CN109522442A - 辅助音乐学习机器智能分析方法 - Google Patents
辅助音乐学习机器智能分析方法 Download PDFInfo
- Publication number
- CN109522442A CN109522442A CN201811416636.9A CN201811416636A CN109522442A CN 109522442 A CN109522442 A CN 109522442A CN 201811416636 A CN201811416636 A CN 201811416636A CN 109522442 A CN109522442 A CN 109522442A
- Authority
- CN
- China
- Prior art keywords
- music
- style
- audio
- pitch
- learning machine
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B15/00—Teaching music
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
Abstract
本发明公开了辅助音乐学习机器智能分析方法,通过采集大量的音频资料,通过将同种类型的音频资料做变化率曲线计算,使得在不同音色以及不同音调上的同种旋律特征进行统计,使得初学者能够快速了解不用风格的主要旋律,不需要听大量的音乐人为总结,初步分析音乐时,通过将音乐文件进行相同的频率变化率处理,再与模板库中的片段进行比对,分析出音乐文件的风格构成,帮助学习者快速学会分析音乐,此方法靠计算机总结,大大加快了学习音乐的速度。
Description
技术领域
本发明涉及音乐创作方法,具体涉及辅助音乐学习机器智能分析方法。
背景技术
旋律是现代流行乐的基础,作曲在现代流行歌曲中也是占有非常重要的地位。在现代社会,流行音乐已经深入渗透到群众的生活中。
传统作曲需要作曲家具有一定的乐理知识,并结合灵感和创作经验,才能创作出完整的音乐旋律。创作出好听的旋律在乐理上有较多要求,如旋律和节奏的统一、主题的表现手法、曲式的组合等。而要创作出具有特定风格和情感的旋律,更是一些乐理上条件限制的集合。
可见,对于普通人来说,这些条件限制形成了很高的门槛,学习音乐需要大量的时间去听,需要专业的直到老师,这使普通人较好的音乐增加了困难。
发明内容
本发明提供了解决上述问题的辅助音乐学习机器智能分析方法,使得非音乐专业的群众也可以容易的学习音乐,分析音乐。
本发明通过下述技术方案实现:
辅助音乐学习机器智能分析方法,主要包括以下步骤:
S1、建立音乐音频数据库,将各类音乐音频的教学音频数据、典型示范音频数据集合至数据库中,并将数据进行音乐风格分类;
S2、将音频资料的频率曲线对应的曲谱划生成频率段,并将相邻频率段进行变化率计算,形成连续变化率曲线,将连续变化率曲线进行存储;
S3、每种风格类型的连续变化率曲线进行模糊比对,得到变化率相同的片段;
S4、将变化率相同的片段作为模板存入模板库,使用对应风格模板库的完整音频文件作为学习概要;
S5、依据步骤S4中的模板库,将要学习的音频文件进行变化率对比分析,得到片段音频参考风格,得到学习音频的风格依据,从而帮助学习音乐构成。
通过采集大量的音频资料,通过将同种类型的音频资料做变化率曲线计算,使得在不同音色以及不同音调上的同种旋律特征进行统计,使得初学者能够快速了解不用风格的主要旋律,不需要听大量的音乐人为总结,初步分析音乐时,通过将音乐文件进行相同的频率变化率处理,再与模板库中的片段进行比对,分析出音乐文件的风格构成,帮助学习者快速学会分析音乐,此方法靠计算机总结,大大加快了学习音乐的速度。
进一步的,在步骤S3中,还进行将不同风格类型的连续变化率曲线进行模糊比对,设定相似阈值,将阈值范围内的变化率片段截取,作为参考模板存入模板库;参考模板库作为音乐风格变化趋势,分析出不同风格之间的融合旋律,帮助学习不同风格音乐融合旋律。
进一步的,从所述模板库模板分别包含音符音高、音符节奏、乐句属性、节拍、速度信息,对比时,根据选取保留对比信息,使得学习的音频文件对比更加精准。
进一步的,分析学习音频文件是将音频文件进行频谱识别,在将识别的频谱做变化率分析。
进一步的,频谱识别主要包括以下步骤:
(1)识别音频,追踪整体频谱的变化,实时检查是否有发音趋势;
(2)追踪每个音高的频谱变化,实时检查哪些是音高发声;
(3)继续追踪已发声音高的频谱变化,检查之前的音高发声判断是否是误判;
(4)根据以上步骤获得的发声音高数据、发声时间数据,估算曲谱的速度、调式以及音符类型,生成曲谱。
本发明具有如下的优点和有益效果:
