琴键信息生成方法、装置、电子设备和计算机可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及琴键信息生成方法、装置、电子设备和计算机可读介质。


背景技术：

2.琴键信息生成是用于生成用户弹奏的音频对应的琴键信息的一种技术。目前，在生成琴键信息时，通常采用的方式为：直接对用户弹奏的音频进行分析，以确定用户弹奏的琴键。
3.然而，当采用上述方式生成琴键信息时，经常会存在如下技术问题：
4.第一，在钢琴琴音不准的情况下，无法确定用户弹奏的琴键对应的真实音频，进而导致得到错误的琴键信息，使得生成的琴键信息的准确率低；
5.第二，由于获取的用户弹奏的音频中往往存在噪音，会导致音频特征识别不准确，使得生成的琴键信息的准确率低；
6.第三，由于用户弹奏的音频往往是在室内录制的，导致音频中容易存在混响，使得生成的琴键信息的准确率低。


技术实现要素：

7.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
8.本公开的一些实施例提出了琴键信息生成方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
9.第一方面，本公开的一些实施例提供了一种琴键信息生成方法，该方法包括：根据测试音频信息和目标琴键对应的标准频率，确定音分偏移量，其中，上述测试音频信息是用户对目标钢琴包含的上述目标琴键进行弹奏得到的；获取目标音频信息，其中，上述目标音频信息是待进行音频识别的音频信息，上述目标音频信息是用户对上述目标钢琴包含的多个琴键进行弹奏得到的；对上述目标音频信息进行音频片段提取，以生成音频片段信息，得到音频片段信息集合，其中，上述音频片段信息集合中的音频片段信息包括：第一音频片段信息和第二音频片段信息，第一音频片段信息对应的音频满足第一提取条件，第二音频片段信息对应的音频满足第二提取条件；基于上述音频片段信息集合和上述音分偏移量，生成音频特征信息，得到音频特征信息集合；将上述音频特征信息集合中的音频特征信息依次输入预先训练的琴键识别模型，以生成琴键信息，得到琴键信息集合。
10.第二方面，本公开的一些实施例提供了一种琴键信息生成装置，装置包括：确定单元，被配置成根据测试音频信息和目标琴键对应的标准频率，确定音分偏移量，其中，上述测试音频信息是用户对目标钢琴包含的上述目标琴键进行弹奏得到的；获取单元，被配置成获取目标音频信息，其中，上述目标音频信息是待进行音频识别的音频信息，上述目标音
频信息是用户对上述目标钢琴包含的多个琴键进行弹奏得到的；片段提取单元，被配置成对上述目标音频信息进行音频片段提取，以生成音频片段信息，得到音频片段信息集合，其中，上述音频片段信息集合中的音频片段信息包括：第一音频片段信息和第二音频片段信息，第一音频片段信息对应的音频满足第一提取条件，第二音频片段信息对应的音频满足第二提取条件；信息生成单元，被配置成基于上述音频片段信息集合和上述音分偏移量，生成音频特征信息，得到音频特征信息集合；信息识别单元，被配置成将上述音频特征信息集合中的音频特征信息依次输入预先训练的琴键识别模型，以生成琴键信息，得到琴键信息集合。
11.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
12.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
13.本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的琴键信息生成方法，能够提高琴键信息生成的准确率。具体来说，造成琴键信息生成的准确率较低的原因在于：在钢琴琴音不准的情况下，无法确定用户弹奏的琴键对应的真实音频，进而导致得到错误的琴键信息，使得生成的琴键信息的准确率低。基于此，本公开的一些实施例的琴键信息生成方法包括：首先，根据测试音频信息和目标琴键对应的标准频率，确定音分偏移量，其中，上述测试音频信息是用户对目标钢琴包含的上述目标琴键进行弹奏得到的。实际情况中，钢琴往往存在琴音不准的情况，因此，需要对上述目标琴键进行测试，以确定上述目标琴键的琴音是否准确，并生成对应的音分偏移量。其次，获取目标音频信息，其中，上述目标音频信息是待进行音频识别的音频信息，上述目标音频信息是用户对上述目标钢琴包含的多个琴键进行弹奏得到的。然后，对上述目标音频信息进行音频片段提取，以生成音频片段信息，得到音频片段信息集合，其中，上述音频片段信息集合中的音频片段信息包括：第一音频片段信息和第二音频片段信息，第一音频片段信息对应的音频满足第一提取条件，第二音频片段信息对应的音频满足第二提取条件。实际情况中，用户弹奏不同的琴键时往往会存在间隔，导致上述目标音频信息对应的音频中存在没有琴音的片段。因此，需要通过音频片段提取，从上述目标音频信息对应的音频中提取出包含琴音的片段。接着，基于上述音频片段信息集合和上述音分偏移量，生成音频特征信息，得到音频特征信息集合。由此，在利用上述音频片段信息集合生成音频特征信息的过程中，加入了上述音分偏移量，解决了钢琴琴音不准的情况下，无法确定用户弹奏的琴键对应的真实音频的问题。最后，将上述音频特征信息集合中的音频特征信息依次输入预先训练的琴键识别模型，以生成琴键信息，得到琴键信息集合。由此，实现了在钢琴琴音不准的情况下，通过对音频信息进行识别，生成准确的琴键信息，由此，提高琴键信息生成的准确率。
