公开(公告)号：US20080097754A1

公开(公告)日：2008-04-24

申请号：US11834778

申请日：2007-08-07

申请人： Masataka Goto ,  Hiromasa Fujihara ,  Hiroshi Okuno

发明人： Masataka Goto ,  Hiromasa Fujihara ,  Hiroshi Okuno

IPC分类号： G10L15/04

CPC分类号： G10L15/26 ,  G10L15/187

摘要： An automatic system for temporal alignment between a music audio signal and lyrics is provided. The automatic system can prevent accuracy for temporal alignment from being lowered due to the influence of non-vocal sections. Alignment means of the system is provided with a phone model for singing voice that estimates phonemes corresponding to temporal-alignment features or features available for temporal alignment. The alignment means receives temporal-alignment features outputted from temporal-alignment feature extraction means, information on the vocal and non-vocal sections outputted from vocal section estimation means, and a phoneme network, and performs an alignment operation on condition that no phoneme exists at least in non-vocal sections.

摘要翻译： 提供了一种用于音乐音频信号和歌词之间的时间对准的自动系统。 自动系统可以防止由于非声部分的影响而使时间对准的精度降低。 系统的对准装置被提供有用于歌唱声音的电话模型，该模型估计对应于可用于时间对准的时间对准特征或特征的音素。 对准装置接收从时间对准特征提取装置输出的时间对准特征，从声部部分估计装置输出的声部和非声部的信息和音素网络，并且在没有音素存在的条件下执行对准操作 至少在非声部。

公开(公告)号：US08880409B2

公开(公告)日：2014-11-04

申请号：US12866159

申请日：2009-02-05

申请人： Hiromasa Fujihara ,  Masataka Goto

发明人： Hiromasa Fujihara ,  Masataka Goto

IPC分类号： G10L21/00 ,  G10L15/26 ,  G10L25/90

CPC分类号： G10L15/265 ,  G10L15/26 ,  G10L25/90 ,  G10L2015/025

摘要： A system provided herein may perform automatic temporal alignment between music audio signal and lyrics with higher accuracy than ever. A non-fricative section extracting 4 extracts non-fricative sound sections, where no fricative sounds exist, from the music audio signal. An alignment portion 17 includes a phone model 15 for singing voice capable of estimating phonemes corresponding to temporal-alignment features. The alignment portion 17 performs an alignment operation using as inputs temporal-alignment features obtained from a temporal-alignment feature extracting portion 11, information on vocal and non-vocal sections obtained from a vocal section estimating portion 9, and a phoneme network SN on conditions that no phonemes exist at least in non-vocal sections and that no fricative phonemes exist in non-fricative sound sections.

摘要翻译： 这里提供的系统可以以比以往更高的精度执行音乐音频信号和歌词之间的自动时间对准。 非音乐部分提取4从音乐音频信号中提取不含摩擦音的非摩擦声部分。 对准部分17包括用于歌唱能够估计与时间对准特征对应的音素的语音的电话模型15。 对准部分17使用从时间对准特征提取部分11获得的时间对准特征作为输入，从声部分估计部分9获得的关于声乐和非声部分的信息以及音调网络SN在条件下进行对准操作 至少在非声部分中不存在音素，并且在非摩擦声部分中不存在摩擦音素。

公开(公告)号：US20110054910A1

公开(公告)日：2011-03-03

申请号：US12866159

申请日：2009-02-05

申请人： Hiromasa Fujihara ,  Masataka Goto

发明人： Hiromasa Fujihara ,  Masataka Goto

IPC分类号： G10L21/00

CPC分类号： G10L15/265 ,  G10L15/26 ,  G10L25/90 ,  G10L2015/025

摘要： A system provided herein may perform automatic temporal alignment between music audio signal and lyrics with higher accuracy than ever. A non-fricative section extracting 4 extracts non-fricative sound sections, where no fricative sounds exist, from the music audio signal. An alignment portion 17 includes a phone model 15 for singing voice capable of estimating phonemes corresponding to temporal-alignment features. The alignment portion 17 performs an alignment operation using as inputs temporal-alignment features obtained from a temporal-alignment feature extracting portion 11, information on vocal and non-vocal sections obtained from a vocal section estimating portion 9, and a phoneme network SN on conditions that no phonemes exist at least in non-vocal sections and that no fricative phonemes exist in non-fricative sound sections.

