公开(公告)号：CN115206339B

公开(公告)日：2024-09-13

申请号：CN202210656997.0

申请日：2022-06-10

Applicant: 华中科技大学

Inventor： 许炜 ,  杨未铭 ,  王先科 ,  李雨晴

IPC: G10L21/14 ,  G10L21/0232 ,  G10L25/30 ,  G10L25/51

Abstract: 本发明公开了一种基于目标检测的视唱音高检测方法、系统、设备及介质，属于音频数据处理领域，方法包括：获取视唱音频并转换为二维声谱图，检测二维声谱图中各音符的起始时刻、结束时刻和音符下边界代表的频点索引；以第一音符的音符下边界代表的频点索引对应频率为中心，向上、向下分别容纳设定数量的频点为目标，确定第一音符的频点框的顶边频率值和底边频率值；在第一音符的顶边频率值和底边频率值之间的频率范围内，对起始时刻和结束时刻之间的二维声谱图中的每一帧进行峰值搜索，得到每一帧峰值对应的频率值；对第一音符中每一帧峰值对应的频率值求和取平均，得到其音高对应的平均频率以计算其的音高。提高视唱音高检索的精准度和效率。

公开(公告)号：CN115206339A

公开(公告)日：2022-10-18

申请号：CN202210656997.0

申请日：2022-06-10

Applicant: 华中科技大学

Inventor： 许炜 ,  杨未铭 ,  王先科 ,  李雨晴

IPC: G10L21/14 ,  G10L21/0232 ,  G10L25/30 ,  G10L25/51 ,  G06K9/00

Abstract: 本发明公开了一种基于目标检测的视唱音高检测方法、系统、设备及介质，属于音频数据处理领域，方法包括：获取视唱音频并转换为二维声谱图，检测二维声谱图中各音符的起始时刻、结束时刻和音符下边界代表的频点索引；以第一音符的音符下边界代表的频点索引对应频率为中心，向上、向下分别容纳设定数量的频点为目标，确定第一音符的频点框的顶边频率值和底边频率值；在第一音符的顶边频率值和底边频率值之间的频率范围内，对起始时刻和结束时刻之间的二维声谱图中的每一帧进行峰值搜索，得到每一帧峰值对应的频率值；对第一音符中每一帧峰值对应的频率值求和取平均，得到其音高对应的平均频率以计算其的音高。提高视唱音高检索的精准度和效率。