CN112333596B - 一种耳机均衡器的调整方法、装置、服务器及介质 - Google Patents
一种耳机均衡器的调整方法、装置、服务器及介质 Download PDFInfo
- Publication number
- CN112333596B CN112333596B CN202011223246.7A CN202011223246A CN112333596B CN 112333596 B CN112333596 B CN 112333596B CN 202011223246 A CN202011223246 A CN 202011223246A CN 112333596 B CN112333596 B CN 112333596B
- Authority
- CN
- China
- Prior art keywords
- music
- target
- equalizer
- current user
- evaluation value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 106
- 238000012549 training Methods 0.000 claims description 35
- 238000013145 classification model Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000007635 classification algorithm Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R1/00—Details of transducers, loudspeakers or microphones
- H04R1/10—Earpieces; Attachments therefor ; Earphones; Monophonic headphones
- H04R1/1041—Mechanical or electronic switches, or control elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2430/00—Signal processing covered by H04R, not provided for in its groups
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2460/00—Details of hearing devices, i.e. of ear- or headphones covered by H04R1/10 or H04R5/033 but not provided for in any of their subgroups, or of hearing aids covered by H04R25/00 but not provided for in any of its subgroups
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Circuit For Audible Band Transducer (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种耳机均衡器的调整方法、装置、服务器及介质。该方法包括:获取当前用户的当前用户画像数据;将所述当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值;根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于所述目标均衡器参数,调整所述耳机的均衡器参数。本发明实施例的技术方案实现了耳机均衡器参数针对用户个性化定制,从而提升用户体验感。
Description
技术领域
本发明实施例涉及信息处理领域,尤其涉及一种耳机均衡器的调整方法、装置、服务器及介质。
背景技术
均衡器(Equalizer,EQ)调节技术广泛应用于媒体播放器和音频设备,EQ主要用于调节声音信号中各频率成分的份量,对声音进行润色加工,以得到理想的听觉效果。
目前,对耳机EQ调节,通常是提前设定特定风格的EQ模式,用户通过选择某EQ模式调整耳机音频播放效果。或者,用户采用手动方式,对EQ调整功能进行调节,从而调整耳机音频播放效果。
但是,通过选择预先设定特定风格的EQ模式,无法满足不同用户对音频播放的预期效果,影响用户体验。而采用手动的方式调节EQ仅仅适用专业型用户,对于普通用户操作较为困难,同样影响用户体验。
发明内容
本发明提供一种耳机均衡器的调整方法、装置、服务器及介质,以实现耳机均衡器参数针对用户个性化定制,从而提升用户体验感。
第一方面,本发明实施例提供了一种耳机均衡器的调整方法,包括:
获取当前用户的当前用户画像数据;
将所述当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值;
根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于所述目标均衡器参数,调整所述耳机的均衡器参数。
第二方面,本发明实施例还提供了一种耳机均衡器的调整装置,该装置包括:
数据获取模块,用于获取当前用户的当前用户画像数据;
数据处理模块,用于将所述当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值;
结果处理模块,用于根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于所述目标均衡器参数,调整所述耳机的均衡器参数。
