的每个音频段与纯音乐基准音频有些相似，但相似程度不足以直接判断该目标音频就是纯音乐音频，可以获取该目标音频的属性信息，并判断该目标音频的属性信息是否满足预设条件。如果属性信息是否满足预设条件，则确定该目标音频为纯音乐音频。如果该目标音频的属性信息不满足预设条件，则可以确定该目标音频不是纯音乐音频。例如，假设第一阈值为k1，第二阈值为k2，如果N个可能性值中，至少有一个可能性值属于[k1,Q]范围，其余可能性值均属于[k2,k1]范围，就需要获取该目标音频的属性信息，进一步判断目标音频是否是纯音乐音频。
如果这N个可能性值中存在至少一个可能性值小于第二阈值，说明在目标音频中截取得到的多个音频段中，至少存在一个音频段与纯音乐基准音频的相似程度很低，因此，可以确定该目标音频不是纯音乐音频。
例如，假设可能性值的最大值为30，第一阈值为20，第二阈值为10，通过上述步骤确定目标音频的3个可能性值为x1、x2、x3。如果x1为27、x2为24、x3为21，则目标音频的3个可能性值均大于或等于第一阈值，可以确定该目标音频为纯音乐音频；如果x1为27、x2为24、x3为18，则目标音频的3个可能性值均大于或等于第二阈值，且存在1个可能性值小于第一阈值，这时，需要获取目标音频的属性信息，判断属性信息是否满足预设条件，如果满足，可以确定该目标音频为纯音乐音频，如果不满足，则确定该目标音频不是纯音乐音频。如果x1为27、x2为24、x3为7，则目标音频的3个可能性值中存在1个可能性值小于第二阈值，可以直接确定该目标音频不是纯音乐音频。
可选地，上述过程中，属性信息可以包括目标音频的名称和目标音频对应的词条信息中的音频类别，这种情况下，上述根据属性信息满足预设条件确定目标音频是纯音乐音频的相应处理可以如下：如果目标音频的名称中不包含伴奏的字符，且目标音频对应的词条信息中的音频类别不包括伴奏类别，则确定目标音频是纯音乐音频。
在实施中，当N个可能性值中存在至少一个可能性值小于第一阈值，且小于第一阈值的可能性值均大于或等于预设的第二阈值时，说明在目标音频中截取得到的每个音频段与纯音乐基准音频有些相似，但相似程度不足以直接判断该目标音频就是纯音乐音频，说明目标音频有可能是纯音乐音频，也有可能是伴奏音频。这种情况下，需要判断该目标音频是纯音乐音频还是伴奏音频。电子设备获取该目标音频的名称和该目标音频对应的词条信息中的音频类别，判断该目标音频的名称中是否包含“伴奏”这两个字符，以及目标音频对应的词条信息中的音频类别中是否包括伴奏类别。当确定该目标音频的名称中不包含“伴奏”这两个字符，且词条信息中的音频类别中不包括伴奏类别时，可以确定目标音频是纯音乐音频。
需要说明的是，上述过程以属性信息包括目标音频的名称和目标音频对应的词条信息中的音频类别为例，但属性信息不限于目标音频的名称和目标音频对应的词条信息中的音频类别，还可以包括目标音频对应的音频类别等，本发明在此不作限制。
本发明实施例中，在目标音频的N个预设位置处，分别截取音频段，得到N个待检测音频段，其中，N为预设正整数；根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值，其中，所述可能性值用于指示对应的待检测音频段是纯音乐音频的可能性或不是纯音乐音频的可能性；基于所述每个待检测音频段对应的可能性值，确定所述目标音频是否是纯音乐音频。这样，就可以实现方便快速的检测音频是否是纯音乐音频，节省了人力，使检测的效率提高。
基于相同的技术构思，本发明实施例还提供了一种检测音频是否是纯音乐音频的装置，该装置可以为上述实施例中的电子设备，如图4所示，该装置包括：截取模块410，第一确定模块420和第二确定模块430。
该截取模块410被配置为在目标音频的N个预设位置处，分别截取音频段，得到N个待检测音频段，其中，N为预设正整数；
该第一确定模块420被配置为根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值，其中，所述可能性值用于指示对应的待检测音频段是纯音乐音频的可能性或不是纯音乐音频的可能性；
该第二确定模块430被配置为基于所述每个待检测音频段对应的可能性值，确定所述目标音频是否是纯音乐音频。
可选地，所述第一确定模块420被配置为：
提取每个待检测音频段的音频特征；
对于所述每个待检测音频段，确定所述待检测音频段的音频特征与预先存储的M个纯音乐基准音频特征中每个纯音乐基准音频特征的第一相似度，并确定所述待检测音频段的音频特征与预先存储的M个歌曲基准音频特征中每个歌曲基准音频特征的第二相似度；
在M个所述第一相似度与M个第二相似度中，确定最大的Q个相似度，在所述Q个相似度中，将与纯音乐基准音频对应的相似度的数目，确定为每个待检测音频段对应的可能性值，其中，Q为预设正整数。
可选地，如图5所示，所述装置还包括：
获取模块440，被配置为提取每个待检测音频段的音频特征之前，获取所述M个纯音乐基准音频特征和所述M个歌曲基准音频特征对应的第一概率密度函数；
第三确定模块450，被配置为所述提取每个待检测音频段的音频特征之后，确定每个待检测音频段对应的第二概率密度函数；
第四确定模块460，被配置为对于所述每个待检测音频段，基于所述M个纯音乐基准音频特征、所述M个歌曲基准音频特征、所述第一概率密度函数、所述待检测音频段的音频特征以及对应的第二概率密度函数，确定所述待检测音频段的音频特征与所述M个纯音乐基准音频特征中每个纯音乐基准音频特征的第一相似度，并确定所述待检测音频段的音频特征与所述M个歌曲基准音频特征中每个歌曲基准音频特征的第二相似度。
可选地，所述第二确定模块430，被配置为：
当所述每个待检测音频段对应的可能性值均大于或等于预设的第一阈值时，确定所述目标音频是纯音乐音频；
当所述每个待检测音频段对应的可能性值均大于或等于预设的第二阈值，且至少有一个可能性值小于所述第一阈值时，获取所述目标音频的属性信息，其中，所述第二阈值小于所述第一阈值；如果所述属性信息满足预设条件，则确定所述目标音频是纯音乐音频；
当所述每个待检测音频段对应的可能性值均大于或等于预设的第二阈值，且至少有一个可能性值小于所述第一阈值，且所述属性信息不满足所述预设条件时，或者，当所述可能性值中至少存在一个可能性值小于所述第二阈值时，确定所述目标音频不是纯音乐音频。
可选地，所述属性信息包括所述目标音频的名称和所述目标音频对应的词条信息中的音频类别；
所述第二确定模块430被配置为：
