一种数据处理方法以及设备与流程

本申请涉及互联网
技术领域：
，尤其涉及一种数据处理方法以及设备。
背景技术：
：随着互联网的高速发展，音乐软件的种类非常繁多，音乐软件可以提供用户听歌、唱歌等服务，例如唱歌服务中，目前的音乐软件对所有的用户都是提供相同的歌曲推荐服务，歌曲的分类也是比较粗糙，不同的用户对不同的歌曲有不同的偏好，同一歌曲类别中可能只有个别歌曲满足用户的需求，例如有些人喜欢唱高音，有些人喜欢舒缓的歌曲，因此，用户很难选择合适自己歌唱的歌曲，需要花较长时间在歌曲选择上，降低了用户选择歌曲的效率。技术实现要素：本申请实施例提供一种数据处理方法以及设备，可以提高用户对歌曲选择的效率。本申请实施例一方面提供了一种数据处理方法，可包括：从音频集合中获取目标音频数据；对所述目标音频数据进行特征提取，得到所述目标音频数据的音频特征，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号；根据所述音符号生成所述目标音频数据的音域难度系数；根据所述音符号生成所述目标音频数据的高音难度系数和低音难度系数；根据所述音域难度系数、所述高音难度系数和所述低音难度系数预测所述目标音频数据的歌唱难度。其中，所述从音频集合中获取目标音频数据，包括：从音频集合中获取待处理音频数据；根据所述待处理音频数据的数据量和音频特征，检测所述待处理音频数据的状态信息；若所述待处理音频数据的状态信息为正常状态，将所述待处理音频数据进行预处理，得到所述待处理音频数据对应的目标音频数据。其中，所述根据所述待处理音频数据的数据量和音频特征，检测所述待处理音频数据的状态信息，包括：获取所述待处理音频数据的数据量和通道数；若所述待处理音频数据的数据量大于或等于数据阈值，且所述通道数与所述待处理音频数据的固有通道数相同，将所述待处理音频数据的状态信息确定为正常状态；若所述待处理音频数据的数据量小于数据阈值，或者所述通道数与所述待处理音频数据的固有通道数不相同，将所述待处理音频数据的状态信息确定为异常状态。其中，所述将所述待处理音频数据进行预处理，得到所述待处理音频数据对应的目标音频数据，包括：对所述待处理音频数据进行采样，获取所述每个采样点的音量值；将音量值小于音量阈值的采样点从所述待处理音频数据中删除，以得到目标音频数据。其中，所述根据所述音符号生成所述目标音频数据的音域难度系数，包括：获取所述目标音频数据中最大音符号和最小音符号的差值，根据所述差值生成所述目标音频数据的音域跨度系数；获取所述目标音频数据的音符号的一阶差分信息，根据所述一阶差分信息确定所述目标音频数据的音域变化系数；将所述音域跨度系数和所述音域变化系数之和确定为所述目标音频数据的音域难度系数。其中，所述根据所述音符号生成所述目标音频数据的高音难度系数和低音难度系数，包括：根据所述音符号，区分所述目标音频数据中的高音音符号以及低音音符号；根据高音音符号与难度系数之间的预设对应关系，确定所述目标音频数据中高音音符号的难度系数，并根据低音音符号与难度系数之间的预设对应关系，确定所述目标音频数据中低音音符号的难度系数；基于所述目标音频数据中高音音符号的难度系数，得到所述目标音频数据的高音难度系数，并基于所述目标音频数据中低音音符号的难度系数，得到所述目标音频数据的低音难度系数。其中，所述根据所述音符号，区分所述目标音频数据的高音音符号以及低音音符号，包括：获取所述目标音频数据对应的标准音域，将标准音域中的最高音调对应的音符号确定为最高音符号，将标准音域中的最低音调对应的音符号确定为最低音符号；将所述目标音频数据中高于所述最高音符号的音符号确定为高音音符号，将所述目标音频数据中小于所述最低音符号的音符号确定为低音音符号。其中，所述根据所述音域难度系数、所述高音难度系数和所述低音难度系数预测所述目标音频数据对应的歌唱难度，包括：获取所述音域难度系数、所述高音难度系数和所述低音难度系数分别对应的权重系数；根据所述音域难度系数及对应的权重系数、所述高音难度系数及对应的权重系数和所述低音难度系数及对应的权重系数生成所述目标音频数据的歌唱难度系数；所述歌唱难度系数用于表征所述目标音频数据的歌唱难度。