第三方面,本发明实施例还提供了一种服务器,该服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述程序被所述处理器执行,使得所述处理器实现如本发明任意实施例所提供的一种耳机均衡器的调整方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的一种耳机均衡器的调整方法。
本发明实施例的技术方案,通过获取当前用户的当前用户画像数据,将所述当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值,通过当前用户画像数据有效分析出当前用户的音乐偏好,而且通过目标音乐偏好预测模型可以自动地智能化地对当前用户画像数据进行分析并输出当前用户的音乐偏好结果,节省了人力物力,而且提高了数据分析的效率,根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于所述目标均衡器参数,调整所述耳机的均衡器参数,由于音乐偏好评估值是基于当前用户的当前用户画像数据确定的,将音乐类型作为调整耳机的均衡器参数的参考因素,聚焦当前用户的行为数据,能够更加贴合用户的需求,相比较于相关技术中所有用户采用固定均衡器参数或者手动调节参数的方法,解决了调整耳机均衡器参数比较繁琐以及调整方式不灵活等技术问题,实现了实现耳机均衡器参数的动态调节,以及耳机均衡器参数针对用户个性化定制,极大地提升了用户体验感。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1是本发明实施例一提供的一种耳机均衡器的调整方法流程示意图;
图2是本发明实施例二提供的一种耳机均衡器的调整方法流程示意图;
图3是本发明实施例三提供的一种耳机均衡器的调整装置模块示意图;
图4是本发明实施例四提供的一种服务器结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一所提供的一种耳机均衡器的调整方法的流程示意图,本实施例可适用于通过目标音乐偏好预测模型预测用户音乐偏好,从而调整耳机均衡器参数的情况,该方法可以由耳机均衡器的调整装置来执行,耳机均衡器的调整装置可通过软件和/或硬件方式实现,该耳机均衡器的调整装置可集成于诸如计算机或者服务器等的电子设备中。
如图1所示,本实施例的方法包括:
S110、获取当前用户的当前用户画像数据。
其中,用户画像数据是用户想要获得用户音乐偏好信息所要参考的图像数据,用户画像数据包括但不限于以下数据信息:用户画像数据的标识以及画像数据内容,其中,画像数据内容可包括用户的人脸图像、年龄、行业、性别、音乐偏好类型和/或时间信息等。用户画像数据可以理解为用户的虚拟代表,用于勾画用户,能够真实反馈用户行为数据,很好地体现用户差异性。一般地,可以通过记录用户的行为数据,进行对用户的行为数据进行分类提炼,以生成用户画像数据。其中,用户画像数据可以存储于与耳机配合使用的客户端中,也可以存储于云端存储空间中。
可选地,获取当前用户的当前用户画像数据,包括:接收到耳机发送的音乐播放请求时,获取当前用户的当前用户画像数据。
可选的,获取当前用户的当前用户画像数据,包括:获取当前用户的身份信息,基于所述当前身份信息确定所述当前用户的当前用户画像数据。这样设置的好处在于,能够准确获取到当前用户的当前用户画像数据,以通过对当前用户的行为数据的分析,得到贴合当前用户个性化需求的分析结果。
其中,用户身份信息可以是用户耳机或者与耳机配合使用的终端的身份信息,也可以是当前用户的账号信息等。可选地,用户身份信息与用户画像数据可以是一对一的对应关系,也可以多对一的对应关系。例如,如果当前用户为使用过该耳机的历史用户,则可以获取该用户自己的用户画像数据;如果当前用户为首次使用该耳机的新用户,则可以获取默认的用户画像数据作为当前用户画像数据。
具体地,用户画像数据可以与用户身份信息的标识信息对应存储,以通过用户身份信息的标识信息以及标识信息与用户画像数据的对应关系,确定所述当前用户的当前用户画像数据。可以理解的是,标识信息可以通过字母、数字、文字、图标等各种形式体现,只要通过用户身份信息的标识信息,能够确定与用户身份信息对应的当前用户画像数据即可,在此并不对标识信息的具体表现形式进行限定。
S120、将当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值。
其中,目标音乐偏好预测模型用于根据当前用户画像数据中各维度的特征信息预测当前用户音乐偏好的模型。如,特征信息可以是当前用户的属性信息,如年龄、行业、性别等,以及当前用户的历史音乐播放数据,如历史播放曲目以及与所述历史播放曲目对应的播放时间等。示例性地,音乐类型包括但不限于摇滚、古典、流行以及爵士。音乐类型的音乐偏好评估值可以用于表征基于当前用户画像数据确定出的对各种音乐类型的音乐偏好度。
在本发明实施例中,音乐偏好预测模型可以是分类模型。具体的,将当前用户画像数据输入至目标音乐偏好预测模型,通过采用分类模型内的分类算法,得到当前用户对各个类型音乐的偏好评估值。需要说明的是,这里的分类算法不作限定,可以是KNN算法(K-Nearest Neighbor,K近邻),也可以是其他分类算法,只要能够实现数据分类即可。
示例性的,将当前用户A的当前用户画像数据输入到预先训练好的目标音乐偏好预测模型,可以得到当前用户A的对各个音乐类型的偏好评估值,也可以理解为,当前用户A的偏好于各个音乐类型的概率值。如,可以输出用户A的对摇滚的音乐偏好评估值为0.7,对古典的音乐偏好评估值为0.14,对流行的音乐偏好评估值为0.16。
S130、根据音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于目标均衡器参数,调整耳机的均衡器参数。
