本發(fā)明涉及人工智能技術(shù)領(lǐng)域，特別涉及一種自動(dòng)編曲方法及系統(tǒng)。

背景技術(shù)：

編曲作為一種藝術(shù)創(chuàng)作，一直以來都是屬于門檻很高的藝術(shù)創(chuàng)作領(lǐng)域，需由專業(yè)的作曲家才能完成。當(dāng)前，大部分的作曲家需要耗費(fèi)相當(dāng)長(zhǎng)的時(shí)間周期才能完成一首樂曲作品的創(chuàng)作，也即，現(xiàn)有的樂曲創(chuàng)作效率較低，并且創(chuàng)作成本非常高，使得很難滿足民眾對(duì)音樂種類和數(shù)量的日益增大的需求。

綜上所述可以看出，如何提升樂曲創(chuàng)作效率并降低樂曲創(chuàng)作成本是目前有待解決的問題。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種自動(dòng)編曲方法及系統(tǒng)，能夠大幅提升樂曲創(chuàng)作效率并降低樂曲創(chuàng)作成本。其具體方案如下：

一種自動(dòng)編曲方法，包括：

步驟s11：確定與初始時(shí)刻對(duì)應(yīng)的輸入音符，得到當(dāng)前輸入音符；

步驟s12：對(duì)當(dāng)前輸入音符進(jìn)行特征提取，得到當(dāng)前輸入音符特征；

步驟s13：將當(dāng)前輸入音符特征輸入至預(yù)先創(chuàng)建的訓(xùn)練模型中，得到所述訓(xùn)練模型相應(yīng)輸出的音符，得到當(dāng)前輸出音符；

步驟s14：將當(dāng)前輸出音符確定為下一時(shí)刻對(duì)應(yīng)的輸入音符，并將下一時(shí)刻確定為當(dāng)前時(shí)刻，然后重新進(jìn)入步驟s12，直到循環(huán)次數(shù)達(dá)到預(yù)設(shè)次數(shù)閾值，并對(duì)每個(gè)時(shí)刻對(duì)應(yīng)的輸出音符進(jìn)行合并，得到相應(yīng)的樂曲；

其中，所述訓(xùn)練模型的創(chuàng)建過程包括：獲取音樂訓(xùn)練樣本，提取所述音樂訓(xùn)練樣本的時(shí)間維度特征信息以及在不同時(shí)刻下對(duì)應(yīng)的音符維度特征信息，利用所述時(shí)間維度特征信息和所述音符維度特征信息進(jìn)行模型訓(xùn)練，得到所述訓(xùn)練模型。

可選的，任一時(shí)刻下對(duì)應(yīng)的音符維度特征信息的提取過程，包括：

提取當(dāng)前時(shí)刻下對(duì)應(yīng)的音符的第一音符特征向量、第二音符特征向量、第三音符特征向量、第四音符特征向量以及第五音符特征向量；

其中，所述第一音符特征向量為用于對(duì)相應(yīng)音符的音高在midi文件中對(duì)應(yīng)的數(shù)字值進(jìn)行記錄的向量，所述第二音符特征向量為用于對(duì)相應(yīng)音符在一個(gè)八度內(nèi)的位置進(jìn)行記錄的向量，所述第三音符特征向量為用于對(duì)當(dāng)前時(shí)刻下的音符和上一時(shí)刻下的音符之間的關(guān)系進(jìn)行記錄的向量，所述第四音符特征向量為用于對(duì)上一時(shí)刻關(guān)聯(lián)關(guān)系進(jìn)行記錄的向量，所述第五音符特征向量為用于對(duì)節(jié)拍進(jìn)行記錄的向量。

可選的，所述利用所述時(shí)間維度特征信息和所述音符維度特征信息進(jìn)行模型訓(xùn)練，得到所述訓(xùn)練模型的過程，包括：

將所述時(shí)間維度特征信息以及所述音符維度特征信息輸入到預(yù)先設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行模型訓(xùn)練，得到所述訓(xùn)練模型。

