本公开关于一种和弦生成模型的训练方法、和弦生成方法、装置，和弦生成模型的训练方法，包括：获取样本序列集合；包括：样本旋律序列以及样本调性序列、样本和弦序列以及样本和弦功能序列；将样本序列集合输入待训练的神经网络模型；神经网络模型用于根据样本序列集合中的样本旋律序列、样本调性序列、样本和弦序列中以及样本和弦功能序列中的部分序列位，预测完整的和弦序列以及和弦功能序列，并输出预测和弦序列以及预测和弦功能序列；基于预测和弦序列与样本和弦序列，预测和弦功能序列与样本和弦功能序列，确定当前神经网络模型的损失值；若小于预设的损失阈值，将当前神经网络模型作为和弦生成模型。本公开可以提高得到的和弦的和谐程度。和谐程度。和谐程度。
【技术实现步骤摘要】
和弦生成模型的训练方法、和弦生成方法、装置及设备
[0001]本公开涉及音频处理
，尤其涉及一种和弦生成模型的训练方法、和弦生成方法、装置、电子设备及存储介质。
技术介绍
[0002]随着音频处理技术的发展，出现了一种旋律搭配和弦生成乐曲的方法，基于设定的旋律，可以搭配适当的和弦，可以使得生成的乐曲和谐悦耳。
[0003]相关技术中，和弦与旋律的匹配大多是通过采用人为定义的规则生成，例如可以是人为定义旋律搭配和弦的规律，总结和弦语法，或者统计采集的音频数据中和弦相对于旋律音的概率进行匹配。然而，目前的和弦生成方法，生成的和弦和谐程度较低。
技术实现思路
[0004]本公开提供一种和弦生成模型的训练方法、和弦生成方法、装置、电子设备及存储介质，以至少解决相关技术中生成的和弦和谐程度较低的问题。本公开的技术方案如下：
[0005]第一方面，提供一种和弦生成模型的训练方法，包括：
[0006]获取样本序列集合；所述样本序列集合包括：样本旋律对应的样本旋律序列以及样本调性序列、样本和弦对应的样本和弦序列以及样本和弦功能序列；所述样本和弦为所述样本旋律对应的和弦；所述样本和弦功能序列用于标识所述样本和弦序列对应的和弦功能；
[0007]将所述样本序列集合输入待训练的神经网络模型；所述神经网络模型用于根据所述样本序列集合中的样本旋律序列、样本调性序列、样本和弦序列中的部分序列位以及样本和弦功能序列中的部分序列位，预测完整的和弦序列以及完整的和弦功能序列，并输出预测和弦序列以及预测和弦功能序列；
[0008]基于所述预测和弦序列与所述样本和弦序列，以及所述预测和弦功能序列与所述样本和弦功能序列，确定当前神经网络模型的损失值；
[0009]若所述损失值小于预设的损失阈值，将当前神经网络模型作为和弦生成模型。
[0010]在可选的一个实施例中，所述部分序列位为除末位外的序列位；
[0011]所述神经网络模型中包含序列位遮蔽层，用于对输入的所述样本序列集合中的样本和弦序列以及样本和弦功能序列进行末位遮蔽处理，以得到样本和弦序列中的部分序列位以及样本和弦功能序列中的部分序列位。
[0012]在可选的一个实施例中，所述预测完整的和弦序列以及完整的和弦功能序列，包括：基于所述样本旋律序列、所述样本调性序列，以及样本和弦序列中的部分序列位以及样本和弦功能序列中的部分序列位，预测所述样本和弦序列的末位以及所述样本和弦功能序列的末位；将所述样本和弦序列中的部分序列位与所述样本和弦序列的末位进行组合，得到所述预测和弦序列，以及将所述样本和弦功能序列中的部分序列位与所述样本和弦功能序列的末位进行组合得到所述预测和弦功能序列。
[0013]在可选的一个实施例中，所述样本调性序列包括：样本主音序列以及样本调式序列；所述基于所述样本旋律序列、所述样本调性序列，以及样本和弦序列中的部分序列位以及样本和弦功能序列中的部分序列位，预测所述样本和弦序列的末位以及所述样本和弦功能序列的末位，包括：将所述样本旋律序列、所述样本主音序列以及所述样本调式序列进行叠加，得到第一样本编码序列；将所述样本和弦序列中的部分序列位以及所述样本和弦功能序列中的部分序列位进行叠加，得到第二样本编码序列；基于所述第一样本编码序列与所述第二样本编码序列生成对应的注意力向量，利用所述神经网络模型对所述注意力向量进行解码，得到所述样本和弦序列的末位以及所述样本和弦功能序列的末位。
[0014]在可选的一个实施例中，所述神经网络模型包括第一预测层，以及第二预测层；所述将所述样本序列集合输入待训练的神经网络模型，包括：将所述样本旋律序列、所述样本调性序列，以及所述样本和弦功能序列中的部分序列位输入所述第一预测层，所述第一预测层用于基于所述样本旋律序列、所述样本调性序列，以及所述样本和弦功能序列中的部分序列位预测完整的和弦功能序列，并输出所述预测和弦功能序列；将所述预测和弦功能序列与所述样本和弦序列中的部分序列位输入所述第二预测层；所述第二预测层用于基于所述预测和弦功能序列与所述样本和弦序列中的部分序列位预测完整的和弦序列，并输出所述预测和弦序列。
[0015]在可选的一个实施例中，所述确定所述和弦生成模型的损失值，包括：获取所述预测和弦序列与所述样本和弦序列的第一损失值，以及获取所述预测和弦功能序列与所述样本和弦功能序列的第二损失值；将所述第一损失值与所述第二损失值的和作为所述和弦匹配模型的损失值；或若所述第一损失值小于预设的第一阈值，且所述第二损失值小于预设的第二阈值，则将当前神经网络模型作为所述和弦生成模型。
