CN112489606B - 旋律生成方法、装置、可读介质及电子设备 - Google Patents

Abstract

本公开涉及一种旋律生成方法、装置、可读介质及电子设备，以基于歌词生成效果较佳的旋律。所述方法包括：获取用于生成旋律的目标歌词信息；将所述目标歌词信息输入至旋律生成模型中，得到所述旋律生成模型输出的旋律信息，其中，所述旋律生成模型是根据以目标歌词信息为条件的自动编码器训练得到的；根据所述旋律信息，合成与所述目标歌词信息对应的目标旋律。

Description

旋律生成方法、装置、可读介质及电子设备

技术领域

本公开涉及语音合成领域，具体地，涉及一种旋律生成方法、装置、可读介质及电子设备。

背景技术

基于歌词的旋律生成一直是计算机音乐领域的热门话题。由于歌词中不含音乐性的信息，且神经网络本身没有常识，无法将各种情感和音乐知识结合起来，创作出合适的旋律，因此，利用神经网络转换这些不相关的语义信息是一个巨大难题。并且，由于歌词本身不是音乐性的，也不是音乐理论系统的一部分，所以易产生不符合主观音乐审美的旋律。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种旋律生成方法，所述方法包括：

获取用于生成旋律的目标歌词信息；

将所述目标歌词信息输入至旋律生成模型中，得到所述旋律生成模型输出的旋律信息，其中，所述旋律生成模型是根据以目标歌词信息为条件的自动编码器训练得到的；

根据所述旋律信息，合成与所述目标歌词信息对应的目标旋律。

第二方面，本公开提供一种旋律生成装置，所述装置包括：

第一获取模块，用于获取用于生成旋律的目标歌词信息；

旋律信息生成模块，用于将所述目标歌词信息输入至旋律生成模型中，得到所述旋律生成模型输出的旋律信息，其中，所述旋律生成模型是根据以目标歌词信息为条件的自动编码器训练得到的；

旋律合成模块，用于根据所述旋律信息，合成与所述目标歌词信息对应的目标旋律。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。

第四方面，本公开提供一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。

通过上述技术方案，获取用于生成旋律的目标歌词信息，并将目标歌词信息输入至旋律生成模型中，得到旋律生成模型输出的旋律信息，再根据旋律信息，合成与目标歌词信息对应的目标旋律。其中，旋律生成模型是根据以目标歌词信息为条件的自动编码器训练得到的。由此，将用于生成旋律的目标歌词信息作为自动编码器的条件，有利于生成与目标歌词信息语义相对应的旋律，生成的目标旋律更加和谐。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：

图1是根据本公开的一种实施方式提供的旋律生成方法的流程图；

图2是根据本公开提供的旋律生成方法中，时长量化值音乐含义的一种示例性的示意图；

图3是根据本公开提供的旋律生成方法中，停顿量化值音乐含义的一种示例性的示意图；

图4是根据本公开提供的旋律生成方法中，条件变分自动编码器的结构的一种示例性的示意图；

图5是根据本公开的一种实施方式提供的旋律生成装置的框图；

图6示出了适于用来实现本公开实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

图1是根据本公开的一种实施方式提供的旋律生成方法的流程图。如图1所示，该方法可以包括以下步骤：

在步骤11中，获取用于生成旋律的目标歌词信息；

在步骤12中，将目标歌词信息输入至旋律生成模型中，得到旋律生成模型输出的旋律信息；

在步骤13中，根据旋律信息，合成与目标歌词对应的目标旋律。

其中，旋律生成模型是根据以目标歌词为条件的自动编码器训练得到的。

本公开的目的在于基于目标歌词信息，生成符合该目标歌词信息的旋律。

在本公开中，歌词信息可以包括单词序列以及与单词序列对应的音节序列。相应地，目标歌词信息可以包括目标单词序列以及与目标单词序列对应的目标音节序列。

示例地，对于用来生成旋律的一段歌词(后文将称为目标歌词)，可以首先对目标歌词进行分词处理，并按照各分词在目标歌词中的出现顺序生成目标单词序列。再例如，在获得目标单词序列后，可以使用预设的单词向量字典确定目标单词序列中各单词的音节，并按照各单词在目标单词序列中的顺序排列各单词对应的音节，以生成与目标单词序列对应的目标音节序列。其中，在单词向量字典中，每个单词和一个音节被编码为一单词向量，并将每个音节与其对应的单词对齐。

