WO2018236015A1 - 가창 표현 이식 시스템 - Google Patents

가창 표현 이식 시스템 Download PDF

Info

Publication number
WO2018236015A1
WO2018236015A1 PCT/KR2017/014813 KR2017014813W WO2018236015A1 WO 2018236015 A1 WO2018236015 A1 WO 2018236015A1 KR 2017014813 W KR2017014813 W KR 2017014813W WO 2018236015 A1 WO2018236015 A1 WO 2018236015A1
Authority
WO
WIPO (PCT)
Prior art keywords
sound source
pitch
sound
information
extracted
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.)
Ceased
Application number
PCT/KR2017/014813
Other languages
English (en)
French (fr)
Inventor
남주한
용상언
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.)
Korea Advanced Institute of Science and Technology KAIST
Original Assignee
Korea Advanced Institute of Science and Technology KAIST
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 Korea Advanced Institute of Science and Technology KAIST filed Critical Korea Advanced Institute of Science and Technology KAIST
Priority to US16/326,649 priority Critical patent/US10885894B2/en
Publication of WO2018236015A1 publication Critical patent/WO2018236015A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • G10H1/00—Details of electrophonic musical instruments
    • G10H1/36—Accompaniment arrangements
    • G10H1/361—Recording/reproducing of accompaniment for use with an external source, e.g. karaoke systems
    • 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
    • G10H1/00—Details of electrophonic musical instruments
    • G10H1/36—Accompaniment arrangements
    • G10H1/361—Recording/reproducing of accompaniment for use with an external source, e.g. karaoke systems
    • G10H1/366—Recording/reproducing of accompaniment for use with an external source, e.g. karaoke systems with means for modifying or correcting the external signal, e.g. pitch correction, reverberation, changing a singer's voice
    • 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
    • G10H1/00—Details of electrophonic musical instruments
    • G10H1/0008—Associated control or indicating means
    • 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
    • G10H1/00—Details of electrophonic musical instruments
    • G10H1/46—Volume control
    • 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
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/003—Changing voice quality, e.g. pitch or formants
    • G10L21/007—Changing voice quality, e.g. pitch or formants characterised by the process used
    • G10L21/013—Adapting to target pitch
    • 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
    • G10H2210/005—Musical accompaniment, i.e. complete instrumental rhythm synthesis added to a performed melody, e.g. as output by drum machines
    • 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
    • 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
    • G10H2210/066—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 pitch analysis as part of wider processing for musical purposes, e.g. transcription, musical performance evaluation; Pitch recognition, e.g. in polyphonic sounds; Estimation or use of missing fundamental
    • 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
    • G10H2210/076—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 extraction of timing, tempo; Beat detection
    • 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
    • G10H2210/325—Musical pitch modification
    • 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
    • G10H2210/325—Musical pitch modification
    • G10H2210/331—Note pitch correction, i.e. modifying a note pitch or replacing it by the closest one in a given scale
    • 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
    • G10H2210/375—Tempo or beat alterations; Music timing control
    • 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
    • G10H2240/00—Data organisation or data communication aspects, specifically adapted for electrophonic musical tools or instruments
    • G10H2240/325—Synchronizing two or more audio tracks or files according to musical features or musical timings
    • 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
    • G10H2250/00—Aspects of algorithms or signal processing methods without intrinsic musical character, yet specifically adapted for or used in electrophonic musical processing
    • G10H2250/315—Sound category-dependent sound synthesis processes [Gensound] for musical use; Sound category-specific synthesis-controlling parameters or control means therefor
    • G10H2250/455—Gensound singing voices, i.e. generation of human voices for musical applications, vocal singing sounds or intelligible words at a desired pitch or with desired vocal effects, e.g. by phoneme synthesis
    • 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
    • G10H2250/00—Aspects of algorithms or signal processing methods without intrinsic musical character, yet specifically adapted for or used in electrophonic musical processing
    • G10H2250/541—Details of musical waveform synthesis, i.e. audio waveshape processing from individual wavetable samples, independently of their origin or of the sound they represent
    • G10H2250/621—Waveform interpolation
    • G10H2250/625—Interwave interpolation, i.e. interpolating between two different waveforms, e.g. timbre or pitch or giving one waveform the shape of another while preserving its frequency or vice versa