附图说明
14.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
15.图1是根据本公开的琴键信息生成方法的一些实施例的流程图；
16.图2是根据本公开的琴键信息生成装置的一些实施例的结构示意图；
17.图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
18.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
19.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
20.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
21.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
22.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
23.下面将参考附图并结合实施例来详细说明本公开。
24.图1示出了根据本公开的琴键信息生成方法的一些实施例的流程100。该琴键信息生成方法，包括以下步骤：
25.步骤101，根据测试音频信息和目标琴键对应的标准频率，确定音分偏移量。
26.在一些实施例中，琴键信息生成方法的执行主体(例如，计算设备)可以根据上述测试音频信息和上述目标琴键对应的标准频率，确定上述音分偏移量。其中，上述测试音频信息是用户对目标钢琴包含的上述目标琴键进行弹奏得到的音频的信息。上述目标钢琴可以是待进行音准测试的钢琴。上述目标琴键可以是上述目标钢琴上的琴键。上述目标琴键对应的标准频率可以是上述目标琴键在没有音分偏移时的频率。上述音分偏移量可以是上述目标琴键对应的音分的偏移量。例如，上述目标琴键可以是c4键。
27.在一些实施例的一些可选的实现方式中，上述执行主体根据上述测试音频信息和上述目标琴键对应的标准频率，确定上述音分偏移量，可以包括以下步骤：
28.第一步，对上述测试音频信息进行基频提取，以生成音频频率信息。
29.其中，上述音频频率信息可以是上述测试音频信息对应的音频的频率信息。
30.作为示例，上述执行主体可以利用基频提取算法，对上述测试音频信息进行基频提取，以生成音频频率信息。例如，上述基频提取算法可以是倒谱法。
31.第二步，将上述音频频率信息对应的测试频率与上述目标琴键对应的标准频率做差，得到上述音分偏移量。
32.其中，上述测试频率可以是经过基频提取得到的上述目标琴键的频率。
33.作为示例，上述执行主体将上述音频频率信息对应的测试频率与上述目标琴键对应的标准频率做差，得到上述音分偏移量，其中，可以通过以下公式实现：
[0034][0035]
其中，p表示音分偏移量。f0表示上述标准频率。f1表示上述测试频率。
[0036]
步骤102，获取目标音频信息。
[0037]
在一些实施例中，上述执行主体可以通过有线连接或者无线连接的方式获取上述目标音频信息。其中，上述目标音频信息可以是待进行音频识别的音频信息。上述目标音频信息可以是用户对上述目标钢琴包含的多个琴键进行弹奏得到的。
[0038]
步骤103，对目标音频信息进行音频片段提取，以生成音频片段信息，得到音频片段信息集合。
[0039]
在一些实施例中，上述执行主体可以对上述目标音频信息进行音频片段提取，以生成音频片段信息，得到音频片段信息集合。其中，音频片段信息可以表征在上述目标音频信息中对应的音频中包含琴音的片段。音频片段信息包括：第一音频片段信息和第二音频片段信息。第一音频片段信息对应的音频满足第一提取条件。第二音频片段信息对应的音频满足第二提取条件。上述第一提取条件是音频中的各个音量均大于预设阈值。上述第二提取条件是音频中的各个音量均小于预设阈值。上述预设阈值可以是预先设定的琴音音量的最小值。
[0040]
步骤104，基于音频片段信息集合和音分偏移量，生成音频特征信息，得到音频特征信息集合。
[0041]
