歌声合成方法、装置及计算机可读存储介质与流程

本发明涉及人工智能领域，尤其涉及一种歌声合成的方法、装置、电子设备及计算机可读存储介质。

背景技术：

随着人们生活水平的不断提高，对音乐的需求也日趋高涨，但传统的音乐需要人工将乐谱的信息转换成歌声，效率较低，因此歌声合成技术应运而生，歌声合成技术是一门将乐谱转换为歌声的技术，达到机器替代人唱歌的目的。由于相比人唱歌，机器不会疲惫并且能够精准演唱，因此该技术被广泛应用于泛娱乐、教育、游戏和相关智能领域。

但目前的歌声合成方法需要建立庞大的歌声发音单元数据库，只能合成该数据库已有的歌声发音单元，并且该方法需要大量的歌声数据。

技术实现要素：

本发明提供一种歌声合成方法、装置、电子设备及计算机可读存储介质，其主要目的在于降低歌声数据存储资源的占用，提升歌声合成的灵活性。

为实现上述目的，本发明提供的一种歌声合成方法，包括：

获取乐谱信息，对所述乐谱信息进行建模抽取及编码处理，得到乐谱单元矩阵；

获取测试乐谱信息集，利用所述测试乐谱信息集训练预构建的第一神经网络模型，得到时长模型；

利用所述时长模型对所述乐谱单元矩阵进行时长分析，得到乐谱时长矩阵；

利用所述测试乐谱信息集训练预构建的第二神经网络模型，得到声学模型；

利用所述声学模型对所述乐谱时长矩阵进行频谱特征提取，得到频谱特征信息；

利用预设的声码器对所述频谱特征信息进行声音合成处理，生成合成歌声。

可选地，所述乐谱信息包括歌词文字和歌词文字的音乐属性。

可选地，所述获取乐谱信息，对所述乐谱信息进行建模抽取及编码处理得到乐谱单元矩阵，包括：

将所述歌词文字转换为建模单元；

利用onehot编码将所述建模单元及所述歌词文字的音乐属性转换为歌词文字向量；

将所述歌词文字向量按照对应歌词文字的顺序进行横向拼接，得到所述乐谱单元矩阵。

可选地，所述获取测试乐谱信息集，利用所述测试乐谱信息集训练预构建的第一神经网络模型得到时长模型，包括：

对所述测试乐谱信息集中的每个测试乐谱信息进行建模抽取及编码处理，得到测试乐谱矩阵；

汇总所述测试乐谱矩阵，得到测试乐谱矩阵集合；

对所述测试乐谱矩阵的每一列进行时长标记，得到测试乐谱时长标记向量；

汇总所述测试乐谱时长标记向量，得到测试乐谱时长标记向量集合；

将所述测试乐谱矩阵集合作为训练集及将所述测试乐谱时长标记向量集合作为标签集对所述第一神经网络模型进行训练，得到所述时长模型。

可选地，所述利用所述时长模型对所述乐谱矩阵进行时长分析，得到乐谱时长矩阵，包括：

利用所述时长模型对所述乐谱矩阵进行时长分析，得到歌词时长向量；

将所述歌词时长向量与所述乐谱单元矩阵纵向拼接得到所述乐谱时长矩阵。

可选地，所述利用所述测试乐谱信息集训练预构建的第二神经网络模型得到声学模型，包括：

将所述测试乐谱信息包含的歌词文字的时长按预设顺序组合得到测试乐谱时长向量；

将所述测试乐谱矩阵与所述测试乐谱时长向量纵向拼接得到测试乐谱时长矩阵；

汇总所述测试乐谱时长矩阵得到测试乐谱时长矩阵集；

将所述测试乐谱时长矩阵集确定为第二训练集；

对所述测试乐谱时长矩阵集进行频谱特征信息标记，得到第二标签集；

利用所述第二训练集及所述第二标签集对所述第二神经网络模型进行训练，得到所述声学模型。

为了解决上述问题，本发明还提供一种歌声合成装置，所述装置包括：

时长分析模块，用于获取乐谱信息，对所述乐谱信息进行建模抽取及编码处理，得到乐谱单元矩阵；获取测试乐谱信息集，利用所述测试乐谱信息集训练预构建的第一神经网络模型，得到时长模型；利用所述时长模型对所述乐谱单元矩阵进行时长分析，得到乐谱时长矩阵；