可選的，所述神經(jīng)網(wǎng)絡(luò)模型為預(yù)先基于lstm神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的模型。

可選的，所述利用所述時(shí)間維度特征信息和所述音符維度特征信息進(jìn)行模型訓(xùn)練，得到所述訓(xùn)練模型的過程之后，還包括：

利用梯度下降方法對(duì)所述訓(xùn)練模型進(jìn)行更新處理。

本發(fā)明還相應(yīng)公開了一種自動(dòng)編曲系統(tǒng)，包括模型創(chuàng)建模塊、音符確定模塊、特征提取模塊、音符獲取模塊以及樂曲生成模塊；其中，

所述模型創(chuàng)建模塊，用于預(yù)先創(chuàng)建訓(xùn)練模型；

所述音符確定模塊，用于確定與初始時(shí)刻對(duì)應(yīng)的輸入音符，得到當(dāng)前輸入音符；

所述特征提取模塊，用于對(duì)當(dāng)前輸入音符進(jìn)行特征提取，得到當(dāng)前輸入音符特征；

所述音符獲取模塊，用于將當(dāng)前輸入音符特征輸入至所述訓(xùn)練模型中，得到所述訓(xùn)練模型相應(yīng)輸出的音符，得到當(dāng)前輸出音符；

所述樂曲生成模塊，用于將當(dāng)前輸出音符確定為下一時(shí)刻對(duì)應(yīng)的輸入音符，并將下一時(shí)刻確定為當(dāng)前時(shí)刻，然后重新啟動(dòng)所述特征提取模塊，直到啟動(dòng)次數(shù)達(dá)到預(yù)設(shè)次數(shù)閾值，并對(duì)每個(gè)時(shí)刻對(duì)應(yīng)的輸出音符進(jìn)行合并，得到相應(yīng)的樂曲；

其中，所述模型創(chuàng)建模塊，包括：

樣本獲取單元，用于獲取音樂訓(xùn)練樣本；

特征提取單元，用于提取所述音樂訓(xùn)練樣本的時(shí)間維度特征信息以及在不同時(shí)刻下對(duì)應(yīng)的音符維度特征信息；

模型訓(xùn)練單元，用于利用所述時(shí)間維度特征信息和所述音符維度特征信息進(jìn)行模型訓(xùn)練，得到所述訓(xùn)練模型。

可選的，所述特征提取單元，具體用于提取當(dāng)前時(shí)刻下對(duì)應(yīng)的音符的第一音符特征向量、第二音符特征向量、第三音符特征向量、第四音符特征向量以及第五音符特征向量；

其中，所述第一音符特征向量為用于對(duì)相應(yīng)音符的音高在midi文件中對(duì)應(yīng)的數(shù)字值進(jìn)行記錄的向量，所述第二音符特征向量為用于對(duì)相應(yīng)音符在一個(gè)八度內(nèi)的位置進(jìn)行記錄的向量，所述第三音符特征向量為用于對(duì)當(dāng)前時(shí)刻下的音符和上一時(shí)刻下的音符之間的關(guān)系進(jìn)行記錄的向量，所述第四音符特征向量為用于對(duì)上一時(shí)刻關(guān)聯(lián)關(guān)系進(jìn)行記錄的向量，所述第五音符特征向量為用于對(duì)節(jié)拍進(jìn)行記錄的向量。

可選的，所述模型訓(xùn)練單元，具體用于將所述時(shí)間維度特征信息以及所述音符維度特征信息輸入到預(yù)先設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行模型訓(xùn)練，得到所述訓(xùn)練模型。

可選的，所述模型訓(xùn)練單元，具體用于將所述時(shí)間維度特征信息以及所述音符維度特征信息輸入到預(yù)先基于lstm神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的模型中進(jìn)行模型訓(xùn)練，得到所述訓(xùn)練模型。