在一些实施例中，上述执行主体可以基于上述音频片段信息集合和上述音分偏移量，生成音频特征信息，得到音频特征信息集合。其中，音频特征信息可以用于表征音频片段信息对应的音频消除混响后的时频特征。例如，音频特征信息可以是消除混响后的音频对应的梅尔频谱特征。
[0042]
在一些实施例的一些可选的实现方式中，上述执行主体基于上述音频片段信息集合和上述音分偏移量，生成音频特征信息，得到音频特征信息集合，可以包括以下步骤：
[0043]
第一步，响应于确定上述音分偏移量大于预设偏移量，根据上述音分偏移量对上述音频片段信息集合中的每个音频片段信息进行音分偏移，以生成目标音频片段信息，得到目标音频片段信息集合。
[0044]
其中，上述预设偏移量可以是预先设定的允许上述目标琴键对应的音分发生偏移的最大值。目标音频片段信息可以用于表征对音频片段信息对应的音频进行音分修复后的音频。
[0045]
作为示例，上述执行主体可以利用sox(sound exchange，音频转换工具)，根据上述音分偏移量，对上述音频片段信息集合中的每个音频片段信息对应的音频片段进行音分偏移。
[0046]
第二步，对上述目标音频片段信息集合中的每个目标音频片段信息进行特征识别，以生成至少一个音频特征信息，得到上述音频特征信息集合。
[0047]
可选的，上述执行主体对上述目标音频片段信息集合中的每个目标音频片段信息进行特征识别，以生成至少一个音频特征信息，可以包括以下步骤：
[0048]
第一步，对上述目标音频片段信息进行特征识别，以生成时频信息，得到时频信息
集合。
[0049]
其中，时频信息可以用于表征目标音频片段信息对应的音频的时频特征。例如，时频信息可以是梅尔频谱特征信息。
[0050]
作为示例，上述执行主体可以利用python中的音频处理库librosa，对上述目标音频片段信息进行特征识别，以生成时频信息，得到上述时频信息集合。
[0051]
第二步，将上述时频信息集合中的时频信息依次输入预先训练的特征提取模型，以生成特征提取信息，得到特征提取信息集合。
[0052]
其中，上述特征提取模型可以是用于对时频信息进行特征提取的模型。特征提取信息可以用于表征对应的时频信息的特征。特征提取信息包括：功率谱密度和掩蔽值。例如，上述特征提取模型可以是lstm(long short-term memory，长短期记忆)模型。掩蔽值可以是ibm(ideal binary mask，理想二值掩蔽)值。
[0053]
第三步，对于上述特征提取信息集合中的每个特征提取信息，响应于确定上述特征提取信息包括的掩蔽值大于等于目标掩蔽值，将上述特征提取信息对应的时频信息确定为琴音时频信息。
[0054]
其中，目标掩蔽值可以是预先设定的用于对音频进行区分的值。琴音时频信息可以表征包含琴音的音频。例如，目标掩蔽值可以是1。
[0055]
第四步，对于上述特征提取信息集合中的每个特征提取信息，响应于确定上述特征提取信息包括的掩蔽值小于上述目标掩蔽值，将上述特征提取信息对应的时频信息确定为噪声时频信息。
[0056]
其中，噪声时频信息可以表征包含噪声的音频。
[0057]
第五步，根据得到的琴音时频信息集合，确定语音滤波器系数。
[0058]
其中，上述语音滤波器系数可以是语音滤波器的系数。上述语音滤波器可以用于对琴音时频信息进行滤波处理，以消除语音视频信息中的混响。
[0059]
作为示例，上述语音滤波器系数可以通过以下公式得到：
[0060][0061]
其中，n表示时间帧索引。n表示时间帧的总帧数。k表示频率帧索引。f表示频带索引。d表示早期混响的持续时间。表示频率帧索引为k时的语音滤波器系数。()h表示共轭转置。()
*
表示共轭复数。x
n-d，k
表示时间帧索引为n-d，频率帧索引为k时声音的振幅。表示在第一个麦克风上收集的声音在时间帧索引为n，频率帧索引为k时的振幅。表示时间帧索引为n，频率帧索引为k时的掩蔽值。表示时间帧索引为n，频率帧索引为k时的功率谱密度。
[0062]
第六步，根据得到的噪声时频信息集合，确定噪声滤波器系数。
[0063]
其中，上述噪声滤波器系数可以是噪声滤波器的系数。上述噪声滤波器可以用于对噪声时频信息进行滤波处理，以消除噪声时频信息中的混响。
[0064]
作为示例，上述噪声滤波器系数，可以通过以下公式得到：
[0065][0066]
其中，n表示时间帧索引。n表示时间帧的总帧数。k表示频率帧索引。f表示频带索引。d表示早期混响的持续时间。表示频率帧索引为k时的噪声滤波器系数。()h表示共轭转置。()
*
表示共轭复数。x
n-d，k
表示时间帧索引为n-d，频率帧索引为k时声音的振幅。表示在第一个麦克风上收集的声音在时间帧索引为n，频率帧索引为k时的振幅。表示时间帧索引为n，频率帧索引为k时的掩蔽值。
[0067]
第七步，根据上述语音滤波器系数和上述噪声滤波器系数，对上述琴音时频信息集合中的琴音时频信息和上述噪声时频信息集合中的噪声时频信息进行滤波处理，以生成音频特征信息，得到上述音频特征信息集合。