其中,均衡器参数可用于调节各种频率成分电信号放大量,以调整音色、声场以及抑制声反馈等。不同的均衡器参数可能具有不同的音感特征。在本发明实施例中,目标均衡器参数可以理解为基于音乐类型的音乐偏好评估值确定出的当前用户偏好的一个或多个音乐类型对应的均衡器参数。其中,音乐类型与均衡器参数之间的对应关系可以是根据人为经验提前设定,也可以通过机器学习得到的。
可选的,所述根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,包括:根据所述音乐类型的音乐偏好评估值,确定目标音乐类型;根据目标音乐类型,得到与所述目标音乐类型相对应的均衡器参数。
具体的,基于得到当前用户的对各个音乐类型的偏好评估值,确定当前用户对各个音乐类型的偏好程度,可以选取一个或多个音乐类型对应的均衡器参数作为目标均衡器参数,以调整使耳机调整均衡器参数。
在一个实施例中,当音乐类型为古典、流行、爵士,分别对应的音乐偏好评估值为0.2、0.45、0.35,可以选取音乐偏好评估值最高的音乐类型作为目标音乐类型,也就是选取爵士音乐类型作为目标音乐类型,进而将爵士音乐类型对应的均衡器参数作为目标均衡器参数。
在上述实施例的基础上,根据所述音乐类型的音乐偏好评估值,确定目标音乐类型可以包括:将音乐偏好评估值大于预设评估阈值的音乐类型作为目标音乐类型。其中,预设评估阈值的具体数值可以根据实际需求进行设置,在此并不做限定。沿用上例,可以选取音乐偏好评估值大于0.3的音乐类型作为目标音乐类型,也就是选取流行和爵士作为目标音乐类型。
进一步,为了提高用户的体验感,可以为用户提供多种音乐类型,可选的,所述根据所述音乐类型的音乐偏好评估值,确定目标音乐类型,包括:选取所述音乐类型的音乐偏好评估值中的最大评估值;分别计算所述最大评估值与每个所述音乐类型的音乐偏好评估值的差值;根据所述差值和预设偏差阈值,确定目标音乐类型。
具体的,基于得到的音乐类型的音乐偏好评估值,从得到的音乐类型的音乐偏好评估值中,选取音乐类型的音乐偏好评估值中的最大评估值,将音乐类型的音乐偏好评估值中的最大评估值与每个音乐类型的音乐偏好评估值相减,得到相对应的音乐偏好评估值的差值,将音乐偏好评估值的差值与预设偏差阈值进行比较,选取音乐类型的音乐偏好评估值的差值小于预设偏差阈值,从而确定目标音乐类型。
示例性的,当音乐类型为古典、流行、爵士、轻音乐,分别对应的音乐偏好评估值为0.05、0.45、0.3、0.2,其中音乐类型的音乐偏好评估值中的最大评估值为0.45,最大评估值与每个所述音乐类型的音乐偏好评估值的差值分别为0.4、0、0.15、0.25,当预设的偏差阈值为0.18时,满足音乐类型的音乐偏好评估值的差值小于预设偏差阈值的是0和0.15,也就是说,用户偏好流行、爵士两种音乐类型,从而将流行和爵士作为目标音乐类型发送给用户。
当目标音乐类型的数量为两种及两种以上时,可选地,根据目标音乐类型,得到与所述目标音乐类型相对应的均衡器参数,可以包括:将所述至少两种目标音乐类型中任意一种目标音乐类型所对应的均衡器参数作为目标均衡器参数;或者,基于所述至少两种目标音乐类型生成音乐类型选择信息,并展示所述音乐类型选择信息,接收所述当前用户对所述音乐类型选择信息的反馈信息,基于所述反馈信息确定目标均衡器参数。
其中,反馈信息可以包括对音乐类型的选中信息以及预设时间内未操作信息。相应地,基于所述反馈信息确定目标音乐类型可包括:将所述当前用户对音乐类型的选中信息中被选中的音乐类型所对应的均衡器参数作为目标均衡器参数;或者,如果所述当前用户在预设时间内未执行选择音乐类型的操作,则将所述至少两种目标音乐类型对应的音乐偏好评估值中较大的音乐类型所对应的均衡器参数作为目标均衡器参数。
例如,目标音乐类型为流行和爵士,可以随机推送流行和爵士任一种音乐类型,根据所推送的音乐类型,得到与推送的音乐类型相对应的均衡器参数,也可以将流行和爵士两种音乐类型提供给用户,用户可以任意选择一种音乐类型,根据用户选择的音乐类型,得到与用户选择的音乐类型相对应的均衡器参数。
在实际应用过程中,随着用户行为数据的增加,用户画像数据也会有所变化,可选地,本发明实施例中的耳机均衡器的调整方法还包括:在检测到所述当前用户画像数据发生变化时,更新所述当前用户画像数据。
具体的,客户端根据用户身份信息,检测用户身份信息对应的用户画像数据是否发生变化,当检测到某用户身份信息对应的用户画像数据发生变化时,更新该用户的用户画像数据。
本发明实施例的技术方案,通过获取当前用户的当前用户画像数据,将所述当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值,通过目标音乐偏好预测模型可以自动地智能化地对当前用户画像数据进行分析并输出当前用户的音乐偏好结果,节省了人力物力,而且提高了数据分析的效率,根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于所述目标均衡器参数,调整所述耳机的均衡器参数,由于音乐偏好评估值是基于当前用户的当前用户画像数据确定的,将音乐类型作为调整耳机的均衡器参数的参考因素,聚焦当前用户的行为数据,能够更加贴合用户的需求,相比较于相关技术中所有用户采用固定均衡器参数或者手动调节参数的方法,解决了用户手动调整耳机均衡器参数的技术问题,实现了实现耳机均衡器参数的动态调节,以及耳机均衡器参数针对用户个性化定制,极大地提升了用户体验感。
实施例二
图2是本发明实施例二提供的一种耳机均衡器的调整方法流程示意图,在前述实施例的基础上,可选地,本实施例的耳机均衡器的调整方法还可以包括:通过训练样本数据对原始模型进行训练得到目标音乐偏好预测模型。具体地,基于训练样本数据,对原始分类模型进行训练,得到所述目标音乐偏好预测模型,可包括:将训练样本数据的用户画像数据作为原始分类模型的输入,得到与所述训练样本数据相对应的至少一种音乐类型的输出音乐偏好评估值;基于所述输出音乐偏好评估值与所述用户画像数据对应的所述音乐分类标签,得到所述目标音乐偏好预测模型。
