本發(fā)明涉及聲樂訓(xùn)練，具體為一種聲樂發(fā)音訓(xùn)練系統(tǒng)。

背景技術(shù)：

1、在當(dāng)今社會，聲樂發(fā)音訓(xùn)練受到越來越多人的關(guān)注和重視，隨著人們對藝術(shù)和文化追求的不斷提高，無論是專業(yè)的聲樂從業(yè)者，還是業(yè)余的音樂愛好者，都希望能夠提升自己的聲樂發(fā)音水平，聲樂發(fā)音訓(xùn)練一直是音樂領(lǐng)域中的重要組成部分；

2、傳統(tǒng)聲樂發(fā)音訓(xùn)練系統(tǒng)通常為所有訓(xùn)練人員提供相同的訓(xùn)練方案，未考慮個體差異，缺乏精準(zhǔn)的差異系數(shù)分析，難以明確差距大小，無法據(jù)此制定個性化訓(xùn)練方案，導(dǎo)致訓(xùn)練針對性和有效性不足，影響訓(xùn)練人員的提升效果，經(jīng)常多人共用一套方案，可能使基礎(chǔ)薄弱者難以跟上，而有一定基礎(chǔ)者又覺得過于簡單，為此，我們提出一種聲樂發(fā)音訓(xùn)練系統(tǒng)。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種聲樂發(fā)音訓(xùn)練系統(tǒng)。

2、以解決上述背景技術(shù)中提出的問題，本發(fā)明提供如下技術(shù)方案：一種聲樂發(fā)音訓(xùn)練系統(tǒng)，所述聲樂發(fā)音訓(xùn)練系統(tǒng)包括聲音采集模塊、聲音預(yù)處理模塊、特征提取模塊、模型構(gòu)建模塊、標(biāo)準(zhǔn)發(fā)音數(shù)據(jù)庫模塊、對比分析模塊、評估診斷模塊、個性化訓(xùn)練方案生成模塊以及訓(xùn)練執(zhí)行模塊；

3、聲音采集模塊：負(fù)責(zé)采集訓(xùn)練人員的聲音；

4、聲音預(yù)處理模塊：負(fù)責(zé)對采集到訓(xùn)練人員的聲音進(jìn)行預(yù)處理；

5、特征提取模塊：負(fù)責(zé)從預(yù)處理后的聲音中提取關(guān)鍵特征；

6、模型構(gòu)建模塊：負(fù)責(zé)基于特征提取模塊所提取的特征數(shù)據(jù)，構(gòu)建訓(xùn)練人員的專屬聲音模型；

7、標(biāo)準(zhǔn)發(fā)音數(shù)據(jù)庫模塊：存儲有大量的標(biāo)準(zhǔn)音樂發(fā)音數(shù)據(jù)，涵蓋了多種音樂風(fēng)格和類型的優(yōu)秀發(fā)音范例；

8、對比分析模塊：負(fù)責(zé)連接模型構(gòu)建模塊和聲音采集模塊，詳細(xì)對比訓(xùn)練人員聲音與標(biāo)準(zhǔn)發(fā)音的差異，并計算差異系數(shù)；

9、評估診斷模塊：負(fù)責(zé)根據(jù)對比分析模塊的計算結(jié)果對訓(xùn)練人員的發(fā)音狀況進(jìn)行評估診斷，并生成不同的訓(xùn)練指令；

10、個性化訓(xùn)練方案生成模塊：負(fù)責(zé)依據(jù)評估診斷結(jié)果為訓(xùn)練人員生成個性化的訓(xùn)練方案；

11、訓(xùn)練執(zhí)行模塊：負(fù)責(zé)輔助訓(xùn)練人員按照訓(xùn)練方案進(jìn)行實際訓(xùn)練，提供實時反饋和指導(dǎo)。