Definitions

  • the following description relates to a technique for transplanting musical expressions from one music piece to another music piece for a plurality of sound sources having the same music piece.
  • Songs are a popular music activity that many people enjoy. There are thus various techniques for transforming audio data associated with a song. For example, there is a technique that transforms what a user says into a song or transforms a user into saying a song.
  • the vocal proofing tool provides the ability to automatically control the calibration, but there is the hassle of repeatedly making corrections until satisfactory results are achieved.
  • the karaoke app service stores a plurality of accompaniment sounds, reproduces corresponding sounds according to a user's input, and displays the videos such as lyrics and music videos on the screen in addition to the sounds.
  • Korean Patent Laid-Open No. 10-2009-0083502 relates to a technique for helping a singing person to have an expert's voice and skill.
  • Tone, tuning, and pitch for a portion where the user's own expressive power is insufficient.
  • the conventional technique is to change music information such as a musical scale or a musical note, and can not transcribe musical expressions such as a beat, a pitch, and a volume of another user to a user's sound source by using a sound source of another user.
  • a method for performing a virtual expression transfer performed in a virtual expression transfer system includes synchronizing a sync of each of a first sound source and a second sound source including different sound information for the same music; Modifying the pitch of the first sound source based on the pitch information extracted from each of the first sound source and the second sound source synchronized with the sink; And extracting volume information from each of the first sound source and the second sound source, and adjusting a volume level of the first sound source whose pitch is modified according to the extracted volume information.
  • the step of synchronizing respective syncs of sound sources including different sound information with respect to the same music may include extracting a characteristic associated with the common elements included in the first sound source and the second sound source.
  • the step of synchronizing respective syncs of sound sources including different sound information with respect to the same music may include obtaining a minimum path by calculating a similarity matrix for the features extracted from the first sound source and the second sound source, And calculating a time curve based on the obtained minimum path.
  • the step of synchronizing respective syncs of sound sources including different sound information with respect to the same piece of music includes the steps of applying a rate of adjusting the length of audio for each period unit in the calculated time curve, .
  • the step of modifying the pitch of the first sound source based on the pitch information extracted from each of the first sound source and the second sound source synchronized with the sink comprises the steps of: And separating the sound and non-sound sounds to obtain a sound source including each harmonic sound.
  • step of modifying the pitch of the first sound source based on the pitch information extracted from each of the first sound source and the second sound source synchronized with the sink comprises the steps of: (Pitch Mark Value) at the same time.
  • the step of modifying the pitch of the first sound source based on the pitch information extracted from each of the first sound source and the second sound source synchronized with the sink comprises the steps of extracting pitch information of the extracted first sound source, And moving the pitch of the first sound source based on the obtained pitch ratio and the extracted pitch mark value by comparing the pitch information of the sound source.
  • a computer program stored in a storage medium for executing a virtual expression transfer method comprising: synchronizing a sync of each of a first sound source and a second sound source including different audio information for the same music; Modifying the pitch of the first sound source based on the pitch information extracted from each of the first sound source and the second sound source synchronized with the sink; And extracting volume information from each of the first sound source and the second sound source, and adjusting a volume level of the first sound source whose pitch is modified according to the extracted volume information.
  • the transitional expression transfer system includes: a rhythm adjustment unit for synchronizing respective syncs of a first sound source and a second sound source including different sound information for the same music; A pitch adjusting unit for correcting the pitch of the first sound source based on the pitch information extracted from each of the first sound source and the second sound source synchronized with the sink; And a volume adjusting unit which extracts volume information from each of the first sound source and the second sound source and adjusts the volume of the first sound source whose pitch is modified according to the extracted volume information, .
  • the beat tuning unit may extract characteristics related to common elements included in the first sound source and the second sound source.
  • the beat adjustment unit may obtain a minimum path by calculating a similarity matrix for features extracted from the first sound source and the second sound source, and calculate a time curve based on the obtained minimum path.
  • the rhythm adjustment unit may convert the audio length of the first sound source by applying a rate of adjusting the length of audio for each temporal unit in the calculated time curve.
  • the pitch adjustment unit may acquire a sound source including each harmonic sound as the harmonic sound and the non-sound sound are separated from the first sound source and the second sound source synchronized with the sink.
  • the pitch adjustment unit may simultaneously extract a pitch and a pitch mark value from a sound source including each of the harmonic sounds.
  • the pitch adjustment unit moves the pitch of the first sound source based on the pitch ratio obtained by comparing the extracted pitch information of the first sound source with the pitch information of the extracted second sound source and the extracted pitch mark value .
  • the vocal representation transplant system can transplant a technical expression of the second sound source into the first sound source without changing the tone of the first sound source.
  • the vocal expression system according to an exemplary embodiment can be effectively used for automatic correction of a sound source by correcting a sound source that has not been called well by using a well-sound source.
  • the vocal representation transcoding system automatically processes the rhythm, pitch, volume, and all audio signal processing processes for a plurality of sound sources, thereby adjusting the rhythm, pitch, and volume while minimizing problems such as noise, It is possible to solve the problem that it took a long time.
  • FIG. 1 is a view for explaining the operation of a voxel display system according to an embodiment.
  • FIG. 2 is a block diagram illustrating a configuration of a voxel display system according to an exemplary embodiment of the present invention.
  • FIG. 3 is a flowchart illustrating a method of representing a voxel in a voxel display system according to an exemplary embodiment of the present invention.
  • FIG. 4 is a flowchart for explaining a method of adjusting a time signature in a voxel display system according to an embodiment.
  • FIG. 5 is a diagram illustrating a DTW (Dynamic Time Warping) process performed in a voxel display system according to an exemplary embodiment.
  • DTW Dynamic Time Warping
  • FIG. 6 is a diagram for explaining a method of adjusting a pitch in a vowel expression system according to an embodiment.
  • FIG. 7 is a diagram illustrating an example in which a pitch is adjusted in a voxel display system according to an embodiment.
  • FIG. 8 is a diagram illustrating an example in which the volume is adjusted in the voxel display system according to the embodiment.
  • a method and system for transcoding a high-level representation through a comparison of a source to a sound source will be described.
  • a sound source including a plurality of different pieces of sound information for the same song Sing may be input.
  • a common person or a singer (expert) can sing for the same music, and various versions of sound sources can exist even if they are the same music.
  • information related to the beat, pitch, and volume may be different from the music information set in the original song.
  • FIG. 1 is a view for explaining the operation of a voxel display system according to an embodiment.
  • a sound source vocalized by one user is referred to as a Source Singing Voice 102
  • a sound source vocalized by another user is referred to as a second sound source (Target Singing Voice) 101.
  • FIG. 1 is limited to the first sound source and the second sound source including two different sound information, it is not limited to a sound source including two pieces of sound information.
  • the vocal-system expression system 100 may receive the input of the first sound source 102 and the second sound source 101. Alternatively, for example, the vocal system 100 may extract a second sound source 101 similar to the first sound source 102 stored in the database as the first sound source 102 is input.
  • the vocal representational transplantation system 100 can perform a process of temporal alignment 110, a process of pitch alignment 120, and a process of adjusting volume 130 have.
  • the vocal-system transplantation system 100 may synchronize the synchronization of the first sound source 102 and the second sound source 101 by adjusting the rhythm of the first sound source 102 (110).
  • the vocal representational transplantation system 100 may include a common element included in the first sound source 102 and the second sound source 101 for temporally adjusting the first sound source 102 and the second sound source 101, Melody, lyrics, etc.) (Feature Extraction) (111).
  • the vocal-system expression system 100 can extract the characteristics of the audio data from the signals of the first sound source 102 and the second sound source 101, respectively.
  • the vocal system 100 may apply Max Filtering to the spectra of the first sound source 102 and the second sound source 101 and may utilize the speech information shared in the lyrics of the song And a voice formant characteristic or a phoneme classifier characteristic including the lyric information can be extracted.
  • the vocal-system rendering system 100 may perform a dynamic time warping (DTW) process 112 based on features extracted from the first sound source 102 and the second sound source 101, respectively.
  • the vocal-system expression system 100 may temporally align the time series data of the first sound source 102 and the second sound source 101, respectively.
  • the vocal-system transplantation system 100 may calculate a similarity matrix based on features extracted from the first sound source 102 and the second sound source 101, respectively.
  • a dynamic time warping (DTW) process 112 performed in a hypertext rendering system.
  • 5 (a) shows that the beat is adjusted by DTW.
  • the path result of the DTW having the similarity matrix is shown, where each element can be calculated from the cosine distance between all pairs of two size spectra.
  • the slope of the line may mean the rate of the time signature. For example, if there is strong vibrato in the voice information contained in the sound source, serious detours may occur in the range of 300 to 350 hours.
  • STFT method For example, STFT method, a combination of STFT and LPC (Linear Prediction Coefficients), and Mel method are used to solve problems of detour and / or distortion that may occur due to audio information included in a sound source.
  • LPC Linear Prediction Coefficients
  • Mel method After applying maxima filter to transformed STFT using transformed STFT and Mel-scale using Scale, we can extract more features through the combination of LPC and then search for more accurate path by calculating similarity matrix.
  • the STFT determines the route with information of the spectrum itself, and the LPC determines the route with the pronunciation information included in the sound source. At this time, the ratios of STFT and LPC can be adjusted differently according to the sound source.
  • the vocal-system transplantation system 100 may be configured so that the frequency index in the time-frequency representation based on the constant-Q transform in the melody information included in the sound source corresponds to a semitone in the sound source (i.e., And the phoneme information obtained in frame-by-frame can be extracted using the phoneme classifier in the lyric information included in the sound source.
  • the vocal-system expression system 100 may calculate a similarity matrix for features extracted from each of the first sound source 102 and the second sound source 102, and then calculate a minimum path using dynamic programming. In other words, the vocabulary expression system 100 determines the next path after performing the DTW process. The voxel 100 may perform the DTW process so that the calculated minimum path can be sorted. At this time, since the aligned minimum path moves in three directions (for example, upward direction, rightward direction and diagonal direction, etc.) every frame, the vocal-system expression system 100 determines that the stretching ratio is included in the preset angle range It is possible to process the smoothing process 113 so that the path can proceed smoothly.
  • the phonetic transplantation system 100 may calculate a softer time curve for the minimum path computed using Savitzky-Golay Filtering or Constrained Least Squares. 5 (b) shows the result of smoothing through Savitzky-Golay Filtering.
  • the voxel 100 may improve or slow down a specific frame by increasing or decreasing the speed of the specific frame.
  • the voxel-based transplantation system 100 may perform the time-scale modification 114 process.
  • the vocal-system rendering system 100 may convert the audio length of the first sound source 102 according to the ratio of adjusting the length of the audio for each time unit as the smooth time curve is calculated.
  • the vocal-system expression system 100 can adjust the length of the audio of the first sound source 102 by comparing the first sound source 102 and the second sound source 101 in an overlapping manner.
  • the vocal-system transplantation system 100 may use a Phase Vocoder algorithm, WSOLA (Waveform Similarity based Overlap-Add) or the like, in which a tone of a single sound source sample is less distorted, You can adjust the length.
