基于特征比对的音乐学唱系统设计与实现

为了弥补音乐教材的局限性和部分地区音乐教师资源不足的现状,将计算机自动评分引入音乐学习中,开发了一套基于特征比对的音乐学唱系统。与互联网上已有的商业音乐评分系统的区别在于系统的教育定位,主要体现在反馈评价模块的设计和实现上。系统通过旋律特征提取、相似度比对、音高数据分析来进行演唱自动评分,定位出错位置,估计出错原因,给予学习者详细的反馈意见和指导建议。应用案例研究结果表明,该系统具有实际应用价值。

基于连续隐马尔可夫模型的旋律检索算法研究

本文以CHMM为基础进行音乐哼唱检索算法的研究,实现了模型的建立、模型的训练和旋律识别过程。与已有建模方法不同,本文利用从左到右、没有跳转的CHMM结构建立声学模型,使旋律模型得到简化,明显提高了识别效率。用经过音调转换的音高序列表示旋律特征,利用CHMM的二重随机特性隐含表示音长信息,从而避免了音符切分,使哼唱方式更自然。

面向视唱评价的声乐自动标注系统

歌唱声音的自动标注是基于内容的音乐分析和检索领域的基础问题。该文在统计分析汉语歌唱声音声韵母时长和音高特征的基础上,提出了一种声乐自动标注模型。该模型将信号处理、语音学和音乐知识结合,通过韵母-乐谱音高对齐和基于声母时长分布的边界优化算法实现了高精度的音符切分。音高提取算法在移调检测的基础上,通过限定基音周期搜索范围的策略克服了信号频谱中半频/倍频点的干扰。结合音乐教学实践,通过检测音符内部最稳定音高成分、估计演唱速率和归一化音符时长的方法提取歌唱声音的音高、节奏和时长信息,并基于这3个客观物理量提出了一个视唱评价方法。实验表明,该文提出的算法能够准确地标注歌唱声音中的音符边界(平均误差26ms)和音高(平均误差0.23半音)。