一种基于神经网络的交互式歌词生成方法及系统技术方案

本发明专利技术公开了基于神经网络的交互式歌词生成方法及系统，系统基于该方法，方法包括歌词生成模型预训练，采用预处理好的歌词训练数据输入基本训练模型进行训练，得到歌词生成模型；获取用户设定的歌词标签和提供的首句歌词；歌词数据编码；首句歌词补全，将用户提供的歌词的数据编码输入歌词生成模型进行歌词句子自动补全；将补全后的歌词句子输入歌词生成模型生成歌词下一句的候选语句；选择一个候选语句作为第二句歌词并入首句歌词，作为下一句歌词的预测输入；将合并后的歌词句子输入歌词生成模型生成歌词下一句的候选语句；重复上述步骤，直到完成一段或者整首歌词。歌词生成过程中会生成多个候选语句供用户选择，提高歌词生成过程中的交互性。

An interactive Lyric generation method and system based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的交互式歌词生成方法及系统
本专利技术属于歌词创作方法
，具体地说，涉及一种基于神经网络的交互式歌词生成方法及系统。
技术介绍
音乐在人们的生活中发挥着不可替代的作用，不同的音乐能够带给人不同的体验，舒缓的音乐有助于睡眠，快节奏的音乐能够让人兴奋等等。音乐的组成包括乐曲和歌词。在进行音乐创作过程中往往采用的是根据乐曲填词或者根据歌词谱曲。随着网络的发展，经典乐曲重新填词重新演绎赋予乐曲新的含义在网络上也蓬勃发展。但是无论是创作全新的乐曲歌词还是旧曲作词，旧词谱曲都需要创作人员具有一定的音乐基础，以达到创作的音乐能带给人较好的体验。申请号为201811453116.5的专利技术专利公开了一种歌词智能生成方法、装置、存储介质和计算机设备，方法包括：获取预置的单句歌词；获取待生成歌词集合的关键词列表；将所述单句歌词和所述关键词列表输入预先训练的歌词生成模型，生成下一句歌词；将所述生成的下一句歌词作为所述预置的单句歌词，重复执行所述将所述单句歌词和所述关键词列表输入预先训练的歌词生成模型，生成下一句歌词的步骤，以生成歌词集合。该方法无需预先准备歌词语料库便可智能生成全新、非现有的歌词，实现歌词创作。该方法在生成时需要预置单句歌词，及关键词列表，用以控制歌词的生成过程，增加了用户的使用难度，同时在歌词创作中仅生成一个歌词，不能生成歌词替换选项供用户选择，缺乏交互性，创作出来的歌词单一。
技术实现思路
针对现有技术中上述的不足，本专利技术提供一种基于神经网络的交互式歌词生成方法及系统，使用该方法用户仅需提供首句歌词，歌词可以不是完整的一个句子，系统会自动进行首句歌词补全，然后再根据补全后的首句歌词进行整段或者整首歌词生成，歌词生成过程中会生成多个候选语句供用户选择，提高歌词生成过程中的交互性，创作的的歌词更具有创作者的特色。系统操作简单，生成的歌词供用户选择，交互性强，可以实现歌词整体的主题一致性，能达到表达用户需要的情感的目的。是用户作词的有力助手。为了达到上述目的，本专利技术采用的解决方案是：一种基于神经网络的交互式歌词生成方法，包括如下步骤：S1：歌词生成模型预训练，采用预处理好的歌词训练数据输入基本训练模型进行训练，得到歌词生成模型，基本训练模型可以是transformer或transformer-xl或RNN；S2：获取用户设定的歌词标签和提供的首句歌词，首句歌词可以是根据用户提供的标签从歌词库中随机选出，并由用户最终选定的歌词，也可以是用户自己输入的歌词，降低用户使用的难度；S3：歌词数据编码，参考字符映射表将歌词的每个字符替换为一个数字来表示，得到一个列表，列表中的元素是一个个数字；S4：首句歌词补全，将用户提供的歌词的数据编码输入歌词生成模型进行歌词句子自动补全；S41：将用户提供的歌词的数据编码输入歌词生成模型，输出歌词下一个字符的概率分布向量；S42：提取概率从大到小顺序的前几个字符