如果所述目标音频的名称中不包含伴奏的字符，且所述目标音频对应的词条信息中的音频类别不包括伴奏类别，则确定所述目标音频是纯音乐音频。
本发明实施例中，在目标音频的N个预设位置处，分别截取音频段，得到N个待检测音频段，其中，N为预设正整数；根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值，其中，所述可能性值用于指示对应的待检测音频段是纯音乐音频的可能性或不是纯音乐音频的可能性；基于所述每个待检测音频段对应的可能性值，确定所述目标音频是否是纯音乐音频。这样，就可以实现方便快速的检测音频是否是纯音乐音频，节省了人力，使检测的效率提高。
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。
需要说明的是：上述实施例提供的检测音频是否是纯音乐音频的装置在检测音频是否是纯音乐音频时，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，即将点电子设备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。另外，上述实施例提供的检测音频是否是纯音乐音频的装置与检测音频是否是纯音乐音频的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图6示出了本发明一个示例性实施例提供的终端600的结构框图。该终端600可以是便携式移动终端，比如：智能手机、平板电脑、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器。终端600还可能被称为用户设备、便携式终端等其他名称。
通常，终端600包括有：处理器601和存储器602。
处理器601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601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601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601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601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602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有形的和非暂态的。存储器602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602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601所执行以实现本申请中提供的检测音频是否是纯音乐音频的方法。
在一些实施例中，终端600还可选包括有：外围设备接口603和至少一个外围设备。具体地，外围设备包括：射频电路604、触摸显示屏605、摄像头606、音频电路607、定位组件608和电源609中的至少一种。
外围设备接口603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601和存储器602。在一些实施例中，处理器601、存储器602和外围设备接口603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601、存储器602和外围设备接口603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604用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路604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604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604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604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：万维网、城域网、内联网、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604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。
触摸显示屏605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。触摸显示屏605还具有采集在触摸显示屏605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601进行处理。触摸显示屏605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，触摸显示屏605可以为一个，设置终端600的前面板；在另一些实施例中，触摸显示屏605可以为至少两个，分别设置在终端600的不同表面或呈折叠设计；在再一些实施例中，触摸显示屏605可以是柔性显示屏，设置在终端600的弯曲表面上或折叠面上。甚至，触摸显示屏605还可以设置成非矩形的不规则图形，也即异形屏。触摸显示屏605可以采用LCD(LiquidCrystal Display，液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件606用于采集图像或视频。可选地，摄像头组件606包括前置摄像头和后置摄像头。通常，前置摄像头用于实现视频通话或自拍，后置摄像头用于实现照片或视频的拍摄。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。在一些实施例中，摄像头组件606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607用于提供用户和终端600之间的音频接口。音频电路607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601进行处理，或者输入至射频电路604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600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601或射频电路604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607还可以包括耳机插孔。
