一種音頻文件的分類(lèi)方法及裝置的制造方法
【專(zhuān)利摘要】本發(fā)明實(shí)施例公開(kāi)了一種音頻文件的分類(lèi)方法及裝置，預(yù)先將音樂(lè)進(jìn)行分類(lèi)，并獲得每一類(lèi)音樂(lè)的語(yǔ)譜圖；方法包括：針對(duì)待分類(lèi)的目標(biāo)音頻文件，獲得所述目標(biāo)音頻文件的語(yǔ)譜圖；根據(jù)所述目標(biāo)音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定所述目標(biāo)音頻文件的類(lèi)別。利用本發(fā)明實(shí)施例，實(shí)現(xiàn)了通過(guò)語(yǔ)譜圖對(duì)音頻文件進(jìn)行分類(lèi)。
【專(zhuān)利說(shuō)明】
一種音頻文件的分類(lèi)方法及裝置
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及音頻技術(shù)領(lǐng)域，特別涉及一種音頻文件的分類(lèi)方法及裝置。
【背景技術(shù)】
[0002]互聯(lián)網(wǎng)多媒體時(shí)代，人們對(duì)音樂(lè)的需求變得越來(lái)越多樣化。音樂(lè)分類(lèi)，有助于人們對(duì)音樂(lè)進(jìn)行標(biāo)注，例如對(duì)不同的音樂(lè)流派標(biāo)注不同的情感，也可以方便用戶(hù)更好地按照興趣獲取音樂(lè)資源。
[0003]傳統(tǒng)的音樂(lè)分類(lèi)方法，通過(guò)對(duì)音頻提取特征，然后用分類(lèi)器來(lái)進(jìn)行分類(lèi)。音頻特征包括:時(shí)域特征，包含短時(shí)平均能量、線(xiàn)性預(yù)測(cè)系數(shù)、過(guò)零率以及衍生特征;頻域特征，包含Mel系數(shù)、LPC倒頻譜系數(shù)以及熵特征;時(shí)頻特征，包含小波系數(shù)。在這個(gè)過(guò)程中，有效的音頻特征提取與選擇是一個(gè)較為復(fù)雜的過(guò)程。

【發(fā)明內(nèi)容】

[0004]本發(fā)明實(shí)施例的目的在于提供一種音頻文件的分類(lèi)方法及裝置，以實(shí)現(xiàn)通過(guò)語(yǔ)譜圖對(duì)音頻文件進(jìn)行分類(lèi)。
[0005]為達(dá)到上述目的，本發(fā)明實(shí)施例公開(kāi)了一種音頻文件的分類(lèi)方法，預(yù)先將音樂(lè)進(jìn)行分類(lèi)，并獲得每一類(lèi)音樂(lè)的語(yǔ)譜圖；方法包括:
[0006]針對(duì)待分類(lèi)的目標(biāo)音頻文件，獲得所述目標(biāo)音頻文件的語(yǔ)譜圖；
[0007]根據(jù)所述目標(biāo)音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定所述目標(biāo)音頻文件的類(lèi)別。
[0008]較佳的，所述針對(duì)待分類(lèi)的目標(biāo)音頻文件，獲得所述目標(biāo)音頻文件的語(yǔ)譜圖，包括:
[0009]針對(duì)待分類(lèi)的目標(biāo)音頻文件，將所述目標(biāo)音頻文件進(jìn)行分段；
[0010]分別獲得每一段音頻文件的語(yǔ)譜圖。
[0011 ]較佳的，所述根據(jù)所述目標(biāo)音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定所述目標(biāo)音頻文件的類(lèi)別，包括:
[0012]利用神經(jīng)網(wǎng)絡(luò)，根據(jù)所述每一段音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定每一段音頻文件的類(lèi)別；
[0013]根據(jù)所有段音頻文件的類(lèi)別，確定所述目標(biāo)音頻文件的類(lèi)別。
[0014]較佳的，所述分別獲得每一段音頻文件的語(yǔ)譜圖，包括:
[0015]分別針對(duì)每一段音頻文件，針對(duì)所述段音頻文件的每一音頻幀進(jìn)行傅里葉變換，得到所述音頻幀的頻譜值；
[0016]根據(jù)所述段音頻文件的每一音頻幀的頻譜值，生成所述段音頻文件的語(yǔ)譜圖。
