CN116312496B 音频识别方法、电子设备及计算机可读存储介质 （腾讯音乐娱乐科技（深圳）有限公司）

司取每个音频片段的旋律指纹；针对每个音频片K个预存旋律指纹以及K个预存旋律指纹对应的邻匹配歌曲之间的预设转移概率以及每个音频片段的K个匹配歌曲对应的相似度，从每个音频片段的K个匹配歌曲中确定每个音频片段的目标2针对每个所述音频片段，在指纹库中查找与所述音频片段的旋律K个预存旋律指纹以及所述K个预存旋律指纹对应的匹配歌曲，得到所述音频片段的K个匹基于相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对应的似度是所述匹配歌曲对应的预存旋律指纹与所述匹配歌曲对应的音频片段的旋律指纹之根据每个所述音频片段的目标匹配歌曲，确定所述目标音频的音所述基于相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对应的相似度，从每个所述音频片段的K个匹配歌曲中确定每个所述音频片段的目标匹配歌基于所述相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对将所述多条解码路径中路径概率最大的解码路径作为目将所述目标解码路径中各个解码子路径指示的每个音频片段的匹配移概率以及每个所述音频片段的K个匹配歌曲对应的相似度，构建多条解码路径并确定所确定第1层级的多个解码子路径以及所述第1层级的各个解码若i小于S_1，对i执行加1操作，返回执行所述基于所3第i层级的多个解码子路径以及所述第i层级的各个解码子路径的所述第p个匹配歌曲对应的解码路径以及所述解码路径的路径概率：从第1层级至第S_1层级中每个层级的多个解码子路径中均选出一个解码子路径，并由选出的S_1个解码子路径构成所述第p个匹配歌曲对应的解码路径；第p个匹配歌曲对应的解码路径中的第S_1层级所述针对第S个音频片段的第p个匹配歌曲，按照下述步骤得到与所述第p个匹配歌曲对应将q设置为1，针对所述K个第二待处理匹配歌曲的第q个第二待处理匹述步骤得到所述第i层级中所述第q个第二待处理匹配歌曲对应的解码子路径以及所述解根据所述相邻匹配歌曲之间的预设转移概率，确定从所述K个第一待处理匹配歌曲指基于所述K个第一待处理匹配歌曲对应的相似度、所述K个将子路径概率最大的目标解码子路径作为所述第i层级中所述第q个第二待处理匹配5.根据权利要求4所述的方法，其特征在于匹配歌曲之间的预设转移概率是第二转移概率；所述第一转移概率大于所述第二转移概6.根据权利要求3所述的方法，其特征在于，所述针对所述S个音频片段中的第二个音频片段的每一匹配歌曲，按照下述步骤确定一条判断所述匹配歌曲与所述S个音频片段中的第一个音频片段的任一匹配歌曲是否相根据判断结果确定所述相邻匹配歌曲之间的预设转移概率，并根据之间的预设转移概率确定从所述第一个音频片段的任一匹配歌曲指向所述匹配歌曲的待4基于K个所述待处理转移概率、所述第一个音频片段的K个匹配歌所述匹配歌曲对应的相似度，确定所述第1层级中所述匹配歌曲对应的解码子路径以及所若每个所述音频片段的目标匹配歌曲均相同，则确定所述目标音频的若每个所述音频片段的目标匹配歌曲中存在至少两个目标匹配述目标音频的音频识别结果用于指示所述目标音频是在所述目标音频的音频识别结果用于指示所述目标音频是音频片段的目标匹配歌曲的版本标识；所述版本标识包括第一版本标识或者第二版本标若每个所述音频片段的目标匹配歌曲的版本标识均为所述第音频的音频识别结果还用于指示所述目标音频是改编类型若每个所述音频片段的目标匹配歌曲的版本标识包括所述第一版本标识和所述第二将每个所述音频片段的频域特征输入预先训练完成的嵌入向量生成获取训练音频集；所述训练音频集包括原唱歌曲、所述原唱歌曲对对所述训练音频集中的每首歌曲依次进行切片操作，得到所述每首歌曲的N个歌曲片提取所述每首歌曲的N个歌曲片段的频域特征，将所述每首歌曲的N个歌曲根据所述原唱歌曲的N个歌曲片段的嵌入向量和所述改编歌曲的N个歌曲片段的嵌入根据所述原唱歌曲的N个歌曲片段的嵌入向量和所述参考歌曲的N个歌曲片段的嵌入5所述处理器，用于从所述存储器调用所述程序指令，使得所述电6的前K个预存