阅读说明：本技术 基于分类器的歌曲节奏生成方法、设备、存储介质及装置 (Song rhythm generation method, equipment, storage medium and device based on classifier ) 是由 朱照华 王健宗 于 2019-08-02 设计创作，主要内容包括：本发明公开了一种基于分类器的歌曲节奏生成方法、设备、存储介质及装置,该方法包括：获取待处理歌词文本,从待处理歌词文本中提取首句歌词；从预设歌曲节奏生成模型的统计矩阵中选择与首句歌词对应的目标行；根据目标行按照预设规则确定首句节奏的起始位置；从待处理歌词文本中提取歌词特征信息；根据歌词特征信息通过预设歌曲节奏生成模型进行音符预测,获得待处理歌词文本中的各歌词对应的目标音符时值；根据起始位置和目标音符时值生成与待处理歌词文本对应的歌曲节奏。基于人工智能,根据歌词通过预设歌曲节奏生成模型自适应生成合理的音乐节奏,不受歌词长度以及段落长度的约束,具有良好的适应性。(The invention discloses a kind of song rhythm generation method, equipment, storage medium and device based on classifier extracts the first sentence lyrics this method comprises: obtaining lyrics text to be processed from lyrics text to be processed；The selection target line corresponding with the first sentence lyrics from the statistical matrix that default song rhythm generates model；The initial position played according to target line according to the determining first literal of preset rules；Lyrics characteristic information is extracted from lyrics text to be processed；Model is generated by default song rhythm according to lyrics characteristic information and carries out note prediction, obtains the corresponding target note duration of each lyrics in lyrics text to be processed；Song rhythm corresponding with lyrics text to be processed is generated according to initial position and target note duration.Based on artificial intelligence, model adaptation is generated by default song rhythm according to the lyrics and generates reasonable music rhythm, not by the constraint of lyrics length and bout length, there is good adaptability.)

基于分类器的歌曲节奏生成方法、设备、存储介质及装置

技术领域

本发明涉及人工智能的技术领域，尤其涉及一种基于分类器的歌曲节奏生成方法、设备、存储介质及装置。

背景技术

节奏是音乐的重要组成部分之一，其好坏直接影响到音乐的表现力，节奏的种类繁多，并且与音乐风格有着非常显著的关联。与纯音乐相比，歌曲以其大众多元的特性在自动作曲领域当中有着与纯音乐不同的意义，在歌曲创作的过程中不仅需要考虑其旋律的好坏，同时要考虑旋律与歌词的结合，目前而言现有的自动作曲技术主要集中在旋律生成的部分，对于节奏生成的部分的研究相对而言较为不足，自动创作效率低、质量差，节奏与歌词结合不佳。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种基于分类器的歌曲节奏生成方法、设备、存储介质及装置，旨在解决现有技术中自动创作歌曲的质量不佳的技术问题。