[0017]較佳的，所述神經(jīng)網(wǎng)絡(luò)為:
[0018]卷積神經(jīng)網(wǎng)絡(luò)。
[0019]為達(dá)到上述目的，本發(fā)明實(shí)施例公開(kāi)了一種音頻文件的分類(lèi)裝置，預(yù)先將音樂(lè)進(jìn)行分類(lèi)，并獲得每一類(lèi)音樂(lè)的語(yǔ)譜圖；裝置包括:
[0020]獲得模塊，用于針對(duì)待分類(lèi)的目標(biāo)音頻文件，獲得所述目標(biāo)音頻文件的語(yǔ)譜圖；[0021 ]確定模塊，用于根據(jù)所述目標(biāo)音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定所述目標(biāo)音頻文件的類(lèi)別。
[0022]較佳的，所述獲得模塊，包括:
[0023]分段子模塊，用于針對(duì)待分類(lèi)的目標(biāo)音頻文件，將所述目標(biāo)音頻文件進(jìn)行分段；
[0024]獲得子模塊，用于分別獲得每一段音頻文件的語(yǔ)譜圖。
[0025]較佳的，所述確定模塊，具體用于:
[0026]利用神經(jīng)網(wǎng)絡(luò)，根據(jù)所述每一段音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定每一段音頻文件的類(lèi)別；
[0027]根據(jù)所有段音頻文件的類(lèi)別，確定所述目標(biāo)音頻文件的類(lèi)別。
[0028]較佳的，所述獲得子模塊，具體用于:
[0029]分別針對(duì)每一段音頻文件，針對(duì)所述段音頻文件的每一音頻幀進(jìn)行傅里葉變換，得到所述音頻幀的頻譜值；
[0030]根據(jù)所述段音頻文件的每一音頻幀的頻譜值，生成所述段音頻文件的語(yǔ)譜圖。
[0031 ]較佳的，所述神經(jīng)網(wǎng)絡(luò)為:
[0032]卷積神經(jīng)網(wǎng)絡(luò)。
[0033]由上述的技術(shù)方案可見(jiàn)，本發(fā)明實(shí)施例提供的一種音頻文件的分類(lèi)方法及裝置，預(yù)先將音樂(lè)進(jìn)行分類(lèi)，并獲得每一類(lèi)音樂(lè)的語(yǔ)譜圖；針對(duì)待分類(lèi)的目標(biāo)音頻文件，獲得所述目標(biāo)音頻文件的語(yǔ)譜圖；根據(jù)所述目標(biāo)音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定所述目標(biāo)音頻文件的類(lèi)別。
[0034]可見(jiàn)，利用目標(biāo)音頻文件的語(yǔ)譜圖和每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定目標(biāo)音頻文件的類(lèi)別，實(shí)現(xiàn)了通過(guò)語(yǔ)譜圖對(duì)音頻文件進(jìn)行分類(lèi)。
[0035]當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品或方法必不一定需要同時(shí)達(dá)到以上所述的所有優(yōu)點(diǎn)。
【附圖說(shuō)明】
[0036]為了更清楚地說(shuō)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(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0037]圖1為本發(fā)明實(shí)施例提供的一種音頻文件的分類(lèi)方法的流程示意圖；
[0038]圖2為本發(fā)明實(shí)施例提供的一種音頻文件的分類(lèi)裝置的結(jié)構(gòu)示意圖；
[0039]圖3為本發(fā)明實(shí)施例提供的Jazz的語(yǔ)譜圖；
[0040]圖4為本發(fā)明實(shí)施例提供的Blue的語(yǔ)譜圖；
[0041 ]圖5為本發(fā)明實(shí)施例提供的Metal的語(yǔ)譜圖；
[0042]圖6為本發(fā)明實(shí)施例提供的Pop的語(yǔ)譜圖；
[0043]圖7為本發(fā)明實(shí)施例提供的Hip-pop的語(yǔ)譜圖。
【具體實(shí)施方式】