可選的，所述自動(dòng)編曲系統(tǒng)，還包括：

模型更新模塊，用于利用梯度下降方法對(duì)所述模型訓(xùn)練單元得到的所述訓(xùn)練模型進(jìn)行更新處理。

本發(fā)明中，自動(dòng)編曲方法，包括：步驟s11：確定與初始時(shí)刻對(duì)應(yīng)的輸入音符，得到當(dāng)前輸入音符；步驟s12：對(duì)當(dāng)前輸入音符進(jìn)行特征提取，得到當(dāng)前輸入音符特征；步驟s13：將當(dāng)前輸入音符特征輸入至預(yù)先創(chuàng)建的訓(xùn)練模型中，得到訓(xùn)練模型相應(yīng)輸出的音符，得到當(dāng)前輸出音符；步驟s14：將當(dāng)前輸出音符確定為下一時(shí)刻對(duì)應(yīng)的輸入音符，并將下一時(shí)刻確定為當(dāng)前時(shí)刻，然后重新進(jìn)入步驟s12，直到循環(huán)次數(shù)達(dá)到預(yù)設(shè)次數(shù)閾值，并對(duì)每個(gè)時(shí)刻對(duì)應(yīng)的輸出音符進(jìn)行合并，得到相應(yīng)的樂曲；其中，訓(xùn)練模型的創(chuàng)建過程包括：獲取音樂訓(xùn)練樣本，提取音樂訓(xùn)練樣本的時(shí)間維度特征信息以及在不同時(shí)刻下對(duì)應(yīng)的音符維度特征信息，利用時(shí)間維度特征信息和音符維度特征信息進(jìn)行模型訓(xùn)練，得到訓(xùn)練模型。

可見，本發(fā)明預(yù)先利用音樂訓(xùn)練樣本中的時(shí)間維度特征信息以及音符維度特征信息來進(jìn)行模型訓(xùn)練，得到相應(yīng)的訓(xùn)練模型，后續(xù)通過上述訓(xùn)練模型確定出多個(gè)時(shí)刻下對(duì)應(yīng)的輸出音符，通過將上述多個(gè)時(shí)刻下對(duì)應(yīng)的輸出音符進(jìn)行合并，便可以得到相應(yīng)的樂曲，由于上述過程中無需涉及到人工操作，從而大幅提升了樂曲的創(chuàng)作效率，與此同時(shí)，也降低了樂曲的創(chuàng)作成本，降低了樂曲創(chuàng)作門檻。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例公開的一種自動(dòng)編曲方法流程圖；

圖2為本發(fā)明實(shí)施例公開的一種自動(dòng)編曲系統(tǒng)結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)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(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明實(shí)施例公開了一種自動(dòng)編曲方法，參見圖1所示，該方法包括：

步驟s11：確定與初始時(shí)刻對(duì)應(yīng)的輸入音符，得到當(dāng)前輸入音符。

需要說明的是，上述確定與初始時(shí)刻對(duì)應(yīng)的輸入音符的過程，具體可以包括：通過隨機(jī)產(chǎn)生的方式來確定出與初始時(shí)刻對(duì)應(yīng)的輸入音符。例如，通過隨機(jī)抽取的方式，從預(yù)先創(chuàng)建的音符庫(kù)中隨機(jī)抽取出一個(gè)音符作為與上述初始時(shí)刻對(duì)應(yīng)的輸入音符，從而得到上述步驟s11中的當(dāng)前輸入音符。

另外，可以理解的是，上述音符庫(kù)具體可以為用于對(duì)各種類型曲風(fēng)所對(duì)應(yīng)的音符進(jìn)行分類存儲(chǔ)的數(shù)據(jù)庫(kù)。當(dāng)需要使用本實(shí)施例中的方法進(jìn)行自動(dòng)編曲時(shí)，可以根據(jù)希望創(chuàng)建的樂曲的曲風(fēng)，從上述音符庫(kù)的保存有上述曲風(fēng)的存儲(chǔ)區(qū)域中隨機(jī)抽取出一個(gè)音符作為上述初始時(shí)刻對(duì)應(yīng)的輸入音符。