为实现上述目的，本发明提供一种基于分类器的歌曲节奏生成方法，所述基于分类器的歌曲节奏生成方法包括以下步骤：

获取待处理歌词文本，从所述待处理歌词文本中提取首句歌词；

从预设歌曲节奏生成模型的统计矩阵中选择与所述首句歌词对应的目标行；

根据所述目标行按照预设规则确定首句节奏的起始位置；

从所述待处理歌词文本中提取歌词特征信息；

根据所述歌词特征信息通过所述预设歌曲节奏生成模型进行音符预测，获得所述待处理歌词文本中的各歌词对应的目标音符时值；

根据所述起始位置和所述目标音符时值生成与所述待处理歌词文本对应的歌曲节奏。

优选地，所述根据所述目标行按照预设规则确定首句节奏的起始位置，包括：

获取所述目标行中各元素的概率；

随机生成一控制参数，将所述控制参数分别与各所述概率进行匹配；

将匹配成功的概率对应的元素作为目标元素；

获取所述目标元素的节奏位置作为首句节奏的起始位置。

优选地，所述从预设歌曲节奏生成模型的统计矩阵中选择与所述首句歌词对应的目标行，包括：

获取所述首句歌词的第一字数，并获取预设歌曲节奏生成模型的统计矩阵中各行对应的第二字数；

将所述第一字数分别与各所述第二字数进行匹配；

从预设歌曲节奏生成模型的统计矩阵中选择匹配成功的第二字数对应的行，作为与所述首句歌词对应的目标行。

优选地，所述获取待处理歌词文本，从所述待处理歌词文本中提取首句歌词之前，所述基于分类器的歌曲节奏生成方法还包括：

获取训练样本集合；

根据所述训练样本集合中的各音乐样本对随机森林模型进行训练，获得预设歌曲节奏生成模型。

优选地，所述根据所述训练样本集合中的各音乐样本对随机森林模型进行训练，获得预设歌曲节奏生成模型，包括：

对所述训练样本集合中的各音乐样本进行预处理，获得预处理音乐样本；

对所述预处理音乐样本进行特征统计，获得所述预处理音乐样本对应的不同类型的特征信息；

对所述特征信息进行浮点数形式转换，获得浮点数形式的转换特征信息；

根据所述转换特征信息对随机森林模型进行训练，获得预设歌曲节奏生成模型。

优选地，所述对所述训练样本集合中的各音乐样本进行预处理，获得预处理音乐样本，包括：

获取所述训练样本集合中的各音乐样本的歌词数量；

提取各所述音乐样本的旋律声部，并统计各所述旋律声部的音符数量；

判断所述歌词数量是否等于所述音符数量；

若所述歌词数量不等于所述音符数量，则遍历所述旋律声部中的所有音符节奏，查找不带有歌词信息的音符节奏；

将查找到的不带有歌词信息的音符节奏合并至前一个有歌词信息的音符节奏上，获得预处理音乐样本。

优选地，所述根据所述转换特征信息对随机森林模型进行训练，获得预设歌曲节奏生成模型，包括：

从所述转换特征信息中提取句子特征信息；

根据所述句子特征信息统计不同字数的句子的开始位置，并将所述开始位置记录为统计矩阵；

将所述转换特征信息中除了所述句子特征信息之外的信息作为样本歌词特征信息；

根据所述样本歌词特征信息和所述统计矩阵对随机森林模型进行训练，获得预设歌曲节奏生成模型。

此外，为实现上述目的，本发明还提出一种基于分类器的歌曲节奏生成设备，所述基于分类器的歌曲节奏生成设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于分类器的歌曲节奏生成程序，所述基于分类器的歌曲节奏生成程序配置为实现如上文所述的基于分类器的歌曲节奏生成方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于分类器的歌曲节奏生成程序，所述基于分类器的歌曲节奏生成程序被处理器执行时实现如上文所述的基于分类器的歌曲节奏生成方法的步骤。

