基于內(nèi)容下音樂(lè)檢索方法的比較研究

王楠鑫 張雨佳

【摘要】音樂(lè)為音頻數(shù)據(jù)的一種，提高音頻數(shù)據(jù)檢索效率，是改善用戶檢索體驗(yàn)的主要途徑。本文從音樂(lè)內(nèi)容入手，闡述了基于內(nèi)容的音樂(lè)檢索處理框架。基于此，重點(diǎn)對(duì)端點(diǎn)檢測(cè)方法，以及語(yǔ)音識(shí)別方法進(jìn)行了比較研究。并根據(jù)研究結(jié)果，設(shè)計(jì)了一種基于內(nèi)容的音樂(lè)檢索系統(tǒng)。通過(guò)對(duì)系統(tǒng)檢索效果的觀察，證實(shí)了系統(tǒng)的應(yīng)用價(jià)值。以期能夠?yàn)橛嘘P(guān)人員提供參考。

【關(guān)鍵詞】音樂(lè)內(nèi)容；檢索方法；端點(diǎn)檢測(cè)；語(yǔ)音識(shí)別；優(yōu)化設(shè)計(jì)

【中圖分類號(hào)】J605 【文獻(xiàn)標(biāo)識(shí)碼】A

一、基于內(nèi)容的音樂(lè)檢索處理框架

音樂(lè)檢索的本質(zhì)，即模仿人的大腦，對(duì)聲音進(jìn)行分析。在此基礎(chǔ)上，根據(jù)旋律以及節(jié)奏的快慢，對(duì)音樂(lè)加以分辨的過(guò)程。為確保基于內(nèi)容的音樂(lè)檢索有效實(shí)現(xiàn)，準(zhǔn)確提取歌曲節(jié)奏的特征數(shù)據(jù)，對(duì)提取歌曲的基音數(shù)據(jù)進(jìn)行對(duì)比較為關(guān)鍵。具體處理框架，既“特征提取--檢索引擎--查詢結(jié)果/繼續(xù)提取特征”的這一過(guò)程。系統(tǒng)接收到信息后，會(huì)對(duì)用戶聲音的特征進(jìn)行提取。采用匹配算法，將用戶的聲音，與系統(tǒng)中音樂(lè)的聲音進(jìn)行匹配，最終將匹配結(jié)果，反饋給用戶。將上述檢索方法應(yīng)用到音樂(lè)檢索過(guò)程中，使用戶在了解音樂(lè)特征的基礎(chǔ)上，實(shí)現(xiàn)對(duì)音樂(lè)的查找。對(duì)改善用戶檢索體驗(yàn)，具有較高的實(shí)踐價(jià)值。

二、基于內(nèi)容的音樂(lè)檢索方法的比較及優(yōu)化

（一）端點(diǎn)檢測(cè)方法

端點(diǎn)檢測(cè)算法，包括門(mén)限法端點(diǎn)檢測(cè)、噪音檢測(cè)以及動(dòng)態(tài)窗長(zhǎng)語(yǔ)音檢測(cè)三種。以動(dòng)態(tài)窗長(zhǎng)語(yǔ)音檢測(cè)為例，當(dāng)開(kāi)始檢測(cè)時(shí)，如動(dòng)態(tài)窗較長(zhǎng)，檢測(cè)系統(tǒng)可隨之進(jìn)入到過(guò)渡段，反復(fù)檢測(cè)，即可準(zhǔn)確的判斷出語(yǔ)音的起始點(diǎn)，進(jìn)而實(shí)現(xiàn)對(duì)音樂(lè)的檢索。如動(dòng)態(tài)窗較短，則可經(jīng)由起始點(diǎn)，回到正常窗，實(shí)現(xiàn)對(duì)音樂(lè)的檢索。與英語(yǔ)不同，漢子語(yǔ)音末尾，多為濁音。因此，僅采用短時(shí)的能量，即能夠判斷出語(yǔ)音的結(jié)尾點(diǎn)，使基于內(nèi)容的音樂(lè)檢索的過(guò)程得以實(shí)現(xiàn)。

用戶可將動(dòng)態(tài)窗長(zhǎng)語(yǔ)音檢測(cè)算法，應(yīng)用到音樂(lè)的檢索過(guò)程中，對(duì)用戶的哼唱音頻進(jìn)行檢索。假設(shè)用戶的哼唱音，為“do、re、mi、fa”，系統(tǒng)可根據(jù)對(duì)哼唱音頻短時(shí)能量的觀察，對(duì)短時(shí)過(guò)零率進(jìn)行計(jì)算。鑒于“fa”中，“f”為清音。因此，如用戶發(fā)聲時(shí)聲帶未振動(dòng)，而是產(chǎn)生的收縮。則“fa”的短時(shí)能量，通常會(huì)有所降低。但該特征，不會(huì)對(duì)哼唱的過(guò)零率產(chǎn)生影響。因此，用戶采用端點(diǎn)檢測(cè)方法，以內(nèi)容為基礎(chǔ)對(duì)音樂(lè)進(jìn)行檢索，可取得較好的效果。