定位组件608用于定位终端600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608可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源609用于为终端600中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。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600还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于：加速度传感器611、陀螺仪传感器612、压力传感器613、指纹传感器614、光学传感器615以及接近传感器616。
加速度传感器611可以检测以终端600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611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号，控制触摸显示屏605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611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612可以检测终端600的机体方向及转动角度，陀螺仪传感器612可以与加速度传感器611协同采集用户对终端600的3D动作。处理器601根据陀螺仪传感器612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613可以设置在终端600的侧边框和/或触摸显示屏605的下层。当压力传感器613设置在终端600的侧边框时，可以检测用户对终端600的握持信号，根据该握持信号进行左右手识别或快捷操作。当压力传感器613设置在触摸显示屏605的下层时，可以根据用户对触摸显示屏605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614用于采集用户的指纹，以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601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614可以被设置终端600的正面、背面或侧面。当终端600上设置有物理按键或厂商Logo时，指纹传感器614可以与物理按键或厂商Logo集成在一起。
光学传感器615用于采集环境光强度。在一个实施例中，处理器601可以根据光学传感器615采集的环境光强度，控制触摸显示屏605的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏605的显示亮度；当环境光强度较低时，调低触摸显示屏605的显示亮度。在另一个实施例中，处理器601还可以根据光学传感器615采集的环境光强度，动态调整摄像头组件606的拍摄参数。
接近传感器616，也称距离传感器，通常设置在终端600的正面。接近传感器616用于采集用户与终端600的正面之间的距离。在一个实施例中，当接近传感器616检测到用户与终端600的正面之间的距离逐渐变小时，由处理器601控制触摸显示屏605从亮屏状态切换为息屏状态；当接近传感器616检测到用户与终端600的正面之间的距离逐渐变大时，由处理器601控制触摸显示屏605从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图6中示出的结构并不构成对终端600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。
图7是本发明实施例提供的服务器的结构示意图。该服务器700可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processingunits，CPU)722(例如，一个或一个以上处理器)和存储器732，一个或一个以上存储应用程序742或数据744的存储介质730(例如一个或一个以上海量存储设备)。其中，存储器732和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器722可以设置为与存储介质730通信，在服务器700上执行存储介质730中的一系列指令操作。
服务器700还可以包括一个或一个以上电源726，一个或一个以上有线或无线网络接口750，一个或一个以上输入输出接口758，一个或一个以上键盘756，和/或，一个或一个以上操作系统741，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM等等。
服务器700可以包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行此一个或者一个以上程序来执行上述各个实施例所述的检测音频是否是纯音乐音频的方法。
本发明实施例中，在目标音频的N个预设位置处，分别截取音频段，得到N个待检测音频段，其中，N为预设正整数；根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值，其中，所述可能性值用于指示对应的待检测音频段是纯音乐音频的可能性或不是纯音乐音频的可能性；基于所述每个待检测音频段对应的可能性值，确定所述目标音频是否是纯音乐音频。这样，就可以实现方便快速的检测音频是否是纯音乐音频，节省了人力，使检测的效率提高。
本发明实施例还提供了一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行上述检测音频是否是纯音乐音频的方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (13)

