基于特定风格的音乐生成方法、装置、设备及存储介质与流程

1.本发明涉及音频转换领域，尤其涉及一种基于特定风格的音乐生成方法、装置、设备及存储介质。


背景技术：

2.随着深度学习的发展，音乐生成模型及其变体在音乐生成中尤为重要，在音乐自动生成领域中，transformer模型能在短时间内生成时长超过一分钟的作品，在语言模型和翻译任务方面也有广泛的应用。
3.然而，目前已有的音乐生成模型具有很大的局限性，音乐生成的效率低，且生成的音乐作品风格不可控。


技术实现要素：

4.本发明提供了一种基于特定风格的音乐生成方法、装置、设备及存储介质，用于根据特定的风格生成音乐作品，提高了音乐的生成效率和音乐作品的可控性。
5.本发明第一方面提供了一种基于特定风格的音乐生成方法，包括：获取原始数据，所述原始数据包括钢琴演奏的乐器数字接口midi文件和钢琴演奏的音频数据；对所述原始数据进行标记，生成中间数据，所述中间数据包含多个事件；将所述中间数据输入预置的演奏编码器和预置的旋律编码器，基于相对注意力机制和前馈神经网络生成编码数据；将所述编码数据输入预置的解码器，生成解码数据；基于预置的调节机制对所述解码数据进行错误修正，得到目标数据，根据所述目标数据生成最终的音乐作品，所述调节机制包括旋律调节、演奏调节和输入干扰。
6.可选的，在本发明第一方面的第一种实现方式中，所述对所述原始数据进行标记，生成中间数据，所述中间数据包含多个事件包括：基于音符开始时刻和音符结束时刻对所述原始数据进行标记，生成第一标记数据，所述第一标记数据包括预置数量的音符开启事件和预置数量的音符关闭事件；基于预置的时间增量值对所述原始数据进行标记，生成第二标记数据，所述第二标记数据包括预置数量的时移事件；基于预置的量化速度对所述原始数据进行标记，生成第三标记数据，所述第三标记数据包括预置数量的音符播放速度事件；将所述第一标记数据、所述第二标记数据和所述第三标记数据合并，生成中间数据，所述中间数据包含多个事件。
7.可选的，在本发明第一方面的第二种实现方式中，所述将所述中间数据输入预置的演奏编码器和预置的旋律编码器，基于相对注意力机制和前馈神经网络生成编码数据包括：对所述中间数据进行特征提取，生成演奏输入数据和旋律输入数据；将所述演奏输入数据输入预置的演奏编码器，经过所述预置的演奏编码器的多头相对注意力层，并传输至前馈神经网络，得到演奏编码数据；将所述旋律输入数据输入预置的旋律编码器，经过所述预置的旋律编码器的多头相对注意力层，并传输至前馈神经网络，得到旋律编码数据；基于所述演奏编码数据和所述旋律编码数据生成编码数据。
8.可选的，在本发明第一方面的第三种实现方式中，所述将所述演奏输入数据输入预置的演奏编码器，经过所述预置的演奏编码器的多头相对注意力层，并传输至前馈神经网络，得到演奏编码数据包括：将所述演奏输入数据输入所述预置的演奏编码器的第一层堆栈，经过所述第一层堆栈的多头相对注意力层，并传输至所述第一层堆栈的前馈神经网络，生成第一演奏片段；将所述第一演奏片段输入所述预置的演奏编码器的第二层堆栈，按照预置的次数进行迭代，基于最后一层堆栈的前馈神经网络输出的数据，生成演奏时间片段；将所述演奏时间片段进行压缩处理，生成演奏编码数据。
9.可选的，在本发明第一方面的第四种实现方式中，所述基于预置的调节机制对所述解码数据进行错误修正，得到目标数据，根据所述目标数据生成最终的音乐作品，所述调节机制包括旋律调节、演奏调节和输入干扰包括：基于预置的旋律和演奏机制对所述目标数据进行修正，删除异常数据，生成第一调节数据；根据所述第一调节数据进行降噪处理，减少输入干扰，生成最终的音乐作品。
10.可选的，在本发明第一方面的第五种实现方式中，在所述基于预置的调节机制对所述解码数据进行错误修正，得到目标数据，根据所述目标数据生成最终的音乐作品之后，所述方法还包括：进行性能特征的相似评估。
11.可选的，在本发明第一方面的第六种实现方式中，所述进行性能特征的相似评估包括：获取待评估的两首音乐作品，确定评估指标，所述评估指标包括音符密度、音高范围、音高的平均变化、音高的整体变化、平均速度、速度变化、平均持续时间和持续时间变化；基于所述评估指标分别生成所述两首音乐作品的多个评估指标直方图，并计算每一个评估指标的均值和方差，得到多组均值和方差；根据所述每一个评估指标的均值和方差生成正态分布图，得到多组正态分布图；计算所述两首音乐作品对应评估指标正态分布图的重叠面积，基于所述重叠面积进行相似度评估。
