一種音頻分類方法及裝置制造方法
【專利摘要】本發(fā)明實施例提供一種音頻分類方法及裝置，其中的方法可包括：對待分類的音頻文件進(jìn)行Pitch檢測，獲得所述音頻文件的Pitch序列；根據(jù)所述Pitch序列，查找所述音頻文件的主音；根據(jù)所述音頻文件的主音，對所述音頻文件進(jìn)行調(diào)式檢測以確定所述音頻文件的類別。本發(fā)明可降低音頻文件的分類成本，提高分類效率，提升智能性。
【專利說明】一種音頻分類方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及互聯(lián)網(wǎng)【技術(shù)領(lǐng)域】，具體涉及音頻處理【技術(shù)領(lǐng)域】，尤其一種音頻文件分 類方法及裝置。

【背景技術(shù)】
[0002] 調(diào)式（Mode)指若干高低不同的樂音，圍繞某一有穩(wěn)定感的中心音，按照一定音程 關(guān)系組織在一起，成為一個有機的體系，該體系即稱為調(diào)式，該中心音即稱為主音。音頻文 件可以根據(jù)調(diào)式劃分為大調(diào)式類別和小調(diào)式類別，通常，大調(diào)式類別的音頻文件色彩明亮、 歡快激進(jìn)；小調(diào)式類別的音頻文件柔和暗淡。目前，傳統(tǒng)的對音頻文件的分類通常為人工方 式，即需要人工收聽音頻文件的內(nèi)容，以確定音頻文件的類別；此種分類方式的人力資源成 本較高、分類效率較低、智能性較低。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明實施例提供一種音頻分類方法及裝置，可降低音頻文件的分類成本，提高 分類效率，提升智能性。
[0004] 本發(fā)明第一方面提供一種音頻分類方法，可包括：
[0005] 對待分類的音頻文件進(jìn)行Pitch (音高）檢測，獲得所述音頻文件的Pitch序列；
[0006] 根據(jù)所述Pitch序列，查找所述音頻文件的主音；
[0007] 根據(jù)所述音頻文件的主音，對所述音頻文件進(jìn)行調(diào)式檢測以確定所述音頻文件的 類別。
[0008] 本發(fā)明第二方面提供一種音頻分類裝置，可包括：
[0009] 音高檢測模塊，用于對待分類的音頻文件進(jìn)行Pitch檢測，獲得所述音頻文件的 Pitch序列；
[0010] 主音查找模塊，用于根據(jù)所述Pitch序列，查找所述音頻文件的主音；
[0011] 分類模塊，用于根據(jù)所述音頻文件的主音，對所述音頻文件進(jìn)行調(diào)式檢測以確定 所述音頻文件的類別。
[0012] 實施本發(fā)明實施例，具有如下有益效果：
[0013] 本發(fā)明實施例可通過對待分類的音頻文件進(jìn)行音高檢測、查找主音以及調(diào)式檢 測，自動進(jìn)行音頻文件的類別確定，避免了人工方式所帶來的資源耗費，降低了音頻文件的 分類成本，有效地提高了分類效率，提升了智能性。

【專利附圖】

【附圖說明】
[0014] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以 根據(jù)這些附圖獲得其他的附圖。
[0015] 圖1為本發(fā)明實施例提供的一種音頻分類方法的流程圖；
[0016] 圖2為圖1所示的步驟S101的具體流程圖；
[0017] 圖3為圖1所示的步驟S102的具體流程圖；
[0018] 圖4為圖1所示的步驟S103的具體流程圖；
[0019]圖5為本發(fā)明實施例提供的一種音頻分類裝置的結(jié)構(gòu)示意圖；
[0020] 圖6為圖5所示的音高檢測模塊的實施例的結(jié)構(gòu)示意圖；
[0021] 圖7為圖6所示的預(yù)處理單元的實施例的結(jié)構(gòu)示意圖；
[0022] 圖8為圖5所示的主音查找模塊的實施例的結(jié)構(gòu)示意圖；
[0023] 圖9為圖5所示的分類模塊的實施例的結(jié)構(gòu)示意圖；
[0024] 圖10為圖9所示的分類單元的實施例的結(jié)構(gòu)示意圖。

【具體實施方式】