本申请实施例一方面提供了一种数据处理设备，可包括：数据获取单元，用于从音频集合中获取目标音频数据；特征提取单元，用于对所述目标音频数据进行特征提取，得到所述目标音频数据的音频特征，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号；第一系数获取单元，用于根据所述音符号生成所述目标音频数据的音域难度系数；第二系数获取单元，用于根据所述音符号生成所述目标音频数据的高音难度系数和低音难度系数；难度预测单元，用于根据所述音域难度系数、所述高音难度系数和所述低音难度系数预测所述目标音频数据的歌唱难度。其中，所述数据获取单元包括：数据获取子单元，用于从音频集合中获取待处理音频数据；状态检测子单元，用于根据所述待处理音频数据的数据量和音频特征，检测所述待处理音频数据的状态信息；数据预处理子单元，用于若所述待处理音频数据的状态信息为正常状态，将所述待处理音频数据进行预处理，得到所述待处理音频数据对应的目标音频数据。其中，所述状态检测子单元具体用于：获取所述待处理音频数据的数据量和通道数；若所述待处理音频数据的数据量大于或等于数据阈值，且所述通道数与所述待处理音频数据的固有通道数相同，将所述待处理音频数据的状态信息确定为正常状态；若所述待处理音频数据的数据量小于数据阈值，或者所述通道数与所述待处理音频数据的固有通道数不相同，将所述待处理音频数据的状态信息确定为异常状态。其中，所述数据预处理子单元具体用于：对所述待处理音频数据进行采样，获取所述每个采样点的音量值；将音量值小于音量阈值的采样点从所述待处理音频数据中删除，以得到目标音频数据。其中，所述第一系数获取单元具体用于：获取所述目标音频数据中最大音符号和最小音符号的差值，根据所述差值生成所述目标音频数据的音域跨度系数；获取所述目标音频数据的音符号的一阶差分信息，根据所述一阶差分信息确定所述目标音频数据的音域变化系数；将所述音域跨度系数和所述音域变化系数之和确定为所述目标音频数据的音域难度系数。其中，所述第二系数获取单元，包括：音符区分子单元，用于根据所述音符号，区分所述目标音频数据中的高音音符号以及低音音符号；第二系数获取子单元，用于根据高音音符号与难度系数之间的预设对应关系，确定所述目标音频数据中高音音符号的难度系数，并根据低音音符号与难度系数之间的预设对应关系，确定所述目标音频数据中低音音符号的难度系数；基于所述目标音频数据中高音音符号的难度系数，得到所述目标音频数据的高音难度系数，并基于所述目标音频数据中低音音符号的难度系数，得到所述目标音频数据的低音难度系数。其中，所述音符区分子单元具体用于：获取所述目标音频数据对应的标准音域，将标准音域中的最高音调对应的音符号确定为最高音符号，将标准音域中的最低音调对应的音符号确定为最低音符号；将所述目标音频数据中高于所述最高音符号的音符号确定为高音音符号，将所述目标音频数据中小于所述最低音符号的音符号确定为低音音符号。其中，所述难度预测单元具体用于：获取所述音域难度系数、所述高音难度系数和所述低音难度系数分别对应的权重系数；根据所述音域难度系数及对应的权重系数、所述高音难度系数及对应的权重系数和所述低音难度系数及对应的权重系数生成所述目标音频数据的歌唱难度系数；所述歌唱难度系数用于表征所述目标音频数据的歌唱难度。本申请实施例一方面提供了一种计算机可读存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。本申请实施例一方面提供了一种计算机设备，包括处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。本申请实施例一方面提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述的方法步骤。在本申请实施例中，通过从音频集合中获取目标音频数据；对所述目标音频数据进行特征提取，得到所述目标音频数据的音频特征，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号；根据所述音符号生成所述目标音频数据的音域难度系数；根据所述音符号生成所述目标音频数据的高音难度系数和低音难度系数；根据所述音域难度系数、所述高音难度系数和所述低音难度系数预测所述目标音频数据的歌唱难度。通过对歌曲设置难度系数，避免了用户需要花较长时间选择歌曲的问题，提高了用户对歌曲选择的效率。