1、本发明通过采集大量的音频资料,通过将同种类型的音频资料做变化率曲线计算,使得在不同音色以及不同音调上的同种旋律特征进行统计,使得初学者能够快速了解不用风格的主要旋律,不需要听大量的音乐人为总结,初步分析音乐时,通过将音乐文件进行相同的频率变化率处理,再与模板库中的片段进行比对,分析出音乐文件的风格构成,帮助学习者快速学会分析音乐,此方法靠计算机总结,大大加快了学习音乐的速度;
2、本发明将不同风格类型的连续变化率曲线进行模糊比对,设定相似阈值,将阈值范围内的变化率片段截取,作为参考模板存入模板库;参考模板库作为音乐风格变化趋势,分析出不同风格之间的融合旋律,帮助学习不同风格音乐融合旋律;
3、本发明通过根据选取保留对比信息,使得学习的音频文件对比更加精准。
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明白,下面结合实施例,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
辅助音乐学习机器智能分析方法,主要包括以下步骤:
S1、建立音乐音频数据库,将各类音乐音频的教学音频数据、典型示范音频数据集合至数据库中,并将数据进行音乐风格分类;
S2、将音频资料的频率曲线对应的曲谱划生成频率段,并将相邻频率段进行变化率计算,形成连续变化率曲线,将连续变化率曲线进行存储;
S3、每种风格类型的连续变化率曲线进行模糊比对,得到变化率相同的片段;
S4、将变化率相同的片段作为模板存入模板库,使用对应风格模板库的完整音频文件作为学习概要;
S5、依据步骤S4中的模板库,将要学习的音频文件进行变化率对比分析,得到片段音频参考风格,得到学习音频的风格依据,从而帮助学习音乐构成。
实施时,在步骤S3中,还进行将不同风格类型的连续变化率曲线进行模糊比对,设定相似阈值,将阈值范围内的变化率片段截取,作为参考模板存入模板库;参考模板库作为音乐风格变化趋势,分析出不同风格之间的融合旋律,帮助学习不同风格音乐融合旋律。从所述模板库模板分别包含音符音高、音符节奏、乐句属性、节拍、速度信息,对比时,可根据选取保留对比信息,使得学习的音频文件对比更加精准。分析学习音频文件是将音频文件进行频谱识别,在将识别的频谱做变化率分析。所述频谱识别主要包括以下步骤:
(1)识别音频,追踪整体频谱的变化,实时检查是否有发音趋势;
(2)追踪每个音高的频谱变化,实时检查哪些是音高发声;
(3)继续追踪已发声音高的频谱变化,检查之前的音高发声判断是否是误判;
(4)根据以上步骤获得的发声音高数据、发声时间数据,估算曲谱的速度、调式以及音符类型,生成曲谱。
实施时,原始音乐库可使用大数据平台,对大数据品台的音乐库文件进行类别识别,提高效率。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.辅助音乐学习机器智能分析方法,其特征在于,主要包括以下步骤:
S1、建立音乐音频数据库,将各类音乐音频的教学音频数据、典型示范音频数据集合至数据库中,并将数据进行音乐风格分类;
S2、将音频资料的频率曲线对应的曲谱划生成频率段,并将相邻频率段进行变化率计算,形成连续变化率曲线,将连续变化率曲线进行存储;
S3、每种风格类型的连续变化率曲线进行模糊比对,得到变化率相同的片段;
S4、将变化率相同的片段作为模板存入模板库,使用对应风格模板库的完整音频文件作为学习概要;
S5、依据步骤S4中的模板库,将要学习的音频文件进行变化率对比分析,得到片段音频参考风格,得到学习音频的风格依据,从而帮助学习音乐构成。
2.根据权利要求1所述的辅助音乐学习机器智能分析方法,其特征在于,在步骤S3中,还进行将不同风格类型的连续变化率曲线进行模糊比对,设定相似阈值,将阈值范围内的变化率片段截取,作为参考模板存入模板库;参考模板库作为音乐风格变化趋势,分析出不同风格之间的融合旋律,帮助学习不同风格音乐融合旋律。
3.根据权利要求1或2任意一项所述的辅助音乐学习机器智能分析方法,其特征在于,从所述模板库模板分别包含音符音高、音符节奏、乐句属性、节拍、速度信息,对比时,可根据选取保留对比信息,使得学习的音频文件对比更加精准。
4.根据权利要求1或2任意一项所述的辅助音乐学习机器智能分析方法,其特征在于,分析学习音频文件是将音频文件进行频谱识别,在将识别的频谱做变化率分析。
5.根据权利要求4所述的辅助音乐学习机器智能分析方法,其特征在于,所述频谱识别主要包括以下步骤:
(1)识别音频,追踪整体频谱的变化,实时检查是否有发音趋势;
(2)追踪每个音高的频谱变化,实时检查哪些是音高发声;
(3)继续追踪已发声音高的频谱变化,检查之前的音高发声判断是否是误判;
(4)根据以上步骤获得的发声音高数据、发声时间数据,估算曲谱的速度、调式以及音符类型,生成曲谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811416636.9A CN109522442A (zh) | 2018-11-26 | 2018-11-26 | 辅助音乐学习机器智能分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811416636.9A CN109522442A (zh) | 2018-11-26 | 2018-11-26 | 辅助音乐学习机器智能分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109522442A true CN109522442A (zh) | 2019-03-26 |