[0044]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(méi)有作出創(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。
[0045]下面首先對(duì)本發(fā)明實(shí)施例提供的一種音頻文件的分類(lèi)方法進(jìn)行詳細(xì)說(shuō)明。
[0046]參見(jiàn)圖1，圖1為本發(fā)明實(shí)施例提供的一種音頻文件的分類(lèi)方法的流程示意圖，預(yù)先將音樂(lè)進(jìn)行分類(lèi)，并獲得每一類(lèi)音樂(lè)的語(yǔ)譜圖；可以包括如下步驟:
[0047]SlOl，針對(duì)待分類(lèi)的目標(biāo)音頻文件，獲得所述目標(biāo)音頻文件的語(yǔ)譜圖；
[0048]具體的，音頻文件可以為音樂(lè)文件，預(yù)先將音樂(lè)進(jìn)行分類(lèi)，例如Jazz、Blue、Metal、Pop、Hip-pop等等，同時(shí)獲得每一類(lèi)音樂(lè)的語(yǔ)譜圖。其中，每一類(lèi)音樂(lè)的語(yǔ)譜圖分別如圖3、圖4、圖5、圖6、圖7所示。針對(duì)待分類(lèi)的目標(biāo)音頻文件，可以將目標(biāo)音頻文件進(jìn)行分段。例如，將I首60s的音樂(lè)從頭開(kāi)始，每5s分為一個(gè)片段，共分為12個(gè)音樂(lè)片段。
[0049]具體的，對(duì)于其中一段音頻文件，可以對(duì)該段音頻文件中的語(yǔ)音信號(hào)進(jìn)行加窗，按照一定的窗長(zhǎng)和窗移進(jìn)行分幀;對(duì)每幀音頻采樣通過(guò)快速傅里葉變換，得到該段音頻文件的的頻譜值;對(duì)該段音頻文件的頻譜值可以進(jìn)行歸一化處理，轉(zhuǎn)化成O至255之間的值，生成該段音頻文件的語(yǔ)譜圖。針對(duì)每一段音頻文件都按照此方法進(jìn)行處理，分別獲得每一段音頻文件的語(yǔ)譜圖，從而獲得目標(biāo)音頻文件的語(yǔ)譜圖。其中，語(yǔ)音信號(hào)的加窗、分幀以及快速傅里葉變換均屬于現(xiàn)有技術(shù)，在此不再贅述。
[0050]S102，根據(jù)所述目標(biāo)音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定所述目標(biāo)音頻文件的類(lèi)別。
[0051]具體的，同一類(lèi)型的音樂(lè)語(yǔ)譜圖的紋理具有相似性，人眼能根據(jù)紋理在一定程度上分辨出不同的音樂(lè)類(lèi)別。在實(shí)際應(yīng)用中，可以利用神經(jīng)網(wǎng)絡(luò)，根據(jù)每一段音頻文件的語(yǔ)譜圖以及每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定每一段音頻文件的類(lèi)別;根據(jù)所有段音頻文件的類(lèi)別，確定所述目標(biāo)音頻文件的類(lèi)別。在實(shí)際應(yīng)用中，該神經(jīng)網(wǎng)絡(luò)可以為卷積神經(jīng)網(wǎng)絡(luò)CNN0
[0052]示例性的，可以采用最大值投票的方法，對(duì)于I首音樂(lè)的12個(gè)音樂(lè)文件片段，利用卷積神經(jīng)網(wǎng)絡(luò)，確定其中9個(gè)片段的類(lèi)別為Jazz，2個(gè)片段的類(lèi)別為Blue，l個(gè)片段的類(lèi)別為Pop，則處理后最終的分類(lèi)結(jié)果為Jazz，從而確定該音樂(lè)的類(lèi)別為爵士樂(lè)(Jazz)。其中，卷積神經(jīng)網(wǎng)絡(luò)(CNN)是一種基于深度學(xué)習(xí)的圖像分類(lèi)和物體檢測(cè)算法，屬于現(xiàn)有技術(shù)，在此不再贅述。
[0053]可見(jiàn)，利用目標(biāo)音頻文件的語(yǔ)譜圖和每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定目標(biāo)音頻文件的類(lèi)別，不涉及音頻特征提取與選擇的復(fù)雜過(guò)程，從而實(shí)現(xiàn)通過(guò)語(yǔ)譜圖對(duì)音頻文件進(jìn)行分類(lèi)。
