本技術涉及計算機，特別是涉及一種歌曲評分模型訓練方法和歌曲評分方法、裝置、計算機設備、存儲介質和計算機程序產(chǎn)品。

背景技術：

1、歌唱評分可以通過對評價對象的歌聲音頻進行音色、音準、節(jié)奏、氣息、顫音、滑音、情感等維度的分析，得到一個綜合評分，該綜合評分可以使評價對象了解到自己演唱的長處和不足，增加k歌的趣味性。例如，不同用戶演唱同一首歌曲時，可以通過分析每個用戶的演唱表現(xiàn)確定每個用戶的演唱評分，從而選出獲勝方。

2、傳統(tǒng)技術通過歌曲評分訓練相關模型，然后借助訓練后的模型確定歌曲的歌曲評分，然而，傳統(tǒng)技術僅通過分析和學習歌曲與對應的具體分數(shù)之間的關系實現(xiàn)歌曲評分，當分數(shù)無法完全覆蓋各個分段時，傳統(tǒng)技術無法學習到不同分段的差異，且基于不同評分標準得到的歌曲評分也會導致最終得到的歌曲評分存在不準確的現(xiàn)象，不利于提高歌曲評分的準確性。

技術實現(xiàn)思路

1、基于此，有必要針對上述技術問題，提供一種能夠提高歌曲評分的準確性的歌曲評分方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產(chǎn)品。

2、第一方面，本技術提供了一種歌曲評分模型訓練方法，所述歌曲評分模型包括音頻特征提取模型和評論特征提取模型，包括：

3、獲取第一樣本歌曲的歌曲音頻信息，以及所述第一樣本歌曲的評論信息，并獲取與所述第一樣本歌曲不同的第二樣本歌曲的評論信息；

4、將所述歌曲音頻信息輸入待訓練的音頻特征提取模型，得到所述第一樣本歌曲的歌曲音頻特征，以及將所述第一樣本歌曲的評論信息和所述第二樣本歌曲的評論信息輸入待訓練的評論特征提取模型，以基于所述第一樣本歌曲的評論信息得到所述第一樣本歌曲的評論特征以及基于所述第二樣本歌曲的評論信息得到所述第二樣本歌曲的評論特征；

5、根據(jù)所述第一樣本歌曲的歌曲音頻特征與所述第一樣本歌曲的評論特征之間的相似程度，以及所述第一樣本歌曲的歌曲音頻特征與所述第二樣本歌曲的評論特征之間的相似程度，訓練待訓練的歌曲評分模型，得到訓練完成的歌曲評分模型。

6、在其中一個實施例中，所述第一樣本歌曲的評論信息包括第一類型的評論信息和第二類型的評論信息；所述第二樣本歌曲的評論信息包括所述第一類型的評論信息和所述第二類型的評論信息；所述第一類型表征評論信息為用戶通過音樂平臺輸入得到，所述第二類型表征評論信息基于專家經(jīng)驗得到；

7、所述根據(jù)所述第一樣本歌曲的歌曲音頻特征與所述第一樣本歌曲的評論特征之間的相似程度，以及所述第一樣本歌曲的歌曲音頻特征與所述第二樣本歌曲的評論特征之間的相似程度，訓練待訓練的歌曲評分模型，包括：

8、將所述第一樣本歌曲的歌曲音頻信息、所述第一樣本歌曲的第一類型的評論信息和所述第二樣本歌曲的第一類型的評論信息輸入待訓練的歌曲評分模型，以基于所述第一樣本歌曲的歌曲音頻信息得到所述第一樣本歌曲的歌曲音頻特征、基于所述第一樣本歌曲的第一類型的評論信息得到所述第一樣本歌曲的第一類型評論特征，以及基于所述第二樣本歌曲的第一類型的評論信息得到所述第二樣本歌曲的第一類型評論特征；

9、將所述第一樣本歌曲的歌曲音頻信息、所述第一樣本歌曲的第二類型的評論信息和所述第二樣本歌曲的第二類型的評論信息輸入待訓練的歌曲評分模型，以基于所述第一樣本歌曲的歌曲音頻信息得到所述第一樣本歌曲的歌曲音頻特征、基于所述第一樣本歌曲的第二類型的評論信息得到所述第一樣本歌曲的第二類型評論特征，以及基于所述第二樣本歌曲的第二類型的評論信息得到所述第二樣本歌曲的第二類型評論特征；

10、至少根據(jù)所述第一樣本歌曲的歌曲音頻特征、所述第一樣本歌曲的第一類型評論特征、所述第一樣本歌曲的第二類型評論特征、所述第二樣本歌曲的第一類型評論特征、所述第二樣本歌曲的第二類型評論特征，訓練待訓練的歌曲評分模型。

11、在其中一個實施例中，所述至少根據(jù)所述第一樣本歌曲的歌曲音頻特征、所述第一樣本歌曲的第一類型評論特征、所述第一樣本歌曲的第二類型評論特征、所述第二樣本歌曲的第一類型評論特征、所述第二樣本歌曲的第二類型評論特征，訓練待訓練的歌曲評分模型，包括：

12、根據(jù)所述第一樣本歌曲的歌曲音頻特征與所述第一樣本歌曲的第一類型評論特征之間的第一相似程度、所述第一樣本歌曲的歌曲音頻特征與所述第二樣本歌曲的第一類型評論特征之間的第二相似程度、所述第一樣本歌曲的歌曲音頻特征與所述第一樣本歌曲的第二類型評論特征之間的第三相似程度，以及所述第一樣本歌曲的歌曲音頻特征與所述第二樣本歌曲的第二類型評論特征之間的第四相似程度，訓練所述待訓練的歌曲評分模型。

