基于CQT和梅尔频谱的带有人声的音乐风格转换方法

• 作者: 叶洪良 朱皖宁 洪蕾
• 来源期刊: 计算机科学
• 关键词: 生成对抗网络 风格迁移 音乐处理 表征学习
• 年，卷（期）: 2021,（z1）
• 所属期刊栏目: 智能计算|Intelligent Computing
• 页码范围: 326-330,363
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11896/jsjkx.200900104

摘要

近年来,生成对抗网络在图像风格迁移领域中表现优秀,然而其在音乐领域表现一般.现有的音乐风格迁移对带有人声的音乐的风格迁移效果不佳.为了解决这些问题,首先提取音乐的CQT特征和梅尔频谱特征,然后采用CycleGAN对CQT特征和梅尔频谱的联合特征做风格迁移,再通过WaveNet声码器来对迁移后的谱图进行解码,最终实现了带有人声的音乐的风格迁移.在公开数据集FMA上对所提模型进行评估,符合要求的音乐的平均风格迁移率达到了94.07％.与其他算法相比,该方法所产生的音乐的风格迁移率和音频质量都优于其他算法.