12.本发明第二方面提供了一种基于特定风格的音乐生成装置，包括：获取模块，用于获取原始数据，所述原始数据包括钢琴演奏的乐器数字接口midi文件和钢琴演奏的音频数据；标记模块，用于对所述原始数据进行标记，生成中间数据，所述中间数据包含多个事件；编码模块，用于将所述中间数据输入预置的演奏编码器和预置的旋律编码器，基于相对注意力机制和前馈神经网络生成编码数据；解码模块，用于将所述编码数据输入预置的解码器，生成解码数据；调节模块，用于基于预置的调节机制对所述解码数据进行错误修正，得到目标数据，生成最终的音乐作品，所述调节机制包括旋律调节、演奏调节和输入干扰。
13.可选的，在本发明第二方面的第一种实现方式中，所述标记模块包括：第一标记单元，用于基于音符开始时刻和音符结束时刻对所述原始数据进行标记，生成第一标记数据，所述第一标记数据包括预置数量的音符开启事件和预置数量的音符关闭事件；第二标记单元，用于基于预置的时间增量值对所述原始数据进行标记，生成第二标记数据，所述第二标记数据包括预置数量的时移事件；第三标记单元，用于基于预置的量化速度对所述原始数据进行标记，生成第三标记数据，所述第三标记数据包括预置数量的音符播放速度事件；合并单元，用于将所述第一标记数据、所述第二标记数据和所述第三标记数据合并，生成中间数据，所述中间数据包含多个事件。
14.可选的，在本发明第二方面的第二种实现方式中，所述编码模块包括：特征提取单元，用于对所述中间数据进行特征提取，生成演奏输入数据和旋律输入数据；第一输入单
元，用于将所述演奏输入数据输入预置的演奏编码器，经过所述预置的演奏编码器的多头相对注意力层，并传输至前馈神经网络，得到演奏编码数据；第二输入单元，用于将所述旋律输入数据输入预置的旋律编码器，经过所述预置的旋律编码器的多头相对注意力层，并传输至前馈神经网络，得到旋律编码数据；第一生成单元，用于基于所述演奏编码数据和所述旋律编码数据生成编码数据。
15.可选的，在本发明第二方面的第三种实现方式中，所述第一输入单元具体用于：将所述演奏输入数据输入所述预置的演奏编码器的第一层堆栈，经过所述第一层堆栈的多头相对注意力层，并传输至所述第一层堆栈的前馈神经网络，生成第一演奏片段；将所述第一演奏片段输入所述预置的演奏编码器的第二层堆栈，按照预置的次数进行迭代，基于最后一层堆栈的前馈神经网络输出的数据，生成演奏时间片段；将所述演奏时间片段进行压缩处理，生成演奏编码数据。
16.可选的，在本发明第二方面的第四种实现方式中，所述调节模块包括：修正单元，用于基于预置的旋律和演奏机制对所述目标数据进行修正，删除异常数据，生成第一调节数据；第二生成单元，用于根据所述第一调节数据进行降噪处理，减少输入干扰，生成最终的音乐作品。
17.可选的，在本发明第二方面的第五种实现方式中，在所述基于预置的调节机制对所述解码数据进行错误修正，得到目标数据，根据所述目标数据生成最终的音乐作品之后，所述装置还包括：相似度评估模块。
18.可选的，在本发明第二方面的第六种实现方式中，所述相似度评估模块包括：确定单元，用于获取待评估的两首音乐作品，确定评估指标，所述评估指标包括音符密度、音高范围、音高的平均变化、音高的整体变化、平均速度、速度变化、平均持续时间和持续时间变化；计算单元，用于基于所述评估指标分别生成所述两首音乐作品的多个评估指标直方图，并计算每一个评估指标的均值和方差，得到多组均值和方差；第三生成单元，用于根据所述每一个评估指标的均值和方差生成正态分布图，得到多组正态分布图；评估单元，用于计算所述两首音乐作品对应评估指标正态分布图的重叠面积，基于所述重叠面积进行相似度评估。
19.本发明第三方面提供了一种基于特定风格的音乐生成设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于特定风格的音乐生成设备执行上述的基于特定风格的音乐生成方法。
20.本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于特定风格的音乐生成方法。