Family
ID=65794617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811416636.9A Withdrawn CN109522442A (zh) | 2018-11-26 | 2018-11-26 | 辅助音乐学习机器智能分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109522442A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110930815A (zh) * | 2019-12-18 | 2020-03-27 | 四川大学锦城学院 | 一种智能器乐辅助学习器及其使用方法 |
-
2018
- 2018-11-26 CN CN201811416636.9A patent/CN109522442A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110930815A (zh) * | 2019-12-18 | 2020-03-27 | 四川大学锦城学院 | 一种智能器乐辅助学习器及其使用方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103823867B (zh) | 一种基于音符建模的哼唱式音乐检索方法及系统 | |
CN102664016B (zh) | 唱歌评测方法及系统 | |
CN103003875B (zh) | 用于执行音频和相应文本转录的同步并确定该同步的置信值的方法和系统 | |
Yamada et al. | A rhythm practice support system with annotation-free real-time onset detection | |
CN109584846B (zh) | 一种基于生成对抗网络的旋律生成方法 | |
Lerch et al. | Music performance analysis: A survey | |
US20230267912A1 (en) | Text-to-speech from media content item snippets | |
CN104992712B (zh) | 能识别音乐自动成谱的方法 | |
Lerch et al. | An interdisciplinary review of music performance analysis | |
CN103456295B (zh) | 歌唱合成中基频参数生成方法及系统 | |
CN108877835A (zh) | 评价语音信号的方法及系统 | |
Caro Repetto et al. | Comparision of the singing style of two Jingju schools | |
TWI605350B (zh) | 文字轉語音方法以及多語言語音合成裝置 | |
CN109522442A (zh) | 辅助音乐学习机器智能分析方法 | |
CN111354325A (zh) | 自动词曲创作系统及其方法 | |
CN105931625A (zh) | 基于文字输入的说唱音乐自动生成方法 | |
CN113192471A (zh) | 一种基于神经网络的乐曲主旋律音轨识别方法 | |
CN109165836B (zh) | 一种演唱评分中歌词发音的处理及测评方法及系统 | |
CN110956870A (zh) | 一种视唱练耳教学方法及装置 | |
CN108922505B (zh) | 信息处理方法及装置 | |
CN109584851A (zh) | 电脑音乐教学创作的方法 | |
Zhang | Violin teaching improvement strategy in the context of intelligent internet of things | |
CN110853457B (zh) | 可互动的音乐教学指导方法 | |
CN104766602A (zh) | 歌唱合成系统中基频合成参数生成方法及系统 | |
Bantula et al. | Jazz ensemble expressive performance modeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190326 |