（二）語(yǔ)音識(shí)別方法

語(yǔ)音識(shí)別屬于模式識(shí)別的一種，為確保用戶的語(yǔ)音能夠被識(shí)別，機(jī)器必須具備一定的“理解”以及“響應(yīng)”能力。目前常用的語(yǔ)音識(shí)別技術(shù)，主要包括特征提取技術(shù)以及模式匹配準(zhǔn)則等。各技術(shù)的應(yīng)用，均需經(jīng)過(guò)“選取語(yǔ)音識(shí)別單元”的過(guò)程。該過(guò)程中如下：預(yù)處理--提取特征--訓(xùn)練--模式識(shí)別（存儲(chǔ)至模式庫(kù)）--結(jié)束識(shí)別。即當(dāng)用戶的語(yǔ)音信息，被系統(tǒng)接收后，系統(tǒng)可隨之對(duì)其進(jìn)行預(yù)處理。并在提取語(yǔ)音數(shù)據(jù)特征的基礎(chǔ)上，對(duì)其進(jìn)行訓(xùn)練。被處理后的語(yǔ)音數(shù)據(jù)，經(jīng)模式識(shí)別后，既可得到檢索結(jié)果。

將語(yǔ)音識(shí)別方法，應(yīng)用到基于內(nèi)容的音樂(lè)檢索過(guò)程中，同樣可檢索出用戶所需的音樂(lè)。用戶哼唱歌譜時(shí)，常用音主要包括“do、re、mi、fa、sol、la、si”共7個(gè)。根據(jù)音高的不同，各音的特征同樣有所差異。假設(shè)語(yǔ)音識(shí)別方法僅能夠識(shí)別出音符，而無(wú)法識(shí)別音高，則檢索所得到的結(jié)果，準(zhǔn)確度通常會(huì)存在一定的誤差。為解決上述問(wèn)題。將低音組音階，與高音組音階，共同影射為14個(gè)字符。在此基礎(chǔ)上，實(shí)現(xiàn)對(duì)音高特征的識(shí)別，既能夠得到更加精準(zhǔn)的識(shí)別結(jié)果，進(jìn)而使音樂(lè)檢索效率得以提升。

（三）音樂(lè)檢索方法的優(yōu)化

端點(diǎn)檢測(cè)方法，以及語(yǔ)音識(shí)別方法，在基于內(nèi)容的音樂(lè)檢索過(guò)程中，均具有各自的應(yīng)用優(yōu)勢(shì)。將兩者的優(yōu)勢(shì)相結(jié)合，對(duì)音樂(lè)檢索系統(tǒng)進(jìn)行設(shè)計(jì)，可有效優(yōu)化系統(tǒng)的檢索性能。本課題所設(shè)計(jì)的音樂(lè)檢索系統(tǒng)，功能主要包括“源音樂(lè)庫(kù)存儲(chǔ)功能”“人聲端點(diǎn)檢測(cè)功能”以及“旋律特征提取功能”三種。當(dāng)用戶哼唱一段旋律后，系統(tǒng)會(huì)隨之對(duì)所采集到的哼唱數(shù)據(jù)的旋律特征進(jìn)行提取，并以音頻為準(zhǔn)，檢索旋律的特征。當(dāng)明確音樂(lè)特征后，系統(tǒng)會(huì)隨之將其與源音樂(lè)庫(kù)中的音樂(lè)進(jìn)行對(duì)比。對(duì)比無(wú)誤后，既可顯示出檢索結(jié)果。

為判斷系統(tǒng)是否能夠達(dá)到優(yōu)化音樂(lè)檢索性能的目的，本課題對(duì)不同檢索方法的檢索成功率進(jìn)行了對(duì)比。將同樣的用戶哼唱音頻，分別采用不同的方法檢索后發(fā)現(xiàn)：端點(diǎn)檢測(cè)法。34段用戶哼唱音頻中，共30例被成功檢索，檢索準(zhǔn)確度為88.23%；語(yǔ)音識(shí)別法。34段用戶哼唱音頻中，共29例被成功檢索，檢索準(zhǔn)確度為85.29%；本系統(tǒng)功能。34段用戶哼唱音頻中，共34例被成功檢索，檢索準(zhǔn)確度為100%。對(duì)比發(fā)現(xiàn)，將兩種檢索方法，共同應(yīng)用到音樂(lè)檢索過(guò)程中，準(zhǔn)確度更高。

三、結(jié)論

綜上所述，基于內(nèi)容的音樂(lè)檢索方法，主要包括端點(diǎn)檢測(cè)法，與語(yǔ)音識(shí)別法兩種，兩者各有其優(yōu)勢(shì)。設(shè)計(jì)人員可充分利用兩種檢測(cè)方法在檢索音樂(lè)方面存在的優(yōu)勢(shì)，設(shè)計(jì)更好的系統(tǒng)，實(shí)現(xiàn)對(duì)音樂(lè)的檢索。