  • WSOLA Wideform Similarity based Overlap-Add
  • the vocal expression system can align a sync through pure audio-versus-audio comparison without distinguishing notes of lyric information included in a sound source.
  • the vocal system 100 may modify the pitch of the first sound source 102 based on the pitch information extracted from each of the first sound source 102 and the second sound source 101 to which the syncs are synchronized.
  • the voxel-based transplantation system 100 can perform HPSS (Harmonic-Percussive Source Separation) 121.
  • HPSS Hardmonic-Percussive Source Separation
  • the phonetic transplantation system 100 can separate the harmonic and non-percussive elements of a sound source in order to more accurately measure the pitch of the source.
  • the vocal-system expression system 100 may acquire a sound source including each harmonic sound as the harmonic sound and the non-sound sound are separated from the first sound source 102 and the second sound source 101 in synchronization with each other.
  • the pitch adjustment unit 220 may process the separation of the harmonic and non-harmonic sounds by using a median filter or the like.
  • the process of adjusting the pitch may be performed by a combination of a time-domain modification algorithm using WSOLA or a time-frequency-domain modification algorithm using a phase vocoder and resampling, pitch mark) and applying the PSOLA algorithm.
  • the transcoding system 100 is a method of combining the time-frequency axis transformation algorithm and the resampling using the time-axis transformation algorithm using WSOLA or the phase vocoder or the method of extracting the pitch mark and applying the PSOLA algorithm So that the pitch can be adjusted.
  • the phonetic transcription system 100 can extract the pitch mark value to operate the PSOLA algorithm that preserves the voice tone by preserving the voice formants even if the pitch changes in the samples related to the sound source of the dummy sound, Can be used to adjust the pitch.
  • the transitory expression system 100 may detect a pitch from a sound source including each harmonic sound (Pitch Detector) 122.
  • the vocal-system transplantation system 100 can simultaneously extract the pitch and pitch mark values from the sound source including each harmonic sound.
  • the pitch mark value may mean information included in the position extracted from the pitch including the harmonic sound.
  • the phonetic transcription system 100 can extract the pitch by various methods. For example, in case of a single sound source, the pitch can be extracted by using an average magnitude difference function (AMDF).
  • AMDF average magnitude difference function
  • the phonetic transplantation system 100 can track the pitch through the YIN algorithm. Since the synchro- nization of the first sound source 102 and the second sound source 101 is synchronized, the vocal-system expression system 100 can determine whether the pitch of the first sound source needs to be changed based on the extracted pitch information have.
  • the vocal-system-based transplanting system 100 is configured to perform a first-tone expression based on a pitch ratio obtained by comparing the pitch information of the extracted first sound source 102 with the extracted pitch information of the second sound source 101 and the extracted pitch- The pitch of the sound source 102 can be corrected. . Accordingly, the vocal-system transplantation system 100 moves the pitch of the first sound source 102 to the pitch shifting 123 similar to or the same as the pitch of the second sound source 101. 7, the pitch of the first sound source 102 is controlled through the above process.
  • the phonetic transplantation system 100 may adjust the volume of the first sound source 102 (130).
  • the vocal-system expression system 100 extracts volume information of each of the first sound source 102 and the second sound source 101 and extracts the first sound source 102 and the second sound source 101 according to the extracted volume information,
  • the magnitude of the volume of the sound source can be adjusted (Gain) 132.
  • the vocal-system transplantation system 100 can extract the energy values of the first sound source and the second sound source by using, for example, RMS (Root Mean Square) or the like,
  • the size of the first sound source can be adjusted by time. Referring to FIG. 8, the energy value of the first sound source is controlled through the energy value of the first sound source and the energy value of the second sound source. Through this, the vocal-system-assisted transplantation system 100 can acquire the first sound source in which the beat, pitch, and volume are modified.
  • FIG. 2 is a block diagram illustrating a configuration of a voxel display system according to an embodiment.
  • FIG. 3 is a flowchart illustrating a method of representing a voxboard display in a voxel display system according to an exemplary embodiment of the present invention.
  • the processor 200 of the vocal-system expression system 100 may include a beat adjustment unit 210, a pitch adjustment unit 220, and a volume adjustment unit 230.
  • the processor 200 and the components of the processor 200 may control the virtual expression system to perform the steps 310 to 330 included in the method of FIG.
  • the components of the processor 200 and the processor 200 may be implemented to execute an instruction according to code of an operating system and code of at least one program included in the memory.
  • the components of the processor 200 may be representations of different functions performed by the processor 200 in accordance with control commands provided by the program code stored in the vice-versa.
  • the processor 200 may load the program code stored in the file of the program for the virtual expression transfer method into the memory. For example, when a program is executed in the virtual expression system 100, the processor can control the virtual expression system to load the program code into a memory from a file of the program under the control of the operating system.
  • the rhythm adjustment unit 210 may synchronize the syncs of the first sound source and the second sound source, respectively, including different sound information for the same music. More specifically, referring to FIG. 4, it is a flowchart for explaining a method of adjusting the time signature.
  • the rhythm adjustment unit 210 may extract features related to common elements included in the first sound source and the second sound source. More specifically, the rhythm adjustment unit 210 may extract features related to elements (e.g., melody, lyrics, etc.) common to the two songs in order to temporally adjust the first sound source and the second sound source.
  • elements e.g., melody, lyrics, etc.
  • the rhythm adjustment unit 210 extracts pitch-related features from the first sound source and the second sound source, and reduces the pitch difference between the first sound source and the second sound source using quantization, a maximum value filter, .
  • the rhythm adjustment unit 210 may extract a portion including the same lyric information through a voice formant feature or a phoneme classifier including lyric information in each of the first sound source and the second sound source have.
  • the rhythm adjustment unit 210 may extract information obtained in frame-by-frame by using a phoneme classifier on the lyric information included in each of the first sound source and the second sound source,
  • the melody information included in each sound source may be mapped in a time-frequency representation using a constant-Q transform so that the frequency index corresponds to a semitone in music (that is, has a scale similar to that of a piano).
  • the beat tuning unit 210 may calculate the time curve based on the obtained minimum path by acquiring the minimum path by calculating the similarity matrix for the extracted feature.
  • the beat adjustment unit 210 can temporally align the time series data of the first sound source and the time series data of the second sound source. More specifically, the beat tuning unit 210 can acquire the minimum path by calculating the similarity matrix with respect to the features extracted from each of the first sound source and the second sound source.
  • the beat adjustment unit 210 may extract features from the Max-Filtered Spectrum and the LPC, and calculate the similarity matrix to adjust the beat.
  • the beat adjustment unit 210 may calculate the similarity matrix for the feature extracted from each of the first sound source and the second sound source, and then calculate the minimum path using Dynamic Programming.
  • the rhythm adjustment unit 210 may convert the audio length of the first sound source by applying a rate of adjusting the length of audio for each time unit in the calculated time curve.
  • the beat tuning unit 210 may calculate a time curve for the minimum path calculated using Savitzky-Golay Filtering or Constrained Least Squares.
  • the beat adjustment unit 210 can adjust the calculated time curve according to a predetermined slope (for example, a 45 degree reference).
  • the pitch adjusting unit 220 may modify the pitch of the first sound source based on the pitch information extracted from each of the first sound source and the second sound source for which synchronization is synchronized.
  • FIG. 6 a flow chart for explaining a method of adjusting the pitch.
  • a method of adjusting the pitch by using a PSOLA (Pitch-Synchronous OverLap and Add) algorithm with little distortion of the voice formant will be described.
  • the pitch adjusting unit 220 can separate the harmonic and non-percussive elements of the sound source in order to more accurately measure the pitch of the sound source.
  • the pitch adjusting unit 220 may obtain a sound source including each harmonic sound by separating the harmonic sound and the non-sound sound from the synchronized first sound source and the second sound source, respectively.
  • the pitch adjusting unit 220 can process the separation of the harmonic and non-harmonic sounds using a median filter or the like. Accordingly, the pitch adjusting unit 220 obtains a first sound source including a harmonic sound and a second sound source including a harmonic sound.
  • the pitch adjusting unit 220 may simultaneously extract the pitch and pitch marks from the sound sources including the respective harmonics.
  • the pitch adjustment unit 220 can extract the pitch using the size difference function.
  • the pitch adjusting unit 220 can extract the pitch mark value for adjusting the pitch as well as extracting the pitch from the sound source including each harmonic sound.
  • the pitch adjustment unit 220 determines the pitch of the first sound source based on the obtained pitch ratio and the extracted pitch mark value by comparing the pitch information of the extracted first sound source with the pitch information of the extracted second sound source Can be moved.
  • the pitch adjustment unit 220 may utilize a PSOLA (Pitch-Synchronous OverLap and Add) algorithm in which the voice formants are preserved to maintain the tone even if the pitch changes in the sample related to the sound source of the first sound.
  • the pitch adjustment unit 220 compares the extracted pitch ratio of the first sound source and the pitch information of the extracted second sound source and the pitch mark values obtained in the pitch extraction performed in the PSOLA algorithm as input values Can be used. Accordingly, the pitch adjustment unit 220 moves the pitch of the first sound source.
  • the volume adjuster 230 may extract the volume information of each of the first sound source and the second sound source, and adjust the volume of the first sound source whose pitch is modified according to the extracted volume information .
  • the volume adjuster 230 may extract the energy values of the first and second sound sources using the Root Mean Square (RMS), and may calculate the energy values of the first sound source Size can be adjusted by time zone.
  • RMS Root Mean Square
  • the apparatus described above may be implemented as a hardware component, a software component, and / or a combination of hardware components and software components.
  • the apparatus and components described in the embodiments may be implemented within a computer system, such as, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate array (FPGA) , A programmable logic unit (PLU), a microprocessor, or any other device capable of executing and responding to instructions.
  • the processing device may execute an operating system (OS) and one or more software applications running on the operating system.
  • the processing device may also access, store, manipulate, process, and generate data in response to execution of the software.
  • OS operating system
  • the processing device may also access, store, manipulate, process, and generate data in response to execution of the software.
  • the processing apparatus may be described as being used singly, but those skilled in the art will recognize that the processing apparatus may have a plurality of processing elements and / As shown in FIG.
  • the processing unit may comprise a plurality of processors or one processor and one controller.
  • Other processing configurations are also possible, such as a parallel processor.
  • the software may include a computer program, code, instructions, or a combination of one or more of the foregoing, and may be configured to configure the processing device to operate as desired or to process it collectively or collectively Device can be commanded.
  • the software and / or data may be in the form of any type of machine, component, physical device, virtual equipment, computer storage media, or device As shown in FIG.
  • the software may be distributed over a networked computer system and stored or executed in a distributed manner.
  • the software and data may be stored on one or more computer readable recording media.
  • the method according to an embodiment may be implemented in the form of a program command that can be executed through various computer means and recorded in a computer-readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, and the like, alone or in combination.
  • the program instructions to be recorded on the medium may be those specially designed and configured for the embodiments or may be available to those skilled in the art of computer software.
  • Examples of computer-readable media include magnetic media such as hard disks, floppy disks and magnetic tape; optical media such as CD-ROMs and DVDs; magnetic media such as floppy disks; Magneto-optical media, and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions include machine language code such as those produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter or the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Auxiliary Devices For Music (AREA)