步驟s12：對(duì)當(dāng)前輸入音符進(jìn)行特征提取，得到當(dāng)前輸入音符特征。

步驟s13：將當(dāng)前輸入音符特征輸入至預(yù)先創(chuàng)建的訓(xùn)練模型中，得到訓(xùn)練模型相應(yīng)輸出的音符，得到當(dāng)前輸出音符。

步驟s14：將當(dāng)前輸出音符確定為下一時(shí)刻對(duì)應(yīng)的輸入音符，并將下一時(shí)刻確定為當(dāng)前時(shí)刻，然后重新進(jìn)入步驟s12，直到循環(huán)次數(shù)達(dá)到預(yù)設(shè)次數(shù)閾值，并對(duì)每個(gè)時(shí)刻對(duì)應(yīng)的輸出音符進(jìn)行合并，得到相應(yīng)的樂曲。

其中，訓(xùn)練模型的創(chuàng)建過程包括：獲取音樂訓(xùn)練樣本，提取音樂訓(xùn)練樣本的時(shí)間維度特征信息以及在不同時(shí)刻下對(duì)應(yīng)的音符維度特征信息，利用時(shí)間維度特征信息和音符維度特征信息進(jìn)行模型訓(xùn)練，得到訓(xùn)練模型。

需要說明的是，上述預(yù)設(shè)次數(shù)閾值具體為根據(jù)需創(chuàng)作樂曲的時(shí)間長(zhǎng)度來確定出的閾值。

本實(shí)施例中，上述音樂訓(xùn)練樣本中包含多個(gè)訓(xùn)練樣本，而且不同訓(xùn)練樣本所對(duì)應(yīng)的曲風(fēng)可以相同，也可以不相同，例如可以利用曲風(fēng)為流行、藍(lán)調(diào)、古典、爵士等多種不同曲風(fēng)的訓(xùn)練樣本來進(jìn)行模型訓(xùn)練。另外需要說明的是，任一個(gè)訓(xùn)練樣本對(duì)應(yīng)的時(shí)間維度特征信息是指該訓(xùn)練樣本在時(shí)間軸上的時(shí)刻信息，任一個(gè)訓(xùn)練樣本對(duì)應(yīng)的音符維度特征信息是指該訓(xùn)練樣本在不同時(shí)刻下的音符的特征信息。

可見，本發(fā)明實(shí)施例預(yù)先利用音樂訓(xùn)練樣本中的時(shí)間維度特征信息以及音符維度特征信息來進(jìn)行模型訓(xùn)練，得到相應(yīng)的訓(xùn)練模型，后續(xù)通過上述訓(xùn)練模型確定出多個(gè)時(shí)刻下對(duì)應(yīng)的輸出音符，通過將上述多個(gè)時(shí)刻下對(duì)應(yīng)的輸出音符進(jìn)行合并，便可以得到相應(yīng)的樂曲，由于上述過程中無需涉及到人工操作，從而大幅提升了樂曲的創(chuàng)作效率，與此同時(shí)，也降低了樂曲的創(chuàng)作成本，降低了樂曲創(chuàng)作門檻。

本發(fā)明實(shí)施例公開了一種具體的自動(dòng)編曲方法，相對(duì)于上一實(shí)施例，本實(shí)施例對(duì)技術(shù)方案作了進(jìn)一步的說明和優(yōu)化。具體的：

在上一實(shí)施例的訓(xùn)練模型的創(chuàng)建過程中，任一時(shí)刻下對(duì)應(yīng)的音符維度特征信息的提取過程，具體可以包括：

提取當(dāng)前時(shí)刻下對(duì)應(yīng)的音符的第一音符特征向量、第二音符特征向量、第三音符特征向量、第四音符特征向量以及第五音符特征向量；