[0025] 下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于 本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護(hù)的范圍。
[0026] 本發(fā)明實施例中，音頻文件可以包括但不限于：歌曲、歌曲片段、清唱歌曲、清唱歌 曲片段、音樂、音樂片段、演奏樂、演奏樂片段等文件。本發(fā)明實施例的音頻分類方案可以應(yīng) 用于互聯(lián)網(wǎng)領(lǐng)域的多個場景中，例如：可以應(yīng)用于對互聯(lián)網(wǎng)音頻庫中的音頻文件添加智能 標(biāo)簽的場景；或者，可以應(yīng)用于對互聯(lián)網(wǎng)音頻庫中的音頻文件進(jìn)行歸類管理的場景；或者， 可以應(yīng)用于對未知的音頻文件進(jìn)行分類的場景；或者，可應(yīng)用于音頻文件的分類搜索，以提 升搜索的效率和匹配度的場景；或者，可應(yīng)用于基于類別進(jìn)行音頻文件的推薦的場景，等 等。
[0027] 下面將結(jié)合附圖1-附圖4,對本發(fā)明實施例提供的音頻文分類方法進(jìn)行詳細(xì)介 紹。需要說明的是，附圖1-附圖4所示的音頻分類方法可以由本發(fā)明實施例提供的音頻分 類裝置所執(zhí)行，該音頻分類裝置可運行于終端設(shè)備或服務(wù)器中，其中，終端設(shè)備可包括但不 限于：PC (Personal Computer,個人計算機)、PAD (平板電腦)、手機、智能手機、筆記本電腦 等設(shè)備。
[0028] 請參見圖1，為本發(fā)明實施例提供的一種音頻分類方法的流程圖；該方法可包括 以下步驟S101-步驟S103。
[0029] S101，對待分類的音頻文件進(jìn)行Pitch檢測，獲得所述音頻文件的Pitch序列。
[0030] 其中，Pitch (音高）指各種不同高低的聲音，即音的高度，音的基本特征的一種。 一個音頻文件可以表示為多幀音頻幀信號組成的一個幀序列。本步驟中，對待分類的音頻 文件進(jìn)行Pitch檢測，可以為對該音頻文件的每一幀音頻幀信號進(jìn)行Pitch檢測，獲得該音 頻文件的每一巾貞音頻巾貞信號的Pitch值，從而構(gòu)建該音頻文件的Pitch序列。
[0031] S102,根據(jù)所述Pitch序列，查找所述音頻文件的主音。
[0032] 音頻文件均包含調(diào)式，調(diào)式指若干高低不同的樂音，圍繞某一有穩(wěn)定感的中心音， 按照一定音程關(guān)系組織在一起，成為一個有機的體系，該體系即稱為調(diào)式，該中心音即稱為 主音（Key)。Key屬于音頻文件的調(diào)式中的核心音，調(diào)式中的其他音或圍繞著Key，或支撐著 Key,或靠近Key。本步驟中，可基于音頻文件的Pitch序列，查找該音頻文件的Key。
[0033] S103,根據(jù)所述音頻文件的主音，對所述音頻文件進(jìn)行調(diào)式檢測以確定所述音頻 文件的類別。
[0034] 由于Key屬于音頻文件的調(diào)式中的核心音，調(diào)式中的其他音或圍繞著Key，或支撐 著Key，或靠近Key。本步驟中，基于音頻文件的Key可對該音頻文件進(jìn)行調(diào)式檢測，確定音 頻文件的調(diào)式，從而確定音頻文件的類別。其中，音頻文件的調(diào)式可以包括大調(diào)式或小調(diào) 式，音頻文件的類別可以包括大調(diào)式類別和小調(diào)式類別。通常，大調(diào)式類別的音頻文件色彩 明亮、歡快激進(jìn)；小調(diào)式類別的音頻文件柔和暗淡。
[0035] 下面將結(jié)合附圖2-附圖4,對圖1所示的音頻分類方法中的各步驟進(jìn)行詳細(xì)介紹。
[0036] 請參見圖2,為圖1所示的步驟S101的具體流程圖；該步驟S101可包括以下步驟 sll01-sll04。
[0037] sllOl，對所述音頻文件的每一幀音頻幀信號進(jìn)行預(yù)處理。