摘要翻译： 这里提供的系统可以以比以往更高的精度执行音乐音频信号和歌词之间的自动时间对准。 非音乐部分提取4从音乐音频信号中提取不含摩擦音的非摩擦声部分。 对准部分17包括用于歌唱能够估计与时间对准特征对应的音素的语音的电话模型15。 对准部分17使用从时间对准特征提取部分11获得的时间对准特征作为输入，从声部分估计部分9获得的关于声乐和非声部分的信息以及音调网络SN在条件下进行对准操作 至少在非声部分中不存在音素，并且在非摩擦声部分中不存在摩擦音素。

公开(公告)号：US08271112B2

公开(公告)日：2012-09-18

申请号：US12183432

申请日：2008-07-31

申请人： Hiromasa Fujihara ,  Masataka Goto

发明人： Hiromasa Fujihara ,  Masataka Goto

IPC分类号： G06F17/00

CPC分类号： G06F17/30758 ,  G06F17/30743 ,  G06F17/30769 ,  G10H1/0008 ,  G10H2210/031 ,  G10H2240/141

摘要： A music information retrieval system of the present invention can retrieve unknown songs including singing voices having similar voice timbres. Voice timbre features of the songs and identifiers for the respective songs are stored in voice timbre feature storage section 2. When one of the songs is selected, similarity calculation section 3 calculates voice timbre similarities between the selected song and the respective remaining songs, based on voice timbre features of the selected song and the other songs. Similar song retrieval and display section 5 displays on a display 10 a plurality of identifiers for songs which are similar to the selected song in voice timbre. Song data reproduction section 6 reproduces song data corresponding to one or more identifiers selected from among the plurality of identifiers displayed on the display 10.

摘要翻译： 本发明的音乐信息检索系统可以检索包括具有相似语音音色的歌声的未知歌曲。 各个歌曲的歌曲和标识符的语音音色特征被存储在语音音色特征存储部分2中。当相关度计算部分3中的一个被选择时，相似度计算部分3根据所选择的歌曲和相应的剩余歌曲之间的语音音色相似度，基于 所选歌曲和其他歌曲的语音音色功能。 类似的歌曲检索和显示部分5在显示器10上显示与语音中的所选歌曲类似的歌曲的多个标识符。 歌曲数据再现部分6再现与从显示器10上显示的多个标识符中选出的一个或多个标识符对应的歌曲数据。

公开(公告)号：US08005666B2

公开(公告)日：2011-08-23

申请号：US11834778

申请日：2007-08-07

申请人： Masataka Goto ,  Hiromasa Fujihara ,  Hiroshi Okuno

发明人： Masataka Goto ,  Hiromasa Fujihara ,  Hiroshi Okuno

IPC分类号： G10L11/14 ,  G10L11/06 ,  G10L15/14 ,  G10H1/36

CPC分类号： G10L15/26 ,  G10L15/187

摘要： An automatic system for temporal alignment between a music audio signal and lyrics is provided. The automatic system can prevent accuracy for temporal alignment from being lowered due to the influence of non-vocal sections. Alignment means of the system is provided with a phone model for singing voice that estimates phonemes corresponding to temporal-alignment features or features available for temporal alignment. The alignment means receives temporal-alignment features outputted from temporal-alignment feature extraction means, information on the vocal and non-vocal sections outputted from vocal section estimation means, and a phoneme network, and performs an alignment operation on condition that no phoneme exists at least in non-vocal sections.

摘要翻译： 提供了一种用于音乐音频信号和歌词之间的时间对准的自动系统。 自动系统可以防止由于非声部的影响而使时间对准的精度降低。 系统的对准装置被提供有用于歌唱声音的电话模型，该模型估计对应于可用于时间对准的时间对准特征或特征的音素。 对准装置接收从时间对准特征提取装置输出的时间对准特征，从声部部分估计装置输出的声部和非声部的信息和音素网络，并且在没有音素存在的条件下执行对准操作 至少在非声部。

公开(公告)号：US20090132077A1

公开(公告)日：2009-05-21

申请号：US12183432

申请日：2008-07-31

申请人： Hiromasa Fujihara ,  Masataka Goto

发明人： Hiromasa Fujihara ,  Masataka Goto

IPC分类号： G06F17/30 ,  G06F17/00 ,  G06F7/20

CPC分类号： G06F17/30758 ,  G06F17/30743 ,  G06F17/30769 ,  G10H1/0008 ,  G10H2210/031 ,  G10H2240/141

摘要： A music information retrieval system of the present invention can retrieve unknown songs including singing voices having similar voice timbres. Voice timbre features of the songs and identifiers for the respective songs are stored in voice timbre feature storage section 2. When one of the songs is selected, similarity calculation section 3 calculates voice timbre similarities between the selected song and the respective remaining songs, based on voice timbre features of the selected song and the other songs. Similar song retrieval and display section 5 displays on a display 10 a plurality of identifiers for songs which are similar to the selected song in voice timbre. Song data reproduction section 6 reproduces song data corresponding to one or more identifiers selected from among the plurality of identifiers displayed on the display 10.

摘要翻译： 本发明的音乐信息检索系统可以检索包括具有相似语音音色的歌声的未知歌曲。 各个歌曲的歌曲和标识符的语音音色特征被存储在语音音色特征存储部分2中。当相关度计算部分3中的一个被选择时，相似度计算部分3根据所选择的歌曲和相应的剩余歌曲之间的语音音色相似度，基于 所选歌曲和其他歌曲的语音音色功能。 类似的歌曲检索和显示部分5在显示器10上显示与语音中的所选歌曲类似的歌曲的多个标识符。 歌曲数据再现部分6再现与从显示器10上显示的多个标识符中选出的一个或多个标识符对应的歌曲数据。