12、作為本發(fā)明的進(jìn)一步方案：所述聲音采集模塊包括聲音特征采集單元和聲樂發(fā)聲錄制單元，所述聲音特征采集單元包括neumannu8錄音麥克風(fēng)，通過neumannu8錄音麥克風(fēng)錄制訓(xùn)練人員的聲音，所述neumannu8錄音麥克風(fēng)在錄制訓(xùn)練人員的聲音時會通過其內(nèi)部的傳感器將聲波的機(jī)械能轉(zhuǎn)換為電信號，所述聲音特征采集單元通過模擬-數(shù)字轉(zhuǎn)換器(adc)技術(shù)將電信號轉(zhuǎn)換為數(shù)字信號，便于后續(xù)的數(shù)字處理和分析，在聲音采集過程中，所述聲音特征采集單元采用基于信號處理算法的自適應(yīng)降噪技術(shù)，實時分析環(huán)境噪音的特征，并針對性地進(jìn)行過濾，只保留訓(xùn)練人員的純凈聲音，同時采用多麥克風(fēng)陣列技術(shù)，精確定位聲源，降低噪聲干擾，采用自動增益控制(agc)技術(shù)，根據(jù)聲音的強度自動調(diào)整麥克風(fēng)的增益，確保在不同音量水平下采集聲音的清晰度，所述聲樂發(fā)聲錄制單元用于錄制訓(xùn)練人員選擇訓(xùn)練聲樂的發(fā)音，所述聲樂發(fā)聲錄制單元將錄制的聲樂發(fā)音數(shù)據(jù)經(jīng)過聲音特征采集單元傳輸至對比分析模塊，所述聲音特征采集單元將采集的訓(xùn)練人員聲音數(shù)據(jù)傳輸至聲音預(yù)處理模塊。

13、作為本發(fā)明的進(jìn)一步方案：所述聲音預(yù)處理模塊能夠接收聲音采集模塊傳輸?shù)穆曇魯?shù)據(jù)，聲音預(yù)處理模塊先對聲音數(shù)據(jù)進(jìn)行頻譜分析和噪聲特征提取，識別出噪音的頻率范圍和特征，對于持續(xù)性的背景噪聲，采用長期平均濾波的方法，對于間歇性的突發(fā)噪聲，采用事件觸發(fā)式的降噪處理，可以在保留聲音細(xì)節(jié)的同時，去除高頻噪聲，去除高頻噪聲后聲音預(yù)處理模塊通過信號平滑技術(shù)來糾正聲音失真，使得聲音信號的波形平滑和連續(xù)，所述聲音預(yù)處理模塊會將預(yù)處理后的聲音數(shù)據(jù)傳輸至特征提取模塊。

14、作為本發(fā)明的進(jìn)一步方案：所述特征提取模塊包括時頻分析單元和頻譜分析單元，所述時頻分析單元通過短時傅里葉變換(stft)將聲音信號在時間和頻率兩個維度上進(jìn)行分解，獲取聲音的時頻特征，包括音高隨時間的變化、頻率成分的分布，所述頻譜分析單元通過快速傅里葉變換(fft)算法，計算聲音信號的頻譜，從而獲得聲音的頻率特征，包括主頻、諧波特征，所述頻譜分析單元通過cepstrum分析算法提取聲音信號的音調(diào)特征，通過聲音信號的起止時間來提取聲音信號的時長特征，通過聲音信號的周期性提取聲音信號的節(jié)奏特征，通過聲音信號的頻譜形狀、諧波結(jié)構(gòu)來提取聲音信號的音色特征，通過聲音信號的振幅大小來提取聲音信號的響度特征，所述特征提取模塊會將提取到的聲音特征整理和組織成特征向量的形式，以便后續(xù)的模型構(gòu)建和分析使用。