1.一种检测音频是否是纯音乐音频的方法，其特征在于，所述方法包括：
在目标音频的N个预设位置处，分别截取音频段，得到N个待检测音频段，其中，N为预设正整数；
根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值，其中，所述可能性值用于指示对应的待检测音频段是纯音乐音频的可能性或不是纯音乐音频的可能性；
基于所述每个待检测音频段对应的可能性值，确定所述目标音频是否是纯音乐音频。
2.根据权利要求1所述的方法，其特征在于，所述根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值，包括：
提取每个待检测音频段的音频特征；
对于所述每个待检测音频段，确定所述待检测音频段的音频特征与预先存储的M个纯音乐基准音频特征中每个纯音乐基准音频特征的第一相似度，并确定所述待检测音频段的音频特征与预先存储的M个歌曲基准音频特征中每个歌曲基准音频特征的第二相似度；
在M个所述第一相似度与M个第二相似度中，确定最大的Q个相似度，在所述Q个相似度中，将与纯音乐基准音频对应的相似度的数目，确定为每个待检测音频段对应的可能性值，其中，Q为预设正整数。
3.根据权利要求2所述的方法，其特征在于，所述提取每个待检测音频段的音频特征之前，还包括：
获取所述M个纯音乐基准音频特征和所述M个歌曲基准音频特征对应的第一概率密度函数；
所述提取每个待检测音频段的音频特征之后，还包括：
确定每个待检测音频段对应的第二概率密度函数；
对于所述每个待检测音频段，基于所述M个纯音乐基准音频特征、所述M个歌曲基准音频特征、所述第一概率密度函数、所述待检测音频段的音频特征以及对应的第二概率密度函数，确定所述待检测音频段的音频特征与所述M个纯音乐基准音频特征中每个纯音乐基准音频特征的第一相似度，并确定所述待检测音频段的音频特征与所述M个歌曲基准音频特征中每个歌曲基准音频特征的第二相似度。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述基于所述每个待检测音频段对应的可能性值，确定所述目标音频是否是纯音乐音频，包括：
当所述每个待检测音频段对应的可能性值均大于或等于预设的第一阈值时，确定所述目标音频是纯音乐音频；
当所述每个待检测音频段对应的可能性值均大于或等于预设的第二阈值，且至少有一个可能性值小于所述第一阈值时，获取所述目标音频的属性信息，其中，所述第二阈值小于所述第一阈值；如果所述属性信息满足预设条件，则确定所述目标音频是纯音乐音频；
当所述每个待检测音频段对应的可能性值均大于或等于预设的第二阈值，且至少有一个可能性值小于所述第一阈值，且所述属性信息不满足所述预设条件时，或者，当所述可能性值中至少存在一个可能性值小于所述第二阈值时，确定所述目标音频不是纯音乐音频。
5.根据权利要求4所述的方法，其特征在于，所述属性信息包括所述目标音频的名称和所述目标音频对应的词条信息中的音频类别；
所述如果所述属性信息满足预设条件，则确定所述目标音频是纯音乐音频，包括：
如果所述目标音频的名称中不包含伴奏的字符，且所述目标音频对应的词条信息中的音频类别不包括伴奏类别，则确定所述目标音频是纯音乐音频。
6.一种检测音频是否是纯音乐音频的装置，其特征在于，所述装置包括：
截取模块，用于在目标音频的N个预设位置处，分别截取音频段，得到N个待检测音频段，其中，N为预设正整数；
第一确定模块，用于根据预先存储的纯音乐基准音频特征和歌曲基准音频特征，分别确定每个待检测音频段对应的可能性值，其中，所述可能性值用于指示对应的待检测音频段是纯音乐音频的可能性或不是纯音乐音频的可能性；
第二确定模块，用于基于所述每个待检测音频段对应的可能性值，确定所述目标音频是否是纯音乐音频。
7.根据权利要求6所述的装置，其特征在于，所述第一确定模块，用于：