在此基础上,可选地,本实施例的耳机均衡器的调整方法还可以包括:获取历史用户的历史用户画像数据以及与所述历史用户画像数据对应的音乐分类标签;根据所述历史用户画像数据以及所述音乐分类标签生成训练样本数据。
其中,与上述实施例相同或者相应的技术术语在此不再赘述。
如图2所示,本实施例的方法具体可包括:
S210、获取历史用户的历史用户画像数据以及与历史用户画像数据对应的音乐分类标签。
其中,音乐分类标签是基于音乐类型对用户偏好的音乐类型进行标记,其中,音乐分类标签包括但不限于摇滚标签、古典标签、爵士标签、流行标签。
具体的,采集历史用户的音乐偏好类型,并获取历史用户的历史用户画像数据,对历史用户画像数据打上对应的音乐偏好类型标签。示例性地,可以通过人工标注的方式对历史用户画像数据打上对应的音乐偏好类型标签,也可以使用预先训练好的标注模型对历史用户画像数据打上对应的音乐偏好类型标签。
例如,用户A偏好古典类型的音乐,则标记用户A的用户画像数据的音乐分类标签为古典标签,当用户B偏好的音乐类型为古典和爵士,则标记用户B的用户画像数据的音乐分类标签为古典标签和爵士标签,当用户偏好的音乐类型为多个时,采用相同的方式,标记用户的用户画像数据的音乐分类标签。
需要说明的是,获取历史用户的历史用户画像数据以及与所述历史用户画像数据对应的音乐分类标签是为了建立了目标音乐偏好预测模型。
S220、根据历史用户画像数据以及音乐分类标签生成训练样本数据。
具体的,基于获取到的历史用户的历史用户画像数据以及与历史用户画像数据对应的音乐分类标签,生成训练样本数据,如,训练样本数据1为标记古典音乐标签的历史用户画像数据,训练样本数据2为标记爵士标签的历史用户画像数据。
需要说明的是,为了提高目标音乐偏好预测模型的预测准确度,可采用PCA(Principal components analysis,主成分分析)、MDS(Multi dimensional Scaling,多维尺度变换)以及其他的降维算法中的一种或多种对获取到的历史用户画像数据的特征维度进行过滤,保留与音乐偏好关联度较高的特征维度,删除对音乐偏好没有关联的特征维度。
S230、将训练样本数据的用户画像数据作为原始分类模型的输入,得到与训练样本数据相对应的至少一种音乐类型的输出音乐偏好评估值。
其中,对原始分类模型进行训练,原始分类模型在此不作限定,只要能够实现预测用户偏好的音乐类型即可。
具体的,基于训练样本数据,对原始分类模型进行训练,将训练样本数据的用户画像数据输入至原始分类模型,得到与训练样本数据相对应的音乐类型的输出音乐偏好评估值,其中输出音乐偏好评估值可以是历史用户对各种音乐类型的偏好评估值,如,输出当前用户对摇滚音乐类型的偏好评估值为0.3,对古典音乐类型的偏好评估值为0.65,对民族音乐类型的偏好评估值为0.05。
S240、基于输出音乐偏好评估值与用户画像数据对应的所述音乐分类标签,得到目标音乐偏好预测模型。
具体的,基于模型训练输出音乐偏好评估值与用户画像数据对应的音乐分类标签,构建原始分类模型的损失函数,计算原始分类模型中的损失函数的损失值,根据损失值,调整原始模型中的网格参数,以损失函数达到收敛为目标,对原始模型进行训练,得到目标音乐偏好预测模型。
S250、获取当前用户的当前用户画像数据。
S260、将当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值。
S270、根据音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于目标均衡器参数,调整耳机的均衡器参数。
本实施例的技术方案,通过获取历史用户的历史用户画像数据以及与历史用户画像数据对应的音乐分类标签,根据历史用户画像数据以及音乐分类标签生成训练样本数据,将训练样本数据的用户画像数据作为原始分类模型的输入,得到与训练样本数据相对应的至少一种音乐类型的输出音乐偏好评估值,基于输出音乐偏好评估值与用户画像数据对应的音乐分类标签,得到目标音乐偏好预测模型。基于得到的目标音乐偏好预测模型,将当前用户画像数据输入至训练完成的目标音乐偏好预测模型,得到音乐类型的音乐偏好评估值,根据音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于目标均衡器参数,调整耳机的均衡器参数。解决了耳机均衡器个性化音效定制的问题。实现了实现耳机均衡器参数的动态调节,以及耳机均衡器参数针对用户个性化定制,极大地提升了用户体验感。
实施例三
图3是本发明实施例三提供的一种耳机均衡器的调整装置模块示意图,本发明提供了一种耳机均衡器的调整装置,包括:用户画像数据获取模块310、音乐偏好评估值得到模块320和均衡器参数调整模块330。
其中,用户画像数据获取模块310,用于获取当前用户的当前用户画像数据;音乐偏好评估值得到模块320,用于将所述当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值;均衡器参数调整模块330,用于根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于所述目标均衡器参数,调整所述耳机的均衡器参数。
本实施例的技术方案,通过用户画像数据获取模块获取当前用户的当前用户画像数据,通过音乐偏好评估值得到模块将所述当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值,通过目标音乐偏好预测模型可以自动地智能化地对当前用户画像数据进行分析并输出当前用户的音乐偏好结果,节省了人力物力,而且提高了数据分析的效率,通过均衡器参数调整模块根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于所述目标均衡器参数,调整所述耳机的均衡器参数,由于音乐偏好评估值是基于当前用户的当前用户画像数据确定的,将音乐类型作为调整耳机的均衡器参数的参考因素,聚焦当前用户的行为数据,能够更加贴合用户的需求,相比较于相关技术中所有用户采用固定均衡器参数或者手动调节参数的方法,解决了用户手动调整耳机均衡器参数的技术问题,实现了实现耳机均衡器参数的动态调节,以及耳机均衡器参数针对用户个性化定制,极大地提升了用户体验感。