在获得目标单词序列和目标音节序列后，可以将目标单词序列和目标音节序列输入至旋律生成模型中，得到旋律生成模型输出的旋律信息。旋律信息能够表征旋律是什么样的，从而基于旋律信息中包含的内容容易合成出一段旋律。其中，旋律信息可以包括八度、音高、音长和停顿中的至少一种。

在一种可能的实施方式中，旋律生成模型可以通过如下方式获得：

获取多组训练数据；

根据训练数据，对自动编码器进行训练，得到训练完成的自动编码器；

根据训练完成的自动编码器中的解码器层，得到旋律生成模型。

其中，自动编码器包括编码器层和解码器层。

每一组训练数据包括同一历史歌曲对应的历史歌词信息和历史旋律信息。如上文所述的对于歌词信息的释义，历史歌词信息可以相应包括历史单词序列和历史音节序列。历史单词序列和历史音节序列可以基于历史歌曲的歌词生成，生成方式可以参考前文给出的基于目标歌词生成目标单词序列和目标音节序列的方式。

历史旋律信息是基于历史歌曲的旋律得到的旋律信息，其中可以包含八度、音高、音长和停顿中的至少一种。举例来说，每一首歌曲的音高(MIDI音高)、时长、停顿可以分别存储在单独的文件中。其中，MIDI音高有128个半音，所以不同的歌曲会以不同的音调分布，为了方便神经网络的学习，可以将所有歌曲的音调都转移到C大调，C大调中将128个可选音压缩为70个音调，然后根据八度关系将70个音调分为10个八度音阶和7个音阶。示例地，可以将时长量化为具有音乐意义的相对持续时长，例如，将时长设置12个量化值[0.25、0.5、0.75、1.0、1.5、2.0、3.0、4.0、6.0、8.0、16.0、32.0]，每种量化值的音乐含义可以如图2所示。示例地，可以将停顿设置8个量化值[0.0、0.5、1.0、2.0、4.0、8.0、16.0、32.0]，每种量化值的音乐含义可以如图3所示。

在一种可能的实施方式中，自动编码器可以为条件变分自动编码器(CVAE，Conditional AutoEncoder)，在这一实施方式中，根据训练数据，对自动编码器进行训练，得到训练完成的自动编码器，可以包括以下步骤：

将一组训练数据输入至本次训练所使用的条件变分自动编码器中的编码器层，获得编码器层针对输入的训练数据所确定的对应于隐空间的均值和方差；

根据均值、方差和附加噪声，生成对应于隐空间的重采样结果；

将重采样结果和条件信息输入至本次训练所使用的条件变分自动编码器中的解码器层，获得解码器层的输出结果；

在不满足模型停止训练条件的情况下，利用输出结果和本次训练所使用的历史旋律信息更新条件变分自动编码器，并将更新后的条件变分自动编码器用于下一次的训练中，直至满足模型停止训练条件，得到训练完成的自动编码器。

隐空间也可称作潜在空间，它是条件变分自动编码器所构建出的空间。

在一次训练过程中，将一组训练数据输入至本次训练所使用的条件变分自动编码器中的编码器层，编码器层中设置有用于计算均值和方差的隐层，因此，能够获得编码器层针对输入的训练数据所确定的均值和方差，基于得到的均值、方差以及从隐空间获得的附件噪声(一般可以使用随机噪声)，生成对应于隐空间的重采样结果。示例地，编码器层中可以设置多个子网络，分别用于输入歌词相关内容和旋律相关内容，举例来说，若训练数据中包含历史歌词信息和历史旋律信息，其中，历史歌词信息包括历史单词序列和历史音节序列，历史旋律信息包括八度、音高、音长和停顿这四者，则编码器层中可以设置6个子网络，分别用于输入历史单词序列、历史音节序列、八度、音高、音长和停顿。