Abstract

가창 표현 이식 시스템 및 방법이 개시된다. 일 실시예에 따른 가창 표현 이식 시스템에서 수행되는 가창 표현 이식 방법은, 동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 제1 음원 및 제2 음원 각각의 싱크를 동기화하는 단계; 상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 단계; 및 상기 제1 음원 및 상기 제2 음원 각각으로부터 음량 정보를 추출하고, 상기 추출된 각각의 음량 정보에 따라 상기 음정이 수정된 제1 음원에 대한 음량의 크기를 조정하는 단계를 포함할 수 있다.

Description

가창 표현 이식 시스템
아래의 설명은 동일한 곡을 가창한 복수 개의 가창 음원에 대하여 음악적 표현을 한 곡에서 다른 곡으로 이식하는 기술에 관한 것이다.
노래는 많은 사람들이 즐기는 인기있는 음악 활동이다. 이에 따라 노래와 관련된 오디오 데이터를 변형하는 다양한 기술이 존재한다. 일례로, 사용자가 말하는 것을 노래로 변형해주거나, 사용자가 노래를 부르는 것을 말하는 것으로 변형해주는 기술이 존재한다.
또한, 노래 기술에 따라 노래를 감동적인 음악이나 시끄러운 소리로 렌더링할 수 있으며, Autotune, VariAudio 및 Melodyne과 같은 상용 보컬 교정 도구를 통하여 주로 노래하는 목소리의 피치 수정 기능을 제공하고 있다. 이들 중 일부는 녹음된 MIDI 음을 편집하여 음표 타이밍이나 기타 음악 표현을 조작할 수 있다. 이와 같이, 보컬 교정 도구는 자동으로 교정을 제어할 수 있는 기능을 제공하기는 하지만, 만족스러운 결과가 달성될 때까지 계속적으로 수정을 반복해야 한다는 번거로움이 존재한다.
한편, 정보 통신이 발달함에 따라 스마트 폰을 이용한 온라인 노래방 앱 서비스가 활성화되었다. 노래방 앱 서비스는 다수의 반주용 사운드를 저장하고 있다가 사용자의 입력에 따라 해당되는 사운드를 재생하며, 해당 사운드와 더불어 가사와 뮤직 비디오 등과 같은 동영상을 사용자가 볼 수 있도록 화면상에 디스플레이 한다.
한국공개특허 제10-2009-0083502호는 노래를 부르는 사람이 전문가의 발성과 기술을 가질 수 있도록 도움을 제공하는 기술에 관한 것으로, 노래방 등에서 사용자가 마이크를 이용하여 노래를 부를 때 간단한 버튼과 컨트롤러를 사용하여 사용자 자신의 표현력이 부족한 부분에 대하여 선택적으로 바이브레이션, 고음, 튜닝, 음정을 변경하는 기능을 제공하고 있다. 하지만, 종래의 기술은 음계나 음표와 같은 악보상의 정보를 변화시키는 것일 뿐, 다른 사용자의 음원을 이용하여 사용자의 음원에 다른 사용자의 박자, 음정, 음량 등 음악 표현을 이식할 수는 없다.
동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 복수 개의 음원에 대하여 박자, 음정 및 음량 등 음악적 표현을 한 곡에서 다른 곡으로 이식하는 방법 및 시스템을 제공할 수 있다.
가창 표현 이식 시스템에서 수행되는 가창 표현 이식 방법은, 동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 제1 음원 및 제2 음원 각각의 싱크를 동기화하는 단계; 상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 단계; 및 상기 제1 음원 및 상기 제2 음원 각각으로부터 음량 정보를 추출하고, 상기 추출된 각각의 음량 정보에 따라 상기 음정이 수정된 제1 음원에 대한 음량의 크기를 조정하는 단계를 포함할 수 있다.
상기 동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 음원 각각의 싱크를 동기화하는 단계는, 상기 제1 음원 및 상기 제2 음원에 포함된 공통된 요소와 관련된 특징을 추출하는 단계를 포함할 수 있다.
상기 동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 음원 각각의 싱크를 동기화하는 단계는, 상기 제1 음원 및 상기 제2 음원으로부터 추출된 특징에 대한 유사도 행렬을 계산함에 따라 최소 경로를 획득하고, 상기 획득된 최소 경로에 기초하여 시간 곡선을 계산하는 단계를 포함할 수 있다.
상기 동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 음원 각각의 싱크를 동기화하는 단계는, 상기 계산된 시간 곡선에서 각각의 사간 단위별로 오디오의 길이를 조절하는 비율을 적용하여 상기 제1 음원의 오디오 길이를 변환하는 단계를 포함할 수 있다.
상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 단계는, 상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 화성음 및 비화성음을 분리함에 따라 각각의 화성음을 포함하는 음원을 획득하는 단계를 포함할 수 있다.
상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 단계는, 상기 각각의 화성음을 포함하는 음원으로부터 음정 및 음정 마크값(Pitch Mark Value)을 동시에 추출하는 단계를 포함할 수 있다.
상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 단계는, 상기 추출된 제1 음원의 음정 정보와 상기 추출된 제2 음원의 음정 정보를 비교함에 따라 획득된 음정 비율과 상기 추출된 음정 마크값에 기초하여 상기 제1음원의 음정을 이동시키는 단계를 포함할 수 있다.
가창 표현 이식 방법을 실행시키기 위해 저장매체에 저장된 컴퓨터 프로그램에 있어서, 상기 가창 표현 이식 방법은, 동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 제1 음원 및 제2 음원 각각의 싱크를 동기화하는 단계; 상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 단계; 및 상기 제1 음원 및 상기 제2 음원 각각으로부터 음량 정보를 추출하고, 상기 추출된 각각의 음량 정보에 따라 상기 음정이 수정된 제1 음원에 대한 음량의 크기를 조정하는 단계를 포함할 수 있다.
가창 표현 이식 시스템은, 동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 제1 음원 및 제2 음원 각각의 싱크를 동기화하는 박자 조정부; 상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 음정 조정부; 및 상기 제1 음원 및 상기 제2 음원 각각으로부터 음량 정보를 추출하고, 상기 추출된 각각의 음량 정보에 따라 상기 음정이 수정된 제1 음원에 대한 음량의 크기를 조정하는 음량 조정부를 포함할 수 있다.
상기 박자 조정부는, 상기 제1 음원 및 상기 제2 음원에 포함된 공통된 요소와 관련된 특징을 추출할 수 있다.
상기 박자 조정부는, 상기 제1 음원 및 상기 제2 음원으로부터 추출된 특징에 대한 유사도 행렬을 계산함에 따라 최소 경로를 획득하고, 상기 획득된 최소 경로에 기초하여 시간 곡선을 계산할 수 있다.
상기 박자 조정부는, 상기 계산된 시간 곡선에서 각각의 사간 단위별로 오디오의 길이를 조절하는 비율을 적용하여 상기 제1 음원의 오디오 길이를 변환할 수 있다.
상기 음정 조정부는, 상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 화성음 및 비화성음을 분리함에 따라 각각의 화성음을 포함하는 음원을 획득할 수 있다.
상기 음정 조정부는, 상기 각각의 화성음을 포함하는 음원으로부터 음정 및 음정 마크값(Pitch Mark Value)을 동시에 추출할 수 있다.
상기 음정 조정부는, 상기 추출된 제1 음원의 음정 정보와 상기 추출된 제2 음원의 음정 정보를 비교함에 따라 획득된 음정 비율과 상기 추출된 음정 마크값에 기초하여 상기 제1음원의 음정을 이동시킬 수 있다.
일 실시예에 따른 가창 표현 이식 시스템은 제1 음원의 음색의 변경없이 제 2음원의 기교적 표현을 제1 음원에 이식시킬 수 있다.
일 실시예에 따른 가창 표현 이식 시스템은 잘 부른 음원을 이용하여 잘 부르지 못한 음원을 보정함으로써 음원의 자동보정에 효과적으로 사용될 수 있다.
일 실시예에 따른 가창 표현 이식 시스템은 복수 개의 음원에 대한 박자, 음정, 음량 분석 및 모든 오디오 신호 처리 과정을 자동으로 처리함으로써 잡음, 우회 및 왜곡과 같은 문제점을 최소화하면서 박자, 음정 및 음량을 조정하는데 오래 소요되었던 문제점을 해결할 수 있다.
도 1은 일 실시예에 따른 가창 표현 이식 시스템의 동작을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 가창 표현 이식 시스템의 구성을 설명하기 위한 블록도이다.
도 3은 일 실시예에 따른 가창 표현 이식 시스템에서 가창 표현 이식 방법을 설명하기 위한 흐름도이다.
도 4는 일 실시예에 따른 가창 표현 이식 시스템에서 박자를 조정하는 방법을 설명하기 위한 흐름도이다.
도 5는 일 실시예에 따른 가창 표현 이식 시스템에서 수행된 DTW(Dynamic Time Warping) 과정을 나타낸 도면이다.
도 6은 일 실시예에 다른 가창 표현 이식 시스템에서 음정을 조정하는 방법을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 가창 표현 이식 시스템에서 음정이 조정된 예를 나타낸 도면이다.
도 8은 일 실시예에 따른 가창 표현 이식 시스템에서 음량이 조정된 예를 도시한 도면이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
아래의 실시예들에서는 음원 대 음원(Singing to Singing)의 비교를 통하여 가창 표현을 이식하는 방법 및 시스템에 대하여 설명하기로 한다. 일반적으로, 동일한 곡(Sing)에 대하여 서로 다른 복수 개의 음성 정보를 포함하는 음원이 입력될 수 있다. 예를 들면, 동일한 곡에 대하여 일반인 또는 가수(전문가)가 가창할 수 있으며, 동일한 곡일지라도 다양한 버전의 음원이 존재할 수 있다. 이때, 일반인이 가창하는 곡에서는 박자, 음정 및 음량과 관련된 정보가 원래의 곡에 설정된 음악 정보와는 차이가 있을 수 있다. 이에 따라, 가수가 가창하는 음원과 일반인이 가창하는 음원을 비교하여 일반인이 가창하는 음원에 가수의 음원과 관련된 기교적 정보를 이식함으로써 일반인이 가창하는 음원의 질을 향상시키는 방법 및 시스템을 상세하게 설명하기로 한다.