旋律指纹以及所述K个预存旋律指纹对应的匹配歌曲，得到所述音频片段的K[0008]基于相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对应的相似度，从每个所述音频片段的K个匹配歌曲中确定每个所述音频片段的目标匹配歌曲；其中所述相邻匹配歌曲是指相邻所述音频片段各自对应的一匹配歌曲组成的歌曲对，所述匹配歌曲对应的相似度是所述匹配歌曲对应的预存旋律指纹与所述匹配歌曲对应的述音频识别结果用于指示所述目标音频是否为个音频片段精确匹配的歌曲，本申请也能针对每个音频片段得到与其模糊匹配的K个匹配7所述基于相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对应的[0012]基于所述相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对应的相似度，构建多条解码路径并确定所述多条解码路径中每条解码路径的路径概[0016]在一种可能实施方式中所述基于所述相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对应的相似度，构建多条解码路径并确定所述多条解码路[0017]确定第1层级的多个解码子路径以及所述第1层级的各个解码子路径的子路径概确定第i层级的多个解码子路径以及所述第i层级的各个解码子路径的子路径径构成所述第p个匹配歌曲对应的解码路径；第p个匹配歌曲对应的的解码路径中的第S_1执行所述针对第S个音频片段的第p个匹配歌曲，按照下述步骤得到与所述第p个匹配歌曲8照下述步骤得到所述第i层级中所述第q个第二待处理匹配歌曲对应的解码子路径以及所[0024]根据所述相邻匹配歌曲之间的预设转移概率，确定从所述K个第一待处理匹配歌[0026]将子路径概率最大的目标解码子路径作为所述第i层级中所述第q个第二待处理述第q个第二待处理匹配歌曲对应的解码子路径以及所述解码子路径的子路径概率的步[0029]在一种可能实施方式中，若所述第一待处理匹配歌曲与所述第q个第二待处理匹[0033]针对所述S个音频片段中的第二个音频片段的每一匹配歌曲，按照下述步骤确定[0034]判断所述匹配歌曲与所述S个音频片段中的第一个音频片段的任一匹配歌曲是否歌曲之间的预设转移概率确定从所述第一个音频片段的任一匹配歌曲指向所述匹配歌曲以及所述匹配歌曲对应的相似度，确定所述第1层级中所述匹配歌曲对应的解码子路径以9定所述目标音频的音频识别结果用于指示所述目标[0045]若每个所述音频片段的目标匹配歌曲的版本标识包括所述第一版本标识和所述[0053]对所述训练音频集中的每首歌曲依次进行切片操作，得到所述每首歌曲的N个歌[0055]根据所述原唱歌曲的N个歌曲片段的嵌入向量和所述改编歌曲的N个歌曲片段的[0056]根据所述原唱歌曲的N个歌曲片段的嵌入向量和所述参考歌曲的N个歌曲片段的以根据与各个待识别片段相匹配的歌曲确定待识别歌曲的识务器20根据每个音频片段的K个匹配歌曲对应的相似度(即对应的预存旋律指纹与对应的旋律指纹的相似度)，以及相邻音频片段各自对应的一匹配歌曲组成的歌曲对之间的预设转移概率进行解码处理，从每个音频片段的K个匹配歌曲中确定出每个音频片段的目标匹个音频片段精确匹配的歌曲，本申请也能针对每个音频片段得到与其模糊匹配的K个匹配[0091]以上对本申请实施例提供的音频识别系统进行了简要介绍，下面将结合图3至图[0099]其中，每个音频片段的频域特征可以包括梅尔频率倒谱系数(melfrequency训练完成的嵌入向量生成模型可以为卷积神经网络模型或卷积神经网络模型的变种模型最高的前K个预存旋律指纹以及K个预存旋律指纹对应的匹配歌曲，得到音频片段的K个匹存旋律指纹之间的相似度进行排序处理，得到与旋律指纹相似度最高的前K个预存旋律指[0103]S303、服务器基于相邻匹配歌曲之间的预设转移概率以及每个音频片段的K个匹配歌曲对应的相似度，从每个音频片段的K个匹配歌曲中确定每个音频片段的目标匹配歌配歌曲对应的相似度是匹配歌曲对应的预存旋律指纹与匹配歌曲对应的音频片段的旋律器基于相邻匹配歌曲之间的预设转移概率以及每个音频片段的K个匹配歌曲对应的相似度，从每个音频片段的K个匹配歌曲中确定每个音频片段的目标匹配歌曲的方式，具体包括：基于相邻匹配歌曲之间的预设转移概率以及每个音频片段的K个匹配歌曲对应的相似该解码路径包括的解码子路径501可理解为第1层级的解码子路径、解码子路径502可理解的匹配歌曲；第二待处理匹配歌曲是第i+1个音频片段的K个匹配歌曲中的一个匹配歌曲。