其中，第一音符特征向量為用于對(duì)相應(yīng)音符的音高在midi文件(midi，即musicalinstrumentdigitalinterface，樂器數(shù)字接口)中對(duì)應(yīng)的數(shù)字值進(jìn)行記錄的向量，具體的，midi格式用0～127來表示c-2到g8的音高，每升高半個(gè)音，數(shù)字加一，例如，a4的midi值是69，b4的midi值是71；第二音符特征向量為用于對(duì)相應(yīng)音符在一個(gè)八度內(nèi)的位置進(jìn)行記錄的向量，具體的，在midi中，一個(gè)八度有十二個(gè)音，用一個(gè)12維向量來表示，每個(gè)位置表示用1或者0來表示是否被演奏，當(dāng)前被演奏音符所在位置值為1，其他位置值為0；第三音符特征向量為用于對(duì)當(dāng)前時(shí)刻下的音符和上一時(shí)刻下的音符之間的關(guān)系進(jìn)行記錄的向量，具體的，可以在當(dāng)前時(shí)刻音符的前后兩個(gè)八度之間(前12個(gè)音和后12個(gè)音)，每個(gè)位置用一個(gè)2維來表示，第一維表示當(dāng)前時(shí)刻音符是否被演奏，如演奏則值為1，否則值為0；第二維表示上一時(shí)刻音符是否被重復(fù)演奏(這里的重復(fù)演奏是指再次演奏，而不是一直保持演奏)，如重復(fù)演奏則值為1，否則值為0；第四音符特征向量為用于對(duì)上一時(shí)刻關(guān)聯(lián)關(guān)系進(jìn)行記錄的向量，具體的，可以以12維向量來表示，在位置i的值等于上一時(shí)刻該位置音符的演奏次數(shù)，例如當(dāng)前時(shí)刻音符是c，并且上一時(shí)候演奏了2次e，那么在第四個(gè)位置的值是2；第五音符特征向量為用于對(duì)節(jié)拍進(jìn)行記錄的向量，具體的，可以使用4維數(shù)據(jù)來表示節(jié)拍，每一維是0或1，以4/4拍為例，以0000、0001、0010…1110、1111來循環(huán)記錄節(jié)拍。

另外，在上一實(shí)施例的訓(xùn)練模型的創(chuàng)建過程中，利用時(shí)間維度特征信息和音符維度特征信息進(jìn)行模型訓(xùn)練，得到訓(xùn)練模型的過程，具體可以包括：

將時(shí)間維度特征信息以及音符維度特征信息輸入到預(yù)先設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行模型訓(xùn)練，得到訓(xùn)練模型。

本實(shí)施例中，上述神經(jīng)網(wǎng)絡(luò)模型優(yōu)先為預(yù)先基于lstm神經(jīng)網(wǎng)絡(luò)(lstm，即long-shorttermmemory，長(zhǎng)短期記憶)設(shè)計(jì)的模型。

具體的，利用音樂訓(xùn)練樣本中的任一訓(xùn)練樣本進(jìn)行模型訓(xùn)練的過程，具體可以包括：對(duì)該訓(xùn)練樣本進(jìn)行特征提取，得到該訓(xùn)練樣本的時(shí)間維度特征信息以及音符維度特征信息，然后上述特征信息輸入到上述基于lstm神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的模型中進(jìn)行訓(xùn)練即可。

另外，在利用時(shí)間維度特征信息和音符維度特征信息進(jìn)行模型訓(xùn)練，得到訓(xùn)練模型的過程之后，還可以進(jìn)一步包括：利用梯度下降方法對(duì)訓(xùn)練模型進(jìn)行更新處理，以優(yōu)化訓(xùn)練模型。

相應(yīng)的，本發(fā)明實(shí)施例還公開了一種自動(dòng)編曲系統(tǒng)，參見圖2所示，該系統(tǒng)包括模型創(chuàng)建模塊11、音符確定模塊12、特征提取模塊13、音符獲取模塊14以及樂曲生成模塊15；其中，