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的一种数据处理的系统架构图；图2是本申请实施例提供的一种数据处理方法的流程示意图；图3是本申请实施例提供的一种数据处理方法的流程示意图；图4是本申请实施例提供的一种数据处理方法的举例示意图；图5是本申请实施例提供的一种数据处理设备的结构示意图；图6是本申请实施例提供的一种计算机设备的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。请参见图1，是本发明实施例提供的一种数据处理的系统架构图。服务器10f通过交换机10e和通信总线10d与用户终端集群建立连接，用户终端集群可包括：用户终端10a、用户终端10b、...、用户终端10c。音频集合存储模块10g中存储了多个音频数据，音频数据包括处于正常状态的音频数据和处于异常状态的音频数据，服务器10f从音频集合中获取待处理音频数据，将所述待处理音频数据进行预处理，生成所述待处理音频数据对应的目标音频数据，并对所述目标音频数据进行特征提取，得到所述目标音频数据的音频特征，服务器10f根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号，根据所述音符号生成所述目标音频数据的音域难度系数、高音难度系数和低音难度系数，服务器10f根据所述音域难度系数、所述高音难度系数和所述低音难度系数预测所述目标音频数据的歌唱难度。本申请实施例涉及的用户终端包括：平板电脑、智能手机、个人电脑(pc)、笔记本电脑、掌上电脑等终端设备。请参见图2，为本申请实施例提供了一种数据处理方法的流程示意图。如图2所示，本申请实施例的所述方法可以包括以下步骤s101-步骤s105。s101，从音频集合中获取目标音频数据。具体的，数据处理设备从音频集合中获取目标音频数据，可以理解的是，所述数据处理设备可以是图1中的服务器10f，音频集合中包括至少一个音频数据，音频数据为具有音频格式的数据，例如格式为mp3、midi、wma的数据，音频集合中可以包括其他不属于音频数据的数据，数据处理设备可以通过文件格式筛选出音频文件，目标音频数据可以是音频集合中的任意一个音频数据或者通过对音频集合中的待处理音频数据进行预处理得到，待处理音频数据可以是音频集合中的任意一个音频数据，对待处理音频数据进行预处理，可以提高待处理音频数据的质量，进而提高音频数据歌唱难度的确定准确度。在音频数据中音量值较低的音频数据比较难以确定其歌唱难度系数，因此，预处理的方式通常是对待处理音频数据中音量值较低的采样点进行删除，具体的预处理方式为：对所述待处理音频数据进行采样，获取所述每个采样点的音量值，当采样点的音量值小于音量阈值时，将音量值小于音量阈值的采样点从所述待处理音频数据中删除；将删除音量值小于音量阈值的采样点后的待处理音频数据确定为目标音频数据。s102，对所述目标音频数据进行特征提取，得到所述目标音频数据的音频特征，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号。具体的，数据处理设备对所述目标音频数据进行特征提取，得到所述目标音频数据的音频特征，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号，可以理解的是，数据处理设备采用已知的帧长和步长对所述目标音频数据进行特征提取，得到所述目标音频数据的音频特征。所述音频特征可以是音频文件的基频特征，基频特征对应音频文件的音高，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号。音符号是乐器数字接口(musicalinstrumentdigitalinterfacemidi)中音域对应的数字表示，具体的，音频特征和音符号之间的预设转换关系可以通过公式d＝69+12log2(f/440)进行转换，其中d为音符号，f为音频特征；需要说明的是，采用已知的帧长和步长对目标音频数据进行特征提取后，得到多个音频特征，每个音频特征对应各自的音符号，目标音频数据对应多个音符号，若目标音频数据为双声道音频，可以分别对每个通道中的音频数据进行特征提取，并按照上述转换公式获取每个通道中音频特征对应的音符号。s103，根据所述音符号生成所述目标音频数据的音域难度系数；具体的，数据处理设备根据所述音符号生成所述目标音频数据的音域难度系数，可以理解的是，音域难度系数由音域跨度系数和音域变化系数确定。其中，确定音域跨度系数的具体步骤如下：数据处理设备获取所述目标音频数据中最大音符号和最小音符号的差值，以及midi中音符号的跨度。