径时(对应于i取值为2)，一个第一待处理匹配歌曲可为解码子路径501指示的匹配歌曲第S_1层级的解码子路径(对应于i小于S_1的操作)，再根据第1层级～第S_1层级的解码子中第q个第二待处理匹配歌曲对应的解码子路径以及所述解码子路径的子路径概率：根据相邻匹配歌曲之间的预设转移概率，确定从K个第一待处理匹配歌曲指向第q个第二待处理移概率以及第q个第二待处理匹配歌曲对应的相似度，计算指向第q个第二待处理匹配歌曲的各个目标解码子路径的子路径概率；将子路径概率最大的目标解码子路径作为第i层级“按照下述步骤得到第i层级中第q个第二待处理匹配歌曲对应的解码子路径以及解码子路第二待处理匹配歌曲的解码子路径也称为第i层级中第二待处理匹配歌曲对应的解码子路径，指向K个第二待处理匹配歌曲的K个解码子路径也即是第i层级的多条解码子路径。例子路径也可称为第2层级中匹配歌曲3.1的K个待处理转移概率；再根据K个待处理转移概率、K个第一待处理匹配歌曲对应的相似配歌曲和第q个第二待处理匹配歌曲组成的歌曲对；根据这一个歌曲对所对应的相邻匹配歌曲之间的预设转移概率确定从这一个第一待处理匹配歌曲指向第q个第二待处理匹配歌[0118]在一种可能的实施方式中，若第一待处理匹配歌曲与第q个第二待处理匹配歌曲个第一待处理匹配歌曲和第q个第二待处理匹配歌曲组成的歌曲对所对应的相邻匹配歌曲之间的预设转移概率是第一转移概率；若第二个第一待处理匹配歌曲和第q个第二待处理匹配歌曲不同，则由第二个第一待处理匹配歌曲和第q个第二待处理匹配歌曲组成的歌曲对所对应的相邻匹配歌曲之间的预设转移概率是路径⑤,且子路径①~子路径⑤分别指示的第2个音频片段的匹配歌曲为匹配歌曲2.1、匹径⑩,服务器基于子路径中的两个匹配歌曲各自对应的相似度以及与这两个匹配歌曲相关[0124]子路径⑥的子路径概率＝匹配歌曲2.1对应的相似度*从匹配歌曲2.1从子路径⑥~子路径⑩中选取子路径概率最大的子路径作为第2层级中匹配歌曲3.1对应[0126]按照上述处理过程，服务器还可以得到第2层级中匹配歌曲3.2对应的解码子路[0129]在一种可能实施方式中，服务器针对S个音频片段中的第二个音频片段的每一匹与S个音频片段中的第一个音频片段的任一匹配歌曲是否相同；根据判断结果确定相邻匹片段的任一匹配歌曲指向第二个音频片段的匹配歌曲的待处理转移概率；基于K个待处理第1层级中匹配歌曲对应的解码子路径以及解码子路径[0132]进一步地，在服务器根据上述方式确定出第1层级～第S_1层级的解码子路径之至第S_1层级的多个解码子路径中选取解码子路径，从而根据选取的解码子路径得到该匹级中第p个匹配歌曲对应的解码子路径，再查找与第S_1层级中第p个匹配歌曲对应的解码子路径相关联的第S_2层级的解码子路径；查找与第S_2层级的解码子路径相关联的第S_3率最大的解码路径，并根据目标解码路径从每个音频片段的K个匹配歌曲中确定每个音频个解码子路径所指示的每个音频片段的匹配歌曲与每个音频片段在真实情况下所属的歌5中的解码路径为目标解码路径，则音频片段1～音频片段5的目标匹配歌曲分别为匹配歌[0139]在一种可能实施方式中，服务器判断每个音频片段的目标匹频不是串烧歌曲；若每个音频片段的目标匹配歌曲中存在至少两个目标匹配歌曲不相同，则确定目标音频的音频识别结果用于指示目标音频是同一首歌曲中的片段，则服务器可以确定音频识别结果用于指示目标音频不是串烧歌曲。