21.本发明提供的技术方案中，获取原始数据，所述原始数据包括钢琴演奏的乐器数字接口midi文件和钢琴演奏的音频数据；对所述原始数据进行标记，生成中间数据，所述中间数据包含多个事件；将所述中间数据输入预置的演奏编码器和预置的旋律编码器，基于相对注意力机制和前馈神经网络生成编码数据；将所述编码数据输入预置的解码器，生成解码数据；基于预置的调节机制对所述解码数据进行错误修正，得到目标数据，生成最终的音乐作品，所述调节机制包括旋律调节、演奏调节和输入干扰。本发明实施例中，根据特定的风格生成音乐作品，提高了音乐的生成效率和音乐作品的可控性。
附图说明
22.图1为本发明实施例中基于特定风格的音乐生成方法的一个实施例示意图；
23.图2为本发明实施例中基于特定风格的音乐生成方法的另一个实施例示意图；
24.图3为本发明实施例中基于特定风格的音乐生成装置的一个实施例示意图；
25.图4为本发明实施例中基于特定风格的音乐生成装置的另一个实施例示意图；
26.图5为本发明实施例中基于特定风格的音乐生成设备的一个实施例示意图。
具体实施方式
27.本发明实施例提供了一种基于特定风格的音乐生成方法、装置、设备及存储介质，用于根据特定的风格生成音乐作品，提高了音乐的生成效率和音乐作品的可控性。
28.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
29.为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于特定风格的音乐生成方法的一个实施例包括：
30.101、获取原始数据，原始数据包括钢琴演奏的乐器数字接口midi文件和钢琴演奏的音频数据。
31.服务器获取原始数据，原始数据包括钢琴演奏的乐器数字接口midi文件和钢琴演奏的音频数据。原始数据从相关音乐网站收集，包括5000多种古典钢琴演奏的midi文件，以及从长达20000多个小时的钢琴演奏中收集的音频数据。
32.可以理解的是，本发明的执行主体可以为基于特定风格的音乐生成装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
33.102、对原始数据进行标记，生成中间数据，中间数据包含多个事件。
34.服务器对原始数据进行标记，生成中间数据，中间数据包含多个事件。具体的，服务器基于音符开始时刻和音符结束时刻对原始数据进行标记，生成第一标记数据，第一标记数据包括预置数量的音符开启事件和预置数量的音符关闭事件；服务器基于预置的时间增量值对原始数据进行标记，生成第二标记数据，第二标记数据包括预置数量的时移事件；服务器基于预置的量化速度对原始数据进行标记，生成第三标记数据，第三标记数据包括预置数量的音符播放速度事件；服务器将第一标记数据、第二标记数据和第三标记数据合并，生成中间数据，中间数据包含多个事件。
35.服务器将原始数据表示为一系列离散的标记，其中包含88个音符开启事件，88个音符关闭事件，100个表示以10ms为增量的从10ms到1s时移事件，以及表示88个音符播放速度事件的16个量化速度标记，这些量化之后的速度标记能够表示音符的播放速度。
36.103、将中间数据输入预置的演奏编码器和预置的旋律编码器，基于相对注意力机制和前馈神经网络生成编码数据。
37.服务器将中间数据输入预置的演奏编码器和预置的旋律编码器，基于相对注意力机制和前馈神经网络生成编码数据。编码器是将信号或数据进行编制并转换为可用于通讯、传输和存储的信号形式的设备，当输入音频数据时，通过编码器，就能将音频转换成可以在计算机上存储的数据格式，演奏编码器将演奏部分作为输入，而旋律编码器将旋律部分作为输入，经过编码后生成相应的时间片段，每个编码器包含6层堆栈，堆栈是一种数据项按序排列的数据结构，只能在一端对数据项进行插入和删除，每一层堆栈包括一个多头相对注意力层和一个前馈神经网络层，数据通过第一层堆栈的相对注意力层，经过第一层堆栈的前馈神经网络层并传输至下一层堆栈的相对注意力层，依次进行迭代处理，直到最后一层堆栈的前馈神经网络输出编码数据。
38.104、将编码数据输入预置的解码器，生成解码数据。
39.服务器将编码数据输入预置的解码器，生成解码数据。解码器与编码器的网络具有相同的结构，包含6层堆栈，每一层堆栈包括一个多头相对注意力层和一个前馈神经网络层，解码器接受编码器的输出，同时也生成新的标志。为了确保新生成标志的准确性，可以进行端到端的模型训练，如果给定长度为x的序列n，得到如下公式：其中θ为模型参数。
