本公开提供一种关于一种歌词生成模型训练方法、歌词生成方法、装置及存储介质，涉及人工智能领域。包括：获取第一歌词文本，第一歌词文本至少包括一首或多首歌曲的歌词、歌曲中每一句歌词的字数信息；将第一歌词文本转换为训练字符；根据训练字符，对预设网络模型进行训练，得到歌词生成模型；歌词生成模型用于根据输入的待生成歌词的约束条件，生成与约束条件对应的待生成歌词，约束条件至少包括：输入文本以及待生成歌词中每句歌词的字数，待生成歌词包括输入文本，歌词生成模型具备识别训练字符的能力。基于此，歌词生成模型训练装置可以通过在训练歌词文本中增加字数信息，提高歌词生成模型生成符合字数要求的歌词的能力。生成模型生成符合字数要求的歌词的能力。生成模型生成符合字数要求的歌词的能力。
【技术实现步骤摘要】
歌词生成模型训练方法、歌词生成方法、装置及存储介质
[0001]本公开涉及人工智能领域，尤其涉及一种歌词生成模型训练方法、歌词生成方法、装置及存储介质。
技术介绍
[0002]歌词创作是音乐创作的重要组成部分，当前歌词的创作主要途径为人工创作。人工创作的过程依赖创作人员的知识积累和创作能力，创作歌词花费时间较长。
[0003]相关技术中，提出了采用人工智能(Artificial Intelligence，AI)技术生成歌词文本的方法。采用AI技术中的网络模型生成歌词为当前的常用方法。当前训练网络模型时，通常是将获取到的歌词文本输入到网络模型中进行训练，并根据训练好的网络模型生成歌词。
[0004]但是，由于歌词通常有严格的格式要求(例如，句数，字数等要求)，当前训练神经网络模型时未考虑歌词的格式要求，导致训练好的神经网络模型不能严格的根据待生成歌词的格式生成歌词。
技术实现思路
[0005]本公开提供一种歌词生成模型训练方法、歌词生成方法、装置及存储介质，以至少解决相关技术中神经网络模型不能严格根据待生成歌词的格式生成歌词的问题。本公开的技术方案如下：
[0006]根据本公开实施例的第一方面，提供一种歌词生成模型训练方法，包括：
[0007]获取第一歌词文本，所述第一歌词文本至少包括一首或多首歌曲的歌词、所述歌曲中每一句歌词的字数信息；
[0008]将所述第一歌词文本转换为训练字符；
[0009]根据所述训练字符，对预设网络模型进行训练，得到歌词生成模型；所述歌词生成模型用于根据输入的待生成歌词的约束条件，生成与所述约束条件对应的所述待生成歌词，所述约束条件至少包括：输入文本以及所述待生成歌词中每句歌词的字数，所述待生成歌词包括所述输入文本，所述歌词生成模型能够识别训练字符。
[0010]可选的，所述获取第一歌词文本，包括：
[0011]获取第二歌词文本，所述第二歌词文本包括所述一首或多首歌曲的歌词；
[0012]在第二歌词文本中添加特征信息，得到处理后的文本；特征信息至少包括所述歌曲中每一句歌词的字数信息，所述字数信息用于标识字的数量；
[0013]根据处理后的文本，确定所述第一歌词文本。
[0014]可选的，所述特征信息还包括以下任一项：所述歌曲中每一首歌曲的句数信息、所述每一首歌曲的开始信息、所述每一首歌曲的结束信息。
[0015]可选的，所述根据处理后的文本，确定所述第一歌词文本，包括：
[0016]将所述处理后的文本中的每一句歌词的文字倒序排列，以得到倒序排列后的文
本；
[0017]确定所述倒序排列后的文本为所述第一文本。
[0018]可选的，所述根据所述训练字符，对预设网络模型进行训练，得到歌词生成模型，包括：
[0019]根据所述预设网络模型的处理长度，从所述训练字符中获取输入序列和输出序列，所述输入序列和所述输出序列的长度小于或等于所述处理长度，所述输出序列包括所述训练字符中输入序列中每一字符的下一个字符；
[0020]根据所述输入序列和所述输出序列，对所述预设网络模型进行训练，得到所述歌词生成模型。
[0021]可选的，所述歌词生成模型包括解码器和输出层；所述输出层用于输出所述歌词生成模型预测的字符；
[0022]所述解码器，用于：
[0023]获取押韵规则；
[0024]根据所述押韵规则，确定待生成歌词中的押韵字符；
[0025]在生成所述押韵字符的过程中，抑制所述输出层的生成非押韵字符。
[0026]根据本公开实施例的第二方面，提供一种歌词生成方法，包括：
[0027]获取约束条件；所述约束条件至少包括：输入文本以及所述待生成歌词中每句歌词的字数，所述待生成歌词包括所述输入文本；
[0028]将约束条件输入到歌词生成模型，生成与所述约束条件对应的歌词；
[0029]其中，所述歌词生成模型为根据权利要求1
‑
6任一项所述的歌词模型生成训练方法训练得到的歌词生成模型。
[0030]可选的，所述约束条件还包括以下至少一项：歌词句数，韵脚。
