买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利一种基于目标检测和语言特征的音符级自动歌唱转录方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118571262B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410790098.9，技术领域涉及：G10L25/54；该发明授权一种基于目标检测和语言特征的音符级自动歌唱转录方法是由孟繁杰;曹颖;曹亚浩设计研发完成，并于2024-06-19向国家知识产权局提交的专利申请。

本一种基于目标检测和语言特征的音符级自动歌唱转录方法在说明书摘要公布了：本发明提供了一种基于目标检测和语言特征的音符级自动歌唱转录方法，包括以下步骤；步骤1：通过Mel变换、音素分类、线性强度映射和切片的预处理方法将一维音频序列转换为具有相似宽高比的二维梅尔频谱图切片和音素后验图切片；步骤2：对梅尔频谱图和音素后验图切片进行目标检测，将目标检测所得边界框左右边界进行后处理和时间调整，再经过决策筛选获得最终起始时间和结束时间；步骤3：以目标检测边界框的下边界为基频，经过峰值搜索获得最终基频，再将最终基频转换获得MIDI音高值。该方法能有效提高音素特征提取效果、提升音素后验图质量以及提升特征提取和分析效果，从而提高转录准确率。

本发明授权一种基于目标检测和语言特征的音符级自动歌唱转录方法在权利要求书中公布了：1.一种基于目标检测和语言特征的音符级自动歌唱转录方法，其特征在于，包括以下步骤； 步骤1：将一维音频序列转换为具有相似宽高比，正方形的二维梅尔频谱图切片和音素后验图切片； 步骤2：对梅尔频谱图切片和音素后验图切片进行目标检测，将目标检测所得边界框左右边界进行后处理和时间调整，再经过决策筛选获得最终起始时间和结束时间； 步骤3：以目标检测边界框的下边界为基频，经过峰值搜索获得最终基频，再将最终基频转换获得MIDI音高值，完成自动歌唱转录； 所述步骤1具体为： 1.1时频转换与音素分类： 采用Mel变换将音频转换成对应梅尔频谱图，作为目标检测模型的输入，然后将梅尔频谱图作为音素分类器的输入，提取语言信息，获得相应音素后验图；把相应音素后验图输入目标检测模型； 1.2线性强度映射： 线性强度映射将单通道的梅尔频谱图转换为三通道的RGB图像，表示为： RGBx,y＝fRsx，y，fGsx，y，fBSx，y 其中Sx,y是单通道频谱图在位置x,y处的强度值，fR、fG和fB是用于将强度值映射到RGB三个通道的函数，分别定义为： fRS＝aR·S+bR fGS＝aG·S+bG fBS＝aB·S+bB 其中aR，aG，aB是比例系数，bR，bG，bB偏移值； 1.3切片生成： 使用自动切片生成算法沿图像的时间轴将其切割成方形的切片，使用ratio来描述切片形状。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。