[0038] 本發(fā)明實施例中，設(shè)定所述音頻文件包含Μ幀音頻幀信號，Μ為正整數(shù)，則該音頻 文件包含的任一巾貞音頻巾貞信號可表不為Xi (η),其中，i表不所述音頻文件中該巾貞音頻巾貞信 號的順序，i為正整數(shù)且i = 1，2,... Μ ;n為正整數(shù)且η = 0, 1，2, N-1，其中N為該幀音頻幀 信號的長度，即Ν為該幀音頻幀信號的采樣點數(shù)。本步驟對Xi (η)的預(yù)處理過程可包括以 下Α-Β兩個步驟：
[0039] Α、將所述音頻文件的每一巾貞音頻巾貞信號進(jìn)行加窗處理。
[0040] 步驟Α可采用矩形窗函數(shù)據(jù)ω (η)對\ (η)進(jìn)行加窗處理，加窗處理后的每一幀 音頻幀信號可表示為如下公式（1):
[0041] Xj ω (η) = ω (η) (η) (1)
[0042] Β、對所述加窗處理后的每一幀音頻幀信號進(jìn)行帶通濾波處理。
[0043] 步驟Β中，采用bpf (η)表示帶通濾波器，該帶通濾波器的下截止頻率可表示為wl， 上截止頻率可表示為wh。對加窗處理后的每一幀音頻幀信號 Xic〇 (n)進(jìn)行帶通濾波處理后， 可得到如下公式（2):
[0044] χ^ω (n) = Xj ω (η) · bpf (η) (2)
[0045] 上述公式（2)中，" ?"表示卷積操作；優(yōu)選地，wl可設(shè)置為50，wh可設(shè)置為1500。
[0046] S1102,對所述預(yù)處理后的每一幀音頻幀信號進(jìn)行自相關(guān)計算，獲得所述音頻文件 的每一幀音頻幀信號的自相關(guān)函數(shù)。

【權(quán)利要求】
1. 一種音頻分類方法，其特征在于，包括： 對待分類的音頻文件進(jìn)行音高Pitch檢測，獲得所述音頻文件的Pitch序列； 根據(jù)所述Pitch序列，查找所述音頻文件的主音； 根據(jù)所述音頻文件的主音，對所述音頻文件進(jìn)行調(diào)式檢測以確定所述音頻文件的類 別。
2. 如權(quán)利要求1所述的方法，其特征在于，所述對待分類的音頻文件進(jìn)行Pitch檢測， 獲得所述音頻文件的Pitch序列，包括： 對所述音頻文件的每一幀音頻幀信號進(jìn)行預(yù)處理； 對所述預(yù)處理后的每一幀音頻幀信號進(jìn)行自相關(guān)計算，獲得所述音頻文件的每一幀音 頻幀信號的自相關(guān)函數(shù)； 根據(jù)所述音頻文件的每一幀音頻幀信號的自相關(guān)函數(shù)，計算所述音頻文件的每一幀音 頻幀信號的Pitch值； 按照所述音頻文件中各幀音頻幀信號的順序?qū)λ鲆纛l文件的每一幀音頻幀信號的 Pitch值進(jìn)行排列，構(gòu)建所述音頻文件的Pitch序列。
3. 如權(quán)利要求2所述的方法，其特征在于，所述對所述音頻文件的每一幀音頻幀信號 進(jìn)行預(yù)處理，包括： 將所述音頻文件的每一幀音頻幀信號進(jìn)行加窗處理； 對所述加窗處理后的每一幀音頻幀信號進(jìn)行帶通濾波處理。
4. 如權(quán)利要求1-3任一項所述的方法，其特征在于，所述根據(jù)所述Pitch序列，查找所 述音頻文件的主音，包括： 將所述Pitch序列轉(zhuǎn)換為樂器數(shù)字接口 MIDI序列； 根據(jù)所述MIDI序列包含的樂器數(shù)字以及每個樂器數(shù)字的出現(xiàn)頻率，生成統(tǒng)計序列； 將所述統(tǒng)計序列中的出現(xiàn)頻率最大的樂器數(shù)字，確定為所述音頻文件的主音。
5. 如權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述音頻文件的主音，對所述音頻 文件進(jìn)行調(diào)式檢測以確定所述音頻文件的類別，包括： 根據(jù)大調(diào)式音階特征，設(shè)置第一矩陣； 根據(jù)小調(diào)式音階特征，設(shè)置第二矩陣； 采用所述音頻文件的主音、所述統(tǒng)計序列和所述第一矩陣，計算所述音頻文件的第一 調(diào)式特征值； 采用所述音頻文件的主音、所述統(tǒng)計序列和所述第二矩陣，計算所述音頻文件的第二 調(diào)式特征值； 根據(jù)所述音頻文件的第一調(diào)式特征值與所述音頻文件的第二調(diào)式特征值，確定所述音 頻文件的類別。