40.105、基于预置的调节机制对解码数据进行错误修正，得到目标数据，根据目标数据生成最终的音乐作品，调节机制包括旋律调节、演奏调节和输入干扰。
41.服务器基于预置的调节机制对解码数据进行错误修正，得到目标数据，根据目标数据生成最终的音乐作品，调节机制包括旋律调节、演奏调节和输入干扰。具体的，服务器基于预置的旋律和演奏机制对目标数据进行修正，删除异常数据，生成第一调节数据；服务器根据第一调节数据进行降噪处理，减少输入干扰，生成最终的音乐作品。
42.异常数据包括字符编码等问题引起的乱码，字符被截断和异常的数值等，通过设定预置的旋律和演奏机制，对数据进行审核并过滤，删除异常数据，可以提高作品的质量，数据的降噪处理主要基于傅里叶变换，将时域上的信号转变为频域上的信号，进行相应的降噪处理。
43.本发明实施例中，根据特定的风格生成音乐作品，提高了音乐的生成效率和音乐作品的可控性。
44.请参阅图2，本发明实施例中基于特定风格的音乐生成方法的另一个实施例包括：
45.201、获取原始数据，原始数据包括钢琴演奏的乐器数字接口midi文件和钢琴演奏的音频数据。
46.服务器获取原始数据，原始数据包括钢琴演奏的乐器数字接口midi文件和钢琴演奏的音频数据。原始数据从相关音乐网站收集，包括5000多种古典钢琴演奏的midi文件，以及从长达20000多个小时的钢琴演奏中收集的音频数据。
47.可以理解的是，本发明的执行主体可以为基于特定风格的音乐生成装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
48.202、对原始数据进行标记，生成中间数据，中间数据包含多个事件。
49.服务器对原始数据进行标记，生成中间数据，中间数据包含多个事件。具体的，服务器基于音符开始时刻和音符结束时刻对原始数据进行标记，生成第一标记数据，第一标记数据包括预置数量的音符开启事件和预置数量的音符关闭事件；服务器基于预置的时间
增量值对原始数据进行标记，生成第二标记数据，第二标记数据包括预置数量的时移事件；服务器基于预置的量化速度对原始数据进行标记，生成第三标记数据，第三标记数据包括预置数量的音符播放速度事件；服务器将第一标记数据、第二标记数据和第三标记数据合并，生成中间数据，中间数据包含多个事件。
50.服务器将原始数据表示为一系列离散的标记，其中包含88个音符开启事件，88个音符关闭事件，100个表示以10ms为增量的从10ms到1s时移事件，以及表示88个音符播放速度事件的16个量化速度标记，这些量化之后的速度标记能够表示音符的播放速度。
51.203、对中间数据进行特征提取，生成演奏输入数据和旋律输入数据。
52.服务器对中间数据进行特征提取，生成演奏输入数据和旋律输入数据。特征提取主要基于主成分分析pca算法，利用降维的思想将数据转化为几个综合指标特征，主要包括：对原始数据进行标准化处理，计算相关系数矩阵计算相关系数矩阵的特征值和特征向量，得到新的指标标量，计算特征值的信息贡献率和累积贡献率，按预置的规则选择主成分，本方案中按照预置的规则最终生成演奏输入数据和旋律输入数据。
53.204、将演奏输入数据输入预置的演奏编码器，经过预置的演奏编码器的多头相对注意力层，并传输至前馈神经网络，得到演奏编码数据。
54.服务器将演奏输入数据输入预置的演奏编码器，经过预置的演奏编码器的多头相对注意力层，并传输至前馈神经网络，得到演奏编码数据。具体的，服务器将演奏输入数据输入预置的演奏编码器的第一层堆栈，经过第一层堆栈的多头相对注意力层，并传输至所述第一层堆栈的前馈神经网络，生成第一演奏片段；服务器将第一演奏片段输入预置的演奏编码器的第二层堆栈，按照预置的次数进行迭代，基于最后一层堆栈的前馈神经网络输出的数据，生成演奏时间片段；服务器将演奏时间片段进行压缩处理，生成演奏编码数据。
55.205、将旋律输入数据输入预置的旋律编码器，经过预置的旋律编码器的多头相对注意力层，并传输至前馈神经网络，得到旋律编码数据。
56.服务器将旋律输入数据输入预置的旋律编码器，经过预置的旋律编码器的多头相对注意力层，并传输至前馈神经网络，得到旋律编码数据。具体的，服务器将旋律输入数据输入预置的旋律编码器的第一层堆栈，经过第一层堆栈的多头相对注意力层，并传输至所述第一层堆栈的前馈神经网络，生成第一演奏片段；服务器将第一演奏片段输入预置的旋律编码器的第二层堆栈，按照预置的次数进行迭代，基于最后一层堆栈的前馈神经网络输出的数据，生成旋律时间片段；服务器将旋律时间片段进行压缩处理，生成旋律编码数据。