此外，为实现上述目的，本发明还提出一种基于分类器的歌曲节奏生成装置，所述基于分类器的歌曲节奏生成装置包括：

提取模块，用于获取待处理歌词文本，从所述待处理歌词文本中提取首句歌词；

选择模块，用于从预设歌曲节奏生成模型的统计矩阵中选择与所述首句歌词对应的目标行；

确定模块，用于根据所述目标行按照预设规则确定首句节奏的起始位置；

所述提取模块，还用于从所述待处理歌词文本中提取歌词特征信息；

音符预测模块，用于根据所述歌词特征信息通过所述预设歌曲节奏生成模型进行音符预测，获得所述待处理歌词文本中的各歌词对应的目标音符时值；

生成模块，用于根据所述起始位置和所述目标音符时值生成与所述待处理歌词文本对应的歌曲节奏。

本发明中，通过获取待处理歌词文本，从所述待处理歌词文本中提取首句歌词，从预设歌曲节奏生成模型的统计矩阵中选择与所述首句歌词对应的目标行，根据所述目标行按照预设规则确定首句节奏的起始位置，基于人工智能，根据歌词通过预设歌曲节奏生成模型自适应确定首句节奏的起始位置，不受歌词长度以及段落长度的约束，具有良好的适应性；从所述待处理歌词文本中提取歌词特征信息，根据所述歌词特征信息通过所述预设歌曲节奏生成模型进行音符预测，获得所述待处理歌词文本中的各歌词对应的目标音符时值，根据所述起始位置和所述目标音符时值生成与所述待处理歌词文本对应的歌曲节奏，根据歌词通过预设歌曲节奏生成模型自适应生成合理的音乐节奏，可适用于不同风格音乐节奏的生成，具有良好的扩展性。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的基于分类器的歌曲节奏生成设备的结构示意图；

图2为本发明基于分类器的歌曲节奏生成方法第一实施例的流程示意图；

图3为本发明基于分类器的歌曲节奏生成方法第二实施例的流程示意图；

图4为本发明基于分类器的歌曲节奏生成方法第三实施例的流程示意图；

图5为本发明基于分类器的歌曲节奏生成装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于分类器的歌曲节奏生成设备结构示意图。

如图1所示，该基于分类器的歌曲节奏生成设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)，可选用户接口1003还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(Non-volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对基于分类器的歌曲节奏生成设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于分类器的歌曲节奏生成程序。

在图1所示的基于分类器的歌曲节奏生成设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；用户接口1003主要用于连接用户设备；所述基于分类器的歌曲节奏生成设备通过处理器1001调用存储器1005中存储的基于分类器的歌曲节奏生成程序，并执行本发明实施例提供的基于分类器的歌曲节奏生成方法。

基于上述硬件结构，提出本发明基于分类器的歌曲节奏生成方法的实施例。

参照图2，图2为本发明基于分类器的歌曲节奏生成方法第一实施例的流程示意图，提出本发明基于分类器的歌曲节奏生成方法第一实施例。

在第一实施例中，所述基于分类器的歌曲节奏生成方法包括以下步骤：

步骤S10：获取待处理歌词文本，从所述待处理歌词文本中提取首句歌词。

应理解的是，本实施例的执行主体是所述基于分类器的歌曲节奏生成设备，其中，所述基于分类器的歌曲节奏生成设备可为个人电脑或服务器等电子设备。所述待处理歌词文本为一段给定的歌词文本W＝{W1,W2,…,Wc}，其中c表示歌词文本当中的句子数量。可将所述待处理歌词文本进行拆分，拆分成多个句子，从拆分的多个句子中按照时间顺序提取所述首句歌词。可通过初始化音符流，获得音符流S，用于存储生成的节奏序列；可通过初始化时间参数，获得时间参数d，用于同步记录音符流当中的时间。

步骤S20：从预设歌曲节奏生成模型的统计矩阵中选择与所述首句歌词对应的目标行。

可理解的是，统计所述首句歌词的句子字数d，所述预设歌曲节奏生成模型的统计矩阵中各行为与不同字数歌词句子分别对应的行，根据所述首句歌词的字数d从所述歌曲节奏生成模型的统计矩阵H中选择指定的行H[d]，即与所述首句歌词的句子字数对应的目标行。

步骤S30：根据所述目标行按照预设规则确定首句节奏的起始位置。

需要说明的是，根据所述目标行H[d]决定首句节奏的开始位置，所述预设规则可以是随机生成一个控制参数r，根据所述控制参数r所处的概率区间确定首句节奏开始的位置。具体为：将所述控制参数r与所述目标行中各元素的概率进行匹配，将匹配成功的概率对应的节奏位置作为所述首句节奏的起始位置，即更新所述时间参数d的值。