之后，可以使用条件变分自动编码器中的解码器层，将重采样结果和条件信息输入至本次训练所使用的条件变分自动编码器中的解码器层，获得解码器层的输出结果。解码器层中可以设置有多个子网络，分别用于生成旋律信息中的一者，例如，若旋律信息包括八度、音高、音长和停顿，则解码器层中包含4个子网络，并分别用于生成八度、音高、音长和停顿。其中，条件信息可以使用本次训练所使用的历史歌词信息。由此，将歌词相关内容作为条件信息，有利于生成与歌词语义相对应的旋律。

基于解码器的输出结果，可以与本次训练所使用的历史旋律信息计算本次训练的损失值。在不满足模型停止训练条件(模型停止训练条件可以例如为，损失值大于预设阈值)的情况下，利用输出结果和本次训练所使用的历史旋律信息更新条件变分自动编码器，并将更新后的条件变分自动编码器用于下一次的训练中，直至满足模型停止训练条件。其中，模型更新的相关方式属于本领域的公知常识，此处不赘述。

在训练过程中，训练条件变分自动编码器的编码器层的目的在于使编码器层输出的均值、方差尽可能地接近均值为0且方差为1的状态，训练条件变分自动编码器的解码器层的目的则在于使解码器层的输出结果(即实际得到的旋律信息)尽可能地接近训练所使用的历史旋律信息。因此，可以首先训练编码器层，在编码器层训练完毕后，固定编码器层的参数，进一步训练解码器层。

其中，编码器层和解码器层中均包含transformer层。这样，transformer层可以更好地感测序列的完整性。示例地，条件变分自动编码器的结构可以如图4所示。在图4中，在解码器层，在输出八度和音高的子网络中又各自增加了transformer层，这是由于八度、音高具有较高的语义信息，增加transformer层有利于达到更好的训练效果。

通过上述方式，利用条件变分自动编码器得到旋律生成模型，能够利用条件变分自动编码器中潜在空间的机制，在潜在空间上对学习到的旋律进行编码，并重组成新的旋律，使旋律生成更适合于神经网络的学习机制，有利于生成音高差合适的旋律，避免生成不和谐旋律。

可选地，根据训练数据，对自动编码器进行训练，得到训练完成的自动编码器，可以包括以下步骤：

利用生成式对抗网络和鉴别器对自动编码器中的解码器层进行训练，以得到训练完成的自动编码器。

在训练自动编码器的过程中，还可以进一步结合生成式对抗网络(GAN，Generative Adversarial Networks)和鉴别器(Discriminator)对自动编码器进行训练，以提升解码器层生成结果的多样性。其中，可以利用生成式对抗网络和鉴别器对自动编码器中的解码器层进行训练。

鉴别器的输出为0到1之间的浮点数，鉴别器的输出越接近0，则鉴别器认为输入越真实，而鉴别器的输出越接近1，鉴别器认为输入越虚假。示例地，可以使用一个数据集进行两次处理，进行两次损失(loss)计算，第一次处理中，仅使用条件变分自动编码器输入和输出，并且使用计算出的损耗来更新网络，也就是前文中给出的训练过程，第二次处理中，将对应的历史歌词信息和历史旋律信息用作鉴别器的真实样本，并将数据集标注为0，通过在潜在空间中进行采样，采样结果作为虚假样本输入至鉴别器中，将鉴别器损失值为0视为解码器层的损失，通过推导方式更新解码器层内部参数的权重，以得到训练完成的自动编码器。

通过上述方式，在训练自动编码器的过程中结合生成式对抗网络生成旋律生成模型，由于生成式对抗网络在训练过程中会在潜在空间随机抽样，因此可以有效避免训练过程中的过拟合。这样，获得的旋律生成模型能以相同的歌词信息生成不同的旋律，旋律更多样。

在获得训练完成的自动编码器后，可以将其中的解码器层提取出来，作为旋律生成模型。

在一种可能的实施方式中，步骤12中，可以将目标歌词信息作为旋律生成模型的条件输入至模型中，以使获得的旋律信息贴合目标歌词的语义信息。

在另一种可能的实施方式中，步骤12可以包括以下步骤：

获取目标噪声；

将目标歌词信息和目标噪声输入至旋律生成模型中，得到旋律生成模型输出的旋律信息。

示例地，目标噪声可以为采样自隐空间的噪声，也可以为实际采集的实际噪声。从而，将目标噪声作为重采样内容，并将目标歌词信息作为旋律生成模型的条件，共同输入至旋律生成模型中，以得到旋律生成模型输出的旋律信息。这样，有利于获得更为真实的旋律信息。