频谱信息模块，用于利用所述测试乐谱信息集训练预构建的第二神经网络模型，得到声学模型；利用所述声学模型对所述乐谱时长矩阵进行频谱特征提取，得到频谱特征信息；

合成歌声模块，用于利用预设的声码器对所述频谱特征信息进行声音合成处理，生成合成歌声。

可选地，所述时长分析模块中乐谱信息包括歌词文字和歌词文字的音乐属性。

可选地，所述时长分析模块获取乐谱信息，对所述乐谱信息进行建模抽取及编码处理得到乐谱单元矩阵，包括：

将所述歌词文字转换为建模单元；

利用onehot编码将所述建模单元及所述歌词文字的音乐属性转换为歌词文字向量；

将所述歌词文字向量按照对应歌词文字的顺序进行横向拼接，得到所述乐谱单元矩阵。

可选地，所述时长分析模块获取测试乐谱信息集，利用所述测试乐谱信息集训练预构建的第一神经网络模型得到时长模型，包括：

对所述测试乐谱信息集中的每个测试乐谱信息进行建模抽取及编码处理，得到测试乐谱矩阵；

汇总所述测试乐谱矩阵，得到测试乐谱矩阵集合；

对所述测试乐谱矩阵的每一列进行时长标记，得到测试乐谱时长标记向量；

汇总所述测试乐谱时长标记向量，得到测试乐谱时长标记向量集合；

将所述测试乐谱矩阵集合作为训练集及将所述测试乐谱时长标记向量集合作为标签集对所述第一神经网络模型进行训练，得到所述时长模型。

可选地，所述时长分析模块利用所述时长模型对所述乐谱矩阵进行时长分析，得到乐谱时长矩阵，包括：

利用所述时长模型对所述乐谱矩阵进行时长分析，得到歌词时长向量；

将所述歌词时长向量与所述乐谱单元矩阵纵向拼接得到所述乐谱时长矩阵。

可选地，所述频谱信息模块利用所述测试乐谱信息集训练预构建的第二神经网络模型得到声学模型，包括：

将所述测试乐谱信息包含的歌词文字的时长按预设顺序组合得到测试乐谱时长向量；

将所述测试乐谱矩阵与所述测试乐谱时长向量纵向拼接得到测试乐谱时长矩阵；

汇总所述测试乐谱时长矩阵得到测试乐谱时长矩阵集；

将所述测试乐谱时长矩阵集确定为第二训练集；

对所述测试乐谱时长矩阵集进行频谱特征信息标记，得到第二标签集；

利用所述第二训练集及所述第二标签集对所述第二神经网络模型进行训练，得到所述声学模型。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现上述所述的歌声合成方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的歌声合成方法。

本发明实施例中，对所述乐谱信息进行建模抽取及编码处理得到乐谱单元矩阵，将所述乐谱信息进行向量化便于数字化处理；利用所述测试乐谱信息集训练预构建的第一神经网络模型得到时长模型，利用所述时长模型对所述乐谱矩阵进行时长分析，得到乐谱信息中歌词文字对应的时长信息；利用所述测试乐谱信息集训练预构建的第二神经网络模型得到声学模型，利用所述声学模型对所述乐谱矩阵进行处理得到频谱特征信息，得到乐谱信息的声学特征，利用预设的声码器所述频谱特征信息进行声音合成处理，生成最终的歌声。本发明不需要构建歌声数据库，因此降低了歌声数据存储资源的占用，同时，歌声合成也不再局限于预构建的歌声数据库，提升了歌声合成的灵活性。

