基于生成式对抗网络的音乐旋律编曲方法、装置及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115762452A(43)申请公布日2023.03.07(21)申请号202211403621.5(22)申请日2022.11.10(71)申请人华南理工大学地址510640广东省广州市天河区五山路381号(72)发明人胡剑桥陶乾(74)专利代理机构广州市华学知识产权代理有限公司44245专利代理师戴晓琴(51)Int.Cl.G10H1/00(2006.01)G06N3/0442(2023.01)G06N3/045(2023.01)G06N3/0475(2023.01)G06N3/08(2023.01)权利要求书2页说明书8页附图6页(54)发明名称基于生成式对抗网络的音乐旋律编曲方法、装置及系统(57)摘要本发明公开了一种基于生成式对抗网络的音乐旋律编曲方法、装置及系统，所述方法包括：接收客户端发送的表单，根据表单中的信息，利用机器学习模型合成音乐文件；其中所述机器学习模型采用改进的生成式对抗网络模型；所述改进的生成式对抗网络模型将一个判别器改进为两个判别器，同时将生成器中的长短期记忆结构改进为关系记忆单元；将所述音乐文件的路径返回给客户端，以使客户端使用ref属性动态绑定页面中音频控件中所述音乐文件的路径，并且自动进行所述音乐文件的播放。本发明通过采用生成式对抗网络模型，极大程度增加了音乐旋律生成的多样性与真实性，生成的音乐旋律更加优美动听；通过合成音乐文件，使适用人群扩展到一般人群。CN115762452ACN115762452A权利要求书1/2页1.一种基于生成式对抗网络的音乐旋律编曲方法，其特征在于，所述方法包括：接收客户端发送的表单，根据表单中的信息，利用机器学习模型合成音乐文件；其中所述机器学习模型采用改进的生成式对抗网络模型；所述改进的生成式对抗网络模型将一个判别器改进为两个判别器，同时将生成器中的长短期记忆结构改进为关系记忆单元；将所述音乐文件的路径返回给客户端，以使客户端使用ref属性动态绑定页面中音频控件中所述音乐文件的路径，并且自动进行所述音乐文件的播放。2.根据权利要求1所述的音乐旋律编曲方法，其特征在于，所述表单中的信息包括歌词和乐器信息；所述根据表单中的信息，利用机器学习模型合成音乐文件，包括：利用词典模块，将所述歌词转化成向量；根据所述向量，利用机器学习模型生成音乐旋律；根据所述音乐旋律和乐器信息，生成音乐文件。3.根据权利要求2所述的音乐旋律编曲方法，其特征在于，所述根据所述向量，利用机器学习模型生成音乐旋律，包括：在网络上获取大量现有的歌曲作为数据集，利用数据集中的歌曲对所述机器学习模型进行训练；在训练阶段过程中，根据两个判别器的输出结果对生成器中的参数进行调整；将所述向量输入训练好的机器学习模型中，通过生成器输出音乐旋律。4.根据权利要求3所述的音乐旋律编曲方法，其特征在于，两个判别器分别为歌词判别器和旋律判别器，其中，所述歌词判别器包括线性层、双向LSTM层以及sigmoid函数，所述旋律判别器包括线性层、两个串联的LSTM层、线性层及Dropout模块以及sigmoid函数；所述利用数据集中的歌曲对所述机器学习模型进行训练，包括：利用词典模块将歌曲中的歌词转化成向量，将所述向量与噪声拼接后输入生成器中，生成器输出音乐旋律；其中，所述噪声为与所述向量同样维度大小的随机数向量；将所述音乐旋律、向量以及歌曲中的旋律输入所述歌词判别器中，依次通过线性层、双向LSTM层以及sigmoid函数，得到歌词判别器的输出；将所述音乐旋律以及歌曲中的旋律输入所述旋律判别器中，依次通过线性层、两个串联的LSTM层、线性层及Dropout模块以及sigmoid函数，得到旋律判别器的输出；通过两个判别器的输出对生成器产生正向反馈作用，使生成器能够生成更加逼真的旋律数据。5.根据权利要求2所述的音乐旋律编曲方法，其特征在于，所述根据所述音乐旋律和乐器信息，生成音乐文件，包括：将tensor格式的音乐旋律保存为npy文件；读取所述npy文件为ndarray文件；将所述ndarray文件和乐器信息转化为mid文件；将所述mid文件转化成mp3文件或wav文件，即得到音乐文件。6.一种基于生成式对抗网络的音乐旋律编曲装置，其特征在于，所述装置包括：音乐文件合成单元，用于接收客户端发送的表单，根据表单中的信息，利用机器学习模型合成音乐文件；其中所述机器学习模型采用改进的生成式对抗网络模型；所述改进的生成式对抗网络模型将一个判别器改进为两个判别器，同时将生成器中的长短期记忆结构改2CN115762452A权利要求书2/2页进为关系记忆单元；音乐文件播放单元，用于将所述音乐文件的路径返回给客户端，以使客户端使用ref属性动态绑定页面中音频控件中所述音乐文件的路