步骤S40：从所述待处理歌词文本中提取歌词特征信息。

应理解的是，所述歌词特征信息包括歌词的位置信息、节奏信息和统计信息，所述歌词的位置信息包括歌词在当前句子中为第几个字、是否在第一小节、是否为句子中的首字和是否为句子中的尾字，所述歌词的节奏信息包括拍号，所述歌词的统计信息包括当前位置前句子内十六分音符数量、当前位置前句子内三连音数量、当前位置前句子内八分音符数量、当前位置前句子内四分音符数量、当前位置前句子内四分附点音符数量、当前位置前句子内四分延八分附点音符数量、当前位置前句子内二分音符数量和当前位置前句子内其他音符数量。

步骤S50：根据所述歌词特征信息通过所述预设歌曲节奏生成模型进行音符预测，获得所述待处理歌词文本中的各歌词对应的目标音符时值。

在具体实现中，获取大量的音乐样本，提取所述音乐样本的歌词特征信息，通过大量音乐样本的所述歌词特征信息对随机森林模型进行训练，获得预设歌曲节奏生成模型。从而可将从所述待处理歌词文本中提取的所述歌词特征信息输入所述预设歌曲节奏生成模型，自动预测出所述待处理歌词文本中各歌词对应的目标音符时值。

步骤S60：根据所述起始位置和所述目标音符时值生成与所述待处理歌词文本对应的歌曲节奏。

可理解的是，将生成的所述目标音符时值添加到所述音符流S当中，并更新所述时间参数的值d，判断所述待处理歌词文本中的歌词是否都输出对应的目标音符时值，如果没有进行到最后一个歌词，执行步骤S40，直到所述待处理歌词文本中的所有歌词都有对应的目标音符时值，在所述待处理歌词文本中的所有歌词都生成对应的目标音符时值时，根据所述起始位置，将各歌词的目标音符时值添加至所述音符流中，并更新所述时间参数d，获得与所述待处理歌词文本对应的歌曲节奏。

本实施例中，通过获取待处理歌词文本，从所述待处理歌词文本中提取首句歌词，从预设歌曲节奏生成模型的统计矩阵中选择与所述首句歌词对应的目标行，根据所述目标行按照预设规则确定首句节奏的起始位置，基于人工智能，根据歌词通过预设歌曲节奏生成模型自适应确定首句节奏的起始位置，不受歌词长度以及段落长度的约束，具有良好的适应性；从所述待处理歌词文本中提取歌词特征信息，根据所述歌词特征信息通过所述预设歌曲节奏生成模型进行音符预测，获得所述待处理歌词文本中的各歌词对应的目标音符时值，根据所述起始位置和所述目标音符时值生成与所述待处理歌词文本对应的歌曲节奏，根据歌词通过预设歌曲节奏生成模型自适应生成合理的音乐节奏，可适用于不同风格音乐节奏的生成，具有良好的扩展性。

参照图3，图3为本发明基于分类器的歌曲节奏生成方法第二实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明基于分类器的歌曲节奏生成方法的第二实施例。

在第二实施例中，所述步骤S30，包括：

步骤S301：获取所述目标行中各元素的概率。

应理解的是，利用随机森林模型中多个弱分类器决策生成一个强分类器的特点，通过分析音乐中特定的特征构建不同的决策树模型从而生成一个可靠的节奏生成模型，即所述预设歌曲节奏生成模型。在所述预设歌曲节奏生成模型的训练阶段，将音乐样本的句子特征信息进行统计，获得记录首句出现字数种类及不同字数下句子开始位置的统计矩阵H，然后逐行概率化统计矩阵H当中每一行的所有参数。则可从所述预设歌曲节奏生成模型的统计矩阵H中获取所述目标行中各元素的概率。

步骤S302：随机生成一控制参数，将所述控制参数分别与各所述概率进行匹配。

可理解的是，首先获取所述目标行中各元素的概率的取值范围，在所述取值范围内随机生成一控制参数r，所述控制参数r为一个随机概率，将所述控制参数r与所述目标行中各元素的概率分别进行匹配，可预先将所述目标行中各元素的概率设置对应的概率区间，将所述控制参数r分别与各概率区间进行比较，以实现匹配。