15、作為本發(fā)明的進(jìn)一步方案：所述模型構(gòu)建模塊選擇卷積神經(jīng)網(wǎng)絡(luò)(cnn)作為神經(jīng)網(wǎng)絡(luò)架構(gòu)構(gòu)建專屬聲音模型，將特征提取模塊提取的訓(xùn)練人員聲音特征數(shù)據(jù)作為輸入數(shù)據(jù)用于對專屬聲音模型進(jìn)行訓(xùn)練，在訓(xùn)練過程中，采用反向傳播算法來計算梯度，并通過adagrad優(yōu)化算法來更新網(wǎng)絡(luò)的參數(shù)，使模型能夠逐漸擬合訓(xùn)練人員的聲音特征，所述模型構(gòu)建模塊在專屬聲音模型訓(xùn)練過程中采用數(shù)據(jù)增強技術(shù)對原始數(shù)據(jù)進(jìn)行隨機(jī)變換來增加數(shù)據(jù)的多樣性，包括添加噪聲和改變音高，從而避免模型過擬合，并且通過l2正則化技術(shù)限制模型的復(fù)雜度，防止模型過度學(xué)習(xí)噪聲，所述模型構(gòu)建模塊將訓(xùn)練人員的聲音特征按照2:2:1的比例劃分為訓(xùn)練集、驗證集和測試集，通過在訓(xùn)練集上進(jìn)行訓(xùn)練，在驗證集上進(jìn)行模型評估和調(diào)整，最終在測試集上驗證模型的性能，將測試集上通過率超過99％的專屬聲音模型確定為終版聲音模型。

16、作為本發(fā)明的進(jìn)一步方案：所述標(biāo)準(zhǔn)發(fā)音數(shù)據(jù)庫模塊包括標(biāo)準(zhǔn)發(fā)音單元和互聯(lián)網(wǎng)單元，所述標(biāo)準(zhǔn)發(fā)音單元存儲有用于教學(xué)的標(biāo)準(zhǔn)音樂發(fā)音數(shù)據(jù)，涵蓋了各種音樂風(fēng)格和類型的優(yōu)秀發(fā)音范例，所述互聯(lián)網(wǎng)單元用于連接互聯(lián)網(wǎng)，可提高音樂搜索窗口，幫助訓(xùn)練人員檢索和下載所需發(fā)音訓(xùn)練音樂，以及保持?jǐn)?shù)據(jù)庫的時效性和先進(jìn)性，所述標(biāo)準(zhǔn)發(fā)音數(shù)據(jù)庫模塊會將訓(xùn)練人員訓(xùn)練的聲樂數(shù)據(jù)傳輸至終版聲音模型，通過終版聲音模型形成與訓(xùn)練人員聲音特征相同的標(biāo)準(zhǔn)聲樂發(fā)音，所述標(biāo)準(zhǔn)發(fā)音數(shù)據(jù)庫模塊將與訓(xùn)練人員聲音特征相同的標(biāo)準(zhǔn)聲樂發(fā)音數(shù)據(jù)傳輸至對比分析模塊。

17、作為本發(fā)明的進(jìn)一步方案：所述對比分析模塊能夠接收聲音采集模塊傳輸?shù)挠?xùn)練人員錄制的聲樂發(fā)音數(shù)據(jù)和標(biāo)準(zhǔn)發(fā)音數(shù)據(jù)庫模塊傳輸?shù)臉?biāo)準(zhǔn)聲樂發(fā)音數(shù)據(jù)，通過快速傅里葉變換(fft)、梅爾頻率倒譜系數(shù)(mfcc)特征提取方法和l?ibrosa、pyaud?io以及essent?ia音頻處理庫和工具提取訓(xùn)練人員錄制的聲樂發(fā)音數(shù)據(jù)和標(biāo)準(zhǔn)聲樂發(fā)音數(shù)據(jù)的聲音數(shù)據(jù)，通過公式計算出訓(xùn)練人員錄制的聲樂發(fā)音數(shù)據(jù)與標(biāo)準(zhǔn)聲樂發(fā)音數(shù)據(jù)的聲音數(shù)據(jù)的差異系數(shù)k0，差異系數(shù)k0的具體計算公式如下：