附图说明

图1为本发明一实施例提供的歌声合成方法的流程示意图；

图2为本发明一实施例提供的歌声合成装置的模块示意图；

图3为本发明一实施例提供的实现歌声合成方法的电子设备的内部结构示意图；

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。

本发明提供一种歌声合成方法。参照图1所示，为本发明一实施例提供的歌声合成方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。

在本实施例中，歌声合成方法包括：

s1、获取乐谱信息，对所述乐谱信息进行建模抽取及编码处理得到乐谱单元矩阵。

本发明实施例中，所述乐谱信息包括歌词文字和歌词文字的音乐属性，其中，所述音乐属性为所述歌词文字音乐信息，例如：音符、拍号、谱号、调号、颤音标记、倚音标记等；所述歌词文字为中文文字或外文单词。所述乐谱信息可以从某音乐公司的词曲库中获取。

进一步地，本发明实施例为了便于对乐谱信息进行数字化处理，对所述乐谱信息进行建模抽取及编码处理。

详细地，所述建模抽取及编码处理包括：

s11、将所述歌词文字转换为建模单元，例如：将“我”转换为声韵母格式“wo3”。

s12、利用onehot编码将所述歌词文字对应的建模单元及所述歌词文字的音乐属性转换为歌词文字向量，其中，所述歌词文字向量为维度为n的列向量。

s13、将所述歌词文字向量按照对应歌词文字的顺序进行拼接，得到乐谱单元矩阵，其中，所述乐谱单元矩阵为t*n的矩阵，t为所述乐谱信息中歌词的歌词文字的数目，例如：所述乐谱信息中歌词的歌词文字共有1000个，所述歌词文字向量为维度为400的列向量，将所述歌词文字向量按照对应歌词文字的顺序进行拼接，得到400*1000的矩阵即为所述乐谱单元矩阵。

s2、获取测试乐谱信息集，利用所述测试乐谱信息集训练预构建的第一神经网络模型得到时长模型；

本发明实施例，所述测试乐谱信息集为多个测试乐谱信息的集合，所述测试乐谱信息为具有对应歌曲的乐谱信息，所述测试乐谱信息集可以从某音乐公司的词曲库中进行获取。

进一步地，对所述测试乐谱信息进行建模抽取及编码处理，得到测试乐谱矩阵，其中，所述建模抽取及编码处理与上述方法一致，对所述测试乐谱矩阵的每一列进行时长标记得到测试乐谱时长标记向量，汇总所述测试乐谱矩阵得到测试乐谱矩阵集合，汇总所述测试乐谱时长标记向量，得到所述测试乐谱时长标记向量集合，将所述测试乐谱矩阵集合作为训练集及将所述测试乐谱时长标记向量集合作为标签集对所述第一神经网络模型进行训练得到所述时长模型。

较佳地，所述神经网络模型可利用transformer模型进行构建。

s3、利用所述时长模型对所述乐谱单元矩阵进行时长分析，得到乐谱时长矩阵；

本发明实施例中，为了分析所述歌词文字的发音时长，利用所述时长模型对所述乐谱矩阵进行时长分析，得到歌词时长向量，其中，所述歌词时长向量为维度为t的行向量，t为所述乐谱信息中歌词的歌词文字的数目，所述歌词时长向量中的每一个值表示对应顺序的所述歌词文字的发音时长，进而将所述歌词时长向量与所述乐谱单元矩阵纵向拼接，得到所述乐谱时长矩阵，其中，所述乐谱时长矩阵为t*(n+1)的矩阵向量。

