技术新讯 > 乐器声学设备的制造及制作,分析技术 > 基于人工智能的作曲方法及装置、存储介质  >  正文

基于人工智能的作曲方法及装置、存储介质

  • 国知局
  • 2024-06-21 10:38:30

本申请涉及人工智能,特别涉及一种基于人工智能的作曲方法及装置、存储介质。

背景技术:

1、目前,利用音乐家和计算机专家的专业知识开发出的音乐自动生成系统,可实现人工智能作曲。

2、然而,由于音乐自动生成系统缺乏用户的情感和情绪。那么,用户利用音乐自动生成系统进行作曲时,所作出的乐曲可能无法满足用户的音乐喜好。

3、需要说明的是,在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、为了对披露的实施例的一些方面有基本的理解,下面给出了简单的概括。所述概括不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围,而是作为后面的详细说明的序言。

2、本公开实施例提供了一种基于人工智能的作曲方法及装置、作曲系统、存储介质,可以根据用户的音乐喜好进行作曲。

3、第一方面,本公开实施例提供一种基于人工智能的作曲方法,所述方法包括:

4、获取用户输入的音节数据;

5、从音乐库中获取用户喜欢的音乐;

6、将用户喜欢的音乐输入至第一神经网络模型,以使第一神经网络模型提取用户喜欢的音乐的第一音乐特征数据;

7、将第一音乐特征数据和音节数据输入至第二神经网络模型进行作曲,并接收第二神经网络模型输出的目标乐曲。

8、第二方面,本公开实施例提供一种基于人工智能的作曲装置,所述装置包括处理器和存储有程序指令的存储器,其中,所述处理器被配置为在运行所述程序指令时,执行前述基于人工智能的作曲方法。

9、第三方面,本公开实施例提供一种作曲系统,所述系统包括用于存储用户喜欢音乐的音乐库和前述基于人工智能的作曲装置。

10、第四方面,本公开实施例提供一种存储介质,存储有程序指令,其中,所述程序指令在运行时,执行前述基于人工智能的作曲方法。

11、本公开实施例提供的基于人工智能的作曲方法及装置、作曲系统、存储介质,可以实现以下技术效果:

12、进行人工智能作曲的过程中,在将用户输入的音节数据输入至神经网络模型进行作曲之前,从音乐库中,获取用户喜欢的音乐,并利用另一神经网络模型提取用户喜欢的音乐的特征数据。后续,将用户输入的音节数据和用户喜欢的音乐的特征数据输入至神经网络模型,使得神经网络模型基于用户输入的音节数据进行作曲时,可融合用户喜欢的音乐的特征数据。这样,所创作的乐曲更加符合用户的喜好。从而,能够根据用户的音乐喜好进行作曲。

13、以上的总体描述和下文中的描述仅是示例性和解释性的,不用于限制本申请。

技术特征:

1.一种基于人工智能的作曲方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,从音乐库中获取用户喜欢的音乐,包括:

3.根据权利要求2所述的方法,其特征在于,根据用户的身份信息,从音乐库中查询用户喜欢的音乐,包括:

4.根据权利要求1所述的方法,其特征在于,第一神经网络模型提取用户喜欢的音乐的第一音乐特征数据,包括:

5.根据权利要求1所述的方法,其特征在于,将第一音乐特征数据和音节数据输入至第二神经网络模型进行作曲,包括:

6.根据权利要求1至5任一项所述的方法,其特征在于,接收第二神经网络模型输出的目标乐曲之后,所述方法还包括:

7.一种基于人工智能的作曲装置,包括处理器和存储有程序指令的存储器,其特征在于,所述处理器被配置为在运行所述程序指令时,执行如权利要求1至6任一项所述的基于人工智能的作曲方法。

8.一种作曲系统,其特征在于,所述系统包括:

9.根据权利要求8所述的系统,其特征在于,所述系统还包括:

10.一种存储介质,存储有程序指令,其特征在于,所述程序指令在运行时,执行如权利要求1至6任一项所述的基于人工智能的作曲方法。

技术总结本申请涉及人工智能技术领域,公开一种基于人工智能的作曲方法,包括:获取用户输入的音节数据;从音乐库中获取用户喜欢的音乐;将用户喜欢的音乐输入至第一神经网络模型,以使第一神经网络模型提取用户喜欢的音乐的第一音乐特征数据;将第一音乐特征数据和音节数据输入至第二神经网络模型进行作曲,并接收第二神经网络模型输出的目标乐曲。该方法可以将用户输入的音节数据和用户喜欢的音乐的特征数据输入至神经网络模型,使得神经网络模型基于用户输入的音节数据进行作曲时,可融合用户喜欢的音乐的特征数据。从而,能够根据用户的音乐喜好进行作曲。本申请还公开一种基于人工智能的作曲装置及装置、作曲系统、存储介质。技术研发人员:李娅,邓心怡,王一帆,魏骊臻,于磊,刘旭,文克功受保护的技术使用者:海南师范大学技术研发日:技术公布日:2024/1/15

本文地址:https://www.jishuxx.com/zhuanli/20240618/20875.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。