在步骤13中，根据旋律信息，合成与目标歌词信息对应的目标旋律。

如上所述，根据旋律信息中的八度、音高、音长和停顿中的至少一种，容易合成出一段旋律，因此，基于旋律信息，即可获得一段旋律，作为与目标歌词信息对应的目标旋律。

通过上述技术方案，获取用于生成旋律的目标歌词信息，并将目标歌词信息输入至旋律生成模型中，得到旋律生成模型输出的旋律信息，再根据旋律信息，合成与目标歌词信息对应的目标旋律。其中，旋律生成模型是根据以目标歌词信息为条件的自动编码器训练得到的。由此，将用于生成旋律的目标歌词信息作为自动编码器的条件，有利于生成与目标歌词信息语义相对应的旋律，生成的目标旋律更加和谐。

可选地，在图1所示各步骤的基础上，本公开提供的方法还可以包括以下步骤：

根据目标歌词信息和目标旋律，合成目标歌曲。

基于目标歌词信息生成目标旋律后，可以进一步基于语音合成技术或歌曲合成技术，根据目标歌词信息和目标旋律生成目标歌曲。这样，不仅能够基于歌词获得符合该歌词的旋律，还能进一步基于生成的旋律合成歌曲，以获得符合歌词内容的整首歌曲。

图5是根据本公开的一种实施方式提供的旋律生成装置的框图。如图5所示，该装置50包括：

第一获取模块51，用于获取用于生成旋律的目标歌词信息；

旋律信息生成模块52，用于将所述目标歌词信息输入至旋律生成模型中，得到所述旋律生成模型输出的旋律信息，其中，所述旋律生成模型是根据以目标歌词信息为条件的自动编码器训练得到的；

旋律合成模块53，用于根据所述旋律信息，合成与所述目标歌词信息对应的目标旋律。

可选地，所述装置50通过如下模块获得所述旋律生成模型：

第二获取模块，用于获取多组训练数据，其中，每一组训练数据包括同一历史歌曲对应的历史歌词信息和历史旋律信息；

训练模块，用于根据所述训练数据，对所述自动编码器进行训练，得到训练完成的自动编码器，其中，所述自动编码器包括编码器层和解码器层；

模型生成模块，用于根据所述训练完成的自动编码器中的解码器层，得到所述旋律生成模型。

可选地，所述自动编码器为条件变分自动编码器；

所述训练模块用于：

将一组所述训练数据输入至本次训练所使用的条件变分自动编码器中的编码器层，获得所述编码器层针对输入的训练数据所确定的对应于隐空间的均值和方差；

根据所述均值、所述方差和附加噪声，生成对应于隐空间的重采样结果；

将所述重采样结果和条件信息输入至本次训练所使用的条件变分自动编码器中的解码器层，获得所述解码器层的输出结果，其中，所述条件信息为本次训练所使用的历史歌词信息；

在不满足模型停止训练条件的情况下，利用所述输出结果和本次训练所使用的历史旋律信息更新条件变分自动编码器，并将更新后的条件变分自动编码器用于下一次的训练中，直至满足所述模型停止训练条件，得到训练完成的自动编码器。

可选地，所述编码器层和所述解码器层中均包含transformer层。

可选地，所述训练模块用于利用生成式对抗网络和鉴别器对所述自动编码器中的解码器层进行训练，以得到训练完成的自动编码器。

可选地，所述旋律信息生成模块52包括：

获取子模块，用于获取目标噪声；

所述旋律信息生成模块52用于将所述目标歌词信息和所述目标噪声输入至所述旋律生成模型中，得到所述旋律生成模型输出的旋律信息。

可选地，所述装置50还包括：

歌曲合成模块，用于根据所述目标歌词信息和所述目标旋律，合成目标歌曲。

可选地，歌词信息包括单词序列以及与所述单词序列对应的音节序列；

旋律信息包括八度、音高、音长和停顿中的至少一种。

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。

下面参考图6，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中，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。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，服务器可以利用诸如HTTP(HyperText Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取用于生成旋律的目标歌词信息；将所述目标歌词信息输入至旋律生成模型中，得到所述旋律生成模型输出的旋律信息，其中，所述旋律生成模型是根据以目标歌词信息为条件的自动编码器训练得到的；根据所述旋律信息，合成与所述目标歌词信息对应的目标旋律。