提取每个待检测音频段的音频特征；
对于所述每个待检测音频段，确定所述待检测音频段的音频特征与预先存储的M个纯音乐基准音频特征中每个纯音乐基准音频特征的第一相似度，并确定所述待检测音频段的音频特征与预先存储的M个歌曲基准音频特征中每个歌曲基准音频特征的第二相似度；
在M个所述第一相似度与M个第二相似度中，确定最大的Q个相似度，在所述Q个相似度中，将与纯音乐基准音频对应的相似度的数目，确定为每个待检测音频段对应的可能性值，其中，Q为预设正整数。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
获取模块，用于提取每个待检测音频段的音频特征之前，获取所述M个纯音乐基准音频特征和所述M个歌曲基准音频特征对应的第一概率密度函数；
第三确定模块，用于所述提取每个待检测音频段的音频特征之后，确定每个待检测音频段对应的第二概率密度函数；
第四确定模块，用于对于所述每个待检测音频段，基于所述M个纯音乐基准音频特征、所述M个歌曲基准音频特征、所述第一概率密度函数、所述待检测音频段的音频特征以及对应的第二概率密度函数，确定所述待检测音频段的音频特征与所述M个纯音乐基准音频特征中每个纯音乐基准音频特征的第一相似度，并确定所述待检测音频段的音频特征与所述M个歌曲基准音频特征中每个歌曲基准音频特征的第二相似度。
9.根据权利要求6-8中任一项所述的装置，其特征在于，所述第二确定模块，用于：
当所述每个待检测音频段对应的可能性值均大于或等于预设的第一阈值时，确定所述目标音频是纯音乐音频；
当所述每个待检测音频段对应的可能性值均大于或等于预设的第二阈值，且至少有一个可能性值小于所述第一阈值时，获取所述目标音频的属性信息，其中，所述第二阈值小于所述第一阈值；如果所述属性信息满足预设条件，则确定所述目标音频是纯音乐音频；
当所述每个待检测音频段对应的可能性值均大于或等于预设的第二阈值，且至少有一个可能性值小于所述第一阈值，且所述属性信息不满足所述预设条件时，或者，当所述可能性值中至少存在一个可能性值小于所述第二阈值时，确定所述目标音频不是纯音乐音频。
10.根据权利要求9所述的装置，其特征在于，所述属性信息包括所述目标音频的名称和所述目标音频对应的词条信息中的音频类别；
所述第二确定模块用于：
如果所述目标音频的名称中不包含伴奏的字符，且所述目标音频对应的词条信息中的音频类别不包括伴奏类别，则确定所述目标音频是纯音乐音频。
11.一种终端，其特征在于，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至5任一所述的检测音频是否是纯音乐音频的方法。
12.一种服务器，其特征在于，所述服务器包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至5任一所述的检测音频是否是纯音乐音频的方法。
13.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至5任一所述的检测音频是否是纯音乐音频的方法。
CN201810122585.2A 2018-02-07 2018-02-07 一种检测音频是否是纯音乐音频的方法和装置 Active CN108320756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810122585.2A CN108320756B (zh) 2018-02-07 2018-02-07 一种检测音频是否是纯音乐音频的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810122585.2A CN108320756B (zh) 2018-02-07 2018-02-07 一种检测音频是否是纯音乐音频的方法和装置