13、在其中一個實施例中，所述至少根據(jù)所述第一樣本歌曲的歌曲音頻特征、所述第一樣本歌曲的第一類型評論特征、所述第一樣本歌曲的第二類型評論特征、所述第二樣本歌曲的第一類型評論特征、所述第二樣本歌曲的第二類型評論特征，訓練待訓練的歌曲評分模型，包括：

14、根據(jù)所述第一樣本歌曲的歌曲音頻特征與所述第一樣本歌曲的第一類型評論特征之間的第一相似程度，以及所述第一樣本歌曲的歌曲音頻特征與所述第二樣本歌曲的第一類型評論特征之間的第二相似程度，對所述待訓練的歌曲評分模型進行訓練，得到初步訓練的歌曲評分模型；

15、根據(jù)所述第一樣本歌曲的歌曲音頻特征與所述第一樣本歌曲的第二類型評論特征之間的第三相似程度，以及所述第一樣本歌曲的歌曲音頻特征與所述第二樣本歌曲的第二類型評論特征之間的第四相似程度，對所述初步訓練的歌曲評分模型進行訓練。

16、第二方面，本技術還提供了一種歌曲評分方法，包括：

17、將待評分歌曲輸入預訓練的歌曲評分模型，以提取所述待評分歌曲的歌曲音頻特征；其中所述預訓練的歌曲評分模型由所述的歌曲評分模型訓練方法訓練得到；

18、在預設的評論數(shù)據(jù)庫中，確定出評論特征與所述待評分歌曲的歌曲音頻特征滿足預設的相似程度條件的至少一條評論信息作為目標評論信息；其中，所述評論數(shù)據(jù)庫中評論信息的評論特征由所述預訓練的歌曲評分模型得到；

19、根據(jù)各所述目標評論信息對應的評分信息，確定所述待評分歌曲的歌曲評分。

20、在其中一個實施例中，所述將待評分歌曲輸入預訓練的歌曲評分模型，以提取所述待評分歌曲的歌曲音頻特征，包括：

21、通過所述歌曲評分模型中的音頻特征提取模型中的特征映射網(wǎng)絡將所述待評分歌曲的歌曲音頻信息映射至預設空間，得到所述歌曲音頻信息對應的映射特征；

22、通過所述音頻特征提取模型中的特征轉換網(wǎng)絡將所述歌曲音頻信息對應的映射特征轉換為所述待評分歌曲的歌曲音頻特征。

23、在其中一個實施例中，所述根據(jù)各所述目標評論信息對應的評分信息，確定所述待評分歌曲的歌曲評分，包括：

24、根據(jù)各所述目標評論信息對應的權重信息，對各所述目標評論信息對應的評分信息進行加權求和，得到所述待評分歌曲的歌曲評分。

25、第三方面，本技術還提供了一種歌曲評分模型訓練裝置，所述歌曲評分模型包括音頻特征提取模型和評論特征提取模型，包括：

26、獲取模塊，用于獲取第一樣本歌曲的歌曲音頻信息，以及所述第一樣本歌曲的評論信息，并獲取與所述第一樣本歌曲不同的第二樣本歌曲的評論信息；

27、提取模塊，用于將所述歌曲音頻信息輸入待訓練的音頻特征提取模型，得到所述第一樣本歌曲的歌曲音頻特征，以及將所述第一樣本歌曲的評論信息和所述第二樣本歌曲的評論信息輸入待訓練的評論特征提取模型，以基于所述第一樣本歌曲的評論信息得到所述第一樣本歌曲的評論特征以及基于所述第二樣本歌曲的評論信息得到所述第二樣本歌曲的評論特征；

28、訓練模塊，用于根據(jù)所述第一樣本歌曲的歌曲音頻特征與所述第一樣本歌曲的評論特征之間的相似程度，以及所述第一樣本歌曲的歌曲音頻特征與所述第二樣本歌曲的評論特征之間的相似程度，訓練待訓練的歌曲評分模型，得到訓練完成的歌曲評分模型。

29、第四方面，本技術還提供了一種計算機設備。所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的方法的步驟。

30、第五方面，本技術還提供了一種計算機可讀存儲介質。所述計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的方法的步驟。

31、第六方面，本技術還提供了一種計算機程序產(chǎn)品。所述計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的方法的步驟。

32、上述歌曲評分模型訓練方法、歌曲評分方法、裝置、計算機設備、存儲介質和計算機程序產(chǎn)品，利用樣本歌曲的音頻信息和樣本歌曲對應的評論，訓練歌曲評分模型，以使歌曲評分模型學習到歌曲音頻與對應的評論之間的關聯(lián)性，從而基于預訓練的歌曲評分模型，準確篩選出待評分歌曲對應的目標評論，從而從評論數(shù)據(jù)庫中準確篩選出與待評分歌曲的歌曲音頻特征之間滿足預設的相似程度條件的至少一個目標評論，并結合各目標評論對應的評分信息，確定待評分歌曲的歌曲評分?？梢姳炯夹g實施例能夠從歌曲評論的角度出發(fā)，分析歌曲評論與歌曲音頻之間的關聯(lián)程度進行歌曲評分，使歌曲評分不停留于純音頻分析，無需嚴格的分數(shù)量化機制，通過充分利用評論信息，對歌曲進行更加靈活多變的評分，進而提高歌曲評分的準確性。