18、

19、

20、其中：k0表示訓(xùn)練人員錄制的聲樂發(fā)音數(shù)據(jù)與標(biāo)準(zhǔn)聲樂發(fā)音數(shù)據(jù)的聲音數(shù)據(jù)的差異系數(shù)，s1i和s0i分別表示錄制的聲樂發(fā)音每個波段頻率數(shù)和標(biāo)準(zhǔn)聲樂發(fā)音波段頻率數(shù)，l1i和l0i分別表示錄制的聲樂發(fā)音每個波段響度值和標(biāo)準(zhǔn)聲樂發(fā)音波段響度值，c1i和c0i分別表示錄制的聲樂發(fā)音每個波段發(fā)聲時長和標(biāo)準(zhǔn)聲樂發(fā)音波段發(fā)聲時長，b1i和b0i分別表示錄制的聲樂發(fā)音相鄰波段間隔時長和標(biāo)準(zhǔn)聲樂發(fā)音相鄰波段間隔時長，a1和a0分別表示錄制的聲樂發(fā)音和標(biāo)準(zhǔn)聲樂發(fā)音的波段數(shù)；

21、所述對比分析模塊會將訓(xùn)練人員錄制的聲樂發(fā)音數(shù)據(jù)與標(biāo)準(zhǔn)聲樂發(fā)音數(shù)據(jù)的聲音數(shù)據(jù)的差異系數(shù)數(shù)據(jù)傳輸至評估診斷模塊和個性化訓(xùn)練方案生成模塊。

22、作為本發(fā)明的進(jìn)一步方案：所述評估診斷模塊能夠接收對比分析模塊傳輸?shù)臄?shù)據(jù)，并根據(jù)差異系數(shù)k0的數(shù)值進(jìn)行分類評估：

23、當(dāng)k0≤k時，則表示訓(xùn)練人員錄制的聲樂發(fā)音與標(biāo)準(zhǔn)聲樂發(fā)音差異較小，則評估診斷模塊向個性化訓(xùn)練方案生成模塊發(fā)出a類指令；

24、當(dāng)k0>k時，則表示訓(xùn)練人員錄制的聲樂發(fā)音與標(biāo)準(zhǔn)聲樂發(fā)音差異較大，則評估診斷模塊向個性化訓(xùn)練方案生成模塊發(fā)出b類指令。

25、作為本發(fā)明的進(jìn)一步方案：所述個性化訓(xùn)練方案生成模塊設(shè)置有顯示屏幕，所述個性化訓(xùn)練方案生成模塊能夠接收評估診斷模塊傳輸?shù)闹噶顢?shù)據(jù)；

26、當(dāng)個性化訓(xùn)練方案生成模塊接收到a類指令時，個性化訓(xùn)練方案生成模塊則在顯示屏幕上顯示訓(xùn)練人員錄制的聲樂發(fā)音數(shù)據(jù)與標(biāo)準(zhǔn)聲樂發(fā)音數(shù)據(jù)的聲音數(shù)據(jù)，將標(biāo)準(zhǔn)聲樂發(fā)音和錄制的聲樂發(fā)音每個波段頻率數(shù)、每個波段響度值、每個波段發(fā)聲時長以及相鄰波段間隔時長差值超過50％的區(qū)域進(jìn)行標(biāo)紅處理，將差值在15％～50％之間的區(qū)域進(jìn)行標(biāo)黃處理，將差值低于15％的區(qū)域進(jìn)行標(biāo)綠處理；

27、當(dāng)個性化訓(xùn)練方案生成模塊接收到b類指令時，個性化訓(xùn)練方案生成模塊則在顯示屏幕生成六個步驟的訓(xùn)練方案，訓(xùn)練方案按照音調(diào)、時長、節(jié)奏、響度、發(fā)聲位置調(diào)整以及氣息運用技巧六個不同維度進(jìn)行劃分；