Publications (2)

Publication Number Publication Date
CN108320756A true CN108320756A (zh) 2018-07-24
CN108320756B CN108320756B (zh) 2021-12-03

Family

ID=62902971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810122585.2A Active CN108320756B (zh) 2018-02-07 2018-02-07 一种检测音频是否是纯音乐音频的方法和装置

Country Status (1)

Country Link
CN (1) CN108320756B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110047514A (zh) * 2019-05-30 2019-07-23 腾讯音乐娱乐科技（深圳）有限公司 一种伴奏纯净度评估方法以及相关设备
CN110097895A (zh) * 2019-05-14 2019-08-06 腾讯音乐娱乐科技（深圳）有限公司 一种纯音乐检测方法、装置及存储介质
CN111274415A (zh) * 2020-01-14 2020-06-12 广州酷狗计算机科技有限公司 确定替补视频素材的方法、装置及计算机存储介质
CN111785294A (zh) * 2020-06-12 2020-10-16 Oppo广东移动通信有限公司 音频检测方法及装置、终端、存储介质
CN112614512A (zh) * 2020-12-18 2021-04-06 腾讯音乐娱乐科技（深圳）有限公司 噪声检测的方法和装置
CN114283841A (zh) * 2021-12-20 2022-04-05 天翼爱音乐文化科技有限公司 一种音频分类方法、系统、装置及存储介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030154077A1 (en) * 2002-02-13 2003-08-14 International Business Machines Corporation Voice command processing system and computer therefor, and voice command processing method
WO2004049188A1 (en) * 2002-11-28 2004-06-10 Agency For Science, Technology And Research Summarizing digital audio data
US20080120107A1 (en) * 2006-11-20 2008-05-22 Fujitsu Limited Speech recognition apparatus, speech recognition method and recording medium having speech recognition software program recorded thereon
JP2008242376A (ja) * 2007-03-29 2008-10-09 Yamaha Corp 楽曲紹介文生成装置、ナレーション付加装置およびプログラム
CN101364222A (zh) * 2008-09-02 2009-02-11 浙江大学 一种两阶段的音频检索方法
JP2011085824A (ja) * 2009-10-19 2011-04-28 Sony Corp 音響識別装置、その処理方法およびプログラム
CN102201230A (zh) * 2011-06-15 2011-09-28 天津大学 一种突发事件语音检测方法
GB201311153D0 (en) * 2013-06-24 2013-08-07 Nokia Corp Acoustic music similarity determiner
CN104078050A (zh) * 2013-03-26 2014-10-01 杜比实验室特许公司 用于音频分类和音频处理的设备和方法
CN104091596A (zh) * 2014-01-20 2014-10-08 腾讯科技（深圳）有限公司 一种乐曲识别方法、系统和装置
CN104240719A (zh) * 2013-06-24 2014-12-24 浙江大华技术股份有限公司 音频的特征提取方法、音频的分类方法和相关装置
CN104462537A (zh) * 2014-12-24 2015-03-25 北京奇艺世纪科技有限公司 一种音频数据分类方法及装置
CN104598515A (zh) * 2014-12-03 2015-05-06 百度在线网络技术（北京）有限公司 歌曲搜索方法、装置和系统
JP2015200685A (ja) * 2014-04-04 2015-11-12 ヤマハ株式会社 アタック位置検出プログラムおよびアタック位置検出装置
CN106653021A (zh) * 2016-12-27 2017-05-10 上海智臻智能网络科技股份有限公司 语音唤醒的控制方法、装置及终端
WO2017084327A1 (zh) * 2015-11-17 2017-05-26 腾讯科技（深圳）有限公司 一种添加账号的方法、终端、服务器、计算机存储介质

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030154077A1 (en) * 2002-02-13 2003-08-14 International Business Machines Corporation Voice command processing system and computer therefor, and voice command processing method
WO2004049188A1 (en) * 2002-11-28 2004-06-10 Agency For Science, Technology And Research Summarizing digital audio data
CN1720517A (zh) * 2002-11-28 2006-01-11 新加坡科技研究局 数字声音数据的摘要制作
US20080120107A1 (en) * 2006-11-20 2008-05-22 Fujitsu Limited Speech recognition apparatus, speech recognition method and recording medium having speech recognition software program recorded thereon
JP2008242376A (ja) * 2007-03-29 2008-10-09 Yamaha Corp 楽曲紹介文生成装置、ナレーション付加装置およびプログラム
CN101364222A (zh) * 2008-09-02 2009-02-11 浙江大学 一种两阶段的音频检索方法
JP2011085824A (ja) * 2009-10-19 2011-04-28 Sony Corp 音響識別装置、その処理方法およびプログラム
CN102201230A (zh) * 2011-06-15 2011-09-28 天津大学 一种突发事件语音检测方法
CN104078050A (zh) * 2013-03-26 2014-10-01 杜比实验室特许公司 用于音频分类和音频处理的设备和方法
GB201311153D0 (en) * 2013-06-24 2013-08-07 Nokia Corp Acoustic music similarity determiner
CN104240719A (zh) * 2013-06-24 2014-12-24 浙江大华技术股份有限公司 音频的特征提取方法、音频的分类方法和相关装置
CN104091596A (zh) * 2014-01-20 2014-10-08 腾讯科技（深圳）有限公司 一种乐曲识别方法、系统和装置
JP2015200685A (ja) * 2014-04-04 2015-11-12 ヤマハ株式会社 アタック位置検出プログラムおよびアタック位置検出装置
CN104598515A (zh) * 2014-12-03 2015-05-06 百度在线网络技术（北京）有限公司 歌曲搜索方法、装置和系统
CN104462537A (zh) * 2014-12-24 2015-03-25 北京奇艺世纪科技有限公司 一种音频数据分类方法及装置
WO2017084327A1 (zh) * 2015-11-17 2017-05-26 腾讯科技（深圳）有限公司 一种添加账号的方法、终端、服务器、计算机存储介质
CN106653021A (zh) * 2016-12-27 2017-05-10 上海智臻智能网络科技股份有限公司 语音唤醒的控制方法、装置及终端