其中，midi中音符号的跨度为midi中最大音符号与最小音符号的差值，例如，midi中最大音符号为108，最小音符号为21，则midi中音符号的跨度为87。将目标音频数据中最大音符号和最小音符号的差值与midi中音符号的跨度的比值，确定为所述目标音频数据的音域跨度系数。确定音域变化系数的具体步骤如下：获取所述目标音频数据的音符号的一阶差分信息，根据所述一阶差分信息确定所述目标音频数据的音域变化系数。将所述音域跨度系数和所述音域变化系数之和确定为所述目标音频数据的音域难度系数。s104，根据所述音符号生成所述目标音频数据的高音难度系数和低音难度系数。具体的，数据处理设备根据所述音符号生成所述目标音频数据的高音难度系数和低音难度系数。可以理解的是，数据处理设备获取所述目标音频数据对应的标准音域，标准音域是预先设定的音域范围，可以进行调整。音域中每个音调对应一个音符号，将标准音域中的最高音调对应的音符号确定为最高音符号，将标准音域中的最低音调对应的音符号确定为最低音符号。例如，可以将标准音域设置为c3-g4，标准音域的最高音调为g4，g4对应的音符号为67，因此最高音符号为67，且标准音域的最低音调为c3，c3对应的音符号为48，因此最低音符号为48。将所述目标音频数据中高于所述最高音符号的音符号确定为高音音符号，将所述目标音频数据中小于所述最低音符号的音符号确定为低音音符号；统计目标音频数据中每个高音音符号的数量以及每个低音音符号的数量，根据高音音符号的数量生成目标音频数据的高音难度系数，根据低音音符号的数量生成目标音频数据的低音难度系数。s105，根据所述音域难度系数、所述高音难度系数和所述低音难度系数预测所述目标音频数据的歌唱难度。具体的，数据处理设备根据所述音域难度系数、所述高音难度系数和所述低音难度系数预测所述目标音频数据的歌唱难度。可以理解的是，所述歌唱难度系数用于表征所述目标音频数据的歌唱难度，歌唱难度系数可以直观表明目标音频数据的歌唱难度。具体的，数据处理设备可以对所述音域难度系数、所述高音难度系数和所述低音难度系数设置权重系数，权重系数可以根据上述难度系数在音频数据中的影响力决定，根据所述权重系数和所述音域难度系数、所述高音难度系数和所述低音难度系数进行加权计算，得到所述目标音频数据的歌唱难度系数。在音乐类应用程序中，可以将每首歌曲的歌唱难度系数展示给用户，用户可以根据歌唱难度系数选择歌曲。在本申请实施例中，通过从音频集合中获取目标音频数据；对所述目标音频数据进行特征提取，得到所述目标音频数据的音频特征，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号；根据所述音符号生成所述目标音频数据的音域难度系数；根据所述音符号生成所述目标音频数据的高音难度系数和低音难度系数；根据所述音域难度系数、所述高音难度系数和所述低音难度系数预测所述目标音频数据的歌唱难度。通过对歌曲设置难度系数，避免了用户需要花较长时间选择歌曲的问题，提高了用户对歌曲选择的效率。或者，可以根据歌唱难度系数，对歌曲进行分类，以得到不同歌唱难度系数的歌曲列表。当然，歌唱难度系数还可以应用其他歌曲处理场景中。请参见图3，为本申请实施例提供了一种数据处理方法的流程示意图。如图3所示，本申请实施例的所述方法可以包括以下步骤s201-步骤s208。s201，从音频集合中获取待处理音频数据；具体的，数据处理设备从音频集合中获取待处理音频数据，可以理解的是，音频集合中包括至少一个音频数据，音频数据为具有音频格式的数据，例如格式为mp3、midi、wma的数据，音频集合中可以包括其他不属于音频数据的数据，数据处理设备可以通过文件格式筛选出音频文件，待处理音频数据可以是音频集合中的任意一个音频数据。s202，根据所述待处理音频数据的数据量和音频特征，检测所述待处理音频数据的状态信息；具体的，数据处理设备根据所述待处理音频数据的数据量和音频特征，检测所述待处理音频数据的状态信息，可以理解的是，所述状态信息用于表征待处理音频数据是否异常，状态信息包括正常状态和异常状态。判断待处理音频数据的状态信息的具体方法如下：获取所述待处理音频数据的数据量和通道数，当所述待处理音频数据的数据量大于或等于数据量阈值，且所述通道数与所述待处理音频数据的固有通道数相同时，将所述待处理音频数据的状态信息确定为正常状态。