步骤S303：将匹配成功的概率对应的元素作为目标元素。

需要说明的是，预先将所述目标行中各元素的概率设置对应的概率区间，将所述控制参数r分别与各概率区间进行比较，若所述控制参数r处于某一概率区间，则认定所述控制参数与该概率区间对应的概率匹配成功，则获取匹配成功的概率对应的元素作为所述目标元素。

步骤S304：获取所述目标元素的节奏位置作为首句节奏的起始位置。

在具体实现中，在所述预设歌曲节奏生成模型的训练阶段，将音乐样本的句子特征信息进行统计，获得记录首句出现字数种类及不同字数下句子开始位置的统计矩阵H，从所述统计矩阵H的所述目标行中获取所述目标元素的节奏位置，并将其作为首句节奏的起始位置，即更新时间参数d的值。

在本实施例中，所述步骤S20，包括：

获取所述首句歌词的第一字数，并获取预设歌曲节奏生成模型的统计矩阵中各行对应的第二字数；

将所述第一字数分别与各所述第二字数进行匹配；

从预设歌曲节奏生成模型的统计矩阵中选择匹配成功的第二字数对应的行，作为与所述首句歌词对应的目标行。

应理解的是，所述预设歌曲节奏生成模型的统计矩阵中各行为与不同字数歌词句子分别对应的行，统计并获取所述首句歌词的第一字数，并获取预设歌曲节奏生成模型的统计矩阵中各行对应的第二字数，通过将所述第一字数分别与各所述第二字数进行比较，若两者字数一致，则认定匹配成功。

可理解的是，从预设歌曲节奏生成模型的统计矩阵中选择匹配成功的第二字数对应的行，即获得所述首句歌词的所述第一字数d对应的指定的行H[d]，作为与所述首句歌词对应的目标行。

本实施例中，通过获取所述目标行中各元素的概率，随机生成一控制参数，将所述控制参数分别与各所述概率进行匹配，将匹配成功的概率对应的元素作为目标元素，获取所述目标元素的节奏位置作为首句节奏的起始位置，基于随机生成的控制参数确定首句节奏的起始位置，使得生成的歌曲节奏不单一，更多样，具有良好的适应性。

参照图4，图4为本发明基于分类器的歌曲节奏生成方法第三实施例的流程示意图，基于上述图3所示的第二实施例，提出本发明基于分类器的歌曲节奏生成方法的第三实施例。

在第三实施例中，所述步骤S10之前，还包括：

步骤S01：获取训练样本集合。

应理解的是，所述训练样本集合中包括大量的音乐样本，通过分析音乐样本中特定的特征构建不同的决策树模型从而生成一个可靠的歌曲节奏生成模型。所述训练样本集合T＝{T1,T2,…Ti...,TN}为带有歌词信息的乐器数字接口(Musical InstrumentDigital Interface，简称MIDI)文件内容，N为大于等于1的整数，表示所述训练样本集合中的音乐样本的数量。

步骤S02：根据所述训练样本集合中的各音乐样本对随机森林模型进行训练，获得预设歌曲节奏生成模型。

可理解的是，对于其中的任意一个音乐样本Ti而言，i为大于等于1且小于等于N的整数，U＝{u1,u2,…,ua}表示音乐样本当中的歌词信息，a表示歌词的数量，V＝{v1,v2,…,vb}表示音乐样本当中旋律声部的节奏信息，b表示旋律声部当中音符的数量。对所述训练样本集合中各音乐样本进行特征分析，统计出各音乐样本的不同类型的特征信息，所述特征信息包括句子信息、位置信息、节奏信息及统计信息。根据各音乐样本的不同类型的特征信息对随机森林模型进行训练，获得预设歌曲节奏生成模型。