[0054]參見(jiàn)圖2，圖2為本發(fā)明實(shí)施例提供的一種音頻文件的分類(lèi)裝置的結(jié)構(gòu)示意圖，與圖1所示的流程相對(duì)應(yīng)，預(yù)先將音樂(lè)進(jìn)行分類(lèi)，并獲得每一類(lèi)音樂(lè)的語(yǔ)譜圖；該分類(lèi)裝置可以包括:獲得模塊201，確定模塊202。
[0055]獲得模塊201，用于針對(duì)待分類(lèi)的目標(biāo)音頻文件，獲得所述目標(biāo)音頻文件的語(yǔ)譜圖；
[0056]具體的，獲得模塊201，可以包括:分段子模塊和獲得子模塊(圖中未示出)；
[0057]分段子模塊，用于針對(duì)待分類(lèi)的目標(biāo)音頻文件，將所述目標(biāo)音頻文件進(jìn)行分段；
[0058]獲得子模塊，用于分別獲得每一段音頻文件的語(yǔ)譜圖。
[0059 ]具體的，所述獲得子模塊，具體可以用于:
[0060]分別針對(duì)每一段音頻文件，針對(duì)所述段音頻文件的每一音頻幀進(jìn)行傅里葉變換，得到所述音頻幀的頻譜值;根據(jù)所述段音頻文件的每一音頻幀的頻譜值，生成所述段音頻文件的語(yǔ)譜圖。
[0061 ]確定模塊202，用于根據(jù)所述目標(biāo)音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定所述目標(biāo)音頻文件的類(lèi)別。
[0062]具體的，確定模塊202，具體可以用于:
[0063]利用神經(jīng)網(wǎng)絡(luò)，根據(jù)所述每一段音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定每一段音頻文件的類(lèi)別;根據(jù)所有段音頻文件的類(lèi)別，確定所述目標(biāo)音頻文件的類(lèi)別。
[0064]具體的，所述神經(jīng)網(wǎng)絡(luò)可以為:卷積神經(jīng)網(wǎng)絡(luò)。
[0065]可見(jiàn)，利用目標(biāo)音頻文件的語(yǔ)譜圖和每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定目標(biāo)音頻文件的類(lèi)別，不涉及音頻特征提取與選擇的復(fù)雜過(guò)程，從而實(shí)現(xiàn)通過(guò)語(yǔ)譜圖對(duì)音頻文件進(jìn)行分類(lèi)。
[0066]需要說(shuō)明的是，在本文中，諸如第一和第二等之類(lèi)的關(guān)系術(shù)語(yǔ)僅僅用來(lái)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(kāi)來(lái)，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(guò)程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒(méi)有明確列出的其他要素，或者是還包括為這種過(guò)程、方法、物品或者設(shè)備所固有的要素。在沒(méi)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(guò)程、方法、物品或者設(shè)備中還存在另外的相同要素。
[0067]本說(shuō)明書(shū)中的各個(gè)實(shí)施例均采用相關(guān)的方式描述，各個(gè)實(shí)施例之間相同相似的部分互相參見(jiàn)即可，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處。尤其，對(duì)于裝置實(shí)施例而言，由于其基本相似于方法實(shí)施例，所以描述的比較簡(jiǎn)單，相關(guān)之處參見(jiàn)方法實(shí)施例的部分說(shuō)明即可。
[0068]本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述方法實(shí)施方式中的全部或部分步驟是可以通過(guò)程序來(lái)指令相關(guān)的硬件來(lái)完成，所述的程序可以存儲(chǔ)于計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，這里所稱(chēng)得的存儲(chǔ)介質(zhì)，如:R0M/RAM、磁碟、光盤(pán)等。