可选的,该装置还包括:样本数据生成模块340,用于获取历史用户的历史用户画像数据以及与所述历史用户画像数据对应的音乐分类标签;根据所述历史用户画像数据以及所述音乐分类标签生成训练样本数据。
可选的,该装置还包括:目标音乐偏好预测模型得到模块350,用于基于训练样本数据,对原始分类模型进行训练,得到所述目标音乐偏好预测模型;
其中,所述基于训练样本数据,对原始分类模型进行训练,得到所述目标音乐偏好预测模型包括:
将训练样本数据的用户画像数据作为原始分类模型的输入,得到与所述训练样本数据相对应的至少一种音乐类型的输出音乐偏好评估值;
基于所述输出音乐偏好评估值与所述用户画像数据对应的所述音乐分类标签,得到所述目标音乐偏好预测模型。
可选的,均衡器参数调整模块330,用于根据所述音乐类型的音乐偏好评估值,确定目标音乐类型;根据目标音乐类型,得到与所述目标音乐类型相对应的均衡器参数。
可选的,均衡器参数调整模块330,用于选取所述音乐类型的音乐偏好评估值中的最大评估值;分别计算所述最大评估值与每个所述音乐类型的音乐偏好评估值的差值;根据所述差值和预设偏差阈值,确定目标音乐类型。
可选的,用户画像数据获取模块310,用于获取当前用户的身份信息,基于所述当前身份信息确定所述当前用户的当前用户画像数据。
可选的,用户画像数据获取模块310包括:耳机用户画像数据更新子单元3101,用于在检测到所述当前用户画像数据发生变化时,更新所述当前用户画像数据。
上述耳机均衡器的调整装置可执行本发明任意实施例所提供的耳机均衡器的调整方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种服务器的结构示意图。图4示出了适于用来实现本发明实施方式的示例性服务器12的框图。图4显示的服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该服务器12交互的设备通信,和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发实施例所提供的一种耳机均衡器的调整方法,该方法包括:
获取当前用户的当前用户画像数据;
将所述当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值;
根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于所述目标均衡器参数,调整所述耳机的均衡器参数。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的耳机均衡器的调整方法的技术方案。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行耳机均衡器的调整方法。
该方法包括:
获取当前用户的当前用户画像数据;
将所述当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值;
根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于所述目标均衡器参数,调整所述耳机的均衡器参数。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种耳机均衡器的调整方法,其特征在于,包括:
获取当前用户的当前用户画像数据;
将所述当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值;
根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于所述目标均衡器参数,调整所述耳机的均衡器参数;
所述根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,包括:
根据所述音乐类型的音乐偏好评估值,确定目标音乐类型;
根据目标音乐类型,得到与所述目标音乐类型相对应的均衡器参数;
所述根据所述音乐类型的音乐偏好评估值,确定目标音乐类型,包括:
选取所述音乐类型的音乐偏好评估值中的最大评估值;
分别计算所述最大评估值与每个所述音乐类型的音乐偏好评估值的差值;
根据所述差值和预设偏差阈值,确定目标音乐类型。
2.根据权利要求1所述的方法,其特征在于,还包括:
基于训练样本数据,对原始分类模型进行训练,得到所述目标音乐偏好预测模型;
其中,所述基于训练样本数据,对原始分类模型进行训练,得到所述目标音乐偏好预测模型包括:
将训练样本数据的用户画像数据作为原始分类模型的输入,得到与所述训练样本数据相对应的至少一种音乐类型的输出音乐偏好评估值;
基于所述输出音乐偏好评估值与所述用户画像数据对应的音乐分类标签,得到所述目标音乐偏好预测模型。
3.根据权利要求2所述的方法,其特征在于,还包括:
获取历史用户的历史用户画像数据以及与所述历史用户画像数据对应的音乐分类标签;
根据所述历史用户画像数据以及所述音乐分类标签生成训练样本数据。
4.根据权利要求1所述的方法,其特征在于,获取当前用户的当前用户画像数据,包括:
获取当前用户的身份信息,基于所述当前用户的身份信息确定所述当前用户的当前用户画像数据。
5.根据权利要求1所述的方法,其特征在于,还包括:
在检测到所述当前用户画像数据发生变化时,更新所述当前用户画像数据。
6.一种耳机均衡器的调整装置,其特征在于,包括:
用户画像数据获取模块,用于获取当前用户的当前用户画像数据;
音乐偏好评估值得到模块,用于将所述当前用户画像数据输入至预先训练完成的目标音乐偏好预测模型,得到至少一种音乐类型的音乐偏好评估值;
