申请/专利权人：腾讯音乐娱乐科技(深圳)有限公司

申请日：2021-04-13

公开（公告）日：2024-06-11

公开（公告）号：CN113257222B

主分类号：G10L13/033

分类号：G10L13/033;G10L13/04;G10L13/10

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2021.08.31#实质审查的生效;2021.08.13#公开

摘要：本申请公开了一种合成歌曲音频的方法、终端及存储介质，属于互联网技术领域。该方法包括：获取目标歌曲的歌词信息和目标歌曲的每个时间帧对应的目标音高值；基于歌词信息，得到目标歌曲的每个时间帧对应的发音特征；将每个时间帧对应的目标音高值和发音特征输入频谱估计模型，得到每个时间帧对应的初始频谱数据；在预先存储的目标对象的多个参考频谱数据中，分别确定与每个时间帧对应的初始频谱数据相似度最高的参考频谱数据，得到每个时间帧对应的参考频谱数据；基于每个时间帧对应的初始频谱数据和参考频谱数据，生成目标歌曲音频。本申请实施例可以提高合成歌曲音频的播放效果。

主权项：1.一种合成歌曲音频的方法，其特征在于，所述方法包括：获取目标歌曲的歌词信息和所述目标歌曲的每个时间帧对应的目标音高值；基于所述歌词信息，确定所述目标歌曲的每个时间帧对应的发音特征；将每个时间帧对应的目标音高值和发音特征输入频谱估计模型，得到每个时间帧对应的初始频谱数据；在预先存储的目标对象的多个参考频谱数据中，计算每个时间帧对应的初始频谱数据分别与每个参考频谱数据之间的相似度，进而分别确定与每个时间帧对应的初始频谱数据相似度最高的参考频谱数据，得到每个时间帧对应的参考频谱数据；将每个时间帧对应的初始频谱数据和参考频谱数据输入预先训练的歌曲合成模型，得到每个时间帧对应的合成频谱数据，生成目标歌曲音频；其中，所述基于所述歌词信息，确定所述目标歌曲的每个时间帧对应的发音特征，包括：根据所述歌词信息，确定所述歌词信息包括的歌词文本中每个字对应的时间信息；将每个字符的时间信息输入预先训练的音素识别模型，得到所述歌词文本对应的每个音素标识以及每个音素标识对应的时间信息；将所述每个音素标识分别输入预先训练的音素发音特征模型，得到每个音素标识对应的初始发音特征序列，其中，所述初始发音特征序列包括多个初始发音特征，每个初始发音特征对应一个时间帧；基于每个音素标识对应的初始发音特征序列和每个音素标识对应的时间信息，输入到预先训练的歌词发音特征模型，得到每个音素标识对应的发音特征序列，确定所述目标歌曲的每个时间帧对应的发音特征；其中，所述多个参考频谱数据为通过以下过程获得：获取所述目标对象的多个参考音频；对每个参考音频进行分帧处理，得到多个参考频谱数据，并将多个参考频谱数据与所述目标对象对应存储，得到所述目标对象的多个参考频谱数据。

全文数据：

权利要求：

百度查询： 腾讯音乐娱乐科技(深圳)有限公司 合成歌曲音频的方法、终端及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD