CN108831437B - 一种歌声生成方法、装置、终端和存储介质 - Google Patents

Abstract

本发明实施例公开了一种歌声生成方法、装置、终端和存储介质，其中，歌声生成方法包括：获取用户录入的与歌曲对应的语音信号；从预先建立的声学特征模板中获取歌曲对应的标准声学特征信息，根据标准声学特征信息对语音信号进行声学特征信息的更新；其中，声学特征模板中保存有至少一首歌曲的标准声学特征信息；将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出。本发明实施例克服了现有的利用大量的数据进行声学模型训练来实现语音到歌声的转换，且最终形成的歌声中不包含用户自己的声音，导致用户参与度和体验度不高的问题，实现了无需进行声学模型训练，即可实现将用户的语音转换为保留有用户自己的声音的歌声的效果。

Description

一种歌声生成方法、装置、终端和存储介质

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种歌声生成方法、装置、终端和存储介质。

背景技术

语音转换歌声是指将用户的语音转化成为对应的歌声。该类互联网产品能够在将用户的语音转化成为歌声后，结合伴奏音乐，合成用户自己的歌唱作品，具有娱乐性、社交性以及一定的市场价值。

现有技术中将语音转换为歌声的方案主要为：在模型训练阶段，使用专业歌手A的多个歌曲的文本数据(包括歌词等)以及歌手A演唱对应歌曲的声学特征，进行模型训练，得到歌手A的声学模型；在歌声生成阶段，获取用户B唱出或读出歌曲的语音数据，根据该语音数据识别歌曲的歌词并得到用户B的声学特征；将识别出的歌词输入歌手A的声学模型，得到该声学模型输出的预测声学特征，根据用户B的声学特征中的基频和音长更新预测声学特征中的基频和音长，得到修改后的声学特征，该修改后的声学特征包含的是用户B的基频、用户B的音长、歌手A的频谱，因此再对修改后的声学特征使用参数统计方法或者音库拼接方法，得到的歌声具有歌手A的声音特点和用户B的音高和节奏，达到了歌手A模仿用户B演唱歌曲的效果。

上述方案往往需要进行声学模型训练，其对样本数据量的要求较高，实现过程复杂，且会带来音质上的损失；此外，利用上述方法合成的歌声具有歌手的声音特点，导致用户的参与度和体验度不佳。

发明内容

本发明实施例提供一种歌声生成方法、装置、终端和存储介质，以达到无需进行声学模型训练，即可将用户的语音转化为保留有用户自己的声音的歌声的效果。

第一方面，本发明实施例提供了一种歌声生成方法，所述方法包括：

获取用户录入的与歌曲对应的语音信号；

从预先建立的声学特征模板中获取所述歌曲对应的标准声学特征信息，根据所述标准声学特征信息对所述语音信号进行声学特征信息的更新；其中，所述声学特征模板中保存有至少一首歌曲的标准声学特征信息；

将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出。

第二方面，本发明实施例还提供了一种歌声生成装置，所述装置包括：

语音信号获取模块，用于获取用户录入的与歌曲对应的语音信号；

声学特征信息更新模块，用于从预先建立的声学特征模板中获取所述歌曲对应的标准声学特征信息，根据所述标准声学特征信息对所述语音信号进行声学特征信息的更新；其中，所述声学特征模板中保存有至少一首歌曲的标准声学特征信息；

目标语音信号确定模块，用于将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出。

第三方面，本发明实施例还提供了一种歌声生成终端，所述终端包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上第一方面所述的歌声生成方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上第一方面所述的歌声生成方法。

本发明实施例通过获取用户录入的与歌曲对应的语音信号，从预先建立的声学特征模板中获取歌曲对应的标准声学特征信息，根据标准声学特征信息对语音信号进行声学特征信息的更新，其中，声学特征模板中保存有至少一首歌曲的标准声学特征信息，将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出，克服了现有技术中利用大量的数据进行声学模型训练来实现语音到歌声的转换，且最终形成的歌声中不包含用户自己的声音，导致用户参与度和体验度不高的问题，实现了无需进行声学模型训练，即可实现将用户的语音转换为保留有用户自己的声音的歌声的效果，同时，也保证了歌声具有良好的音质效果。

附图说明

图1是本发明实施例一中的歌声生成方法的流程图；

图2是本发明实施例二中的歌声生成方法的流程图；

图3是本发明实施例三中的歌声生成方法的流程图；

图4是本发明实施例四中的歌声生成装置的结构示意图；

图5是本发明实施例五中的歌声生成终端的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种歌声生成方法的流程图，本实施例可适用于将用户的语音转换成歌声的情况，该方法可以由歌声生成装置来执行，其中，该装置可由软件和/或硬件实现，一般可集成于歌声生成终端中，如图1所示，本实施例的方法具体包括：

S110、获取用户录入的与歌曲对应的语音信号。

其中，用户录入的与歌曲对应的语音信号可以是以特定的歌曲内容为对象，由用户通过朗读或者歌唱的方式产生。该语音信号可以包含各种信息，例如可以包含特定歌曲的歌词信息和声学特征信息，声学特征信息包括反映音高的基频信息、反映音量的能量信息、反映节奏的音长信息等。其中，根据声学特征信息可以判断该用户朗读或者演唱特定的歌曲的水平与专业歌手演唱该歌曲的专业水平之间的差距。

优选的，用户可以向歌声生成终端发送录入与歌曲对应的语音信号的请求，歌声生成终端接收到该请求后，可以通过开启麦克风等获取用户录入的语音信号。其中，歌声生成终端可以是独立的硬件设备，如智能音箱、用于人机对话的机器人等，也可以是安装于各终端(如手机，笔记本、智能电视等)上的客户端。

S120、从预先建立的声学特征模板中获取歌曲对应的标准声学特征信息，根据标准声学特征信息对语音信号进行声学特征信息的更新。

其中，声学特征模板是通过提取专业歌手录制的至少一首歌曲的声学特征信息获得的，其中保存有至少一首歌曲的标准声学特征信息。本实施例中，在获取到用户录入的与特定歌曲相对应的语音信号后，为了更新该语音信号的声学特征信息，优选可以从预先建立的声学特征模板中获取与特定歌曲相对应的标准声学特征信息，根据该标准声学特征信息更新语音信号对应的声学特征信息。

示例性的，用户想获取具有自己的声音特征同时又具有专业歌手的声学特征的歌曲，优选可以通过演唱的方式向歌声生成终端录入歌曲A。此时，为了将用户演唱歌曲A时的声学特征转换成专业歌手的声学特征，可以利用歌声生成终端中预先保存的声学特征模板。具体的，可以根据歌曲A的歌词或者用户的选择确定用户录入的语音信号对应的歌曲具体是哪一首，在确定好歌曲之后，可以从声学特征模板中获取该歌曲对应的标准声学特征信息，并利用该标准声学特征信息对用户录入的语音信号的声学特征信息进行更新。

S130、将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出。

上述更新了声学特征信息后的语音信号具有专业歌手的标准声学特征信息和用户自己的声音特征信息，因此，优选可以将具有更新后的声学特征信息的语音信号作为目标语音信号进行保存或输出。

本实施例提供的歌声生成方法，通过获取用户录入的与歌曲对应的语音信号，从预先建立的声学特征模板中获取歌曲对应的标准声学特征信息，根据标准声学特征信息对语音信号进行声学特征信息的更新，其中，声学特征模板中保存有至少一首歌曲的标准声学特征信息，将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出，克服了现有技术中利用大量的数据进行声学模型训练来实现语音到歌声的转换，且最终形成的歌声中不包含用户自己的声音，导致用户参与度和体验度不高的问题，实现了无需进行声学模型训练，即可实现将用户的语音转换为保留有用户自己的声音的歌声的效果，同时，也保证了歌声具有良好的音质效果。

在上述各实施例的基础上，进一步的，在获取用户录入的与歌曲对应的语音信号之前还包括：

分别提取录制的多个歌曲的声学特征信息作为对应歌曲的标准声学特征信息；

将多个歌曲的标识信息与对应的标准声学特征信息保存在声学特征模板中。

本实施例中，声学特征模板是预先根据专业歌手录制的多首歌曲获得的。具体的，可以在获取到专业歌手录制的多首歌曲后，分别提取各个歌曲的声学特征信息，由于各声学特征信息对应的各个歌曲是由专业歌手录制的，因此，可以将提取出的各声学特征信息作为对应歌曲的标准声学特征信息。

如果仅仅将提取出的各标准声学特征信息保存在声学特征模板中，那么在从预先建立的声学特征模板中获取与某个特定歌曲相对应的标准声学特征信息时，缺少获取的依据。基于此，可以在提取各标准声学特征信息的同时，获取与各标准声学特征一一对应的各歌曲的标识信息，并将各歌曲的标识信息与对应的标准声学特征信息保存在声学特征模板中。其中，歌曲的标识信息包括歌曲的名称，歌曲的歌词、歌曲的名称加专业歌手的名字等，歌声生成终端获取与用户录入的语音信号相对应的歌曲的标识信息的方式可以是接收用户的输入信息，也可以是从获取到的语音信号中提取。

实施例二

图2为本发明实施例二提供的一种歌声生成方法的流程图。本实施例在上述各实施例的基础上，可选根据所述标准声学特征信息对所述语音信号进行声学特征信息的更新，包括：获取所述语音信号对应的音长信息，根据所述音长信息和所述标准声学特征信息对所述语音信号进行时域音频变换，以改变所述语音信号的声学特征信息；相应的，将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出，包括：将进行时域音频变换后得到的语音信号作为目标语音信号进行存储或输出。如图2所示，本实施例的方法具体包括：

S210、获取用户录入的与歌曲对应的语音信号。

S220、从预先建立的声学特征模板中获取歌曲对应的标准声学特征信息。

S230、获取语音信号对应的音长信息，根据音长信息和标准声学特征信息对语音信号进行时域音频变换，以改变语音信号的声学特征信息。

其中，语音信号可以是随时间变化的波形，对于语音信号中的每个字、词或短语都对应了相应的一段波形，每段波形都有其对应的时间起始点、时间终止点和时间长度等时间信息，上述每个字、词或短语以及与每个字、词或短语相对应的时间信息为语音信号对应的音长信息。

在获取到语音信号对应的音长信息后，可以根据音长信息和标准声学特征信息对语音信号进行时域音频变换，以改变语音信号的声学特征信息。具体的，可以基于音长信息，利用标准声学特征信息，对该语音信号对应的波形进行时域音频变换，使得时域音频变换后该语音信号所对应波形的音长信息、基频信息和能量信息能够分别与标准声学特征信息中的标准音长信息、标准基频信息和标准能量信息相匹配。上述操作将标准的声学特征信息作为调整语音信号的基准，对语音信号的声学特征信息进行调整，以改变语音信号的声学特征信息。

优选的，获取语音信号对应的音长信息，可以包括：

通过语音识别得到语音信号中包含的歌词信息，根据歌词信息得到语音信号对应的音长信息。

具体的，在获取到用户录入的语音信号后，可以通过语音识别方法获取语音信号中的歌词信息，其中，该歌词信息中包含字、词或短语等，每个字、词或短语都有其对应的时间信息。根据该歌词信息即可获取语音信号对应的音长信息。

S240、将进行时域音频变换后得到的语音信号作为目标语音信号进行存储或输出。

上述进行时域音频变换后得到的语音信号既可以包含用户自己的声音特征，还可以包含专业歌手的声学特征信息，基于此，可以将经过时域音频变换后得到的语音信号作为目标语音信号进行存储或输出。

本实施例提供的歌声生成方法，通过获取用户录入的与歌曲对应的语音信号，从预先建立的声学特征模板中获取歌曲对应的标准声学特征信息，获取语音信号对应的音长信息，根据音长信息和标准声学特征信息对语音信号进行时域音频变换，以改变语音信号的声学特征信息，将进行时域变换后得到的语音信号作为目标语音信号进行存储或输出，克服了现有技术中利用大量的数据进行声学模型训练来实现语音到歌声的转换，且最终形成的歌声中不包含用户自己的声音，导致用户参与度和体验度不高的问题，实现了无需进行声学模型训练，即可在时域上实现将用户的语音转换为保留有用户自己的声音的歌声的效果，同时，也保证了歌声具有良好的音质效果。

在上述各实施例的基础上，进一步的，根据音长信息和标准声学特征信息对语音信号进行时域音频变换，以改变语音信号的声学特征信息，包括：

根据音长信息将语音信号进行音元划分，根据标准声学特征信息中的标准基频信息、标准音长信息和标准能量信息对音元划分后的语音信号进行时域音频变换，以使经时域音频变换后的语音信号的基频信息与标准基频信息一致、经时域音频变换后的语音信号的音长信息与标准音长信息一致、以及经时域音频变换后的语音信号的能量信息与标准能量信息一致。

其中，声学特征信息可以包括语音信号的基频信息、音长信息和能量信息。其中，基频信息对应语音信号的音高，音长信息对应语音信号的节奏，能量信息对应语音信号的音量。

本实施例中，可以根据语音信号的音长信息将语音信号进行音元划分，优选的，可以根据音长信息中的每个字以及每个字对应的时间信息将语音信号进行音元划分，得到与每个字相对应的音元，每个音元对应语音信号的一部分，比如对于包含100个字的歌词的歌曲，第1个字对应的时间信息为t1b-t1n，第2个字对应的时间信息为t2b-t2n，……，第100个字对应的时间信息为t100b-t100n，那么语音信号中t1b-t1n时间段对应的部分信号为第1个字的音元，语音信号中t2b-t2n时间段对应的部分信号为第2个字的音元，……，语音信号中t100b-t100n时间段对应的部分信号为第100个字的音元。其中，每个音元都有其对应的基频信息、音长信息和能量信息。之后可以以音元为单位，利用标准声学特征信息中的标准基频信息、标准音长信息和标准能量信息对经过音元划分后的语音信号进行时域音频变换，以使经时域音频变换后的语音信号的基频信息与相应的标准基频信息一致、经时域音频变换后的语音信号的音长信息与相应的标准音长信息一致、以及经时域音频变换后的语音信号的能量信息与相应的标准能量信息一致。也即，歌曲的标准声学特征信息中对于歌曲的歌词的每个字，都保存有其对应的音元的基频信息、音长信息和能量信息，对于经时域音频变换后的语音信号的每个音元，该音元的基频信息、音长信息和能量信息分别与标准声学特征信息中对应音元的标准基频信息、标准音长信息和标准能量信息一致。

实施例三

图3为本发明实施例三提供的一种歌声生成方法的流程图。本实施例在上述各实施例的基础上，可选在获取用户录入的与歌曲对应的语音信号之后、根据所述标准声学特征信息对所述语音信号进行声学特征信息的更新之前，还包括：提取所述语音信号的频谱信息；根据所述标准声学特征信息对所述语音信号进行声学特征信息的更新，包括：获取所述语音信号对应的音长信息，根据所述音长信息将所述语音信号进行音元划分；将音元划分后的所述语音信号进行时域到频域的转换，根据所述标准声学特征信息对转换后得到的频域上的语音信号的声学特征信息进行更新；相应的，将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出，包括：根据更新后得到的声学特征信息和所述频谱信息获得目标语音信号，将目标语音信号进行存储或输出。如图3所示，本实施例的方法具体包括：

S310、获取用户录入的与歌曲对应的语音信号。

S320、提取语音信号的频谱信息。

本实施例中，语音信号的频谱信息对应语音信号的音色，其反映了用户的声音特征。在将语音信号转换为歌声的过程中，为了保留用户的声音特征，使得最终生成的歌声具有用户自己的声音特征，可以预先将语音信号中的频谱信息提取出来。

S330、从预先建立的声学特征模板中获取歌曲对应的标准声学特征信息。

S340、获取语音信号对应的音长信息，根据音长信息将语音信号进行音元划分；将音元划分后的语音信号进行时域到频域的转换，根据标准声学特征信息对转换后得到的频域上的语音信号的声学特征信息进行更新。

根据上述各实施例中描述的获取语音信号对应的音长信息和划分音元的方法，可以在时域上根据语音信号的波形和语音内容获取到其对应的音长信息，根据音长信息对语音信号进行音元划分。

除了在时域上对语音信号进行声学特征信息的更新之外，还可以在频域上对语音信号进行声学特征信息的更新。具体的，可以以划分的各个音元为单位，将经过音元划分后的语音信号进行时域到频域的转换，得到各个音元在频域上的表示形式。根据各个音元在频域上的表示形式，确定频域上的语音信号的声学特征信息，并根据标准声学特征信息对转换后得到的频域上的语音信号的声学特征信息进行更新，得到更新后的声学特征信息。

S350、根据更新后得到的声学特征信息和频谱信息获得目标语音信号，将目标语音信号进行存储或输出。

上述更新后的声学特征信息为专业歌手的声学特征信息，频谱信息反映的是用户的声音特征，利用更新后得到的声学特征信息和频谱信息获得的目标语音信号既包括用户的声音特征，又包括专业歌手的声学特征信息。在得到目标语音信号后，可以将该目标语音信号进行存储或输出。

本实施例提供的歌声生成方法，通过获取用户录入的与歌曲对应的语音信号，并提取语音信号的频谱特征，从预先建立的声学特征模板中获取歌曲对应的标准声学特征信息，获取语音信号对应的音长信息，根据音长信息将语音信号进行音元划分，将音元划分后的语音信号进行时域到频域的转换，根据标准声学特征信息对转换后得到的频域上的语音信号的声学特征信息进行更新，最终根据更新后得到的声学特征信息和频谱信息获得目标语音信号，将目标语音信号进行存储或输出，克服了现有技术中利用大量的数据进行声学模型训练来实现语音到歌声的转换，且最终形成的歌声中不包含用户自己的声音，导致用户参与度和体验度不高的问题，实现了无需进行声学模型训练，即可在频域上实现将用户的语音转换为保留有用户自己的声音的歌声的效果，同时，也保证了歌声具有良好的音质效果。

在上述各实施例的基础上，进一步的，根据标准声学特征信息对转换后得到的频域上的语音信号的声学特征信息进行更新，包括：

使用标准声学特征信息中的标准基频信息替换转换后得到的频域上的语音信号的基频信息，使用标准声学特征信息中的标准音长信息替换转换后得到的频域上的语音信号的音长信息，使用标准声学特征信息中的标准能量信息替换转换后得到的频域上的语音信号的能量信息。

本实施例中，以各个音元为单位，根据各个音元在频域上的表示形式，确定频域上的语音信号的声学特征信息，该声学特征信息中包括语音信号的基频信息、音长信息和能量信息。之后，利用标准声学特征信息中的标准基频信息替换转换后得到的频域上的语音信号的基频信息，使用标准声学特征信息中的标准音长信息替换转换后得到的频域上的语音信号的音长信息，使用标准声学特征信息中的标准能量信息替换转换后得到的频域上的语音信号的能量信息。

在上述各实施例的基础上，进一步的，根据更新后得到的声学特征信息和频谱信息获得目标语音信号，包括：

将更新后得到的声学特征信息和频谱信息输入给声码器，得到声码器还原出的目标语音信号。

其中，利用在频域上更新得到的声学特征信息和预先获取到的频谱信息，无法直接得到相应的目标语音信号。因此，优选的，可以借助声码器还原出目标语音信号。其中，声码器也称语音分析合成***或者语音频带压缩***，其可以利用语音信号的模型参数并结合语音合成技术还原出相应的语音信号，是一种对语音进行分析和合成的编译码器。

本实施例中，可以将更新后得到的声学特征信息和预先获得的频谱信息输入至声码器中，声码器根据输入的各参数，并结合其内部的语音合成技术，还原出相应的目标语音信号。

实施例四

图4是本发明实施例四中的一种歌声生成装置的结构示意图。如图4所示，本实施例的歌声生成装置包括：

语音信号获取模块410，用于获取用户录入的与歌曲对应的语音信号；

声学特征信息更新模块420，用于从预先建立的声学特征模板中获取歌曲对应的标准声学特征信息，根据标准声学特征信息对语音信号进行声学特征信息的更新；其中，声学特征模板中保存有至少一首歌曲的标准声学特征信息；

目标语音信号确定模块430，用于将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出。

本实施例提供的歌声生成装置，通过语音信号获取模块获取用户录入的与歌曲对应的语音信号，利用声学特征信息更新模块从预先建立的声学特征模板中获取歌曲对应的标准声学特征信息，根据标准声学特征信息对语音信号进行声学特征信息的更新，其中，声学特征模板中保存有至少一首歌曲的标准声学特征信息，再利用目标语音信号确定模块将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出，克服了现有技术中利用大量的数据进行声学模型训练来实现语音到歌声的转换，且最终形成的歌声中不包含用户自己的声音，导致用户参与度和体验度不高的问题，实现了无需进行声学模型训练，即可实现将用户的语音转换为保留有用户自己的声音的歌声的效果，同时，也保证了歌声具有良好的音质效果。

在上述各实施例的基础上，进一步的，声学特征信息更新模块420可以包括：

第一音长信息获取单元，用于获取语音信号对应的音长信息；

时域音频变换单元，用于根据音长信息和标准声学特征信息对语音信号进行时域音频变换，以改变语音信号的声学特征信息；

目标语音信号确定模块430具体可以包括：

第一目标语音信号确定单元，用于将进行时域音频变换后得到的语音信号作为目标语音信号进行存储或输出。

进一步的，时域音频变换单元具体可以用于：

根据音长信息将语音信号进行音元划分，根据标准声学特征信息中的标准基频信息、标准音长信息和标准能量信息对音元划分后的语音信号进行时域音频变换，以使经时域音频变换后的语音信号的基频信息与标准基频信息一致、经时域音频变换后的语音信号的音长信息与标准音长信息一致、以及经时域音频变换后的语音信号的能量信息与标准能量信息一致。

进一步的，该装置还可以包括：

频谱信息提取模块，用于在获取用户录入的与歌曲对应的语音信号之后、根据标准声学特征信息对语音信号进行声学特征信息的更新之前，提取语音信号的频谱信息；

声学特征信息更新模块420还可以包括：

第二音长信息获取单元，用于获取语音信号对应的音长信息；

频域音频变换单元，用于根据音长信息将语音信号进行音元划分；将音元划分后的语音信号进行时域到频域的转换，根据标准声学特征信息对转换后得到的频域上的语音信号的声学特征信息进行更新；

目标语音信号确定模块430具体还可以包括：

第二目标语音确定单元，用于根据更新后得到的声学特征信息和频谱信息获得目标语音信号，将目标语音信号进行存储或输出。

进一步的，频域音频变换单元具体可以用于：

使用标准声学特征信息中的标准基频信息替换转换后得到的频域上的语音信号的基频信息，使用标准声学特征信息中的标准音长信息替换转换后得到的频域上的语音信号的音长信息，使用标准声学特征信息中的标准能量信息替换转换后得到的频域上的语音信号的能量信息。

进一步的，第二目标语音确定单元具体可以用于：

将更新后得到的声学特征信息和频谱信息输入给声码器，得到声码器还原出的目标语音信号。

进一步的，第一音长信息获取单元和第二音长信息获取单元具体均可以用于：

通过语音识别得到语音信号中包含的歌词信息，根据歌词信息得到语音信号对应的音长信息；

进一步的，该装置还可以包括：

标准声学特征信息提取模块，用于在获取用户录入的与歌曲对应的语音信号之前，分别提取录制的多个歌曲的声学特征信息作为对应歌曲的标准声学特征信息；

声学特征模板生成模块，用于将多个歌曲的标识信息与对应的标准声学特征信息保存在声学特征模板中。

本发明实施例所提供的歌声生成装置可执行本发明任意实施例所提供的歌声生成方法，具备执行方法相应的功能模块和有益效果。

实施例五

图5为本发明实施例五提供的歌声生成终端的结构示意图。图5示出了适于用来实现本发明实施方式的示例性歌声生成终端512的框图。图5显示的歌声生成终端512仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，歌声生成终端512以通用计算设备的形式表现。歌声生成终端512的组件可以包括但不限于：一个或者多个处理器516，存储器528，连接不同***组件(包括存储器528和处理器516)的总线518。

总线518表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。

歌声生成终端512典型地包括多种计算机***可读介质。这些介质可以是任何能够被歌声生成终端512访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器528可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM)530和/或高速缓存存储器532。歌声生成终端512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储装置534可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储器528可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块542的程序/实用工具540，可以存储在例如存储器528中，这样的程序模块542包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本发明所描述的实施例中的功能和/或方法。

歌声生成终端512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等，其中，显示器524可根据实际需要决定是否配置)通信，还可与一个或者多个使得用户能与该歌声生成终端512交互的设备通信，和/或与使得该歌声生成终端512能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且，歌声生成终端512还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器520通过总线518与歌声生成终端512的其它模块通信。应当明白，尽管图5中未示出，可以结合歌声生成终端512使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储装置等。

处理器516通过运行存储在存储器528中的程序，从而执行各种功能应用以及数据处理，例如实现本发明任意实施例所提供的歌声生成方法。

实施例六

本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的歌声生成方法，该方法包括：

获取用户录入的与歌曲对应的语音信号；

从预先建立的声学特征模板中获取歌曲对应的标准声学特征信息，根据标准声学特征信息对语音信号进行声学特征信息的更新；其中，声学特征模板中保存有至少一首歌曲的标准声学特征信息；

将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出。

当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的歌声生成方法中的相关操作。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种歌声生成方法，其特征在于，包括：

获取用户录入的与歌曲对应的语音信号；

从预先建立的声学特征模板中获取所述歌曲对应的标准声学特征信息，根据所述标准声学特征信息对所述语音信号进行声学特征信息的更新；其中，所述声学特征模板中保存有至少一首歌曲的标准声学特征信息；

将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出；

其中，根据所述标准声学特征信息对所述语音信号进行声学特征信息的更新，包括：

获取所述语音信号对应的音长信息，根据所述音长信息将所述语音信号进行音元划分，根据所述标准声学特征信息中的标准基频信息、标准音长信息和标准能量信息对音元划分后的所述语音信号进行时域音频变换，以使经时域音频变换后的语音信号的基频信息与所述标准基频信息一致、经时域音频变换后的语音信号的音长信息与所述标准音长信息一致、以及经时域音频变换后的语音信号的能量信息与所述标准能量信息一致；

将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出，包括：

将进行时域音频变换后得到的语音信号作为目标语音信号进行存储或输出。

2.根据权利要求1所述的方法，其特征在于，获取所述语音信号对应的音长信息，包括：

通过语音识别得到所述语音信号中包含的歌词信息，根据所述歌词信息得到所述语音信号对应的音长信息。

3.根据权利要求1或2所述的方法，其特征在于，在获取用户录入的与歌曲对应的语音信号之前还包括：

分别提取录制的多个歌曲的声学特征信息作为对应歌曲的标准声学特征信息；

将所述多个歌曲的标识信息与对应的标准声学特征信息保存在声学特征模板中。

4.一种歌声生成方法，其特征在于，包括：

获取用户录入的与歌曲对应的语音信号；

提取所述语音信号的频谱信息；

从预先建立的声学特征模板中获取所述歌曲对应的标准声学特征信息，根据所述标准声学特征信息对所述语音信号进行声学特征信息的更新；其中，所述声学特征模板中保存有至少一首歌曲的标准声学特征信息；

将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出；

其中，根据所述标准声学特征信息对所述语音信号进行声学特征信息的更新，包括：

获取所述语音信号对应的音长信息，根据所述音长信息将所述语音信号进行音元划分；将音元划分后的所述语音信号进行时域到频域的转换，使用所述标准声学特征信息中的标准基频信息替换转换后得到的频域上的语音信号的基频信息，使用所述标准声学特征信息中的标准音长信息替换转换后得到的频域上的语音信号的音长信息，使用所述标准声学特征信息中的标准能量信息替换转换后得到的频域上的语音信号的能量信息；

将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出，包括：

根据更新后得到的声学特征信息和所述频谱信息获得目标语音信号，将目标语音信号进行存储或输出。

5.根据权利要求4所述的方法，其特征在于，根据更新后得到的声学特征信息和所述频谱信息获得目标语音信号，包括：

将更新后得到的声学特征信息和所述频谱信息输入给声码器，得到所述声码器还原出的目标语音信号。

6.根据权利要求4所述的方法，其特征在于，获取所述语音信号对应的音长信息，包括：

通过语音识别得到所述语音信号中包含的歌词信息，根据所述歌词信息得到所述语音信号对应的音长信息。

7.根据权利要求4-6中任一项所述的方法，其特征在于，在获取用户录入的与歌曲对应的语音信号之前还包括：

分别提取录制的多个歌曲的声学特征信息作为对应歌曲的标准声学特征信息；

将所述多个歌曲的标识信息与对应的标准声学特征信息保存在声学特征模板中。

8.一种歌声生成装置，其特征在于，包括：

语音信号获取模块，用于获取用户录入的与歌曲对应的语音信号；

声学特征信息更新模块，用于从预先建立的声学特征模板中获取所述歌曲对应的标准声学特征信息，根据所述标准声学特征信息对所述语音信号进行声学特征信息的更新；其中，所述声学特征模板中保存有至少一首歌曲的标准声学特征信息；

目标语音信号确定模块，用于将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出；

其中，声学特征信息更新模块包括：

第一音长信息获取单元，用于获取语音信号对应的音长信息；

时域音频变换单元，用于根据音长信息将语音信号进行音元划分，根据标准声学特征信息中的标准基频信息、标准音长信息和标准能量信息对音元划分后的语音信号进行时域音频变换，以使经时域音频变换后的语音信号的基频信息与标准基频信息一致、经时域音频变换后的语音信号的音长信息与标准音长信息一致、以及经时域音频变换后的语音信号的能量信息与标准能量信息一致；

目标语音信号确定模块包括：

第一目标语音信号确定单元，用于将进行时域音频变换后得到的语音信号作为目标语音信号进行存储或输出。

9.一种歌声生成装置，其特征在于，包括：

语音信号获取模块，用于获取用户录入的与歌曲对应的语音信号；

声学特征信息更新模块，用于从预先建立的声学特征模板中获取所述歌曲对应的标准声学特征信息，根据所述标准声学特征信息对所述语音信号进行声学特征信息的更新；其中，所述声学特征模板中保存有至少一首歌曲的标准声学特征信息；

目标语音信号确定模块，用于将具有更新后的声学特征信息的语音信号作为目标语音信号进行存储或输出；

频谱信息提取模块，用于在获取用户录入的与歌曲对应的语音信号之后、根据标准声学特征信息对语音信号进行声学特征信息的更新之前，提取语音信号的频谱信息；

其中，声学特征信息更新模块，包括：

第二音长信息获取单元，用于获取语音信号对应的音长信息；

频域音频变换单元，用于根据音长信息将语音信号进行音元划分；将音元划分后的语音信号进行时域到频域的转换，使用标准声学特征信息中的标准基频信息替换转换后得到的频域上的语音信号的基频信息，使用标准声学特征信息中的标准音长信息替换转换后得到的频域上的语音信号的音长信息，使用标准声学特征信息中的标准能量信息替换转换后得到的频域上的语音信号的能量信息；

第二目标语音确定单元，用于根据更新后得到的声学特征信息和频谱信息获得目标语音信号，将目标语音信号进行存储或输出。

10.一种歌声生成终端，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的歌声生成方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的歌声生成方法。

Images