均衡器参数调整模块,用于根据所述音乐类型的音乐偏好评估值,得到目标均衡器参数,以使耳机基于所述目标均衡器参数,调整所述耳机的均衡器参数;
所述均衡器参数调整模块,具体用于:
根据所述音乐类型的音乐偏好评估值,确定目标音乐类型;根据目标音乐类型,得到与所述目标音乐类型相对应的均衡器参数;
所述均衡器参数调整模块,还用于:
选取所述音乐类型的音乐偏好评估值中的最大评估值;分别计算所述最大评估值与每个所述音乐类型的音乐偏好评估值的差值;根据所述差值和预设偏差阈值,确定目标音乐类型。
7.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述程序被所述处理器执行,使得所述处理器实现如权利要求1-5中任一所述的一种耳机均衡器的调整方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的一种耳机均衡器的调整方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011223246.7A CN112333596B (zh) | 2020-11-05 | 2020-11-05 | 一种耳机均衡器的调整方法、装置、服务器及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011223246.7A CN112333596B (zh) | 2020-11-05 | 2020-11-05 | 一种耳机均衡器的调整方法、装置、服务器及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112333596A CN112333596A (zh) | 2021-02-05 |
CN112333596B true CN112333596B (zh) | 2024-06-04 |
Family
ID=74317122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011223246.7A Active CN112333596B (zh) | 2020-11-05 | 2020-11-05 | 一种耳机均衡器的调整方法、装置、服务器及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112333596B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113031907B (zh) * | 2021-05-26 | 2021-11-05 | 杭州网易云音乐科技有限公司 | 音效参数生成方法及装置、存储介质、电子设备 |
CN115412803A (zh) * | 2021-05-26 | 2022-11-29 | Oppo广东移动通信有限公司 | 音频信号补偿方法及装置、耳机、存储介质 |
CN113780811B (zh) * | 2021-09-10 | 2023-12-26 | 平安科技(深圳)有限公司 | 乐器演奏评估方法、装置、设备及存储介质 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07230292A (ja) * | 1994-02-18 | 1995-08-29 | Akira Takashima | 複数の編曲を演奏できるカラオケ |
JP2003256309A (ja) * | 2002-02-28 | 2003-09-12 | Promenade:Kk | 電子情報内容配信処理システム、情報配信装置、情報処理装置及び情報処理方法 |
JP2003296604A (ja) * | 2002-04-03 | 2003-10-17 | Yozo Watanabe | 曲提供装置、方法及びコンピュータプログラム |
CN1491480A (zh) * | 2001-02-14 | 2004-04-21 | 汤姆森特许公司 | 数字音频处理器 |
JP2012032492A (ja) * | 2010-07-29 | 2012-02-16 | Brother Ind Ltd | 楽曲再生システム |
CN103559197A (zh) * | 2013-09-23 | 2014-02-05 | 浙江大学 | 基于上下文预过滤的实时音乐推荐方法 |
WO2015036817A1 (en) * | 2013-09-15 | 2015-03-19 | Yogesh Chunilal Rathod | Structured updated status, requests, user data & programming based presenting & accessing of connections |
CN106302678A (zh) * | 2016-08-08 | 2017-01-04 | 北京谱思科技有限公司 | 一种音乐推荐方法及装置 |
CN107766561A (zh) * | 2017-11-06 | 2018-03-06 | 广东欧珀移动通信有限公司 | 音乐推荐的方法、装置、存储介质及终端设备 |
CN107908701A (zh) * | 2017-11-06 | 2018-04-13 | 广东欧珀移动通信有限公司 | 音乐推荐的方法、装置、存储介质及终端设备 |
CN108052598A (zh) * | 2017-12-12 | 2018-05-18 | 何旭连 | 一种基于标签的智能音乐推荐系统 |
CN108509534A (zh) * | 2018-03-15 | 2018-09-07 | 华南理工大学 | 基于深度学习的个性化音乐推荐系统及其实现方法 |
CN108962231A (zh) * | 2018-07-04 | 2018-12-07 | 武汉斗鱼网络科技有限公司 | 一种语音分类方法、装置、服务器及存储介质 |