在本实施例中，所述步骤S02，包括：

对所述训练样本集合中的各音乐样本进行预处理，获得预处理音乐样本；

对所述预处理音乐样本进行特征统计，获得所述预处理音乐样本对应的不同类型的特征信息；

对所述特征信息进行浮点数形式转换，获得浮点数形式的转换特征信息；

根据所述转换特征信息对随机森林模型进行训练，获得预设歌曲节奏生成模型。

需要说明的是，在训练过程中，需对所述训练样本集合中的每一个音乐样本进行预处理，具体为：在构建所述预设歌曲节奏生成模型的过程当中需要保证所述训练样本集合中的音乐样本的旋律声部中每一个音符都能对应一个歌词，因此首先需要检测音乐样本当中歌词的数量a和旋律声部当中音符的数量b是否相等，如果音乐样本当中歌词的数量a和旋律声部当中音符的数量b相等，则对每一个所述音乐样本进行特征信息统计，否则，遍历音乐样本当中旋律声部的节奏信息V中的所有音符，查找不带有歌词信息的音符节奏，并将不带有歌词信息的音符节奏合并到前一个有歌词对应的节奏之上，再执行对每一个所述音乐样本进行特征信息统计的步骤。在本实施例中，所述对所述训练样本集合中的各音乐样本进行预处理，获得预处理音乐样本，包括：获取所述训练样本集合中的各音乐样本的歌词数量；提取各所述音乐样本的旋律声部，并统计各所述旋律声部的音符数量；判断所述歌词数量是否等于所述音符数量；若所述歌词数量不等于所述音符数量，则遍历所述旋律声部中的所有音符节奏，查找不带有歌词信息的音符节奏；将查找到的不带有歌词信息的音符节奏合并至前一个有歌词信息的音符节奏上，获得预处理音乐样本。

在具体实现中，按照如下表1中所示的特征信息对各所述音乐样本的特征进行统计，得到不同类型的特征情况。

表1

应理解的是，由于决策树模型当中要求特征都以浮点数的类型输入，因此对于上述的特征信息需要将其转化为浮点数的形式才能够将其应用到模型当中，对所述特征信息进行浮点数形式转换，对于上述特征中是否的判断都用浮点数的形式表示，对于样本拍号采用A*10+B的形式记录，其中为音乐中拍号的标记形式，从而获得浮点数形式的转换特征信息。

可理解的是，当得到所有音乐样本的转换特征信息之后，进行如下两部分的操作：

第一部分操作为从所述转换特征信息中统计句子特征信息，所述句子特征信息包括是否为首句、句子中的字数和首句开始位置，得到记录首句出现字数种类的向量O＝{o1,o2,…,on_h}，以及不同字数下句子开始位置的统计矩阵H(n_h，n_w)，其中n_h表示音乐样本中不同字数首句的类别数量，n_w表示音乐样本中不同的节拍位置，H[i,j]表示所有音乐样本当中字数为O[i]并且处于第j拍开始的句子的数量，然后逐行概率化矩阵H当中每一行的所有参数，从而获得所述统计矩阵。

第二部分操作将除句子特征之外的其余特征作为样本歌词特征信息，所述样本歌词特征信息包括位置信息、节奏信息和统计信息。将所述样本歌词特征信息用于对所述随机森林模型进行训练，将当前歌词所对应的音符时值用于决策树构建的依据。在训练过程中，从所有的音乐样本中随机选择若干音乐样本用于构建不同的决策树作为一次生成构建过程，重复该过程直至构建出最终的所述歌曲节奏生成模型。本实施例中，所述根据所述转换特征信息对随机森林模型进行训练，获得预设歌曲节奏生成模型，包括：从所述转换特征信息中提取句子特征信息；根据所述句子特征信息统计不同字数的句子的开始位置，并将所述开始位置记录为统计矩阵；将所述转换特征信息中除了所述句子特征信息之外的信息作为样本歌词特征信息；根据所述样本歌词特征信息和所述统计矩阵对随机森林模型进行训练，获得预设歌曲节奏生成模型。

