基于內容下音樂檢索方法的比較研究

王楠鑫 張雨佳

【摘要】音樂為音頻數據的一種，提高音頻數據檢索效率，是改善用戶檢索體驗的主要途徑。本文從音樂內容入手，闡述了基于內容的音樂檢索處理框架。基于此，重點對端點檢測方法，以及語音識別方法進行了比較研究。并根據研究結果，設計了一種基于內容的音樂檢索系統。通過對系統檢索效果的觀察，證實了系統的應用價值。以期能夠為有關人員提供參考。

【關鍵詞】音樂內容；檢索方法；端點檢測；語音識別；優化設計

【中圖分類號】J605 【文獻標識碼】A

一、基于內容的音樂檢索處理框架

音樂檢索的本質，即模仿人的大腦，對聲音進行分析。在此基礎上，根據旋律以及節奏的快慢，對音樂加以分辨的過程。為確保基于內容的音樂檢索有效實現，準確提取歌曲節奏的特征數據，對提取歌曲的基音數據進行對比較為關鍵。具體處理框架，既“特征提取--檢索引擎--查詢結果/繼續提取特征”的這一過程。系統接收到信息后，會對用戶聲音的特征進行提取。采用匹配算法，將用戶的聲音，與系統中音樂的聲音進行匹配，最終將匹配結果，反饋給用戶。將上述檢索方法應用到音樂檢索過程中，使用戶在了解音樂特征的基礎上，實現對音樂的查找。對改善用戶檢索體驗，具有較高的實踐價值。

二、基于內容的音樂檢索方法的比較及優化

（一）端點檢測方法

端點檢測算法，包括門限法端點檢測、噪音檢測以及動態窗長語音檢測三種。以動態窗長語音檢測為例，當開始檢測時，如動態窗較長，檢測系統可隨之進入到過渡段，反復檢測，即可準確的判斷出語音的起始點，進而實現對音樂的檢索。如動態窗較短，則可經由起始點，回到正常窗，實現對音樂的檢索。與英語不同，漢子語音末尾，多為濁音。因此，僅采用短時的能量，即能夠判斷出語音的結尾點，使基于內容的音樂檢索的過程得以實現。

用戶可將動態窗長語音檢測算法，應用到音樂的檢索過程中，對用戶的哼唱音頻進行檢索。假設用戶的哼唱音，為“do、re、mi、fa”，系統可根據對哼唱音頻短時能量的觀察，對短時過零率進行計算。鑒于“fa”中，“f”為清音。因此，如用戶發聲時聲帶未振動，而是產生的收縮。則“fa”的短時能量，通常會有所降低。但該特征，不會對哼唱的過零率產生影響。因此，用戶采用端點檢測方法，以內容為基礎對音樂進行檢索，可取得較好的效果。

（二）語音識別方法

語音識別屬于模式識別的一種，為確保用戶的語音能夠被識別，機器必須具備一定的“理解”以及“響應”能力。目前常用的語音識別技術，主要包括特征提取技術以及模式匹配準則等。各技術的應用，均需經過“選取語音識別單元”的過程。該過程中如下：預處理--提取特征--訓練--模式識別（存儲至模式庫）--結束識別。即當用戶的語音信息，被系統接收后，系統可隨之對其進行預處理。并在提取語音數據特征的基礎上，對其進行訓練。被處理后的語音數據，經模式識別后，既可得到檢索結果。

將語音識別方法，應用到基于內容的音樂檢索過程中，同樣可檢索出用戶所需的音樂。用戶哼唱歌譜時，常用音主要包括“do、re、mi、fa、sol、la、si”共7個。根據音高的不同，各音的特征同樣有所差異。假設語音識別方法僅能夠識別出音符，而無法識別音高，則檢索所得到的結果，準確度通常會存在一定的誤差。為解決上述問題。將低音組音階，與高音組音階，共同影射為14個字符。在此基礎上，實現對音高特征的識別，既能夠得到更加精準的識別結果，進而使音樂檢索效率得以提升。

（三）音樂檢索方法的優化

端點檢測方法，以及語音識別方法，在基于內容的音樂檢索過程中，均具有各自的應用優勢。將兩者的優勢相結合，對音樂檢索系統進行設計，可有效優化系統的檢索性能。本課題所設計的音樂檢索系統，功能主要包括“源音樂庫存儲功能”“人聲端點檢測功能”以及“旋律特征提取功能”三種。當用戶哼唱一段旋律后，系統會隨之對所采集到的哼唱數據的旋律特征進行提取，并以音頻為準，檢索旋律的特征。當明確音樂特征后，系統會隨之將其與源音樂庫中的音樂進行對比。對比無誤后，既可顯示出檢索結果。

為判斷系統是否能夠達到優化音樂檢索性能的目的，本課題對不同檢索方法的檢索成功率進行了對比。將同樣的用戶哼唱音頻，分別采用不同的方法檢索后發現：端點檢測法。34段用戶哼唱音頻中，共30例被成功檢索，檢索準確度為88.23%；語音識別法。34段用戶哼唱音頻中，共29例被成功檢索，檢索準確度為85.29%；本系統功能。34段用戶哼唱音頻中，共34例被成功檢索，檢索準確度為100%。對比發現，將兩種檢索方法，共同應用到音樂檢索過程中，準確度更高。

三、結論

綜上所述，基于內容的音樂檢索方法，主要包括端點檢測法，與語音識別法兩種，兩者各有其優勢。設計人員可充分利用兩種檢測方法在檢索音樂方面存在的優勢，設計更好的系統，實現對音樂的檢索。