28、步驟一：在訓(xùn)練人員錄制的聲樂發(fā)音基礎(chǔ)上加以正確的音調(diào)進(jìn)行展示練習(xí)；

29、步驟二：在步驟一的基礎(chǔ)上加以正確的發(fā)音時長進(jìn)行展示練習(xí)；

30、步驟三：在步驟二的基礎(chǔ)上加以正確的發(fā)音節(jié)奏進(jìn)行展示練習(xí)；

31、步驟四：在步驟三的基礎(chǔ)上加以正確的發(fā)音響度進(jìn)行展示練習(xí)；

32、步驟五：在步驟四的基礎(chǔ)上加以正確的發(fā)聲位置調(diào)整進(jìn)行展示練習(xí)；

33、步驟六：在步驟五的基礎(chǔ)上加以正確的氣息運用技巧進(jìn)行展示練習(xí)。

34、作為本發(fā)明的進(jìn)一步方案：所述訓(xùn)練執(zhí)行模塊通過音頻和視頻的實時監(jiān)測技術(shù)，對訓(xùn)練人員的發(fā)聲進(jìn)行實時捕捉和分析，當(dāng)訓(xùn)練人員的發(fā)音與預(yù)期目標(biāo)存在偏差時，模塊會給出提示和糾正建議，訓(xùn)練執(zhí)行模塊還具備進(jìn)度跟蹤和記錄功能，它會詳細(xì)記錄訓(xùn)練人員每次訓(xùn)練的時間、內(nèi)容、完成情況和發(fā)音表現(xiàn)數(shù)據(jù)，通過對這些數(shù)據(jù)的分析，可以了解訓(xùn)練的效果和進(jìn)展情況，及時發(fā)現(xiàn)問題并調(diào)整訓(xùn)練方案。

35、采用上述技術(shù)方案，與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：

36、1.本發(fā)明通過為訓(xùn)練人員提供高度個性化的訓(xùn)練方案，通過聲音采集模塊采集訓(xùn)練人員的聲音，經(jīng)過聲音預(yù)處理和特征提取后構(gòu)建屬于訓(xùn)練人員的專屬聲音模型，并將標(biāo)準(zhǔn)聲樂發(fā)音數(shù)據(jù)通過訓(xùn)練人員的專屬聲音模型進(jìn)行發(fā)音，這樣能夠直觀地展示出訓(xùn)練人員當(dāng)前的聲樂發(fā)聲與標(biāo)準(zhǔn)聲樂發(fā)聲之間的差異，并通過對比分析模塊分析出訓(xùn)練人員聲音與標(biāo)準(zhǔn)發(fā)音的差異系數(shù)，進(jìn)而清楚地知識差距的大小，并根據(jù)差異的大小個性化制定不同類型的聲樂發(fā)音訓(xùn)練方案，這種個性化的訓(xùn)練方案考慮的不同訓(xùn)練人員之間的個體差異，而非傳統(tǒng)的所有訓(xùn)練人員使用相同的訓(xùn)練方案，進(jìn)一步保證了訓(xùn)練的針對性和有效性；

37、2.本發(fā)明通過聲音采集模塊、聲音預(yù)處理模塊、特征提取模塊以及模型構(gòu)建模塊構(gòu)建專屬于訓(xùn)練人員的聲音模型，通過標(biāo)準(zhǔn)發(fā)音數(shù)據(jù)庫模塊導(dǎo)入標(biāo)注的聲樂數(shù)據(jù)至訓(xùn)練人員的聲音模型，使得能夠產(chǎn)生與訓(xùn)練人員相同音調(diào)的標(biāo)準(zhǔn)聲樂發(fā)音，能夠讓訓(xùn)練人員直觀地判斷在自己相同音色基調(diào)下的正確發(fā)音方式，進(jìn)而直觀判斷出自己的發(fā)聲問題所在，能夠減少不必要的聲樂學(xué)習(xí)訓(xùn)練時間，大大提高聲樂發(fā)聲效率；

38、3.本發(fā)明通過個性化訓(xùn)練方案生成模塊的顯示屏幕，能夠直觀地展示訓(xùn)練方案和差異分析結(jié)果，讓訓(xùn)練人員清晰了解自身的問題和改進(jìn)方向，訓(xùn)練執(zhí)行模塊的實時監(jiān)測、提示和糾正建議功能，以及進(jìn)度跟蹤和記錄功能，使訓(xùn)練人員能夠及時獲得反饋，與系統(tǒng)形成良好的互動，這種便捷性和互動性不僅提高了訓(xùn)練人員的積極性和參與度，還使得訓(xùn)練過程更加有趣和高效，有助于訓(xùn)練人員保持良好的訓(xùn)練狀態(tài)，更快地提升聲樂發(fā)音水平。