一种基于自监督学习的钢琴演奏自动评价方法与流程

本发明涉及音乐教育，特别是涉及一种基于自监督学习的钢琴演奏自动评价方法。

背景技术：

1、在当前的音乐教育领域，特别是钢琴教学，对学生的演奏进行评价是提高他们技能的关键环节。这种评价大多依赖于人工听评，比如音乐教师或专业评委，他们根据经验和专业知识对演奏者的技术掌握、节奏准确性、音色质量等方面进行评价。然而，这种方法存在两个主要问题。一方面，人工听评受到评价者个体经验、理解、主观感受等因素的影响，导致评价结果的主观性和一致性存在问题，评价结果可能会因人而异。另一方面，人工听评需要大量的时间和劳动力，对于大规模的钢琴演奏评价，例如音乐比赛或在线教育，具有很大的挑战。

2、虽然已经有一些基于规则或模式匹配的自动评价方法，但这些方法往往需要大量的人工标注数据进行训练，且难以适应不同的演奏者、不同的曲目类型、不同的演奏水平等多样性。综上，现有技术中的评价方法存在成本高和不适于多样性音乐自动评价的问题。

技术实现思路

1、为了克服现有技术的不足，本发明的目的是提供一种基于自监督学习的钢琴演奏自动评价方法，本发明解决了现有技术中评价方法存在成本高和不适于多样性音乐自动评价的问题。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于自监督学习的钢琴演奏自动评价方法，包括：

4、获取待评价曲目；

5、利用自监督学习模型对待评价曲目进行评价；

6、所述自监督学习模型的构建方法为：

7、获取音频数据；

8、对所述音频数据进行预处理，得到预处理音频数据；

9、基于自监督学习算法和所述预处理音频数据构建自监督学习模型。

10、优选地，所述对所述音频数据进行预处理，得到预处理音频数据包括：

11、对所述音频数据进行噪声过滤处理，得到过滤音频数据；

12、对所述过滤音频数据进行音量正则化处理，得到音量消差音频数据；

13、对所述音量消差音频数据进行音高识别处理，得到预处理音频数据。

14、优选地，所述利用所述自监督学习模型对待评价曲目进行评价，包括：

15、利用所述自监督学习模型，根据待评价曲目的预处理音频数据获取所述待评价曲目的音乐特征；

16、根据所述音乐特征对所述待评价曲目进行评价。

17、优选地，根据所述音乐特征对所述待评价曲目进行评价包括：

18、对演奏者的音准度、节奏稳定性和音色质量进行评价计算，得到各个指标的评价分数；

19、根据所述各个指标的评价分数得到待评价曲目的总评价分数。

20、优选地，所述自监督学习算法的公式为：

21、l＝-log(exp(f(x_i)·f(x_j)/τ)/σ_kexp(f(x_i)·f(x_k)/τ))；

22、其中，x_i和x_j是一个正例对，它们是从同一首钢琴曲的不同部分得到的音频片段；x_i和x_k是一个负例对，它们是从不同的钢琴曲得到的音频片段。f是要学习的特征表示函数，它是一个神经网络模型，用于将音频片段映射到一个低维的特征空间。·表示向量的内积操作，用于计算两个音频片段在特征空间中的相似度。τ是一个温度参数，用于控制分布的尖锐程度。温度参数越大，得到的分布越平滑；温度参数越小，得到的分布越尖锐。

23、优选地，所述音准度评价分数的计算公式为：

24、pa＝(1/n)*σ(1-|p_i-p'_i|)，

25、其中，i＝1到n，n是音频中的音符数量，p_i是原始音频中第i个音符的音高，p'_i是模型输出的第i个音高特征，pa为音准度评价分数。

26、优选地，所述节奏稳定性评价分数的计算公式为：

27、rs＝(1/(n-1))*σ(1-|t_i-t'_i|)；

28、其中，i＝1到n-1，n是音频中的音符数量，t_i是原始音频中第i个音符和第i+1个音符之间的时间间隔，t'_i是模型输出的第i个节奏特征，rs为节奏稳定性的评价分数。

29、优选地，所述音色质量评价分数的计算公式为：

30、tq＝(1/n)*σ(1-|t_i-t'_i|)，

31、其中，i＝1到n，n是音频中的音符数量，t_i是原始音频中第i个音符的音色特征，t'_i是模型输出的第i个音色特征，tq为音色质量的评价分数。

32、优选地，所述待评价曲目的总评价分数的计算公式为：

33、totalscore＝(pa+rs+tq)/3；

34、其中，totalscore为待评价曲目的总评价分数。

35、根据本发明提供的具体实施例，本发明公开了以下技术效果：

36、本发明提供了一种基于自监督学习的钢琴演奏自动评价方法，本发明从大量的未标记的钢琴演奏数据中自动学习有效的音乐特征，从而实现对钢琴演奏的自动化评价。与传统方法相比，本发明不依赖于人工标注的训练数据，大大降低了数据准备的成本和难度。此外，由于自监督学习模型可以自动从数据中学习和提取特征，本发明的方法可以自动适应不同的演奏者、不同的曲目类型、不同的演奏水平等多样性，具有更好的普适性和鲁棒性。

技术特征：

1.一种基于自监督学习的钢琴演奏自动评价方法，其特征在于，包括：

2.根据权利要求1所述的一种基于自监督学习的钢琴演奏自动评价方法，其特征在于，所述对所述音频数据进行预处理，得到预处理音频数据包括：

3.根据权利要求1所述的一种基于自监督学习的钢琴演奏自动评价方法，其特征在于，所述利用所述自监督学习模型对待评价曲目进行评价，包括：

4.根据权利要求1所述的一种基于自监督学习的钢琴演奏自动评价方法，其特征在于，根据所述音乐特征对所述待评价曲目进行评价包括：

5.根据权利要求1所述的一种基于自监督学习的钢琴演奏自动评价方法，其特征在于，所述自监督学习算法的公式为：

6.根据权利要求4所述的一种基于自监督学习的钢琴演奏自动评价方法，其特征在于，所述音准度评价分数的计算公式为：

7.根据权利要求4所述的一种基于自监督学习的钢琴演奏自动评价方法，其特征在于，所述节奏稳定性评价分数的计算公式为：

8.根据权利要求7所述的一种基于自监督学习的钢琴演奏自动评价方法，其特征在于，所述音色质量评价分数的计算公式为：

9.根据权利要求8所述的一种基于自监督学习的钢琴演奏自动评价方法，其特征在于，所述待评价曲目的总评价分数的计算公式为：

技术总结
本发明提供了一种基于自监督学习的钢琴演奏自动评价方法，包括：获取待评价曲目；利用自监督学习模型对待评价曲目进行评价；所述自监督学习模型的构建方法为：获取音频数据；对所述音频数据进行预处理，得到预处理音频数据；基于自监督学习算法和所述预处理音频数据构建自监督学习模型。本发明解决了现有技术中的评价方法存在成本高和不适于多样性音乐自动评价的问题。

技术研发人员：邵俊
受保护的技术使用者：深圳市真实智元科技有限公司
技术研发日：
技术公布日：2024/1/15