其中数据量阈值可以预先设定，待处理音频数据的通道数可以通过音频文件的标签获取，固有通道数由音频文件的自身属性确定，例如，通过待处理音频数据的标签确定待处理音频数据的通道数为2，若通过待处理音频数据的属性确定待处理音频数据为双通道文件，即固有通道数为2，则待处理音频数据的通道数与所述待处理音频数据的固有通道数相同，若通过待处理音频数据的属性确定待处理音频数据为单通道文件，即固有通道数为1，则待处理音频数据的通道数与所述待处理音频数据的固有通道数不相同。当所述待处理音频数据的数据量小于数据量阈值，或者所述通道数与所述待处理音频数据的固有通道数不相同时，将所述待处理音频数据的状态信息确定为异常状态。由上述状态信息的判定方法可知，同时满足数据量和通道数的条件的待处理音频数据为正常状态，否则为异常状态。s203，当所述待处理音频数据的状态信息为正常状态时，将所述待处理音频数据进行预处理，生成所述待处理音频数据对应的目标音频数据。具体的，当所述待处理音频数据的状态信息为正常状态时，即当所述待处理音频数据的数据量大于或等于数据阈值，且所述通道数与所述待处理音频数据的固有通道数相同时，数据处理设备将所述待处理音频数据进行预处理，生成所述待处理音频数据对应的目标音频数据。数据处理设备对待处理音频数据进行预处理的过程如下：对所述待处理音频数据进行采样，获取所述每个采样点的音量值，当采样点的音量值小于音量阈值时，将音量值小于音量阈值的采样点从所述待处理音频数据中删除；将删除音量值小于音量阈值的采样点后的待处理音频数据确定为目标音频数据。具体的，数据处理设备采用预设的频率对所述待处理音频数据进行采样，获取所述每个采样点的音量值，当采样点的音量值小于音量阈值时，将音量值小于音量阈值的采样点从所述待处理音频数据中删除。可以理解的是，音量阈值为预先设定，例如，将音量阈值设定为-60db，获取所述每个采样点的音量值，当采样点的音量值小于-60db时，将音量值小于音量阈值的采样点从所述待处理音频数据中删除。需要说明的是，音量值较低的音频数据比较难以确定其歌唱难度系数，因此，对待处理音频数据中音量值较低的采样点进行删除，可以提高待处理音频数据的质量，进而提高确定音频数据歌唱难度的准确度，最后，将删除音量值小于音量阈值的采样点后的待处理音频数据确定为目标音频数据。s204，当所述待处理音频数据的状态信息为异常状态时，将所述待处理音频数据标记为异常数据。具体的，当所述待处理音频数据的状态信息为异常状态时，即当所述待处理音频数据的数据量小于数据阈值，或者所述通道数与所述待处理音频数据的固有通道数不相同时，将所述待处理音频数据标记为异常数据，若待处理音频数据标记为异常数据，则不会对待处理数据进行歌唱难度的确定，针对异常数据，用户可以对数据的进行修改，将异常数据处理成为为正常状态，以便后续能对其进行歌唱难度的确定，或者是将异常数据从音频集合中删除。s205，对所述目标音频数据进行特征提取，生成所述目标音频数据的音频特征，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号。具体的，数据处理设备对所述目标音频数据进行特征提取，生成所述目标音频数据的音频特征，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号，可以理解的是，数据处理设备采用已知的帧长和步长对所述目标音频数据进行特征提取，生成所述目标音频数据的音频特征，所述音频特征可以是音频文件的基频特征，基频特征对应音频文件的音高，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号，音符号是midi中音域对应的数字表示。具体的，音频特征和音符号之间的预设转换关系可以通过公式d＝69+12log2(f/440)进行转换，其中d为音符号，f为音频特征；需要说明的是，采用已知的帧长和步长对目标音频数据进行特征提取后，得到多个音频特征，每个音频特征对应各自的音符号，目标音频数据对应多个音符号，若目标音频数据为双声道音频，可以分别对每个通道中的音频数据进行特征提取，并按照上述转换公式获取每个通道中音频特征对应的音符号。