57.206、基于演奏编码数据和旋律编码数据生成编码数据。
58.服务器基于演奏编码数据和旋律编码数据生成编码数据。服务器将演奏编码数据和旋律编码数据进行合并处理，生成最终的编码数据。
59.207、将编码数据输入预置的解码器，生成解码数据。
60.服务器将编码数据输入预置的解码器，生成解码数据。解码器与编码器的网络具有相同的结构，包含6层堆栈，每一层堆栈包括一个多头相对注意力层和一个前馈神经网络层，解码器接受编码器的输出，同时也生成新的标志。为了确保新生成标志的准确性，可以进行端到端的模型训练，如果给定长度为x的序列n，得到如下公式：其中θ为模型参数。
61.208、基于预置的调节机制对解码数据进行错误修正，得到目标数据，根据目标数
据生成最终的音乐作品，调节机制包括旋律调节、演奏调节和输入干扰。
62.服务器基于预置的调节机制对解码数据进行错误修正，得到目标数据，根据目标数据生成最终的音乐作品，调节机制包括旋律调节、演奏调节和输入干扰。具体的，服务器基于预置的旋律和演奏机制对目标数据进行修正，删除异常数据，生成第一调节数据；服务器根据第一调节数据进行降噪处理，减少输入干扰，生成最终的音乐作品。
63.异常数据包括字符编码等问题引起的乱码，字符被截断和异常的数值等，通过设定预置的旋律和演奏机制，对数据进行审核并过滤，删除异常数据，可以提高作品的质量，数据的降噪处理主要基于傅里叶变换，将时域上的信号转变为频域上的信号，进行相应的降噪处理。
64.本发明实施例中，根据特定的风格生成音乐作品，提高了音乐的生成效率和音乐作品的可控性。
65.上面对本发明实施例中基于特定风格的音乐生成方法进行了描述，下面对本发明实施例中基于特定风格的音乐生成装置进行描述，请参阅图3，本发明实施例中基于特定风格的音乐生成装置的一个实施例包括：
66.获取模块301，用于获取原始数据，原始数据包括钢琴演奏的乐器数字接口midi文件和钢琴演奏的音频数据；
67.标记模块302，用于对原始数据进行标记，生成中间数据，中间数据包含多个事件；
68.编码模块303，用于将中间数据输入预置的演奏编码器和预置的旋律编码器，基于相对注意力机制和前馈神经网络生成编码数据；
69.解码模块304，用于将编码数据输入预置的解码器，生成解码数据；
70.调节模块305，用于基于预置的调节机制对解码数据进行错误修正，得到目标数据，根据目标数据生成最终的音乐作品，调节机制包括旋律调节、演奏调节和输入干扰。
71.本发明实施例中，根据特定的风格生成音乐作品，提高了音乐的生成效率和音乐作品的可控性。
72.请参阅图4，本发明实施例中基于特定风格的音乐生成装置的另一个实施例包括：
73.获取模块301，用于获取原始数据，原始数据包括钢琴演奏的乐器数字接口midi文件和钢琴演奏的音频数据；
74.标记模块302，用于对原始数据进行标记，生成中间数据，中间数据包含多个事件；
75.编码模块303，用于将中间数据输入预置的演奏编码器和预置的旋律编码器，基于相对注意力机制和前馈神经网络生成编码数据；
76.解码模块304，用于将编码数据输入预置的解码器，生成解码数据；
77.调节模块305，用于基于预置的调节机制对解码数据进行错误修正，得到目标数据，根据目标数据生成最终的音乐作品，调节机制包括旋律调节、演奏调节和输入干扰。
78.可选的，标记模块302包括：
79.第一标记单元3021，用于基于音符开始时刻和音符结束时刻对原始数据进行标记，生成第一标记数据，第一标记数据包括预置数量的音符开启事件和预置数量的音符关闭事件；
80.第二标记单元3022，用于基于预置的时间增量值对原始数据进行标记，生成第二标记数据，第二标记数据包括预置数量的时移事件；
81.第三标记单元3023，用于基于预置的量化速度对原始数据进行标记，生成第三标记数据，第三标记数据包括预置数量的音符播放速度事件；
82.合并单元3024，用于将第一标记数据、第二标记数据和第三标记数据合并，生成中间数据，中间数据包含多个事件。
83.可选的，编码模块303包括：
84.特征提取单元3031，用于对中间数据进行特征提取，生成演奏输入数据和旋律输入数据；