CN109147807A (zh) * | 2018-06-05 | 2019-01-04 | 安克创新科技股份有限公司 | 一种基于深度学习的音域平衡方法、装置及系统 |
CN109147804A (zh) * | 2018-06-05 | 2019-01-04 | 安克创新科技股份有限公司 | 一种基于深度学习的音质特性处理方法及系统 |
CN109189904A (zh) * | 2018-08-10 | 2019-01-11 | 上海中彦信息科技股份有限公司 | 个性化搜索方法及系统 |
CN109299314A (zh) * | 2018-11-13 | 2019-02-01 | 百度在线网络技术(北京)有限公司 | 音乐检索与推荐的方法、装置、存储介质和终端设备 |
CN109358923A (zh) * | 2018-08-29 | 2019-02-19 | 华为技术有限公司 | 一种虚拟机器人形象的呈现方法及装置 |
CN109740016A (zh) * | 2019-01-03 | 2019-05-10 | 百度在线网络技术(北京)有限公司 | 音乐查询的方法、装置、服务器和计算机可读存储介质 |
CN110430326A (zh) * | 2019-09-10 | 2019-11-08 | Oppo广东移动通信有限公司 | 铃声编辑方法、装置、移动终端及存储介质 |
CN110853605A (zh) * | 2019-11-15 | 2020-02-28 | 中国传媒大学 | 音乐生成方法、装置及电子设备 |
CN111435369A (zh) * | 2019-01-14 | 2020-07-21 | 腾讯科技(深圳)有限公司 | 音乐推荐方法、装置、终端及存储介质 |
CN111737516A (zh) * | 2019-12-23 | 2020-10-02 | 北京沃东天骏信息技术有限公司 | 一种互动音乐生成方法、装置、智能音箱及存储介质 |
-
2020
- 2020-11-05 CN CN202011223246.7A patent/CN112333596B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07230292A (ja) * | 1994-02-18 | 1995-08-29 | Akira Takashima | 複数の編曲を演奏できるカラオケ |
CN1491480A (zh) * | 2001-02-14 | 2004-04-21 | 汤姆森特许公司 | 数字音频处理器 |
JP2003256309A (ja) * | 2002-02-28 | 2003-09-12 | Promenade:Kk | 電子情報内容配信処理システム、情報配信装置、情報処理装置及び情報処理方法 |
JP2003296604A (ja) * | 2002-04-03 | 2003-10-17 | Yozo Watanabe | 曲提供装置、方法及びコンピュータプログラム |
JP2012032492A (ja) * | 2010-07-29 | 2012-02-16 | Brother Ind Ltd | 楽曲再生システム |
WO2015036817A1 (en) * | 2013-09-15 | 2015-03-19 | Yogesh Chunilal Rathod | Structured updated status, requests, user data & programming based presenting & accessing of connections |
CN103559197A (zh) * | 2013-09-23 | 2014-02-05 | 浙江大学 | 基于上下文预过滤的实时音乐推荐方法 |
CN106302678A (zh) * | 2016-08-08 | 2017-01-04 | 北京谱思科技有限公司 | 一种音乐推荐方法及装置 |
CN107766561A (zh) * | 2017-11-06 | 2018-03-06 | 广东欧珀移动通信有限公司 | 音乐推荐的方法、装置、存储介质及终端设备 |
CN107908701A (zh) * | 2017-11-06 | 2018-04-13 | 广东欧珀移动通信有限公司 | 音乐推荐的方法、装置、存储介质及终端设备 |
CN108052598A (zh) * | 2017-12-12 | 2018-05-18 | 何旭连 | 一种基于标签的智能音乐推荐系统 |
CN108509534A (zh) * | 2018-03-15 | 2018-09-07 | 华南理工大学 | 基于深度学习的个性化音乐推荐系统及其实现方法 |
WO2019233360A1 (zh) * | 2018-06-05 | 2019-12-12 | 安克创新科技股份有限公司 | 一种基于深度学习的音域平衡方法、装置及系统 |
CN109147807A (zh) * | 2018-06-05 | 2019-01-04 | 安克创新科技股份有限公司 | 一种基于深度学习的音域平衡方法、装置及系统 |
CN109147804A (zh) * | 2018-06-05 | 2019-01-04 | 安克创新科技股份有限公司 | 一种基于深度学习的音质特性处理方法及系统 |
CN108962231A (zh) * | 2018-07-04 | 2018-12-07 | 武汉斗鱼网络科技有限公司 | 一种语音分类方法、装置、服务器及存储介质 |
CN109189904A (zh) * | 2018-08-10 | 2019-01-11 | 上海中彦信息科技股份有限公司 | 个性化搜索方法及系统 |
CN109358923A (zh) * | 2018-08-29 | 2019-02-19 | 华为技术有限公司 | 一种虚拟机器人形象的呈现方法及装置 |