s4、利用所述测试乐谱信息集训练预构建的第二神经网络模型得到声学模型；

本发明实施例中，为了分析所述歌词中歌词文字对应的声音特征，利用所述测试乐谱信息集训练预构建的第二神经网络模型得到声学模型。

较佳地，所述第二神经网络模型可利用transformer模型进行构建。

进一步地，本发明实施例对所述测试乐谱信息进行建模抽取及编码处理，得到测试乐谱矩阵，将所述测试乐谱信息包含的歌词文字的时长按预设顺序组合得到测试乐谱时长向量，例如：所述测试乐谱信息中的歌词为“说不上为什么”，所述预设顺序为歌词中歌词文字的先后顺序，对应的歌词文字“说”的时长为1.1s，“不”的时长为1.0s，“上”的时长为1.3s，“为”的时长为1.2s，“什”的时长为1.4s，“么”的时长为1.5s，那么测试乐谱时长向量为[1.1,1.0,1.3,1.2,1.4,1.5]；将所述测试乐谱矩阵与所述测试乐谱时长向量纵向拼接得到测试乐谱时长矩阵。

详细地，本发明实施例汇总所述测试乐谱时长矩阵得到测试乐谱时长矩阵集，将所述测试乐谱时长矩阵集确定为第二训练集，所述测试乐谱信息为具有对应歌曲的乐谱信息，因此可以得知所述测试乐谱信息的声学特征，从而对所述测试乐谱时长矩阵集进行频谱特征信息标记得到第二标签集对所述第二神经网络模型进行训练得到声学模型，其中，所述频谱特征信息包括：基频、频谱包络、非周期信号参数三部分。

可选地，利用所述第二训练集及所述第二标签集训练所述第二卷积神经网络模型，包括：

x：根据预设的卷积池化次数，对所述第二训练集进行卷积池化操作，得到第二降维数据集；

y：利用预设的第二激活函数对所述第二降维数据集进行计算，得到第二预测值，将所述第二预测值和所述第二标签值作为预构建的第二损失函数的输入参数计算得到第二损失值。

z：对比所述第二损失值与预设的第二损失阈值的大小，若所述第二损失值大于或等于所述第二损失阈值，返回x；若所述第二损失值小于所述第二损失阈值，得到所述声学模型。

可选地，所述对所述第二训练集进行卷积池化操作，得到第二降维数据集，包括：

对所述第二训练集进行卷积运算得到卷积数据集；

对所述卷积数据集进行平均池化操作得到所述第二降维数据集。

本发明的另一个实施例中，所述时长模型训练所需的数据可以存储在区块链中。

s5、利用所述声学模型对所述乐谱矩阵进行频谱特征提取，得到频谱特征信息；

本发明实施例中，将所述乐谱时长矩阵输入至所述声学模型得到频谱特征信息。

s6、利用预设的声码器对所述频谱特征信息进行声音合成处理，生成最终的歌声。

本发明实施例中所述频谱特征信息为分析得到的所述乐谱信息中每个歌词文字的声音特征的集合。

进一步地，利用预设的声码器对所述频谱特征信息进行声音合成处理，生成合成歌声。

较佳地，所述声码器可以为world声码器。

本发明实施例中，对所述乐谱信息进行建模抽取及编码处理得到乐谱单元矩阵，将所述乐谱信息进行向量化便于数字化处理；利用所述测试乐谱信息集训练预构建的第一神经网络模型得到时长模型，利用所述时长模型对所述乐谱矩阵进行时长分析，得到乐谱信息中歌词文字对应的时长信息；利用所述测试乐谱信息集训练预构建的第二神经网络模型得到声学模型，利用所述声学模型对所述乐谱矩阵进行处理得到频谱特征信息，得到乐谱信息的声学特征，利用预设的声码器所述频谱特征信息进行声音合成处理，生成最终的歌声。本发明不需要构建歌声数据库，因此降低了歌声数据存储资源的占用，同时，歌声合成也不再局限于预构建的歌声数据库，提升了歌声合成的灵活性。