作为候选字符；S43：将候选字符补充到歌词末尾，以补充后的歌词的数据编码输入歌词生成模型；S44：重复步骤S42-S43，逐字预测其他字符，直到预测得到的字符为标点符号；S45：返回一系列完整的句子供用户选择；S5：将补全后的歌词句子输入歌词生成模型生成歌词下一句的候选语句；S51：将补全后的歌词的数据编码输入歌词生成模型，输出歌词下一个字符的概率分布向量；S52：提取概率从大到小顺序的前几个字符作为候选字符；S53：将候选字符作为多个候选句的首字，分别将首字加入前文，并将加入候选词后的歌词的数据编码输入歌词生成模型；S54：重复步骤S52-S53，逐字预测其他字符，直到预测得到的字符为标点符号；S55：返回一系列候选的句子供用户选择；S6：选择一个候选语句作为第二句歌词并入首句歌词，作为下一句歌词的预测输入；S7：将合并后的歌词句子输入歌词生成模型生成歌词下一句的候选语句；S8：重复步骤S6和S7，直到完成一段或者整首歌词。用户选定候选语句后，句子会并入前文，与前文一起生成后一句歌词，结合全部前文，歌词的连贯性和情境描述性更强。所述的生成方法还包括歌词修改步骤：具体包括歌词替换、押韵词替换和段落仿写；所述的歌词替换包括：用户选择已生成歌词中的任意想要替换的字词，作为欲替换词；应用字符映射表将已生成歌词转换为歌词预测模型的输入数据，将欲替换词采用能区分的标识字符标识；将输入数据输入歌词预测模型进行预测，获取第一个标识字符对应的替换字的概率分布向量；根据第一个标识字符对应位置的概率分布向量提取出概率从大到小排列的前n1个字符的数字编码；再将得到的数字编码替换预测模型输入数据中第一个标识字符；再将新的输入数据输入歌词预测模型进行预测，获取第二个标识字符对应的替换字的概率分布向量，选择其中的n2个，得到n2个第二个标识字符的数字编码，依次类推，获取其余标识字符的候选字符，直至预测模型输入数据中不存在标识字符，得到多个欲替换词的候选词，供用户选择；所述的押韵词替换包括：应用字符映射表将已生成的多个歌词句子转换为歌词预测模型的输入数据，将指定的韵脚采用能区分的标识字符标识；将输入数据输入歌词预测模型进行预测，获取第一个标识字符对应的替换字的概率分布向量；根据第一个标识字符对应位置的概率分布向量提取出概率从大到小排列的前n1个字符的数字编码；再将得到的数字编码替换预测模型输入数据中第一个标识字符；再将新的输入数据输入歌词预测模型进行预测，获取第二个标识字符对应的替换字的概率分布向量，选择其中的n2个，得到n2个第二个标识字符的数字编码，依次类推，获取其余标识字符的候选字符，直至预测模型输入数据中不存在标识字符；采用押韵规则过滤出满足押韵要求的词，作为押韵替换词输出，供用户选择；所述的段落仿写包括整段仿写模式和基于词替换的段落仿写模式；所述的整段仿写模式包括：应用字符映射表将当前歌词全文转换为歌词预测模型的输入数据，将欲替换的段落采用能区分的标识字符标识；将输入数据输入歌词预测模型进行预测，获取第一个标识字符对应的替换字的概率分布向量；根据第一个标识字符对应位置的概率分布向量提取出概率从大到小排列的前n1个字符的数字编码；再将得到的数字编码替换预测模型输入数据中第一个标识字符；再将新的输入数据输入歌词预测模型进行预测，获取第二个标识字符对应的替换字的概率分布向量，选择其中的n2个，得到n2个第二个标识字符的数字编码，依次类推，获取其余标识字符的候选字符，直至预测模型输入数据中不存在标识字符，得到多个候选段落，供用户选择；所述的基于词替换的段落仿写模式包括：对欲替换段落进行分词，应用字符映射表将当前歌词全文转换为歌词预测模型的输入数据，欲替换段落分词后的第一个欲替换词采用能区分的标识字符标识；将输入数据输入歌词预测模型进行预测，获取第一个标识字符对应的替换字的概率分布向量；根据第一个标识字符对应位置的概率分布向量提取出概率从大到小排列的前n1个字符本文档来自技高网...