6. 如權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述音頻文件的第一調(diào)式特征值 與所述音頻文件的第二調(diào)式特征值，確定所述音頻文件的類別，包括： 判斷所述音頻文件的第一調(diào)式特征值是否大于或等于所述音頻文件的第二調(diào)式特征 值； 如果判斷結(jié)果為是，則確定所述音頻文件的類別為大調(diào)式類別； 如果判斷結(jié)果為否，則確定所述音頻文件的類別為小調(diào)式類別。
7. -種音頻分類裝置，其特征在于，包括： 音高檢測模塊，用于對待分類的音頻文件進(jìn)行音高Pitch檢測，獲得所述音頻文件的 Pitch序列； 主音查找模塊，用于根據(jù)所述Pitch序列，查找所述音頻文件的主音； 分類模塊，用于根據(jù)所述音頻文件的主音，對所述音頻文件進(jìn)行調(diào)式檢測以確定所述 音頻文件的類別。
8. 如權(quán)利要求7所述的裝置，其特征在于，所述音高檢測模塊包括： 預(yù)處理單元，用于對所述音頻文件的每一幀音頻幀信號進(jìn)行預(yù)處理； 自相關(guān)計算單元，用于對所述預(yù)處理后的每一幀音頻幀信號進(jìn)行自相關(guān)計算，獲得所 述音頻文件的每一幀音頻幀信號的自相關(guān)函數(shù)； 音高計算單元，用于根據(jù)所述音頻文件的每一幀音頻幀信號的自相關(guān)函數(shù)，計算所述 音頻文件的每一幀音頻幀信號的Pitch值； 序列構(gòu)建單元，用于按照所述音頻文件中各幀音頻幀信號的順序?qū)λ鲆纛l文件的每 一幀音頻幀信號的Pitch值進(jìn)行排列，構(gòu)建所述音頻文件的Pitch序列。
9. 如權(quán)利要求8所述的裝置，其特征在于，所述預(yù)處理單元包括： 加窗處理子單元，用于將所述音頻文件的每一幀音頻幀信號進(jìn)行加窗處理； 濾波處理子單元，用于對所述加窗處理后的每一幀音頻幀信號進(jìn)行帶通濾波處理。
10. 如權(quán)利要求7-9任一項所述的裝置，其特征在于，所述主音查找模塊包括： 轉(zhuǎn)換單元，用于將所述Pitch序列轉(zhuǎn)換為樂器數(shù)字接口 MIDI序列； 統(tǒng)計序列生成單元，用于根據(jù)所述MIDI序列包含的樂器數(shù)字以及每個樂器數(shù)字的出 現(xiàn)頻率，生成統(tǒng)計序列； 主音確定單元，用于將所述統(tǒng)計序列中的出現(xiàn)頻率最大的樂器數(shù)字，確定為所述音頻 文件的主音。
11. 如權(quán)利要求10所述的裝置，其特征在于，所述分類模塊包括： 第一設(shè)置單元，用于根據(jù)大調(diào)式音階特征，設(shè)置第一矩陣； 第二設(shè)置單元，用于根據(jù)小調(diào)式音階特征，設(shè)置第二矩陣； 第一特征計算單元，用于采用所述音頻文件的主音、所述統(tǒng)計序列和所述第一矩陣，計 算所述音頻文件的第一調(diào)式特征值； 第二特征計算單元，用于采用所述音頻文件的主音、所述統(tǒng)計序列和所述第二矩陣，計 算所述音頻文件的第二調(diào)式特征值； 分類單元，用于根據(jù)所述音頻文件的第一調(diào)式特征值與所述音頻文件的第二調(diào)式特征 值，確定所述音頻文件的類別。
12. 如權(quán)利要求11所述的裝置，其特征在于，所述分類單元包括： 判斷子單元，用于判斷所述音頻文件的第一調(diào)式特征值是否大于或等于所述音頻文件 的第二調(diào)式特征值； 類別確定子單元，用于如果判斷結(jié)果為是，則確定所述音頻文件的類別為大調(diào)式類別； 或者，用于如果判斷結(jié)果為否，則確定所述音頻文件的類別為小調(diào)式類別。
【文檔編號】G10L15/08GK104091594SQ201310358878
【公開日】2014年10月8日 申請日期:2013年8月16日 優(yōu)先權(quán)日:2013年8月16日
【發(fā)明者】趙偉峰 申請人:騰訊科技（深圳）有限公司