[0068]
其中，上述执行主体根据上述语音滤波器系数和上述噪声滤波器系数，对上述琴音时频信息集合中的琴音时频信息和上述噪声时频信息集合中的噪声时频信息进行滤波处理，以生成音频特征信息，得到上述音频特征信息集合，可以通过以下公式实现：
[0069][0070]
其中，n表示时间帧索引。k表示频率帧索引。f表示频带索引。d表示早期混响的持续时间。表示频率帧索引为k时的语音滤波器系数。表示频率帧索引为k时的噪声滤波器系数。()h表示共轭转置。d
n，k
表示时间帧索引为n，频率帧索引为k时声音的特征信息。x
n-d，k
表示时间帧索引为n-d，频率帧索引为k时声音的振幅。表示在第一个麦克风上收集的声音在时间帧索引为n，频率帧索引为k时的振幅。表示时间帧索引为n，频率帧索引为k时的掩蔽值。
[0071]
上述第一步-第七步作为本公开的一个实施例的一个发明点，解决了背景技术部分提及的技术问题三“由于用户弹奏的音频往往是在室内录制的，导致音频中容易存在混响，进而降低琴键信息生成的准确率”。由于用户弹奏的音频往往是在室内录制的，导致音频中容易存在混响，进而降低琴键信息生成的准确率。因此，为了提高琴键信息生成的准确率，首先，对上述目标音频片段信息进行特征识别，以生成时频信息，得到时频信息集合。由此，得到了能表达音频片段信息的特征的信息。然后，将上述时频信息集合中的时频信息依次输入预先训练的特征提取模型，以生成特征提取信息，得到特征提取信息集合。由于音频中往往会存在噪音，需要借助特征提取模型，对时频信息进行特征提取，得到了能够对时频信息的噪音和琴音进行区分的特征提取信息。接着，对于上述特征提取信息集合中的每个特征提取信息，响应于确定上述特征提取信息包括的掩蔽值大于等于目标掩蔽值，将上述特征提取信息对应的时频信息确定为琴音时频信息。其次，对于上述特征提取信息集合中
的每个特征提取信息，响应于确定上述特征提取信息包括的掩蔽值小于上述目标掩蔽值，将上述特征提取信息对应的时频信息确定为噪声时频信息。由此，根据掩蔽值的大小，完成了对时频信息的分类，确定时频信息对应的是包含琴音的音频或是包含噪声的音频。之后，根据得到的琴音时频信息集合，确定语音滤波器系数。由此，确定了以琴音为主的音频对应的语音滤波器的系数，以便完成对音频中混响的消除，得到更加准确的音频特征。然后，根据得到的噪声时频信息集合，确定噪声滤波器系数。由此，确定了以噪声为主的音频对应的噪声滤波器的系数，以便完成对音频中混响的消除，得到更加准确的音频特征。最后，根据上述语音滤波器系数和上述噪声滤波器系数，对上述琴音时频信息集合中的琴音时频信息和上述噪声时频信息集合中的噪声时频信息进行滤波处理，以生成音频特征信息，得到上述音频特征信息集合。由此，使用语音滤波器和噪声滤波器完成了对音频中混响的消除，得到了能够准确表达音频特征的信息，提高了琴键信息生成的准确率。
[0072]
步骤105，将音频特征信息集合中的音频特征信息依次输入预先训练的琴键识别模型，以生成琴键信息，得到琴键信息集合。
[0073]
在一些实施例中，上述执行主体可以将音频特征信息集合中的音频特征信息依次输入预先训练的琴键识别模型，以生成琴键信息，得到琴键信息集合。其中，上述琴键识别模型可以是用于对音频特征信息进行识别，以生成琴键信息的模型。琴键信息可以是用户弹奏的音频对应的琴键的编号信息。例如，上述琴键识别模型可以是卷积神经网络模型。上述琴键信息集合可以是[a1，a2，b2，c4]。
[0074]
可选的，上述琴键识别模型，可以通过以下步骤得到：
[0075]
第一步，获取初始音频片段信息集合和初始琴键识别模型。
[0076]
其中，上述执行主体可以通过多种方式获取上述初始音频片段信息集合和上述初始琴键识别模型。上述初始音频片段信息集合中的初始音频片段信息可以是用于对上述初始琴键识别模型进行训练的音频片段的信息。上述初始琴键识别模型可以是未经训练的卷积神经网络模型。
[0077]
第二步，对于上述初始音频片段信息集合中的每个初始音频片段信息，将上述初始音频片段信息对应的初始音频片段随机进行音分偏移，以生成训练音频片段信息。
[0078]
其中，训练音频片段信息可以用于表征对初始音频片段进行音分偏移后的音频。
[0079]
作为示例，上述执行主体可以利用sox对初始音频片段进行随机音分偏移，以生成训练音频片段信息。
[0080]
第三步，对得到的训练音频片段信息集合中的每个训练音频片段信息进行特征识别，以生成第一音频特征信息组，得到第一音频特征信息组集合。
[0081]
其中，第一音频特征信息可以用于表征训练音频片段信息对应的训练音频片段的时频特征。上述执行主体可以利用python中的音频处理库librosa，对训练音频片段信息进行特征识别，以生成第一音频特征信息组。
[0082]