本实施例中，通过获取训练样本集合，根据所述训练样本集合中的各音乐样本对随机森林模型进行训练，获得预设歌曲节奏生成模型，从而根据歌词通过所述预设歌曲节奏生成模型，自适应生成合理的音乐节奏，并且不受歌词长度以及段落长度的约束，具有良好的适应性，可以用于不同风格音乐节奏的生成，通过使用特定风格的训练样本集实现，具有良好的扩展性。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于分类器的歌曲节奏生成程序，所述基于分类器的歌曲节奏生成程序被处理器执行时实现如上文所述的基于分类器的歌曲节奏生成方法的步骤。

此外，参照图5，本发明实施例还提出一种基于分类器的歌曲节奏生成装置，所述基于分类器的歌曲节奏生成装置包括：

提取模块10，用于获取待处理歌词文本，从所述待处理歌词文本中提取首句歌词。

应理解的是，所述待处理歌词文本为一段给定的歌词文本W＝{W1,W2,…,Wc}，其中c表示歌词文本当中的句子数量。可将所述待处理歌词文本进行拆分，拆分成多个句子，从拆分的多个句子中按照时间顺序提取所述首句歌词。可通过初始化音符流，获得音符流S，用于存储生成的节奏序列；可通过初始化时间参数，获得时间参数d，用于同步记录音符流当中的时间。

选择模块20，用于从预设歌曲节奏生成模型的统计矩阵中选择与所述首句歌词对应的目标行。

可理解的是，统计所述首句歌词的句子字数d，所述预设歌曲节奏生成模型的统计矩阵中各行为与不同字数歌词句子分别对应的行，根据所述首句歌词的字数d从所述歌曲节奏生成模型的统计矩阵H中选择指定的行H[d]，即与所述首句歌词的句子字数对应的目标行。

确定模块30，用于根据所述目标行按照预设规则确定首句节奏的起始位置。

需要说明的是，根据所述目标行H[d]决定首句节奏的开始位置，所述预设规则可以是随机生成一个控制参数r，根据所述控制参数r所处的概率区间确定首句节奏开始的位置。具体为：将所述控制参数r与所述目标行中各元素的概率进行匹配，将匹配成功的概率对应的节奏位置作为所述首句节奏的起始位置，即更新所述时间参数d的值。

所述提取模块10，还用于从所述待处理歌词文本中提取歌词特征信息。

应理解的是，所述歌词特征信息包括歌词的位置信息、节奏信息和统计信息，所述歌词的位置信息包括歌词在当前句子中为第几个字、是否在第一小节、是否为句子中的首字和是否为句子中的尾字，所述歌词的节奏信息包括拍号，所述歌词的统计信息包括当前位置前句子内十六分音符数量、当前位置前句子内三连音数量、当前位置前句子内八分音符数量、当前位置前句子内四分音符数量、当前位置前句子内四分附点音符数量、当前位置前句子内四分延八分附点音符数量、当前位置前句子内二分音符数量和当前位置前句子内其他音符数量。

音符预测模块40，用于根据所述歌词特征信息通过所述预设歌曲节奏生成模型进行音符预测，获得所述待处理歌词文本中的各歌词对应的目标音符时值。

在具体实现中，获取大量的音乐样本，提取所述音乐样本的歌词特征信息，通过大量音乐样本的所述歌词特征信息对随机森林模型进行训练，获得预设歌曲节奏生成模型。从而可将从所述待处理歌词文本中提取的所述歌词特征信息输入所述预设歌曲节奏生成模型，自动预测出所述待处理歌词文本中各歌词对应的目标音符时值。