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公开的操作的计算机程序代码，上述程序设计语言包括但不限于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)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一获取模块还可以被描述为“获取用于生成旋律的目标歌词信息的模块”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，提供了一种旋律生成方法，所述方法包括：

获取用于生成旋律的目标歌词信息；

将所述目标歌词信息输入至旋律生成模型中，得到所述旋律生成模型输出的旋律信息，其中，所述旋律生成模型是根据以目标歌词信息为条件的自动编码器训练得到的；

根据所述旋律信息，合成与所述目标歌词信息对应的目标旋律。

根据本公开的一个或多个实施例，提供了一种旋律生成方法，所述旋律生成模型通过如下方式获得：

获取多组训练数据，其中，每一组训练数据包括同一历史歌曲对应的历史歌词信息和历史旋律信息；

根据所述训练数据，对所述自动编码器进行训练，得到训练完成的自动编码器，其中，所述自动编码器包括编码器层和解码器层；

根据所述训练完成的自动编码器中的解码器层，得到所述旋律生成模型。

根据本公开的一个或多个实施例，提供了一种旋律生成方法，所述自动编码器为条件变分自动编码器；

所述根据所述训练数据，对所述自动编码器进行训练，得到训练完成的自动编码器，包括：

将一组所述训练数据输入至本次训练所使用的条件变分自动编码器中的编码器层，获得所述编码器层针对输入的训练数据所确定的对应于隐空间的均值和方差；

根据所述均值、所述方差和附加噪声，生成对应于隐空间的重采样结果；

将所述重采样结果和条件信息输入至本次训练所使用的条件变分自动编码器中的解码器层，获得所述解码器层的输出结果，其中，所述条件信息为本次训练所使用的历史歌词信息；

在不满足模型停止训练条件的情况下，利用所述输出结果和本次训练所使用的历史旋律信息更新条件变分自动编码器，并将更新后的条件变分自动编码器用于下一次的训练中，直至满足所述模型停止训练条件，得到训练完成的自动编码器。

根据本公开的一个或多个实施例，提供了一种旋律生成方法，所述编码器层和所述解码器层中均包含transformer层。

根据本公开的一个或多个实施例，提供了一种旋律生成方法，所述根据所述训练数据，对所述自动编码器进行训练，得到训练完成的自动编码器，包括：

利用生成式对抗网络和鉴别器对所述自动编码器中的解码器层进行训练，以得到训练完成的自动编码器。

根据本公开的一个或多个实施例，提供了一种旋律生成方法，所述将所述目标歌词信息输入至旋律生成模型中，得到所述旋律生成模型输出的旋律信息，包括：

获取目标噪声；

将所述目标歌词信息和所述目标噪声输入至所述旋律生成模型中，得到所述旋律生成模型输出的旋律信息。

根据本公开的一个或多个实施例，提供了一种旋律生成方法，所述方法还包括：

根据所述目标歌词信息和所述目标旋律，合成目标歌曲。

根据本公开的一个或多个实施例，提供了一种旋律生成方法，歌词信息包括单词序列以及与所述单词序列对应的音节序列；

旋律信息包括八度、音高、音长和停顿中的至少一种。

根据本公开的一个或多个实施例，提供了一种旋律生成装置，所述装置包括：

第一获取模块，用于获取用于生成旋律的目标歌词信息；

旋律信息生成模块，用于将所述目标歌词信息输入至旋律生成模型中，得到所述旋律生成模型输出的旋律信息，其中，所述旋律生成模型是根据以目标歌词信息为条件的自动编码器训练得到的；