第四步，对于上述第一音频特征信息组集合中的每个第一音频特征信息组，将上述第一音频特征信息组中的每个第一音频特征信息和噪声特征信息集合中对应的噪声特征信息进行叠加，以生成训练音频特征信息，得到训练音频特征信息集合。
[0083]
其中，噪声特征信息可以用于表征对应的噪声音频的特征。训练音频特征信息可以是包含了噪声和音分偏移的训练音频片段对应的特征信息。
[0084]
第五步，利用得到的多个训练音频特征信息集合和训练音频特征信息对应的样本标签对上述初始琴键识别模型进行训练，得到上述琴键识别模型。
[0085]
其中，样本标签可以是提前获取的与训练音频特征信息对应的标签。样本标签可以用于表征训练音频特征信息对应的音频的琴键。
[0086]
上述第一步-第五步作为本公开的一个实施例的一个发明点，解决了背景技术部分提及的技术问题二“由于获取的用户弹奏的音频中往往存在噪音，会导致音频特征识别不准确，进而降低琴键信息生成的准确率”。由于获取的用户弹奏的音频中往往存在噪音，会导致音频特征识别不准确，进而降低琴键信息生成的准确率。因此，为了提高琴键信息生成的准确率，首先，获取初始音频片段信息集合和初始琴键识别模型。其次，对于上述初始音频片段信息集合中的每个初始音频片段信息，将上述初始音频片段信息对应的初始音频片段随机进行音分偏移，以生成训练音频片段信息。实际情况中，钢琴往往存在琴音不准的情况，因此，为了解决钢琴琴音不准的问题，需要对初始音频片段进行音分偏移，得到训练音频片段信息。接着，对得到的训练音频片段信息集合中的每个训练音频片段信息进行特征识别，以生成第一音频特征信息组，得到第一音频特征信息组集合。由此，得到了能够准确表达训练音频片段的特征的信息。然后，对于上述第一音频特征信息组集合中的每个第一音频特征信息组，将上述第一音频特征信息组中的每个第一音频特征信息和噪声特征信息集合中对应的噪声特征信息进行叠加，以生成训练音频特征信息，得到训练音频特征信息集合。实际情况中，用户弹奏的音频中往往存在噪声。为了解决音频中存在噪声的问题，需要将训练用的音频特征信息中加入噪声特征信息。最后，利用得到的多个训练音频特征信息集合和训练音频特征信息对应的样本标签对上述初始琴键识别模型进行训练，得到上述琴键识别模型。由此，利用包含了音分偏移和噪声特征的训练音频特征信息，对上述初始琴键识别模型进行训练，以使得到的琴键识别模型具有较好的抗噪性，同时对具有音分偏移的音频特征信息也能够准确进行识别。
[0087]
可选的，噪声特征信息可以包括：高斯噪声特征信息和区域噪声特征信息。其中，区域噪声特征信息是在目标区域内采集的噪声的特征信息。目标区域可以是上述目标钢琴所处的一定范围内的区域。例如，目标区域可以是室内。
[0088]
作为示例，区域噪声特征信息可以通过以下步骤得到：
[0089]
第一步，获取区域噪声音频信息。
[0090]
其中，上述区域噪声音频信息可以用于表征目标区域内采集的噪声的音频。
[0091]
第二步，对上述区域噪声音频信息进行特征识别，以生成区域噪声特征信息，得到区域噪声特征信息集合。
[0092]
作为示例，上述执行主体可以利用python中的音频处理库librosa，对上述区域噪声音频信息进行特征识别，以生成区域噪声特征信息，得到区域噪声特征信息集合。
[0093]
可选的，上述执行主体将上述第一音频特征信息组中的每个第一音频特征信息和噪声特征信息集合中对应的噪声特征信息进行叠加，以生成训练音频特征信息，可以包括以下步骤：
[0094]
第一步，生成目标高斯噪声特征信息。
[0095]
其中，上述目标高斯噪声特征信息是上述第一音频特征信息对应的，且满足目标条件的高斯噪声特征信息。上述目标条件是高斯噪声特征信息的分布满足目标分布。上述
目标分布可以是高斯分布。上述目标噪声特征信息和上述第一音频特征信息对应的时间和频率相同。
[0096]
作为示例，上述目标噪声特征信息可以是[时间:2s，频率：0.9khz，振幅：10db]。
[0097]
第二步，将上述目标高斯噪声特征信息和上述第一音频特征信息进行特征叠加，以生成第二特征音频信息。
[0098]
其中，上述第二特征音频信息可以用于表征添加了高斯噪声的训练音频片段。
[0099]
作为示例，上述目标噪声特征信息可以是[时间:2s，频率：0.9khz，振幅：10db]。上述第一音频特征信息可以是[时间:2s，频率：0.9khz，振幅：100db]。将上述目标噪声特征信息和上述第一音频特征信息中包括的振幅相加，得到第二特征音频信息[时间:2s，频率：0.9khz，振幅：110db]。
[0100]
第三步，将上述第二特征音频信息和上述第一音频特征信息对应的区域噪声特征信息进行特征叠加，以生成训练音频特征信息。
[0101]