生成模块50，用于根据所述起始位置和所述目标音符时值生成与所述待处理歌词文本对应的歌曲节奏。

可理解的是，将生成的所述目标音符时值添加到所述音符流S当中，并更新所述时间参数的值d，判断所述待处理歌词文本中的歌词是否都输出对应的目标音符时值，如果没有进行到最后一个歌词，执行步骤S40，直到所述待处理歌词文本中的所有歌词都有对应的目标音符时值，在所述待处理歌词文本中的所有歌词都生成对应的目标音符时值时，根据所述起始位置，将各歌词的目标音符时值添加至所述音符流中，并更新所述时间参数d，获得与所述待处理歌词文本对应的歌曲节奏。

本实施例中，通过获取待处理歌词文本，从所述待处理歌词文本中提取首句歌词，从预设歌曲节奏生成模型的统计矩阵中选择与所述首句歌词对应的目标行，根据所述目标行按照预设规则确定首句节奏的起始位置，基于人工智能，根据歌词通过预设歌曲节奏生成模型自适应确定首句节奏的起始位置，不受歌词长度以及段落长度的约束，具有良好的适应性；从所述待处理歌词文本中提取歌词特征信息，根据所述歌词特征信息通过所述预设歌曲节奏生成模型进行音符预测，获得所述待处理歌词文本中的各歌词对应的目标音符时值，根据所述起始位置和所述目标音符时值生成与所述待处理歌词文本对应的歌曲节奏，根据歌词通过预设歌曲节奏生成模型自适应生成合理的音乐节奏，可适用于不同风格音乐节奏的生成，具有良好的扩展性。

在一实施例中，所述基于分类器的歌曲节奏生成装置还包括：

获取模块，用于获取所述目标行中各元素的概率；

匹配模块，用于随机生成一控制参数，将所述控制参数分别与各所述概率进行匹配；

所述确定模块30，还用于将匹配成功的概率对应的元素作为目标元素；

所述获取模块，还用于获取所述目标元素的节奏位置作为首句节奏的起始位置。

在一实施例中，所述获取模块，还用于获取所述首句歌词的第一字数，并获取预设歌曲节奏生成模型的统计矩阵中各行对应的第二字数；

所述匹配模块，还用于将所述第一字数分别与各所述第二字数进行匹配；

所述选择模块20，还用于从预设歌曲节奏生成模型的统计矩阵中选择匹配成功的第二字数对应的行，作为与所述首句歌词对应的目标行。

在一实施例中，所述基于分类器的歌曲节奏生成装置还包括：

所述获取模块，还用于获取训练样本集合；

训练模块，用于根据所述训练样本集合中的各音乐样本对随机森林模型进行训练，获得预设歌曲节奏生成模型。

在一实施例中，所述训练模块，还用于对所述训练样本集合中的各音乐样本进行预处理，获得预处理音乐样本；对所述预处理音乐样本进行特征统计，获得所述预处理音乐样本对应的不同类型的特征信息；对所述特征信息进行浮点数形式转换，获得浮点数形式的转换特征信息；根据所述转换特征信息对随机森林模型进行训练，获得预设歌曲节奏生成模型。

在一实施例中，所述训练模块，还用于获取所述训练样本集合中的各音乐样本的歌词数量；提取各所述音乐样本的旋律声部，并统计各所述旋律声部的音符数量；判断所述歌词数量是否等于所述音符数量；若所述歌词数量不等于所述音符数量，则遍历所述旋律声部中的所有音符节奏，查找不带有歌词信息的音符节奏；将查找到的不带有歌词信息的音符节奏合并至前一个有歌词信息的音符节奏上，获得预处理音乐样本。

在一实施例中，所述训练模块，还用于从所述转换特征信息中提取句子特征信息；根据所述句子特征信息统计不同字数的句子的开始位置，并将所述开始位置记录为统计矩阵；将所述转换特征信息中除了所述句子特征信息之外的信息作为样本歌词特征信息；根据所述样本歌词特征信息和所述统计矩阵对随机森林模型进行训练，获得预设歌曲节奏生成模型。

本发明所述基于分类器的歌曲节奏生成装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为标识。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image，ROM)/随机存取存储器(Random AccessMemory，RAM)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。