如图2所示，是本发明歌声合成装置的功能模块图。

本发明所述歌声合成装置100可以安装于电子设备中。根据实现的功能，所述歌声合成装置可以包括时长分析模块101、频谱信息模块102、合成歌声模块103。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述时长分析模块101用于获取乐谱信息，对所述乐谱信息进行建模抽取及编码处理，得到乐谱单元矩阵；获取测试乐谱信息集，利用所述测试乐谱信息集训练预构建的第一神经网络模型，得到时长模型；利用所述时长模型对所述乐谱单元矩阵进行时长分析，得到乐谱时长矩阵。

本发明实施例中，所述乐谱信息包括歌词文字和歌词文字的音乐属性，其中，所述音乐属性为所述歌词文字音乐信息，例如：音符、拍号、谱号、调号、颤音标记、倚音标记等；所述歌词文字为中文文字或外文单词。所述乐谱信息可以从某音乐公司的词曲库中获取。

进一步地，本发明实施例为了便于对乐谱信息进行数字化处理，所述时长分析模块101对所述乐谱信息进行建模抽取及编码处理。

详细地，所述时长分析模块101利用下述手段进行建模抽取及编码处理：

将所述歌词文字转换为建模单元，例如：将“我”转换为声韵母格式“wo3”。

利用onehot编码将所述歌词文字对应的建模单元及所述歌词文字的音乐属性转换为歌词文字向量，其中，所述歌词文字向量为维度为n的列向量。

将所述歌词文字向量按照对应歌词文字的顺序进行拼接，得到乐谱单元矩阵，其中，所述乐谱单元矩阵为t*n的矩阵，t为所述乐谱信息中歌词的歌词文字的数目，例如：所述乐谱信息中歌词的歌词文字共有1000个，所述歌词文字向量为维度为400的列向量，将所述歌词文字向量按照对应歌词文字的顺序进行拼接，得到400*1000的矩阵即为所述乐谱单元矩阵。

本发明实施例，所述测试乐谱信息集为多个测试乐谱信息的集合，所述测试乐谱信息为具有对应歌曲的乐谱信息，所述测试乐谱信息集可以从某音乐公司的词曲库中进行获取。

进一步地，所述时长分析模块101对所述测试乐谱信息进行建模抽取及编码处理，得到测试乐谱矩阵，其中，所述建模抽取及编码处理与上述方法一致。

详细地，所述时长分析模块101利用下述手段训练得到所述时长模型：

对所述测试乐谱矩阵的每一列进行时长标记得到测试乐谱时长标记向量；

汇总所述测试乐谱矩阵得到测试乐谱矩阵集合；

汇总所述测试乐谱时长标记向量，得到所述测试乐谱时长标记向量集合；

将所述测试乐谱矩阵集合确定为训练集及将所述测试乐谱时长标记向量集合作为标签集对所述第一神经网络模型进行训练得到所述时长模型。

较佳地，所述神经网络模型可利用transformer模型进行构建。

本发明实施例中，为了分析所述歌词文字的发音时长，所述时长分析模块101利用所述时长模型对所述乐谱矩阵进行时长分析，得到歌词时长向量，其中，所述歌词时长向量为维度为t的行向量，t为所述乐谱信息中歌词的歌词文字的数目，所述歌词时长向量中的每一个值表示对应顺序的所述歌词文字的发音时长，进而所述时长分析模块101将所述歌词时长向量与所述乐谱单元矩阵纵向拼接得到所述乐谱时长矩阵，其中，所述乐谱时长矩阵为t*(n+1)的矩阵向量。

所述频谱信息模块102用于利用所述测试乐谱信息集训练预构建的第二神经网络模型，得到声学模型；利用所述声学模型对所述乐谱时长矩阵进行频谱特征提取，得到频谱特征信息。