作为示例，上述区域噪声特征信息可以是[时间:2s，频率：0.9khz，振幅：5db]。上述第二音频特征信息可以是[时间:2s，频率：0.9khz，振幅：110db]。将上述区域噪声特征信息和上述第二音频特征信息中包括的振幅相加，得到训练音频特征信息[时间:2s，频率：0.9khz，振幅：115db]。
[0102]
可选的，上述执行主体还可以执行以下处理步骤：
[0103]
第一步，响应于确定上述音分偏移量大于上述预设偏移量，生成调琴信息。
[0104]
其中，上述调琴信息用于提示用户对上述目标琴键进行调整。
[0105]
第二步，将上述琴键信息集合和上述调琴信息发送至显示设备。
[0106]
其中，上述显示设备可以是具有显示功能的设备。
[0107]
本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的琴键信息生成方法，能够提高琴键信息生成的准确率。具体来说，造成琴键信息生成的准确率较低的原因在于：在钢琴琴音不准的情况下，无法确定用户弹奏的琴键对应的真实音频，进而导致得到错误的琴键信息，使得生成的琴键信息的准确率低。基于此，本公开的一些实施例的琴键信息生成方法包括：首先，根据测试音频信息和目标琴键对应的标准频率，确定音分偏移量，其中，上述测试音频信息是用户对目标钢琴包含的上述目标琴键进行弹奏得到的。实际情况中，钢琴往往存在琴音不准的情况，因此，需要对上述目标琴键进行测试，以确定上述目标琴键的琴音是否准确，并生成对应的音分偏移量。其次，获取目标音频信息，其中，上述目标音频信息是待进行音频识别的音频信息，上述目标音频信息是用户对上述目标钢琴包含的多个琴键进行弹奏得到的。然后，对上述目标音频信息进行音频片段提取，以生成音频片段信息，得到音频片段信息集合，其中，上述音频片段信息集合中的音频片段信息包括：第一音频片段信息和第二音频片段信息，第一音频片段信息对应的音频满足第一提取条件，第二音频片段信息对应的音频满足第二提取条件。实际情况中，用户弹奏不同的琴键时往往会存在间隔，导致上述目标音频信息对应的音频中存在没有琴音的片段。因此，需要通过音频片段提取，从上述目标音频信息对应的音频中提取出包含琴音的片段。接着，基于上述音频片段信息集合和上述音分偏移量，生成音频特征信息，得到音频特征信息集合。由此，在利用上述音频片段信息集合生成音频特征信息的过程中，加入了上述音分偏移量，解决了钢琴琴音不准的情况下，无法确定用户弹奏的琴键对应的真实音频的问题。最后，将上
述音频特征信息集合中的音频特征信息依次输入预先训练的琴键识别模型，以生成琴键信息，得到琴键信息集合。由此，实现了在钢琴琴音不准的情况下，通过对音频信息进行识别，生成准确的琴键信息，由此，提高琴键信息生成的准确率。
[0108]
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种琴键信息生成装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0109]
如图2所示，一些实施例的琴键信息生成装置200包括：确定单元201、获取单元202、片段提取单元203、信息生成单元204和信息识别单元205。其中，确定单元201，被配置成根据测试音频信息和目标琴键对应的标准频率，确定音分偏移量，其中，上述测试音频信息是用户对目标钢琴包含的上述目标琴键进行弹奏得到的；获取单元202，被配置成获取目标音频信息，其中，上述目标音频信息是待进行音频识别的音频信息，上述目标音频信息是用户对上述目标钢琴包含的多个琴键进行弹奏得到的；片段提取单元203，被配置成对上述目标音频信息进行音频片段提取，以生成音频片段信息，得到音频片段信息集合，其中，上述音频片段信息集合中的音频片段信息包括：第一音频片段信息和第二音频片段信息，第一音频片段信息对应的音频满足第一提取条件，第二音频片段信息对应的音频满足第二提取条件；信息生成单元204，被配置成基于上述音频片段信息集合和上述音分偏移量，生成音频特征信息，得到音频特征信息集合；信息识别单元205，被配置成将上述音频特征信息集合中的音频特征信息依次输入预先训练的琴键识别模型，以生成琴键信息，得到琴键信息集合。
[0110]
可以理解的是，该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元，在此不再赘述。
[0111]
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备(如上述计算设备)300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0112]