도 1은 일 실시예에 따른 가창 표현 이식 시스템의 동작을 설명하기 위한 도면이다.
동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 복수의 음원이 존재할 수 있다. 다시 말해서, 동일한 곡에 대하여 각각의 다른 사용자에 의하여 가창될 수 있다. 이때, 음원은 각각의 사용자로부터 가창되는 가사 정보 및 반주가 포함될 수 있다. 이에 대하여, 하나의 사용자에 의하여 가창된 음원을 제1 음원(Source Singing Voice)(102), 다른 사용자에 의하여 가창된 음원을 제2 음원(Target Singing Voice)(101)이라고 부르기로 한다.
제1 음원(102)에 제2 음원(101)의 가창 표현을 이식하는 동작을 설명하기 위하여 예를 들면, 일반인이 가창하는 노래를 제1 음원(102), 가수가 가창하는 노래를 제2 음원(101)이라고 가정하자. 한편, 도 1에서는 두 개의 서로 다른 음성 정보를 포함하는 제1 음원 및 제2 음원으로 한정하지만, 반드시 두 개의 음성 정보를 포함하는 음원에 한정되는 것은 아니하다.
가창 표현 이식 시스템(100)은 제1 음원(102) 및 제2 음원(101)이 입력됨을 수신할 수 있다. 또는, 예를 들면, 가창 표현 시스템(100)은 제1 음원(102)이 입력됨에 따라 데이터베이스에 저장된 제1 음원(102)과 유사한 제2 음원(101)을 추출할 수 있다.
가창 표현 이식 시스템(100)은 박자를 조정(Temporal Alignment)(110)하는 프로세스, 음정을 조정(Pitch Alignment)(120)하는 프로세스 및 음량을 조정(Dynamics Alignment)(130)하는 프로세스를 수행할 수 있다.
가창 표현 이식 시스템(100)은 제1 음원(102)의 박자(리듬)를 조정함에 따라 제1 음원(102) 및 제2 음원(101)의 싱크를 동기화시킬 수 있다(110). 가창 표현 이식 시스템(100)은 제1 음원(102) 및 제2 음원(101)을 시간적으로 조정하기 위하여 제1 음원(102) 및 제2 음원(101)에 포함된 공통된 요소(예를 들면, 멜로디, 가사 등)와 관련된 특징을 추출(Feature Extraction)할 수 있다(111). 가창 표현 이식 시스템(100)은 제1 음원(102) 및 제2 음원(101) 각각의 신호로부터 오디오 데이터의 특징을 추출할 수 있다. 예를 들면, 가창 표현 이식 시스템(100)은 제1 음원(102) 및 제2 음원(101)의 스펙트럼에 최대값 필터(Max Filtering)를 적용하고, 곡의 가사에서 공유되는 음성 정보를 활용할 수 있고, 가사 정보를 포함하는 목소리 포먼트(Formant) 특징 또는 음소 분류기(Phoneme Classifier) 특징 등을 추출할 수 있다.
가창 표현 이식 시스템(100)은 제1 음원(102) 및 제2 음원(101) 각각으로부터 추출된 특징에 기반하여 DTW(Dynamic Time Warping)(112) 과정을 수행할 수 있다. 가창 표현 이식 시스템(100)은 제1 음원(102) 및 제2 음원(101) 각각의 시계열 데이터를 시간적으로 정렬할 수 있다. 가창 표현 이식 시스템(100)은 제1 음원(102) 및 제2 음원(101) 각각으로부터 추출된 특징에 기반하여 유사도 행렬(Similarity Matrix)을 계산할 수 있다.
도 5를 참고하면, 가창 표현 이식 시스템에서 수행된 DTW(Dynamic Time Warping)(112) 과정을 나타낸 도면이다. 도 5(a)는 DTW에 의하여 박자가 조정되는 것을 나타낸 것이다. 도 5(a)를 참고하면, 유사도 행렬을 갖는 DTW의 경로 결과를 나타낸 것으로 각 요소는 두 개의 크기 스펙트럼의 모든 쌍 사이의 코사인 거리로부터 계산될 수 있다. 이때, 선의 기울기가 시간별 박자의 비율을 의미할 수 있다. 예를 들면, 음원에 포함된 음성 정보에 강한 비브라토 있는 경우 300~350 시간 범위에 심각한 우회(Detour)가 발생할 수 있다. 가창 표현 이식 시스템(100)은 음원에 포함된 음성 정보로 인하여 발생할 수 있는 우회 또는/및 왜곡의 문제점을 해결하기 위하여 예를 들면, STFT 방법, STFT와 LPC(Linear Prediction Coefficients)를 결합한 방법, Mel-Scale을 사용한 변형된 STFT, Mel-Scale 사용한 변형된 STFT 에 맥시멈 필터 적용한 후, LPC를 결합한 방법 등을 통하여 특징을 추출한 후, 유사도 행렬을 계산하여 보다 정확한 경로를 탐색할 수 있다. STFT는 스펙트럼 자체의 정보를 가지고 경로를 판단하며, LPC는 음원에 포함된 발음정보를 가지고 경로를 판단한다. 이때, 음원에 따라 STFT, LPC 의 비율이 각각 다르게 조절될 수 있다. 또는, 가창 표현 이식 시스템(100)은 음원에 포함된 멜로디 정보에서 constant-Q transform에 기반하여 time-frequency representation에서 주파수 인덱스(index)가 음원에서 반음에 해당하도록 (즉, 피아노와 같은 음계를 가지도록) 맵핑(Mapping)할 수 있고, 음원에 포함된 가사 정보에서 음소 분류기(phoneme classifier)를 이용하여 frame-by-frame 으로 획득된 음소 정보를 추출할 수 있다.
가창 표현 이식 시스템(100)은 제1 음원(102) 및 제2 음원(102) 각각으로부터 추출된 특징에 대하여 유사도 행렬을 계산한 후, Dynamic Programming　을 이용하여 최소 경로를 계산할 수 있다. 다시 말해서, 가창 표현 이식 시스템(100)은 DTW 과정을 수행한 후 다음 어떤 경로로 갈 것인지 판단하게 된다. 가창 표현 이식 시스템(100)은 DTW 과정을 수행함에 따라 계산된 최소 경로가 정렬될 수 있다. 이때, 정렬된 최소 경로가 매 프레임마다 3방향(예를 들면, 위쪽 방향, 오른쪽 방향 및 대각선 방향 등)으로 움직이기 때문에 가창 표현 이식 시스템(100)은 스트레칭 비율이 기 설정된 각도 범위에 포함되어 최소 경로를 자연스럽게 진행할 수 있도록 스무딩(Smoothing)(113)을 처리할 수 있다. 예를 들면, 가창 표현 이식 시스템(100)은 Savitzky-Golay Filtering 또는 Constrained Least Squares 등을 이용하여 계산된 최소 경로에 대한 보다 부드러운 시간 곡선을 계산할 수 있다. 도 5(b)는 Savitzky-Golay Filtering를 통하여 smoothing을 수행한 결과를 나타낸 것이다. 가창 표현 이식 시스템(100)은 특정 프레임에 대하여 속도를 높이거나 줄임으로써 특정 프레임이 길어지고 짧아지는 문제를 개선할 수 있다.
가창 표현 이식 시스템(100)은 Time-Scale Modification(114) 과정을 수행할 수 있다. 가창 표현 이식 시스템(100)은 부드러운 시간 곡선이 계산됨에 따라 각각의 시간 단위별로 오디오의 길이를 조절하는 비율에 따라 제1 음원(102)의 오디오의 길이를 변환시킬 수 있다. 가창 표현 이식 시스템(100)은 제1 음원(102)과 제2 음원(101)을 중첩 비교함으로써 제1 음원(102)의 오디오의 길이를 조정할 수 있다. 예를 들면, 가창 표현 이식 시스템(100)은 단일음 음원 샘플에서 음색의 왜곡이 적게 발생하는 Phase Vocoder 알고리즘, WSOLA(Waveform Similarity based Overlap-Add) 등을 사용하여 제1 음원(102)의 오디오의 길이를 조정할 수 있다.
일 실시예에 따른 가창 표현 이식 시스템은 음원에 포함된 가사 정보의 노트를 구분하지 않고, 순수하게 오디오 대 오디오의 비교를 통하여 싱크를 맞출 수 있다.
가창 표현 이식 시스템(100)은 싱크가 동기화된 제1 음원(102) 및 제2 음원(101) 각각으로부터 추출된 음정 정보에 기반하여 제1 음원(102)의 음정을 수정할 수 있다(120). 가창 표현 이식 시스템(100)은 HPSS(Harmonic-Percussive Source Separation)(121)을 수행할 수 있다. 가창 표현 이식 시스템(100)은 음원의 음정을 보다 정확하게 측정하기 측정하기 위하여 음원의 화성적(Harmonic) 요소와 비화성적(Percussive) 요소를 분리할 수 있다. 가창 표현 이식 시스템(100)은 싱크가 동기화된 제1 음원(102) 및 제2 음원(101) 각각으로부터 화성음 및 비화성음을 분리함에 따라 각각의 화성음을 포함하는 음원을 획득할 수 있다. 이때, 예를 들면, 음정 조정부(220)는 Median Filter 등을 활용하여 화성음 및 비화성음의 분리를 처리할 수 있다.
음정을 조정하는 과정은 WSOLA를 이용한 시간축 변환(time-domain modification) 알고리즘 또는 Phase Vocoder를 이용한 시간-주파수축 변환(time-frequency-domain modification) 알고리즘과 리샘플링(resampling)을 조합하는 방법과 음정 마크(pitch mark)를 추출해서 PSOLA 알고리즘을 적용하는 방법으로 크게 분류할 수 있다. 가창 표현 이식 시스템(100)은 과정은 WSOLA를 이용한 시간축 변환 알고리즘 또는 Phase Vocoder를 이용한 시간-주파수축 변환 알고리즘과 resampling을 조합하는 방법 또는 음정 마크(pitch mark)를 추출해서 PSOLA 알고리즘을 적용하는 방법을 통하여 음정을 조정하는 과정을 수행할 수 있다.