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DOMINIK SCHNITZER: ""USING MUTUAL PROXIMITY TO IMPROVE CONTENT-BASED AUDIO SIMILARITY"", 《12TH INTERNATIONAL SOCIETY FOR MUSIC INFORMATION RETRIEVAL CONFERENCE (ISMIR 2011)》 *
SCHNITZER, D: "《Dealing with the Music of the World: Indexing Content-Based Music Similarity Models for Fast Retrieval in Massive Databases》", 22 June 2012, CREATESPACE INDEPENDENT PUBLISHING PLATFORM *
徐罡: ""音乐相似性研究及其在检索系统中的应用"", 《中国优秀硕士学位论文全文数据库（信息科技辑）》 *
栾悉道: "《多媒体情报处理技术》", 30 May 2016 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097895A (zh) * 2019-05-14 2019-08-06 腾讯音乐娱乐科技（深圳）有限公司 一种纯音乐检测方法、装置及存储介质
WO2020228226A1 (zh) * 2019-05-14 2020-11-19 腾讯音乐娱乐科技（深圳）有限公司 一种纯音乐检测方法、装置及存储介质
CN110097895B (zh) * 2019-05-14 2021-03-16 腾讯音乐娱乐科技（深圳）有限公司 一种纯音乐检测方法、装置及存储介质
CN110047514A (zh) * 2019-05-30 2019-07-23 腾讯音乐娱乐科技（深圳）有限公司 一种伴奏纯净度评估方法以及相关设备
CN111274415A (zh) * 2020-01-14 2020-06-12 广州酷狗计算机科技有限公司 确定替补视频素材的方法、装置及计算机存储介质
CN111274415B (zh) * 2020-01-14 2024-05-24 广州酷狗计算机科技有限公司 确定替补视频素材的方法、装置及计算机存储介质
CN111785294A (zh) * 2020-06-12 2020-10-16 Oppo广东移动通信有限公司 音频检测方法及装置、终端、存储介质
CN111785294B (zh) * 2020-06-12 2024-04-02 Oppo广东移动通信有限公司 音频检测方法及装置、终端、存储介质
CN112614512A (zh) * 2020-12-18 2021-04-06 腾讯音乐娱乐科技（深圳）有限公司 噪声检测的方法和装置
CN112614512B (zh) * 2020-12-18 2024-07-19 腾讯音乐娱乐科技（深圳）有限公司 噪声检测的方法和装置
CN114283841A (zh) * 2021-12-20 2022-04-05 天翼爱音乐文化科技有限公司 一种音频分类方法、系统、装置及存储介质

Also Published As

Publication number Publication date
CN108320756B (zh) 2021-12-03

Similar Documents

Publication Publication Date Title
CN107978323B (zh) 音频识别方法、装置及存储介质
CN108320756A (zh) 一种检测音频是否是纯音乐音频的方法和装置
US11574009B2 (en) Method, apparatus and computer device for searching audio, and storage medium
CN110134804A (zh) 图像检索方法、装置及存储介质
CN109168073A (zh) 直播间封面显示的方法和装置
CN109147757A (zh) 歌声合成方法及装置
CN109192218A (zh) 音频处理的方法和装置
CN110209871A (zh) 歌曲评论发布方法及装置
CN109922356A (zh) 视频推荐方法、装置和计算机可读存储介质
CN109992685A (zh) 一种检索图片的方法及装置
CN108922531A (zh) 槽位识别方法、装置、电子设备及存储介质
CN110377784A (zh) 歌单更新方法、装置、终端及存储介质
CN107871012A (zh) 音频处理方法、装置、存储介质及终端
CN112667844A (zh) 检索音频的方法、装置、设备和存储介质
CN109547843A (zh) 对音视频进行处理的方法和装置
CN109218751A (zh) 推荐音频的方法、装置及系统
CN109192223A (zh) 音频对齐的方法和装置
CN109117466A (zh) 表格格式转换方法、装置、设备及存储介质
CN108806670A (zh) 语音识别方法、装置及存储介质
CN111368136A (zh) 歌曲识别方法、装置、电子设备及存储介质
CN110244999A (zh) 控制目标应用程序运行的方法、装置、设备及存储介质
CN110867194A (zh) 音频的评分方法、装置、设备及存储介质
CN109547847A (zh) 添加视频信息的方法、装置及计算机可读存储介质
CN109961802A (zh) 音质比较方法、装置、电子设备及存储介质
CN108495183A (zh) 显示专辑信息的方法和装置

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
GR01 Patent grant
GR01 Patent grant