如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(rom)302中的程序或者从存储装置308加载到随机访问存储器(ram)303中的程序而执行各种适当的动作和处理。在ram 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、rom 302以及ram 303通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线304。
[0113]
通常，以下装置可以连接至i/o接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置303；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0114]
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机
可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从rom 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
[0115]
需要说明的是，本公开的一些实施例中记载的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或者是上述两者的任意组合。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、或半导体的系统、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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开的一些实施例中，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系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读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，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、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：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0116]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0117]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：根据测试音频信息和目标琴键对应的标准频率，确定音分偏移量，其中，上述测试音频信息是用户对目标钢琴包含的上述目标琴键进行弹奏得到的；获取目标音频信息，其中，上述目标音频信息是待进行音频识别的音频信息，上述目标音频信息是用户对上述目标钢琴包含的多个琴键进行弹奏得到的；对上述目标音频信息进行音频片段提取，以生成音频片段信息，得到音频片段信息集合，其中，上述音频片段信息集合中的音频片段信息包括：第一音频片段信息和第二音频片段信息，第一音频片段信息对应的音频满足第一提取条件，第二音频片段信息对应的音频满足第二提取条件；基于上述音频片段信息集合和上述音分偏移量，生成音频特征信息，得到音频特征信息集合；将上述音频特征信息集合中的音频特征信息依次输入预先训练的琴键识别模型，以生成琴键信息，得到琴键信息集合。
[0118]
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公开的一些实施例的操作的计算机程序代码，上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)。
[0119]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0120]
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括确定单元、获取单元、片段提取单元、信息生成单元和信息识别单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，信息生成单元还可以被描述为“基于上述音频片段信息集合和上述音分偏移量，生成音频特征信息，得到音频特征信息集合的单元”。
[0121]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0122]
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。