실시예에서는, 목소리 포먼트의 왜곡이 적은 PSOLA(Pitch-Synchronous OverLap and Add) 알고리즘을 사용함으로써 음정을 조정하는 방법을 설명하기로 한다. 가창 표현 이식 시스템(100)은 담일음의 음원과 관련된 샘플에서 음정을 변화해도 목소리 포먼트가 보존되어 음색을 유지하는 PSOLA 알고리즘을 동작시키기 위하여 음정 마크값을 추출할 수 있고, 추출된 음정 마크값을 이용하여 음정을 조정할 수 있다. 가창 표현 이식 시스템(100)은 각각의 화성음을 포함하는 음원으로부터 음정을 검출(Pitch Detector)(122)할 수 있다. 가창 표현 이식 시스템(100)은 각각의 화성음을 포함하는 음원으로부터 음정 및 음정 마크값을 동시에 추출할 수 있다. 이때, 음정 마크값은 화성음을 포함하는 음정으로부터 추출된 위치에 포함된 정보를 포함하는 것을 의미할 수 있다. 가창 표현 이식 시스템(100)은 다양한 방법으로 음정을 추출할 수 있으나, 일례로, 단일음의 음원의 경우 크기 차이 함수(AMDF: Average Magnitude Difference Function)을 이용하여 음정을 추출할 수 있다.
한편, 가창 표현 이식 시스템(100)은 YIN 알고리즘을 통하여 음정을 트래킹할 수 있다. 가창 표현 이식 시스템(100)은 제1 음원(102) 및 제2 음원(101)의 싱크가 동기화되었기 때문에 추출된 음정 정보에 기초하여 제1 음원의 음정이 변경될 필요가 있는지 여부를 판단할 수 있다.
가창 표현 이식 시스템(100)은 추출된 제1 음원(102)의 음정 정보와 추출된 제2 음원(101)의 음정 정보를 비교함에 따라 획득된 음정 비율과 추출된 음정 마크값에 기초하여 제1 음원(102)의 음정을 수정할 수 있다. . 이에 따라, 가창 표현 이식 시스템(100)은 제1 음원(102)의 음정을 제2 음원(101)의 음정과 유사 또는 동일하게 이동(Pitch Shifting)(123)시키게 된다. 도 7을 참고하면, 상기 과정을 통하여 제1 음원(102)의 음정이 조절된 것을 나타낸 그래프이다.
가창 표현 이식 시스템(100)은 제1 음원(102)의 음량을 조정할 수 있다(130). 가창 표현 이식 시스템(100)은 제1 음원(102) 및 제2 음원(101) 각각의 음량 정보를 추출(Envelope Detector)(131)하고, 추출된 각각의 음량 정보에 따라 음정이 수정된 제1 음원에 대한 음량의 크기를 조정(Gain)(132)할 수 있다. 더욱 상세하게는, 가창 표현 이식 시스템(100)은 예를 들면, RMS(Root Mean Square) 등을 활용하여 제1 음원 및 제2 음원의 시간대별 에너지 값을 추출할 수 있고, 시간대별 에너지 값의 비율을 이용하여 제1 음원의 크기를 시간대별로 조절할 수 있다. 도 8을 참고하면, 제1 음원의 시간대별 에너지 값 및 제2 음원의 시간대별 에너지 값을 통하여 제1 음원의 에너지 값이 조절된 것을 나타낸 그래프이다. 이를 통하여 가창 표현 이식 시스템(100)은 박자, 음정 및 음량이 수정된 제1 음원을 획득할 수 있다.
도 2는 일 실시예에 따른 가창 표현 이식 시스템의 구성을 설명하기 위한 블록도이고, 도 3은 일 실시예에 따른 가창 표현 이식 시스템에서 가창 표현 이식 방법을 설명하기 위한 흐름도이다.
가창 표현 이식 시스템(100)의 프로세서(200)는 박자 조정부(210), 음정 조정부(220) 및 음량 조정부(230)를 포함할 수 있다. 이러한 프로세서(200) 및 프로세서(200)의 구성요소들은 도 3의 가창 표현 이식 방법이 포함하는 단계들(310 내지 330)을 수행하도록 가창 표현 이식 시스템을 제어할 수 있다. 이때, 프로세서(200) 및 프로세서(200)의 구성요소들은 메모리가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(200)의 구성요소들은 가창 표현 이식 시스템(100)에 저장된 프로그램 코드가 제공하는 제어 명령에 따라 프로세서(200)에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다.
프로세서(200)는 가창 표현 이식 방법을 위한 프로그램의 파일에 저장된 프로그램 코드를 메모리에 로딩할 수 있다. 예를 들면, 가창 표현 이식 시스템(100)에서 프로그램이 실행되면, 프로세서는 운영체제의 제어에 따라 프로그램의 파일로부터 프로그램 코드를 메모리에 로딩하도록 가창 표현 이식 시스템을 제어할 수 있다.
단계(310)에서 박자 조정부(210)는 동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 제1 음원 및 제2 음원 각각의 싱크를 동기화할 수 있다. 더욱 상세하게는, 도 4를 참고하면, 박자를 조정하는 방법을 설명하기 위한 흐름도이다. 단계(410)에서 박자 조정부(210)는 제1 음원 및 제2 음원에 포함된 공통된 요소와 관련된 특징을 추출할 수 있다. 더욱 상세하게는, 박자 조정부(210)는 제1 음원 및 제2 음원을 시간적으로 조정하기 위하여 두 곡에 공통된 요소(예를 들면, 멜로디, 가사 등)와 관련된 특징을 추출할 수 있다. 일례로, 박자 조정부(210)는 제1 음원 및 제2 음원 각각으로부터 음정과 관련된 특징을 추출하고, 양자화(Quantization), 최대값 필터 등을 이용하여 제1 음원 및 제2 음원의 음정 차이를 감소시킬 수 있다. 또한, 박자 조정부(210)는 제1 음원 및 제2 음원 각각에서 가사 정보를 포함하는 목소리 포먼트(Formant) 특징 또는 음소 분류기(Phoneme Classifier) 등을 통하여 동일한 가사 정보를 포함하는 부분을 추출할 수 있다. 다른 예로서, 박자 조정부(210)는 제1 음원 및 제2 음원 각각에 포함된 가사 정보를 음소 분류기를 이용하여 frame-by-frame 으로 획득된 정보를 추출할 수 있고, 제1 음원 및 제2 음원 각각에 포함된 멜로디 정보를 constant-Q transform을 이용하여 time-frequency representation에서 주파수 인덱스가 음악에서 반음에 해당하도록(즉, 피아노와 같은 음계를 가지도록) 맵핑한 것을 사용할 수 있다.
단계(420)에서 박자 조정부(210)는 추출된 특징에 대한 유사도 행렬을 계산함에 따라 최소 경로를 획득하고, 획득된 최소 경로에 기초하여 시간 곡선을 계산할 수 있다. 일반적으로, 음원은 시간에 따라 재생되는 것이기 때문에 박자 조정부(210)는 제1 음원의 시계열 데이터 및 제2 음원의 시계열 데이터를 시간적으로 정렬시킬 수 있다. 더욱 상세하게는, 박자 조정부(210)는 제1 음원 및 제2 음원 각각으로부터 추출된 특징에 대하여 유사도 행렬을 계산함에 따라 최소 경로를 획득할 수 있다. 일례로, 박자 조정부(210)는 Max-Filterd Spectrum과 LPC에서 특징을 추출하고, 유사도 행렬을 계산하여 박자를 조정할 수 있다. 박자 조정부(210)는 제1 음원 및 제2 음원 각각으로부터 추출된 특징에 대하여 유사도 행렬을 계산한 후, Dynamic Programming을 이용하여 최소 경로를 계산할 수 있다.
단계(430)에서 박자 조정부(210)는 계산된 시간 곡선에서 각각의 시간 단위별로 오디오의 길이를 조절하는 비율을 적용하여 제1 음원의 오디오 길이를 변환할 수 있다. 예를 들면, 박자 조정부(210)는 Savitzky-Golay Filtering 또는 Constrained Least Squares 등을 이용하여 계산된 최소 경로에 대한 시간 곡선을 계산할 수 있다. 박자 조정부(210)는 계산된 시간 곡선을 기 설정된 기울기(예를 들면, 45도 기준)에 따라 조정시킬 수 있다.
단계(320)에서 음정 조정부(220)는 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정을 수정할 수 있다. 도 6을 참고하면, 음정을 조정하는 방법을 설명하기 위한 흐름도이다. 실시예에서는, 목소리 포먼트의 왜곡이 적은 PSOLA(Pitch-Synchronous OverLap and Add) 알고리즘을 사용함으로써 음정을 조정하는 방법을 설명하기로 한다. 음정 조정부(220)는 음원의 음정을 보다 정확하게 측정하기 위하여 음원의 화성적(Harmonic) 요소와 비화성적(Percussive) 요소를 분리할 수 있다. 단계(610)에서 음정 조정부(220)는 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 화성음 및 비화성음을 분리함에 따라 각각의 화성음을 포함하는 음원을 획득할 수 있다. 예를 들면, 음정 조정부(220)는 Median Filter 등을 활용하여 화성음 및 비화성음의 분리를 처리할 수 있다. 이에 따라 음정 조정부(220)는 화성음을 포함하는 제1 음원 및 화성음을 포함하는 제2 음원을 획득하게 된다.
단계(620)에서 음정 조정부(220)는 각각의 화성음을 포함하는 음원으로부터 음정 및 음정 마크값을 동시에 추출할 수 있다. 예를 들면, 음정 조정부(220)는 크기 차이 함수를 이용하여 음정을 추출할 수 있다. 이때, 음정 조정부(220)는 각각의 화성음을 포함하는 음원으로부터 음정 추출을 진행함과 동시에 음정을 조정하기 위한 음정 마크값(Pitch Mark Value)도 추출할 수 있다.
단계(630)에서 음정 조정부(220)는 추출된 제1 음원의 음정 정보와 추출된 제2 음원의 음정 정보를 비교함에 따라 획득된 음정 비율과 추출된 음정 마크값에 기초하여 제1 음원의 음정을 이동시킬 수 있다. 예를 들면, 음정 조정부(220)는 담일음의 음원과 관련된 샘플에서 음정을 변화해도 목소리 포먼트가 보존되어 음색을 유지하는 PSOLA(Pitch-Synchronous OverLap and Add) 알고리즘을 활용할 수 있다. 음정 조정부(220)는 추출된 제1 음원의 음정 정보 및 추출된 제2 음원의 음정 정보를 비교함에 따라 추출된 음정 비율과 PSOLA 알고리즘에서 수행된 음정 추출 과정에서 획득된 음정 마크값을 입력값으로 사용할 수 있다. 이에 따라, 음정 조정부(220)는 제1 음원의 음정을 이동시키게 된다.
단계(330)에서 음량 조정부(230)는 제1 음원 및 제2 음원 각각의 음량 정보를 추출하고, 추출된 각각의 음량 정보에 따라 음정이 수정된 제1 음원에 대한 음량의 크기를 조정할 수 있다. 음량 조정부(230)는 예를 들면, RMS(Root Mean Square)을 활용하여 제1 음원 및 제2 음원의 시간대별 에너지 값을 추출할 수 있고, 시간대별 에너지 값의 비율을 이용하여 제1 음원의 크기를 시간대별로 조절할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (15)