s206，根据所述音符号生成所述目标音频数据的音域难度系数；具体的，音域难度系数由音域跨度系数和音域变化系数确定，确定音域跨度系数的具体步骤如下：数据处理设备获取所述目标音频数据中最大音符号和最小音符号的差值，以及midi中音符号的跨度，midi中音符号的跨度为midi中最大音符号与最小音符号的差值，例如，midi中最大音符号为108，最小音符号为21，则midi中音符号的跨度为87，将目标音频数据中最大音符号和最小音符号的差值与midi中音符号的跨度的比值，确定为所述目标音频数据的音域跨度系数；确定音域难度系数的具体步骤如下：获取所述目标音频数据的音符号的一阶差分信息，根据所述一阶差分信息确定所述目标音频数据的音域变化系数；将所述音域跨度系数和所述音域变化系数之和确定为所述目标音频数据的音域难度系数。s207，根据所述音符号生成所述目标音频数据的高音难度系数和低音难度系数；具体的，数据处理设备获取所述目标音频数据对应的标准音域，标准音域是预先设定的音域范围，可以进行调整，每个音域中的音调对应一个音符号，将标准音域中的最大值确定为最高音符号，将标准音域中的最小值确定为最低音符号，例如，可以将标准音域设置为c3-g4，标准音域的最高音符号为g4，标准音域的最低音符号为c3，c3对应的音符号为48，g4对应的音符号为67，将所述目标音频数据中高于所述最高音符号的音符号确定为高音音符号，将所述目标音频数据中小于所述最低音符号的音符号确定为低音音符号；根据所述最高音符号生成高音音符号与难度系数的高音难度系数对照表，根据所述最低音符号生成低音音符号与难度系数的低音难度系数对照表。下面以标准音域为c3-g4进行说明，请参见表1，表1中是高音音调与难度系数的对应关系，如表1所示，以选定的最高音调g4作为基准，将g4的难度系数为定位1，每升一个音调，难度系数就加1，例如，a4比g4高了两个半音，所以每一个a4的难度系数为3；请参见表2，表2中是低音音调与难度系数的对应关系，如表2所示，以选定的最低音调c3作为基准，将c3的难度系数为定位1，每降一个音调，难度系数就加1。表1midi音符号难度系数108(c8)42……69(a4)368(g4#)267(g4)1表2midi音符号难度系数48(c3)1......23(b0)2622(a0#)2721(a0)28根据所述高音难度系数对照表，得到所述目标音频数据中高音音符号的高音难度系数；具体的，统计目标音频数据中每个高音音符号的数量，根据高音音符号的数量和高音音符号的难度系数，采用公式：高音难度系数＝g4难度系数*g4数量+g4#难度系数*g4#数量+a4难度系数*a4数量+…+c8难度系数*c8数量，得到目标音频数据的高音难度系数。其中，音调与音符号具有对应关系，音符号难度系数可以认为是音调的难度系数。根据所述低音难度系数对照表，得到所述目标音频数据中低音音符号的低音难度系数，具体的，统计目标音频数据中每个低音音符号的数量，根据低音音符号的数量和低音音符号的难度系数，采用公式：低音难度系数＝a0难度系数*a0数量+a0#难度系数*a0#数量+b0难度系数*b0数量+…+c3难度系数*c3数量，得到目标音频数据的低音难度系数。其中，音调与音符号具有对应关系，音符号难度系数可以认为是音调的难度系数。s208，根据所述音域难度系数、所述高音难度系数和所述低音难度系数预测所述目标音频数据的歌唱难度。具体的，数据处理设备获取所述音域难度系数、所述高音难度系数和所述低音难度系数分别对应的权重系数，所述权重系数是根据上述难度系数在音频数据中的影响力决定的。可以预先设定，根据所述权重系数和所述音域难度系数、所述高音难度系数和所述低音难度系数生成所述目标音频数据的歌唱难度系数，具体的，可以采用公式：歌唱难度系数＝权重1*高音难度系数+权重2*低音难度系数+权重3*音域难度系数生成。所述歌唱难度系数用于表征所述目标音频数据的歌唱难度，歌唱难度系数可以直观表明歌曲的歌唱难度，在音乐应用程序中，可以对每首歌曲的歌唱难度系数展示给用户，用户可以根据歌唱难度系数选择歌曲。下面将结合图4，为本申请实施例提供的具体实施场景进行说明，如图4所示。在音乐软件中，服务器会对歌曲库中的音频数据(歌曲)进行歌唱难度的预测，服务器中的音频集合用于存储音频数据，音频集合中包括至少一个音频数据。服务器从音频集合中获取待处理音频数据，根据所述待处理音频数据的数据量和音频特征，检测所述待处理音频数据的状态信息。状态信息包括正常状态和异常状态，当所述待处理音频数据的状态信息为异常状态时，将所述待处理音频数据标记为异常数据，同时不会对异常数据进行歌唱难度的预测；当所述待处理音频数据的状态信息为正常状态时，将所述待处理音频数据进行预处理，生成所述待处理音频数据对应的目标音频数据。