【技术保护点】
1.一种基于神经网络的交互式歌词生成方法，其特征在于：包括如下步骤：/nS1：歌词生成模型预训练，采用预处理好的歌词训练数据输入基本训练模型进行训练，得到歌词生成模型；/nS2：获取用户设定的歌词标签和提供的首句歌词；/nS3：歌词数据编码；/nS4：首句歌词补全，将用户提供的歌词的数据编码输入歌词生成模型进行歌词句子自动补全；/nS5：将补全后的歌词句子输入歌词生成模型生成歌词下一句的候选语句；/nS6：选择一个候选语句作为第二句歌词并入首句歌词，作为下一句歌词的预测输入；/nS7：将合并后的歌词句子输入歌词生成模型生成歌词下一句的候选语句；/nS8：重复步骤S6和S7，直到完成一段或者整首歌词。/n

【技术特征摘要】
1.一种基于神经网络的交互式歌词生成方法，其特征在于：包括如下步骤：
S1：歌词生成模型预训练，采用预处理好的歌词训练数据输入基本训练模型进行训练，得到歌词生成模型；
S2：获取用户设定的歌词标签和提供的首句歌词；
S3：歌词数据编码；
S4：首句歌词补全，将用户提供的歌词的数据编码输入歌词生成模型进行歌词句子自动补全；
S5：将补全后的歌词句子输入歌词生成模型生成歌词下一句的候选语句；
S6：选择一个候选语句作为第二句歌词并入首句歌词，作为下一句歌词的预测输入；
S7：将合并后的歌词句子输入歌词生成模型生成歌词下一句的候选语句；
S8：重复步骤S6和S7，直到完成一段或者整首歌词。


2.根据权利要求1所述的基于神经网络的交互式歌词生成方法，其特征在于：所述的基本训练模型为transformer或transformer-xl或RNN。


3.根据权利要求1所述的基于神经网络的交互式歌词生成方法，其特征在于：所述的首句歌词为根据用户提供的标签从歌词库中随机选出，并由用户最终选定的歌词或用户自己输入的歌词。


4.根据权利要求1所述的基于神经网络的交互式歌词生成方法，其特征在于：所述的歌词数据编码具体包括参考字符映射表将歌词的每个字符替换为一个数字来表示，得到一个列表，列表中的元素是一个个数字。


5.根据权利要求1所述的基于神经网络的交互式歌词生成方法，其特征在于：所述的首句歌词补全具体包括：
S41：将用户提供的歌词的数据编码输入歌词生成模型，输出歌词下一个字符的概率分布向量；
S42：提取概率从大到小顺序的前几个字符作为候选字符；
S43：将候选字符补充到歌词末尾，以补充后的歌词的数据编码输入歌词生成模型；
S44：重复步骤S42-S43，逐字预测其他字符，直到预测得到的字符为标点符号；
S45：返回一系列完整的句子供用户选择。


6.根据权利要求1所述的基于神经网络的交互式歌词生成方法，其特征在于：所述的步骤S5具体包括：
S51：将补全后的歌词的数据编码输入歌词生成模型，输出歌词下一个字符的概率分布向量；
S52：提取概率从大到小顺序的前几个字符作为候选字符；
S53：将候选字符作为多个候选句的首字，分别将首字加入前文，并将加入候选词后的歌词的数据编码输入歌词生成模型；
S54：重复步骤S52-S53，逐字预测其他字符，直到预测得到的字符为标点符号；
S55：返回一系列候选的句子供用户选择。


7.根据权利要求1所述的基于神经网络的交互式歌词生成方法，其特征在于：所述的生成方法还包括歌词修改步骤：具体包括歌词替换、押韵词替换和段落仿写；
所述的歌词替换包括：用户选择已生成歌词中的任意想要替换的字词，作为欲替换词；应用字符映射表将已生成歌词转换为歌词预测模型的输入数据，将欲替换词采用能区分的标识字符标识；将输入数据输入歌词预测模型进行预测，获取第一个标识字符对应的替换字的概率分布向量；根据第一个标识字符对应位置的概率分布向量提取出概率从大到小排列的前n1个字符的数字编码；再将得到的数字编码替换预测模型输入数据中第一个标识字符；再将新的输入数据输入歌词预测模型进行预测，获取第二个标识字符对应的替换字的概率分布向量，选择其中的n2个，得到n2个第二个标识字符的数字编码，依次类推，获取其余标识字符的候选字符，直至预测模型输入数据中不存在标识字符，得到多个欲替换词的候选词，供用户选择；
所述的押韵词替换包括：应用字符映射表将已生成的多个歌词句子转换为歌词预测模型的输入数据，将指定的韵脚采用能区分的标识字符标识；将输入数据输入歌词预测模型进行预测，获取第一个标识字符对应的替换字...

【专利技术属性】
技术研发人员：尹学渊，祁松茂，江天宇，
申请(专利权)人：成都嗨翻屋科技有限公司，
类型：发明
国别省市：四川;51