  1. 가창 표현 이식 시스템에서 수행되는 가창 표현 이식 방법에 있어서,
    동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 제1 음원 및 제2 음원 각각의 싱크를 동기화하는 단계;
    상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 단계; 및
    상기 제1 음원 및 상기 제2 음원 각각으로부터 음량 정보를 추출하고, 상기 추출된 각각의 음량 정보에 따라 상기 음정이 수정된 제1 음원에 대한 음량의 크기를 조정하는 단계
    를 포함하는 가창 표현 이식 방법.
  2. 제1항에 있어서,
    상기 동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 음원 각각의 싱크를 동기화하는 단계는,
    상기 제1 음원 및 상기 제2 음원에 포함된 공통된 요소와 관련된 특징을 추출하는 단계
    를 포함하는 가창 표현 이식 방법.
  3. 제2항에 있어서,
    상기 동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 음원 각각의 싱크를 동기화하는 단계는,
    상기 제1 음원 및 상기 제2 음원으로부터 추출된 특징에 대한 유사도 행렬을 계산함에 따라 최소 경로를 획득하고, 상기 획득된 최소 경로에 기초하여 시간 곡선을 계산하는 단계
    를 포함하는 가창 표현 이식 방법.
  4. 제3항에 있어서,
    상기 동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 음원 각각의 싱크를 동기화하는 단계는,
    상기 계산된 시간 곡선에서 각각의 사간 단위별로 오디오의 길이를 조절하는 비율을 적용하여 상기 제1 음원의 오디오 길이를 변환하는 단계
    를 포함하는 가창 표현 이식 방법.
  5. 제1항에 있어서,
    상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 단계는,
    상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 화성음 및 비화성음을 분리함에 따라 각각의 화성음을 포함하는 음원을 획득하는 단계
    를 포함하는 가창 표현 이식 방법.
  6. 제5항에 있어서,
    상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 단계는,
    상기 각각의 화성음을 포함하는 음원으로부터 음정 및 음정 마크값(Pitch Mark Value)을 동시에 추출하는 단계
    를 포함하는 가창 표현 이식 방법.
  7. 제6항에 있어서,
    상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 단계는,
    상기 추출된 제1 음원의 음정 정보와 상기 추출된 제2 음원의 음정 정보를 비교함에 따라 획득된 음정 비율과 상기 추출된 음정 마크값에 기초하여 상기 제1음원의 음정을 이동시키는 단계
    를 포함하는 가창 표현 이식 방법.
  8. 가창 표현 이식 방법을 실행시키기 위해 저장매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 가창 표현 이식 방법은,
    동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 제1 음원 및 제2 음원 각각의 싱크를 동기화하는 단계;
    상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 단계; 및
    상기 제1 음원 및 상기 제2 음원 각각으로부터 음량 정보를 추출하고, 상기 추출된 각각의 음량 정보에 따라 상기 음정이 수정된 제1 음원에 대한 음량의 크기를 조정하는 단계
    를 포함하는 저장매체에 저장된 컴퓨터 프로그램.
  9. 가창 표현 이식 시스템에 있어서,
    동일한 곡에 대하여 서로 다른 음성 정보를 포함하는 제1 음원 및 제2 음원 각각의 싱크를 동기화하는 박자 조정부;
    상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 추출된 음정 정보에 기반하여 제1 음원의 음정(pitch)을 수정하는 음정 조정부; 및
    상기 제1 음원 및 상기 제2 음원 각각으로부터 음량 정보를 추출하고, 상기 추출된 각각의 음량 정보에 따라 상기 음정이 수정된 제1 음원에 대한 음량의 크기를 조정하는 음량 조정부
    를 포함하는 가창 표현 이식 시스템.
  10. 제9항에 있어서,
    상기 박자 조정부는,
    상기 제1 음원 및 상기 제2 음원에 포함된 공통된 요소와 관련된 특징을 추출하는
    것을 특징으로 하는 가창 표현 이식 시스템.
  11. 제10항에 있어서,
    상기 박자 조정부는,
    상기 제1 음원 및 상기 제2 음원으로부터 추출된 특징에 대한 유사도 행렬을 계산함에 따라 최소 경로를 획득하고, 상기 획득된 최소 경로에 기초하여 시간 곡선을 계산하는
    것을 특징으로 하는 가창 표현 이식 시스템.
  12. 제11항에 있어서,
    상기 박자 조정부는,
    상기 계산된 시간 곡선에서 각각의 사간 단위별로 오디오의 길이를 조절하는 비율을 적용하여 상기 제1 음원의 오디오 길이를 변환하는
    것을 특징으로 하는 가창 표현 이식 시스템.
  13. 제9항에 있어서,
    상기 음정 조정부는,
    상기 싱크가 동기화된 제1 음원 및 제2 음원 각각으로부터 화성음 및 비화성음을 분리함에 따라 각각의 화성음을 포함하는 음원을 획득하는
    것을 특징으로 하는 가창 표현 이식 시스템.
  14. 제13항에 있어서,
    상기 음정 조정부는,
    상기 각각의 화성음을 포함하는 음원으로부터 음정 및 음정 마크값(Pitch Mark Value)을 동시에 추출하는
    것을 특징으로 하는 가창 표현 이식 시스템.
  15. 제14항에 있어서,
    상기 음정 조정부는,
    상기 추출된 제1 음원의 음정 정보와 상기 추출된 제2 음원의 음정 정보를 비교함에 따라 획득된 음정 비율과 상기 추출된 음정 마크값에 기초하여 상기 제1음원의 음정을 이동시키는
    것을 특징으로 하는 가창 표현 이식 시스템.
PCT/KR2017/014813 2017-06-20 2017-12-15 가창 표현 이식 시스템 Ceased WO2018236015A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/326,649 US10885894B2 (en) 2017-06-20 2017-12-15 Singing expression transfer system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0077908 2017-06-20
KR1020170077908A KR101925217B1 (ko) 2017-06-20 2017-06-20 가창 표현 이식 시스템