CN109299314A (zh) * | 2018-11-13 | 2019-02-01 | 百度在线网络技术(北京)有限公司 | 音乐检索与推荐的方法、装置、存储介质和终端设备 |
CN109740016A (zh) * | 2019-01-03 | 2019-05-10 | 百度在线网络技术(北京)有限公司 | 音乐查询的方法、装置、服务器和计算机可读存储介质 |
CN111435369A (zh) * | 2019-01-14 | 2020-07-21 | 腾讯科技(深圳)有限公司 | 音乐推荐方法、装置、终端及存储介质 |
CN110430326A (zh) * | 2019-09-10 | 2019-11-08 | Oppo广东移动通信有限公司 | 铃声编辑方法、装置、移动终端及存储介质 |
CN110853605A (zh) * | 2019-11-15 | 2020-02-28 | 中国传媒大学 | 音乐生成方法、装置及电子设备 |
CN111737516A (zh) * | 2019-12-23 | 2020-10-02 | 北京沃东天骏信息技术有限公司 | 一种互动音乐生成方法、装置、智能音箱及存储介质 |
Non-Patent Citations (4)
Title |
---|
BIAS SounSoap Pro Pro-Audio Restoration Software.《Computer Music Journal》.2006,全文. * |
MIT Press.Waves Audio Restoration and Noise Reduction Toolkit * |
基于用户评论的深度情感分析和多视图协同融合的混合推荐方法;张宜浩;《计算机学报》;全文 * |
面向智能耳机的音乐服务平台的设计与实现;刘新韵;《中国优秀硕士学位论文全文数据库-信息科技辑》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112333596A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112333596B (zh) | 一种耳机均衡器的调整方法、装置、服务器及介质 | |
JP7335062B2 (ja) | 音声サービス提供方法および装置 | |
US10726836B2 (en) | Providing audio and video feedback with character based on voice command | |
CN110069608B (zh) | 一种语音交互的方法、装置、设备和计算机存储介质 | |
US10628474B2 (en) | Probabalistic generation of diverse summaries | |
US11521038B2 (en) | Electronic apparatus and control method thereof | |
EP3701521B1 (en) | Voice recognition apparatus and operation method thereof cross-reference to related application | |
CN110222649B (zh) | 视频分类方法、装置、电子设备及存储介质 | |
JP6906584B2 (ja) | デバイスをウェイクアップするための方法及び装置 | |
US8856007B1 (en) | Use text to speech techniques to improve understanding when announcing search results | |
JP2021099536A (ja) | 情報処理方法、情報処理装置およびプログラム | |
US20190013020A1 (en) | Electronic device-awakening method and apparatus, device and computer-readable storage medium | |
WO2023207120A1 (zh) | 信息处理方法、装置、可读介质、电子设备及程序产品 | |
US20150254054A1 (en) | Audio Signal Processing | |
CN111312233A (zh) | 一种语音数据的识别方法、装置及系统 | |
CN111324408A (zh) | 应用程序的功能模块智能显示方法、装置、设备和介质 | |
US10210250B2 (en) | Mobile terminal-based song recommendation method and device | |
CN111883131B (zh) | 语音数据的处理方法及装置 | |
US20120053937A1 (en) | Generalizing text content summary from speech content | |
WO2021068493A1 (zh) | 用于处理信息的方法和装置 | |
CN110245334B (zh) | 用于输出信息的方法和装置 | |
CN113031907B (zh) | 音效参数生成方法及装置、存储介质、电子设备 | |
WO2022033452A1 (zh) | 一种音量推荐方法、装置、设备及存储介质 | |
CN108829370B (zh) | 有声资源播放方法、装置、计算机设备及存储介质 | |
US11437038B2 (en) | Recognition and restructuring of previously presented materials |
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 |