旋律合成模块，用于根据所述旋律信息，合成与所述目标歌词信息对应的目标旋律。

根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开任意实施例所述的旋律生成方法的步骤。

根据本公开的一个或多个实施例，提供了一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开任意实施例所述的旋律生成方法的步骤。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。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。

Claims (11)

1.一种旋律生成方法，其特征在于，所述方法包括：

获取用于生成旋律的目标歌词信息；

将所述目标歌词信息输入至旋律生成模型中，得到所述旋律生成模型输出的旋律信息，其中，所述旋律生成模型是根据以目标歌词信息为条件的自动编码器训练得到的，所述旋律生成模型基于已获取的训练数据对所述自动编码器训练得到，所述训练数据包括历史歌词信息，所述自动编码器为条件变分自动编码器，且在每一次训练过程中，将本次训练所使用的历史歌词信息作为条件信息输入至本次训练所使用的条件变分自动编码器；

根据所述旋律信息，合成与所述目标歌词信息对应的目标旋律。

2.根据权利要求1所述的方法，其特征在于，所述旋律生成模型通过如下方式获得：

获取多组训练数据，其中，每一组训练数据包括同一历史歌曲对应的历史歌词信息和历史旋律信息；

根据所述训练数据，对所述自动编码器进行训练，得到训练完成的自动编码器，其中，所述自动编码器包括编码器层和解码器层；

根据所述训练完成的自动编码器中的解码器层，得到所述旋律生成模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述训练数据，对所述自动编码器进行训练，得到训练完成的自动编码器，包括：

将一组所述训练数据输入至本次训练所使用的条件变分自动编码器中的编码器层，获得所述编码器层针对输入的训练数据所确定的对应于隐空间的均值和方差；

根据所述均值、所述方差和附加噪声，生成对应于隐空间的重采样结果；

将所述重采样结果和条件信息输入至本次训练所使用的条件变分自动编码器中的解码器层，获得所述解码器层的输出结果，其中，所述条件信息为本次训练所使用的历史歌词信息；

在不满足模型停止训练条件的情况下，利用所述输出结果和本次训练所使用的历史旋律信息更新条件变分自动编码器，并将更新后的条件变分自动编码器用于下一次的训练中，直至满足所述模型停止训练条件，得到训练完成的自动编码器。

4.根据权利要求3所述的方法，其特征在于，所述编码器层和所述解码器层中均包含transformer层。

5.根据权利要求2或3所述的方法，其特征在于，所述根据所述训练数据，对所述自动编码器进行训练，得到训练完成的自动编码器，包括：

利用生成式对抗网络和鉴别器对所述自动编码器中的解码器层进行训练，以得到训练完成的自动编码器。

6.根据权利要求1所述的方法，其特征在于，所述将所述目标歌词信息输入至旋律生成模型中，得到所述旋律生成模型输出的旋律信息，包括：

获取目标噪声；

将所述目标歌词信息和所述目标噪声输入至所述旋律生成模型中，得到所述旋律生成模型输出的旋律信息。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述目标歌词信息和所述目标旋律，合成目标歌曲。

8.根据权利要求1-4、6、7中任一项所述的方法，其特征在于，

歌词信息包括单词序列以及与所述单词序列对应的音节序列；

旋律信息包括八度、音高、音长和停顿中的至少一种。

9.一种旋律生成装置，其特征在于，所述装置包括：

第一获取模块，用于获取用于生成旋律的目标歌词信息；

旋律信息生成模块，用于将所述目标歌词信息输入至旋律生成模型中，得到所述旋律生成模型输出的旋律信息，其中，所述旋律生成模型是根据以目标歌词信息为条件的自动编码器训练得到的，所述旋律生成模型基于已获取的训练数据对所述自动编码器训练得到，所述训练数据包括历史歌词信息，所述自动编码器为条件变分自动编码器，且在每一次训练过程中，将本次训练所使用的历史歌词信息作为条件信息输入至本次训练所使用的条件变分自动编码器；

旋律合成模块，用于根据所述旋律信息，合成与所述目标歌词信息对应的目标旋律。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-8中任一项所述方法的步骤。

11.一种电子设备，其特征在于，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-8中任一项所述方法的步骤。

Images