Publications (1)

Publication Number Publication Date
WO2018236015A1 true WO2018236015A1 (ko) 2018-12-27

Family

ID=64668935

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/014813 Ceased WO2018236015A1 (ko) 2017-06-20 2017-12-15 가창 표현 이식 시스템

Country Status (3)

Country Link
US (1) US10885894B2 (ko)
KR (1) KR101925217B1 (ko)
WO (1) WO2018236015A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111583894A (zh) * 2020-04-29 2020-08-25 长沙市回音科技有限公司 一种实时修正音色的方法、装置、终端设备及计算机存储介质

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102171479B1 (ko) 2019-10-07 2020-10-29 임성우 디지털 오디오 공동 재생 서비스 방법 및 시스템
US11257480B2 (en) * 2020-03-03 2022-02-22 Tencent America LLC Unsupervised singing voice conversion with pitch adversarial network
KR102168529B1 (ko) * 2020-05-29 2020-10-22 주식회사 수퍼톤 인공신경망을 이용한 가창음성 합성 방법 및 장치
CN112669798B (zh) * 2020-12-15 2021-08-03 深圳芒果未来教育科技有限公司 一种对音乐信号主动跟随的伴奏方法及相关设备
KR102472972B1 (ko) * 2021-04-08 2022-12-02 주식회사 폰에어 Ai기반으로 음원을 믹싱하는 장치 및 방법
CN114944161A (zh) * 2022-05-31 2022-08-26 腾讯音乐娱乐科技（深圳）有限公司 音频调整方法、计算机设备和程序产品
US12444393B1 (en) * 2025-04-17 2025-10-14 Eidol Corporation Systems, devices, and methods for dynamic synchronization of a prerecorded vocal backing track to a live vocal performance

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0543199U (ja) * 1991-11-06 1993-06-11 株式会社東芝 音響再生装置
JPH08194495A (ja) * 1995-01-17 1996-07-30 Yamaha Corp カラオケ装置
JP2002372981A (ja) * 2002-05-07 2002-12-26 Yamaha Corp 音声変換機能付カラオケ装置
KR20140003111A (ko) * 2012-06-29 2014-01-09 인텔렉추얼디스커버리 주식회사 사용자 음원 평가 장치 및 방법
KR20150018194A (ko) * 2013-08-09 2015-02-23 주식회사 이드웨어 모창 평가 방법 및 시스템

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4969192A (en) * 1987-04-06 1990-11-06 Voicecraft, Inc. Vector adaptive predictive coder for speech and audio
WO1993018505A1 (en) * 1992-03-02 1993-09-16 The Walt Disney Company Voice transformation system
US5966687A (en) * 1996-12-30 1999-10-12 C-Cube Microsystems, Inc. Vocal pitch corrector
FR2843479B1 (fr) * 2002-08-07 2004-10-22 Smart Inf Sa Procede de calibrage d'audio-intonation
US7825321B2 (en) * 2005-01-27 2010-11-02 Synchro Arts Limited Methods and apparatus for use in sound modification comparing time alignment data from sampled audio signals
US7974838B1 (en) * 2007-03-01 2011-07-05 iZotope, Inc. System and method for pitch adjusting vocals
US20080274687A1 (en) * 2007-05-02 2008-11-06 Roberts Dale T Dynamic mixed media package
KR100914051B1 (ko) 2008-01-30 2009-08-28 앰코 테크놀로지 코리아 주식회사 반도체 패키지 제조용 세라믹 기판
US8465366B2 (en) * 2009-05-29 2013-06-18 Harmonix Music Systems, Inc. Biasing a musical performance input to a part
US8449360B2 (en) * 2009-05-29 2013-05-28 Harmonix Music Systems, Inc. Displaying song lyrics and vocal cues
US9058797B2 (en) * 2009-12-15 2015-06-16 Smule, Inc. Continuous pitch-corrected vocal capture device cooperative with content server for backing track mix
US8049093B2 (en) * 2009-12-30 2011-11-01 Motorola Solutions, Inc. Method and apparatus for best matching an audible query to a set of audible targets
US8868411B2 (en) * 2010-04-12 2014-10-21 Smule, Inc. Pitch-correction of vocal performance in accord with score-coded harmonies
EP2626856B1 (en) * 2010-10-06 2020-07-29 Panasonic Corporation Encoding device, decoding device, encoding method, and decoding method
TWI426501B (zh) * 2010-11-29 2014-02-11 Inst Information Industry 旋律辨識方法與其裝置
US8847056B2 (en) * 2012-10-19 2014-09-30 Sing Trix Llc Vocal processing with accompaniment music input
US9997154B2 (en) * 2014-05-12 2018-06-12 At&T Intellectual Property I, L.P. System and method for prosodically modified unit selection databases
US9847078B2 (en) * 2014-07-07 2017-12-19 Sensibol Audio Technologies Pvt. Ltd. Music performance system and method thereof
US10884503B2 (en) * 2015-12-07 2021-01-05 Sri International VPA with integrated object recognition and facial expression recognition

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0543199U (ja) * 1991-11-06 1993-06-11 株式会社東芝 音響再生装置
JPH08194495A (ja) * 1995-01-17 1996-07-30 Yamaha Corp カラオケ装置
JP2002372981A (ja) * 2002-05-07 2002-12-26 Yamaha Corp 音声変換機能付カラオケ装置
KR20140003111A (ko) * 2012-06-29 2014-01-09 인텔렉추얼디스커버리 주식회사 사용자 음원 평가 장치 및 방법
KR20150018194A (ko) * 2013-08-09 2015-02-23 주식회사 이드웨어 모창 평가 방법 및 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111583894A (zh) * 2020-04-29 2020-08-25 长沙市回音科技有限公司 一种实时修正音色的方法、装置、终端设备及计算机存储介质
CN111583894B (zh) * 2020-04-29 2023-08-29 长沙市回音科技有限公司 一种实时修正音色的方法、装置、终端设备及计算机存储介质

Also Published As

Publication number Publication date
KR101925217B1 (ko) 2018-12-04
US20200302903A1 (en) 2020-09-24
US10885894B2 (en) 2021-01-05

Similar Documents

Publication Publication Date Title
WO2018236015A1 (ko) 가창 표현 이식 시스템
Ewert et al. Score-informed source separation for musical audio recordings: An overview
US7825321B2 (en) Methods and apparatus for use in sound modification comparing time alignment data from sampled audio signals
US11996082B2 (en) Electronic musical instruments, method and storage media
CN104272382B (zh) 基于模板的个性化歌唱合成的方法和系统
US9847078B2 (en) Music performance system and method thereof
US10008193B1 (en) Method and system for speech-to-singing voice conversion
US5642470A (en) Singing voice synthesizing device for synthesizing natural chorus voices by modulating synthesized voice with fluctuation and emphasis
EP0831460A2 (en) Speech synthesis method utilizing auxiliary information
CN112466313A (zh) 一种多歌者歌声合成方法及装置
JP7380809B2 (ja) 電子機器、電子楽器、方法及びプログラム
EP1849154B1 (en) Methods and apparatus for use in sound modification
JP6657713B2 (ja) 音響処理装置および音響処理方法
JP2021043338A (ja) テキスト表示用同期情報生成装置および方法並びに音声認識装置および方法
CN112309351A (zh) 一种歌曲生成方法、装置、智能终端及存储介质
CN119719414A (zh) 一种歌曲教唱模板生成方法及系统、设备、程序产品
JP2009169103A (ja) 練習支援装置
KR101966587B1 (ko) 가창 표현 이식 시스템
JP6809177B2 (ja) 情報処理システムおよび情報処理方法
JP2008197350A (ja) 楽音信号生成装置及びカラオケ装置
JP6578725B2 (ja) 制御用端末装置、合成歌唱生成装置
WO2024202977A1 (ja) 音変換方法およびプログラム
Wada et al. AN ADAPTIVE KARAOKE SYSTEM THAT PLAYS ACCOMPANIMENT PARTS OF MUSIC AUDIO SIGNALS SYNCHRONOUSLY WITH USERS’SINGING VOICES
JP2024137023A (ja) 音変換方法およびプログラム
Leader D4. 3 Automatic Extraction of Performance-related Parameters from Audio Recordings and Live Performances

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17914885

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17914885

Country of ref document: EP

Kind code of ref document: A1