85.第一输入单元3032，用于将演奏输入数据输入预置的演奏编码器，经过预置的演奏编码器的多头相对注意力层，并传输至前馈神经网络，得到演奏编码数据；
86.第二输入单元3033，用于将旋律输入数据输入预置的旋律编码器，经过预置的旋律编码器的多头相对注意力层，并传输至前馈神经网络，得到旋律编码数据；
87.第一生成单元3034，用于基于演奏编码数据和旋律编码数据生成编码数据。
88.可选的，第一输入单元3032具体用于：
89.将演奏输入数据输入预置的演奏编码器的第一层堆栈，经过第一层堆栈的多头相对注意力层，并传输至第一层堆栈的前馈神经网络，生成第一演奏片段；将第一演奏片段输入所述预置的演奏编码器的第二层堆栈，按照预置的次数进行迭代，基于最后一层堆栈的前馈神经网络输出的数据，生成演奏时间片段；将演奏时间片段进行压缩处理，生成演奏编码数据。
90.可选的，调节模块305包括：
91.修正单元3051，用于基于预置的旋律和演奏机制对目标数据进行修正，删除异常数据，生成第一调节数据；
92.第二生成单元3052，用于根据所述第一调节数据进行降噪处理，减少输入干扰，生成最终的音乐作品。
93.可选的，在调节模块305之后，基于特定风格的音乐生成装置还包括相似度评估模块306，包括：
94.确定单元3061，用于获取待评估的两首音乐作品，确定评估指标，评估指标包括音符密度、音高范围、音高的平均变化、音高的整体变化、平均速度、速度变化、平均持续时间和持续时间变化；
95.计算单元3062，用于基于评估指标分别生成两首音乐作品的多个评估指标直方图，并计算每一个评估指标的均值和方差，得到多组均值和方差；
96.第三生成单元3063，用于根据每一个评估指标的均值和方差生成正态分布图，得到多组正态分布图；
97.评估单元3064，用于计算两首音乐作品对应评估指标正态分布图的重叠面积，基于重叠面积进行相似度评估。
98.本发明实施例中，根据特定的风格生成音乐作品，提高了音乐的生成效率和音乐作品的可控性。
99.上面图3和图4从模块化功能实体的角度对本发明实施例中的基于特定风格的音乐生成装置进行详细描述，下面从硬件处理的角度对本发明实施例中基于特定风格的音乐生成设备进行详细描述。
100.图5是本发明实施例提供的一种基于特定风格的音乐生成设备的结构示意图，该基于特定风格的音乐生成设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对基于特定风格的音乐生成设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在基于特定风格的音乐生成设备500上执行存储介质530中的一系列指令操作。
101.基于特定风格的音乐生成设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图5示出的基于特定风格的音乐生成设备结构并不构成对基于特定风格的音乐生成设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
102.本发明还提供一种基于特定风格的音乐生成设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述基于特定风格的音乐生成方法的步骤。
103.本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述基于特定风格的音乐生成方法的步骤。
104.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
105.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
106.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read
‑
only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
107.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前
述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。