[0016]第二方面，提供一种和弦生成方法，包括：
[0017]针对于待生成和弦的旋律，获取所述旋律对应的旋律序列以及调性序列；
[0018]将所述旋律序列以及所述调性序列输入训练好的和弦生成模型，通过所述和弦生成模型得到所述旋律对应的和弦序列；所述和弦生成模型通过如第一方面所述的和弦生成模型训练方法得到；
[0019]根据所述和弦序列生成所述待生成和弦。
[0020]在可选的一个实施例中，所述获取所述旋律对应的旋律序列以及调性序列，包括：获取所述旋律的旋律特征以及调性特征；按照预设的采样频率，对所述旋律特征以及所述调性特征进行采样，得到所述旋律序列以及调性序列。
[0021]第三方面，提供一种和弦生成模型的训练装置，包括：
[0022]样本序列获取单元，被配置为执行获取样本序列集合；所述样本序列集合包括：样本旋律对应的样本旋律序列以及样本调性序列、样本和弦对应的样本和弦序列以及样本和弦功能序列；所述样本和弦为所述样本旋律对应的和弦；所述样本和弦功能序列用于标识所述样本和弦序列对应的和弦功能；
[0023]网络模型训练单元，被配置为执行将所述样本序列集合输入待训练的神经网络模型；所述神经网络模型用于根据所述样本序列集合中的样本旋律序列、样本调性序列、样本和弦序列中的部分序列位以及样本和弦功能序列中的部分序列位，预测完整的和弦序列以及完整的和弦功能序列，并输出预测和弦序列以及预测和弦功能序列；
[0024]模型损失确定单元，被配置为执行基于所述预测和弦序列与所述样本和弦序列，以及所述预测和弦功能序列与所述样本和弦功能序列，确定当前神经网络模型的损失值；
[0025]预测模型获取单元，被配置为执行若所述损失值小于预设的损失阈值，将当前神经网络模型作为和弦生成模型。
[0026]在可选的一个实施例中，所述部分序列位为除末位外的序列位；所述神经网络模型中包含序列位遮蔽层，用于对输入的所述样本序列集合中的样本和弦序列以及样本和弦功能序列进行末位遮蔽处理，以得到样本和弦序列中的部分序列位以及样本和弦功能序列中的部分序列位。
[0027]在可选的一个实施例中，所述网络模型训练单元，进一步被配置为执行基于所述样本旋律序列、所述样本调性序列，以及样本和弦序列中的部分序列位以及样本和弦功能序列中的部分序列位，预测所述样本和弦序列的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种和弦生成模型的训练方法，其特征在于，包括：获取样本序列集合；所述样本序列集合包括：样本旋律对应的样本旋律序列以及样本调性序列、样本和弦对应的样本和弦序列以及样本和弦功能序列；所述样本和弦为所述样本旋律对应的和弦；所述样本和弦功能序列用于标识所述样本和弦序列对应的和弦功能；将所述样本序列集合输入待训练的神经网络模型；所述神经网络模型用于根据所述样本序列集合中的样本旋律序列、样本调性序列、样本和弦序列中的部分序列位以及样本和弦功能序列中的部分序列位，预测完整的和弦序列以及完整的和弦功能序列，并输出预测和弦序列以及预测和弦功能序列；基于所述预测和弦序列与所述样本和弦序列，以及所述预测和弦功能序列与所述样本和弦功能序列，确定当前神经网络模型的损失值；若所述损失值小于预设的损失阈值，将当前神经网络模型作为和弦生成模型。2.根据权利要求1所述的方法，其特征在于，所述部分序列位为除末位外的序列位；所述神经网络模型中包含序列位遮蔽层，用于对输入的所述样本序列集合中的样本和弦序列以及样本和弦功能序列进行末位遮蔽处理，以得到样本和弦序列中的部分序列位以及样本和弦功能序列中的部分序列位。3.根据权利要求2所述的方法，其特征在于，所述预测完整的和弦序列以及完整的和弦功能序列，包括：基于所述样本旋律序列、所述样本调性序列，以及样本和弦序列中的部分序列位以及样本和弦功能序列中的部分序列位，预测所述样本和弦序列的末位以及所述样本和弦功能序列的末位；将所述样本和弦序列中的部分序列位与所述样本和弦序列的末位进行组合，得到所述预测和弦序列，以及将所述样本和弦功能序列中的部分序列位与所述样本和弦功能序列的末位进行组合得到所述预测和弦功能序列。4.根据权利要求3所述的方法，其特征在于，所述样本调性序列包括：样本主音序列以及样本调式序列；所述基于所述样本旋律序列、所述样本调性序列，以及样本和弦序列中的部分序列位以及样本和弦功能序列中的部分序列位，预测所述样本和弦序列的末位以及所述样本和弦功能序列的末位，包括：将所述样本旋律序列、所述样本主音序列以及所述样本调式序列进行叠加，得到第一样本编码序列；将所述样本和弦序列中的部分序列位以及所述样本和弦功能序列中的部分序列位进行叠加，得到第二样本编码序列；基于所述第一样本编码序列与所述第二样本编码序列生成对应的注意力向量，利用所述神经网络模型对所述注意力向量进行解码，得到所述样本和弦序列的末位以及所述样本和弦功能序列的末位。5.一种和弦生成方法，其特征在于，包括：针对于待生成和弦的旋律，获...
【专利技术属性】
技术研发人员：张冉，张欢，王晓瑞，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。