模型創(chuàng)建模塊11，用于預(yù)先創(chuàng)建訓(xùn)練模型；

音符確定模塊12，用于確定與初始時(shí)刻對(duì)應(yīng)的輸入音符，得到當(dāng)前輸入音符；

特征提取模塊13，用于對(duì)當(dāng)前輸入音符進(jìn)行特征提取，得到當(dāng)前輸入音符特征；

音符獲取模塊14，用于將當(dāng)前輸入音符特征輸入至訓(xùn)練模型中，得到訓(xùn)練模型相應(yīng)輸出的音符，得到當(dāng)前輸出音符；

樂曲生成模塊15，用于將當(dāng)前輸出音符確定為下一時(shí)刻對(duì)應(yīng)的輸入音符，并將下一時(shí)刻確定為當(dāng)前時(shí)刻，然后重新啟動(dòng)特征提取模塊，直到啟動(dòng)次數(shù)達(dá)到預(yù)設(shè)次數(shù)閾值，并對(duì)每個(gè)時(shí)刻對(duì)應(yīng)的輸出音符進(jìn)行合并，得到相應(yīng)的樂曲；

其中，模型創(chuàng)建模塊11，包括：

樣本獲取單元111，用于獲取音樂訓(xùn)練樣本；

特征提取單元112，用于提取音樂訓(xùn)練樣本的時(shí)間維度特征信息以及在不同時(shí)刻下對(duì)應(yīng)的音符維度特征信息；

模型訓(xùn)練單元113，用于利用時(shí)間維度特征信息和音符維度特征信息進(jìn)行模型訓(xùn)練，得到訓(xùn)練模型。

其中，上述特征提取單元112，具體可以用于提取當(dāng)前時(shí)刻下對(duì)應(yīng)的音符的第一音符特征向量、第二音符特征向量、第三音符特征向量、第四音符特征向量以及第五音符特征向量；

其中，第一音符特征向量為用于對(duì)相應(yīng)音符的音高在midi文件中對(duì)應(yīng)的數(shù)字值進(jìn)行記錄的向量，第二音符特征向量為用于對(duì)相應(yīng)音符在一個(gè)八度內(nèi)的位置進(jìn)行記錄的向量，第三音符特征向量為用于對(duì)當(dāng)前時(shí)刻下的音符和上一時(shí)刻下的音符之間的關(guān)系進(jìn)行記錄的向量，第四音符特征向量為用于對(duì)上一時(shí)刻關(guān)聯(lián)關(guān)系進(jìn)行記錄的向量，第五音符特征向量為用于對(duì)節(jié)拍進(jìn)行記錄的向量。

另外，上述模型訓(xùn)練單元113，具體可以用于將時(shí)間維度特征信息以及音符維度特征信息輸入到預(yù)先設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行模型訓(xùn)練，得到訓(xùn)練模型。

更具體的，上述模型訓(xùn)練單元113，可以用于將時(shí)間維度特征信息以及音符維度特征信息輸入到預(yù)先基于lstm神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的模型中進(jìn)行模型訓(xùn)練，得到訓(xùn)練模型。

進(jìn)一步的，本實(shí)施例中的自動(dòng)編曲系統(tǒng)，還可以包括：

模型更新模塊，用于利用梯度下降方法對(duì)模型訓(xùn)練單元得到的訓(xùn)練模型進(jìn)行更新處理。

可見，本發(fā)明實(shí)施例預(yù)先利用音樂訓(xùn)練樣本中的時(shí)間維度特征信息以及音符維度特征信息來進(jìn)行模型訓(xùn)練，得到相應(yīng)的訓(xùn)練模型，后續(xù)通過上述訓(xùn)練模型確定出多個(gè)時(shí)刻下對(duì)應(yīng)的輸出音符，通過將上述多個(gè)時(shí)刻下對(duì)應(yīng)的輸出音符進(jìn)行合并，便可以得到相應(yīng)的樂曲，由于上述過程中無需涉及到人工操作，從而大幅提升了樂曲的創(chuàng)作效率，與此同時(shí)，也降低了樂曲的創(chuàng)作成本，降低了樂曲創(chuàng)作門檻。

最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語(yǔ)僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語(yǔ)“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語(yǔ)句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

以上對(duì)本發(fā)明所提供的一種自動(dòng)編曲方法及系統(tǒng)進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對(duì)于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。