对所述目标音频数据进行特征提取，得到所述目标音频数据的音频特征，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号，根据所述音符号生成所述目标音频数据的音域难度系数、高音难度系数和低音难度系数，根据上述难度系数在音频数据中的影响力，确定所述音域难度系数、所述高音难度系数和所述低音难度系数分别对应的权重系数，根据上述难度系数和难度系数分别对应的权重系数进行加权计算，生成所述目标音频数据的歌唱难度系数。在一种具体场景中，用户可以根据歌唱难度系数选择合适的歌曲。在本申请实施例中，通过从音频集合中获取待处理音频数据；将所述待处理音频数据进行预处理，生成所述待处理音频数据对应的目标音频数据；对所述目标音频数据进行特征提取，生成所述目标音频数据的音频特征，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号；根据所述音符号生成所述目标音频数据的音域难度系数；根据所述音符号生成所述目标音频数据的高音难度系数和低音难度系数；根据所述音域难度系数、所述高音难度系数和所述低音难度系数预测所述目标音频数据的歌唱难度。通过对歌曲设置难度系数，避免了用户需要花较长时间选择歌曲的问题，提高了用户对歌曲选择的效率。或者，可以根据歌唱难度系数，对歌曲进行分类，以得到不同歌唱难度系数的歌曲列表。当然，歌唱难度系数还可以应用其他歌曲处理场景中。请参见图5，为本申请实施例提供了一种数据处理设备的结构示意图。所述数据处理设备可以是运行于计算机设备中的一个计算机程序(包括程序代码)，例如该数据处理设备为一个应用软件；该设备可以用于执行本申请实施例提供的方法中的相应步骤。如图5所示，本申请实施例的所述数据处理设备1可以包括：数据获取单元11、特征提取单元12、第一系数获取单元13、第二系数获取单元14、难度预测单元15。数据获取单元11，用于从音频集合中获取目标音频数据；特征提取单元12，用于对所述目标音频数据进行特征提取，得到所述目标音频数据的音频特征，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号；第一系数获取单元13，用于根据所述音符号生成所述目标音频数据的音域难度系数；第二系数获取单元14，用于根据所述音符号生成所述目标音频数据的高音难度系数和低音难度系数；难度预测单元15，用于根据所述音域难度系数、所述高音难度系数和所述低音难度系数预测所述目标音频数据的歌唱难度。请参见图5，本申请实施例的所述数据获取单元11可以包括：数据获取子单元111、状态检测子单元112、数据预处理子单元113；数据获取子单元111，用于从音频集合中获取待处理音频数据；状态检测子单元112，用于根据所述待处理音频数据的数据量和音频特征，检测所述待处理音频数据的状态信息；数据预处理子单元113，用于若所述待处理音频数据的状态信息为正常状态，将所述待处理音频数据进行预处理，得到所述待处理音频数据对应的目标音频数据。所述数据获取子单元111具体用于：获取所述待处理音频数据的数据量和通道数；若所述待处理音频数据的数据量大于或等于数据阈值，且所述通道数与所述待处理音频数据的固有通道数相同，将所述待处理音频数据的状态信息确定为正常状态；若所述待处理音频数据的数据量小于数据阈值，或者所述通道数与所述待处理音频数据的固有通道数不相同，将所述待处理音频数据的状态信息确定为异常状态。所述数据预处理子单元113具体用于：对所述待处理音频数据进行采样，获取所述每个采样点的音量值；将音量值小于音量阈值的采样点从所述待处理音频数据中删除，以得到目标音频数据。所述第一系数获取单元13具体用于：获取所述目标音频数据中最大音符号和最小音符号的差值，根据所述差值生成所述目标音频数据的音域跨度系数；获取所述目标音频数据的音符号的一阶差分信息，根据所述一阶差分信息确定所述目标音频数据的音域变化系数；将所述音域跨度系数和所述音域变化系数之和确定为所述目标音频数据的音域难度系数。