本发明实施例中，为了分析所述歌词中歌词文字对应的声音特征，所述频谱信息模块102利用所述测试乐谱信息集训练预构建的第二神经网络模型得到声学模型。

较佳地，所述第二神经网络模型可利用transformer模型进行构建。

进一步地，本发明实施例所述频谱信息模块102对所述测试乐谱信息进行建模抽取及编码处理，得到测试乐谱矩阵；所述频谱信息模块102将所述测试乐谱信息包含的歌词文字的时长按预设顺序组合得到测试乐谱时长向量，例如：所述测试乐谱信息中的歌词为“说不上为什么”，所述预设顺序为歌词中歌词文字的先后顺序，对应的歌词文字“说”的时长为1.1s，“不”的时长为1.0s，“上”的时长为1.3s，“为”的时长为1.2s，“什”的时长为1.4s，“么”的时长为1.5s，那么测试乐谱时长向量为[1.1,1.0,1.3,1.2,1.4,1.5]；所述频谱信息模块102将所述测试乐谱矩阵与所述测试乐谱时长向量纵向拼接得到测试乐谱时长矩阵。

详细地，本发明实施例所述频谱信息模块102汇总所述测试乐谱时长矩阵得到测试乐谱时长矩阵集，将所述测试乐谱时长矩阵集确定为第二训练集，所述测试乐谱信息为具有对应歌曲的乐谱信息，因此可以得知所述测试乐谱信息的声学特征，从而所述频谱信息模块102对所述测试乐谱时长矩阵集进行频谱特征信息标记得到第二标签集，进而所述频谱信息模块102利用所述第二训练集及所述第二标签集对所述第二神经网络模型进行训练，得到所述声学模型。其中，所述频谱特征信息包括：基频、频谱包络、非周期信号参数三部分。

可选地，所述频谱信息模块102利用所述第二训练集及所述第二标签集训练所述第二卷积神经网络模型，包括：

x：根据预设的卷积池化次数，对所述第二训练集进行卷积池化操作，得到第二降维数据集；

y：利用预设的第二激活函数对所述第二降维数据集进行计算，得到第二预测值，将所述第二预测值和所述第二标签值作为预构建的第二损失函数的输入参数计算得到第二损失值。

z：对比所述第二损失值与预设的第二损失阈值的大小，若所述第二损失值大于或等于所述第二损失阈值，返回x；若所述第二损失值小于所述第二损失阈值，得到所述声学模型。

可选地，所述频谱信息模块102对所述第二训练集进行卷积池化操作，得到第二降维数据集，包括：

对所述第二训练集进行卷积运算得到卷积数据集；

对所述卷积数据集进行平均池化操作得到所述第二降维数据集。

本发明的另一个实施例中，所述时长模型训练所需的数据可以存储在区块链中。

本发明实施例中，所述频谱信息模块102将所述乐谱时长矩阵输入至所述声学模型得到频谱特征信息。

所述合成歌声模块103用于利用预设的声码器对所述频谱特征信息进行声音合成处理，生成合成歌声。

本发明是实施例中所述频谱特征信息为分析得到的所述乐谱信息中每个歌词文字的声音特征的集合。

进一步地，所述合成歌声模块103利用预设的声码器对所述频谱特征信息进行声音合成处理，生成合成歌声。

较佳地，所述声码器可以为world声码器。

如图3所示，是本发明实现歌声合成方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如歌声合成程序。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(smartmediacard，smc)、安全数字(securedigital，sd)卡、闪存卡(flashcard)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如歌声合成程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(centralprocessingunit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(controlunit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如歌声合成程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述总线可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。

进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organiclight-emittingdiode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的歌声合成程序12是多个指令的组合，在所述处理器10中运行时，可以实现：

获取乐谱信息，对所述乐谱信息进行建模抽取及编码处理，得到乐谱单元矩阵；

获取测试乐谱信息集，利用所述测试乐谱信息集训练预构建的第一神经网络模型，得到时长模型；

利用所述时长模型对所述乐谱单元矩阵进行时长分析，得到乐谱时长矩阵；

利用所述测试乐谱信息集训练预构建的第二神经网络模型，得到声学模型；

利用所述声学模型对所述乐谱时长矩阵进行频谱特征提取，得到频谱特征信息；

利用预设的声码器对所述频谱特征信息进行声音合成处理，生成合成歌声。

具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除