[0069]以上所述僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均包含在本發(fā)明的保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1.一種音頻文件的分類(lèi)方法，其特征在于，預(yù)先將音樂(lè)進(jìn)行分類(lèi)，并獲得每一類(lèi)音樂(lè)的語(yǔ)譜圖；所述方法包括: 針對(duì)待分類(lèi)的目標(biāo)音頻文件，獲得所述目標(biāo)音頻文件的語(yǔ)譜圖； 根據(jù)所述目標(biāo)音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定所述目標(biāo)首頻文件的類(lèi)別。2.根據(jù)權(quán)利要求1所述的方法，所述針對(duì)待分類(lèi)的目標(biāo)音頻文件，獲得所述目標(biāo)音頻文件的語(yǔ)譜圖，包括: 針對(duì)待分類(lèi)的目標(biāo)音頻文件，將所述目標(biāo)音頻文件進(jìn)行分段； 分別獲得每一段音頻文件的語(yǔ)譜圖。3.根據(jù)權(quán)利要求2所述的方法，所述根據(jù)所述目標(biāo)音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定所述目標(biāo)音頻文件的類(lèi)別，包括: 利用神經(jīng)網(wǎng)絡(luò)，根據(jù)所述每一段音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定每一段音頻文件的類(lèi)別； 根據(jù)所有段音頻文件的類(lèi)別，確定所述目標(biāo)音頻文件的類(lèi)別。4.根據(jù)權(quán)利要求2所述的方法，所述分別獲得每一段音頻文件的語(yǔ)譜圖，包括: 分別針對(duì)每一段音頻文件，針對(duì)所述段音頻文件的每一音頻幀進(jìn)行傅里葉變換，得到所述音頻幀的頻譜值； 根據(jù)所述段音頻文件的每一音頻幀的頻譜值，生成所述段音頻文件的語(yǔ)譜圖。5.根據(jù)權(quán)利要求3所述的方法，所述神經(jīng)網(wǎng)絡(luò)為: 卷積神經(jīng)網(wǎng)絡(luò)。6.一種音頻文件的分類(lèi)裝置，其特征在于，預(yù)先將音樂(lè)進(jìn)行分類(lèi)，并獲得每一類(lèi)音樂(lè)的語(yǔ)譜圖；所述裝置包括: 獲得模塊，用于針對(duì)待分類(lèi)的目標(biāo)音頻文件，獲得所述目標(biāo)音頻文件的語(yǔ)譜圖； 確定模塊，用于根據(jù)所述目標(biāo)音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定所述目標(biāo)音頻文件的類(lèi)別。7.根據(jù)權(quán)利要求6所述的裝置，所述獲得模塊，包括: 分段子模塊，用于針對(duì)待分類(lèi)的目標(biāo)音頻文件，將所述目標(biāo)音頻文件進(jìn)行分段； 獲得子模塊，用于分別獲得每一段音頻文件的語(yǔ)譜圖。8.根據(jù)權(quán)利要求7所述的裝置，所述確定模塊，具體用于: 利用神經(jīng)網(wǎng)絡(luò)，根據(jù)所述每一段音頻文件的語(yǔ)譜圖以及所述每一類(lèi)音樂(lè)的語(yǔ)譜圖的相似性，確定每一段音頻文件的類(lèi)別； 根據(jù)所有段音頻文件的類(lèi)別，確定所述目標(biāo)音頻文件的類(lèi)別。9.根據(jù)權(quán)利要求7所述的裝置，所述獲得子模塊，具體用于: 分別針對(duì)每一段音頻文件，針對(duì)所述段音頻文件的每一音頻幀進(jìn)行傅里葉變換，得到所述音頻幀的頻譜值； 根據(jù)所述段音頻文件的每一音頻幀的頻譜值，生成所述段音頻文件的語(yǔ)譜圖。10.根據(jù)權(quán)利要求8所述的裝置，所述神經(jīng)網(wǎng)絡(luò)為: 卷積神經(jīng)網(wǎng)絡(luò)。
【文檔編號(hào)】G06F17/30GK105895110SQ201610512234
【公開(kāi)日】2016年8月24日
【申請(qǐng)日】2016年6月30日
【發(fā)明人】黃瑛, 蘭細(xì)鵬, 胡明清, 王濤
【申請(qǐng)人】北京奇藝世紀(jì)科技有限公司