个目标匹配歌曲的版本标识，或者在指纹库中也可以存储有各个目标匹配歌曲的版本标服务器可以根据原唱歌曲的歌曲片段的嵌入向量和改编歌曲的歌曲片段的嵌入向量确定公式2得到：(a,n)表示anchor与negative的余弦距离，也即是上述的第二向量距离，margin为程度系[0161]确定模块904，用于基于相邻匹配歌曲之间的预设转移概率以及每个所述音频片所述确定模块904在基于相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对应的相似度，从每个所述音频片段的K个匹配歌曲中确定每个所述音频片段的[0163]基于所述相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对应的相似度，构建多条解码路径并确定所述多条解码路径中每条解码路径的路径概[0164]在一种可能实施方式中，所述确定模块904在基于所述相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对应的相似度，构建多条解码路径并确定[0165]确定第1层级的多个解码子路径以及所述第1层级的各个解码子路径的子路径概个匹配歌曲，按照下述步骤得到与所述第p个匹配歌曲对应的解码路径以及所述解码路径对应的的解码路径中的第S_1层级的解码子路径指向第S个音频片段的第p个匹配歌曲；根据所述解码路径包含的各个解码子路径的子路径概率确定所述解码路径的路径概率；若p[0166]在一种可能实施方式中，所述确定模块904在基于所述相邻匹配歌曲之间的预设照下述步骤得到所述第i层级中所述第q个第二待处理匹配歌曲对应的解码子路径以及所K个第一待处理匹配歌曲对应的相似度、所述K个待处理转移概率以及所述第q个第二待处理匹配歌曲对应的相似度，计算指向所述第q个第二待处理匹配歌曲的各个目标解码子路步骤得到所述第i层级中所述第q个第二待处理匹配歌曲对应的解码子路径以及所述解码[0168]在一种可能实施方式，若所述第一待处理匹配歌曲与所述第q个第二待处理匹配处理匹配歌曲与所述第q个第二待处理匹配歌曲不同，则所述相邻匹配歌曲之间的预设转[0170]针对所述S个音频片段中的第二个音频片段的每一匹配歌曲，按照下述步骤确定一条解码子路径以及所述解码子路径的子路径概率：判断所述匹配歌曲与所述S个音频片所述第一个音频片段的K个匹配歌曲对应的相似度以及所述匹配歌曲对应的相似度，确定所述第1层级中所述匹配歌曲对应的解码子路径以及所述解码子路径的[0171]在一种可能实施方式中，所述确定模块904在根据每个所述音频片段的目标匹配[0179]通过所述切片模块901对所述训练音频集中的每首歌曲依次进行切片操作，得到[0181]通过所述确定模块904根据所述原唱歌曲的N个歌曲片段的嵌入向量和所述改编[0182]通过所述确定模块904根据所述原唱歌曲的N个歌曲片段的嵌入向量和所述参考施例中的方法具体实现，其具体实现过程及有益效果可以参照上述方法实施例的相关描的前K个预存旋律指纹以及所述K个预存旋律指纹对应的匹配歌曲，得到所述音频片段的K[0188]基于相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对应的相似度，从每个所述音频片段的K个匹配歌曲中确定每个所述音频片段的目标匹配歌曲；其中所述相邻匹配歌曲是指相邻所述音频片段各自对应的一匹配歌曲组成的歌曲对，所述匹配歌曲对应的相似度是所述匹配歌曲对应的预存旋律指纹与所述匹配歌曲对应的述音频识别结果用于指示所述目标音频是否为所述处理器1001在基于相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对应的相似度，从每个所述音频片段的K个匹配歌曲中确定每个所述音频片段的目[0191]基于所述相邻匹配歌曲之间的预设转移概率以及每个所述音频片段的K个匹配歌曲对应的相似度，构建多条解码路径并确定所述多条解码路径中每条解码路径的路径概移概率以及每个所述音频片段的K个匹配歌曲对应的相似度，构建多条解码路径并确定所[0193]确定第1层级的多个解码子路径以及所述第1层级的各个解码子路径的子路径概个匹配歌曲，按照下述步骤得到与所述第p个匹配歌曲对应的解码路径以及所述解码路径对应的的解码路径中的第S_1层级的解码子路径指向第S个音频片段的第p个匹配歌曲；根据所述解码路径包含的各个解码子路径的子路径概率确定所述解码路径的路径概率；若p照下述步骤得到所述第i层级中所述第q个第二待处理匹配歌曲对应的解码子路径以及所K个第一待处理匹配歌曲对