请参见图5，本申请实施例的所述第二系数获取单元14可以包括：音符区分子单元141、第二系数获取子单元142；音符区分子单元141，用于根据所述音符号，区分所述目标音频数据中的高音音符号以及低音音符号；第二系数获取子单元142，用于根据高音音符号与难度系数之间的预设对应关系，确定所述目标音频数据中高音音符号的难度系数，并根据低音音符号与难度系数之间的预设对应关系，确定所述目标音频数据中低音音符号的难度系数；基于所述目标音频数据中高音音符号的难度系数，得到所述目标音频数据的高音难度系数，并基于所述目标音频数据中低音音符号的难度系数，得到所述目标音频数据的低音难度系数。所述音符区分子单元141具体用于：获取所述目标音频数据对应的标准音域，将标准音域中的最高音调对应的音符号确定为最高音符号，将标准音域中的最低音调对应的音符号确定为最低音符号；将所述目标音频数据中高于所述最高音符号的音符号确定为高音音符号，将所述目标音频数据中小于所述最低音符号的音符号确定为低音音符号。所述难度预测单元15具体用于：获取所述音域难度系数、所述高音难度系数和所述低音难度系数分别对应的权重系数；根据所述音域难度系数及对应的权重系数、所述高音难度系数及对应的权重系数和所述低音难度系数及对应的权重系数生成所述目标音频数据的歌唱难度系数；所述歌唱难度系数用于表征所述目标音频数据的歌唱难度。在本申请实施例中，通过从音频集合中获取待处理音频数据；将所述待处理音频数据进行预处理，生成所述待处理音频数据对应的目标音频数据；对所述目标音频数据进行特征提取，生成所述目标音频数据的音频特征，根据音频特征和音符号之间的预设转换关系，将所述音频特征转换为音符号；根据所述音符号生成所述目标音频数据的音域难度系数；根据所述音符号生成所述目标音频数据的高音难度系数和低音难度系数；根据所述音域难度系数、所述高音难度系数和所述低音难度系数预测所述目标音频数据的歌唱难度。通过对歌曲设置难度系数，避免了用户需要花较长时间选择歌曲的问题，提高了用户对歌曲选择的效率。或者，可以根据歌唱难度系数，对歌曲进行分类，以得到不同歌唱难度系数的歌曲列表。当然，歌唱难度系数还可以应用其他歌曲处理场景中。请参见图6，为本申请实施例提供了一种计算机设备的结构示意图。如图6所示，所述计算机设备1000可以包括：至少一个处理器1001，例如cpu，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。其中，用户接口1003可以包括显示屏(display)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是随机存取存储器(randomaccessmemory，ram)，也可以是非易失性存储器(non-volatilememory，nvm)，例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图6所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及数据处理应用程序。在图6所示的计算机设备1000中，网络接口1004可提供网络通讯功能，用户接口1003主要用于为用户提供输入的接口；而处理器1001可以用于调用存储器1005中存储的数据处理应用程序，以实现上述图2-图4任一个所对应实施例中对所述数据处理方法的描述，在此不再赘述。应当理解，本申请实施例中所描述的计算机设备1000可执行前文图2-图4任一个所对应实施例中对所述数据处理方法的描述，也可执行前文图5所对应实施例中对所述数据处理设备的描述，在此不再赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。此外，这里需要指出的是：本申请实施例还提供了一种计算机可读存储介质，且所述计算机可读存储介质中存储有前文提及的数据处理设备所执行的计算机程序，且所述计算机程序包括程序指令，当所述处理器执行所述程序指令时，能够执行前文图2-图4任一个所对应实施例中对所述数据处理方法的描述，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。作为示例，程序指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行，分布在多个地点且通过通信网络互连的多个计算设备可以组成区块链系统。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、nvm或ram等。以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。当前第1页12