[0031]根据本公开实施例的第三方面，提供一种歌词生成模型训练装置，包括：通信模块和处理模块；
[0032]所述通信模块，被配置为获取第一歌词文本，所述第一歌词文本至少包括一首或多首歌曲的歌词、所述歌曲中每一句歌词的字数信息；
[0033]所述处理模块，被配置为将所述第一歌词文本转换为训练字符；
[0034]所述处理模块，还被配置为根据所述训练字符，对预设网络模型进行训练，得到歌词生成模型；所述歌词生成模型用于根据输入的待生成歌词的约束条件，生成与所述约束条件对应的所述待生成歌词，所述约束条件至少包括：输入文本以及所述待生成歌词中每句歌词的字数，所述待生成歌词包括所述输入文本，所述歌词生成模型能够识别训练字符。
[0035]可选的，所述通信模块，还被配置为获取第二歌词文本，所述第二歌词文本包括所述一首或多首歌曲的歌词；
[0036]所述处理模块，还被配置为在第二歌词文本中添加特征信息，得到处理后的文本；特征信息至少包括所述歌曲中每一句歌词的字数信息，所述字数信息用于标识字的数量；
[0037]所述处理模块，还被配置为根据处理后的文本，确定所述第一歌词文本。
[0038]可选的，所述特征信息还包括以下任一项：所述歌曲中每一首歌曲的句数信息、所述每一首歌曲的开始信息、所述每一首歌曲的结束信息。
[0039]可选的，所述处理模块，具体被配置为：
[0040]将所述处理后的文本中的每一句歌词的文字倒序排列，以得到倒序排列后的文本；
[0041]确定所述倒序排列后的文本为所述第一文本。
[0042]可选的，所述处理模块，具体被配置为：
[0043]根据所述预设网络模型的处理长度，从所述训练字符中获取输入序列和输出序列，所述输入序列和所述输出序列的长度小于或等于所述处理长度，所述输出序列包括所述训练字符中输入序列中每一字符的下一个字符；
[0044]根据所述输入序列和所述输出序列，对所述预设网络模型进行训练，得到所述歌词生成模型。
[0045]可选的，所述歌词生成模型包括解码器和输出层；所述输出层用于输出所述歌词生成模型预测的字符；
[0046]所述解码器，被配置为：
[0047]获取押韵规则；
[0048]根据所述押韵规则，确定待生成歌词中的押韵字符；
[0049]在生成所述押韵字符的过程中，抑制所述输出层的生成非押韵字符。
[0050]根据本公开实施例的第四方面，提供一种歌词生成装置，包括：通信模块和处理模块；
[0051]所述通信模块，被配置为获取约束条件；所述约束条件至少包括：输入文本以及所述待生成歌词中每句歌词的字数，所述待生成歌词包括所述输入文本；
[0052]所述处本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种歌词生成模型训练方法，其特征在于，包括：获取第一歌词文本，所述第一歌词文本至少包括一首或多首歌曲的歌词、所述歌曲中每一句歌词的字数信息；将所述第一歌词文本转换为训练字符；根据所述训练字符，对预设网络模型进行训练，得到歌词生成模型；所述歌词生成模型用于根据输入的待生成歌词的约束条件，生成与所述约束条件对应的所述待生成歌词，所述约束条件至少包括：输入文本以及所述待生成歌词中每句歌词的字数，所述待生成歌词包括所述输入文本，所述歌词生成模型能够识别训练字符。2.根据权利要求1所述的方法，其特征在于，所述获取第一歌词文本，包括：获取第二歌词文本，所述第二歌词文本包括所述一首或多首歌曲的歌词；在第二歌词文本中添加特征信息，得到处理后的文本；特征信息至少包括所述歌曲中每一句歌词的字数信息，所述字数信息用于标识字的数量；根据处理后的文本，确定所述第一歌词文本。3.根据权利要求2所述的方法，其特征在于，所述特征信息还包括以下任一项：所述歌曲中每一首歌曲的句数信息、所述每一首歌曲的开始信息、所述每一首歌曲的结束信息。4.一种歌词生成方法，其特征在于，包括：获取约束条件；所述约束条件至少包括：输入文本以及所述待生成歌词中每句歌词的字数，所述待生成歌词包括所述输入文本；将约束条件输入到歌词生成模型，生成与所述约束条件对应的歌词；其中，所述歌词生成模型为根据权利要求1
‑
3任一项所述的歌词生成模型训练方法训练得到的歌词生成模型。5.一种歌词生成模型训练装置，其特征在于，包括：通信模块和处理模块；所述通信模块，被配置为获取第一歌词文本，所述第一歌词文本至少包括一首或多首歌曲的歌词、所述歌曲中每一句歌词的字数信息；所述处理模块，被配置为将所述第一歌词文本转换为训练字符；所述处理模块，还被配置为根据所述训练字符，对预设网络模型进行训练，得到歌词生成模型；所述歌...
【专利技术属性】
技术研发人员：韩文静，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。