技术特征：
1.一种歌曲的特征提取模型训练方法，其特征在于，所述方法包括：获取训练集中待训练音频片段的第一目标嵌入向量，所述第一目标嵌入向量为所述待训练音频片段的频域特征向量；获取所述训练集中待训练音频片段的第一歌词向量；将对应于待训练音频片段的所述第一目标嵌入向量和所述第一歌词向量，输入至初始神经网络的编码层，得到对应于待训练音频片段的融合向量；将待训练音频片段的所述融合向量输入至所述初始神经网络的解码层，得到对应的第二目标嵌入向量和第二歌词向量；基于所述第二目标嵌入向量、所述第一目标嵌入向量、所述第二歌词向量及所述第一歌词向量计算目标损失值；根据所述目标损失值更新所述初始神经模型的模型参数，得到更新后的神经网络模型；若所述更新后的神经网络模型符合收敛条件，则输出所述更新后的神经网络模型中的编码层作为特征提取模型。2.根据权利要求1所述的训练方法，其特征在于，若所述更新后的神经网络模型不符合收敛条件，则从所述训练集中获取另外的待训练音频片段，并返回执行所述获取训练集中待训练音频片段的第一目标嵌入向量的步骤，直至所述更新后的神经网络模型符合收敛条件。3.根据权利要求1所述的训练方法，其特征在于，所述基于所述第二目标嵌入向量、所述第一目标嵌入向量、所述第二歌词向量及所述第一歌词向量计算目标损失值，包括：根据预设的损失函数，分别计算所述第二目标嵌入向量和所述第一目标嵌入向量之间的第一损失，以及所述第二歌词向量与所述第一歌词向量之间的第二损失；根据所述第一损失和所述第二损失，计算所述目标损失值。4.根据权利要求1所述的训练方法，其特征在于，所述获取训练集中待训练音频片段的第一目标嵌入向量，包括：将训练集中的所述待训练音频片段执行时域与频域之间的特征转换，以获取所述待训练音频片段的的频域特征；将所述待训练音频片段的的频域特征输入至kdtn神经网络，得到所述待训练音频片段的第一目标嵌入向量。5.根据权利要求1所述的训练方法，其特征在于，所述获取所述训练集中待训练音频片段的第一歌词向量，包括：将训练集中的所述待训练音频片段的音频特征转换为文本特征，以提取出所述待训练音频片段的歌词；将所述待训练音频片段的歌词输入至文本嵌入模型，以得到所述待训练音频片段的第一歌词向量。6.一种歌曲识别方法，其特征在于，所述方法包括：获取目标音频片段；提取出所述目标音频片段的歌词向量；提取出所述目标音频片段的目标嵌入向量；
将所述目标音频片段的歌词向量和目标嵌入向量输入至如权利要求1至5中任一项所述的特征提取模型，得到所述目标音频片段的融合向量；根据所述目标音频片段的融合向量，与数据库中每首歌曲的多个音频片段分别对应的多个融合向量，识别出与所述目标音频片段最相似的歌曲。7.根据权利要求6所述的歌曲识别方法，其特征在于，在所述根据所述目标音频片段的融合向量，与数据库中每首歌曲的多个音频片段分别对应的多个融合向量，识别出与所述目标音频片段最相似的歌曲之前，所述方法还包括：获取数据库中每首歌曲的多个音频片段中的每个音频片段对应的第三歌词向量和第三目标嵌入向量；将所述第三歌词向量和所述第三目标嵌入向量输入至所述特征提取模型，以得到与所述数据库中每首歌曲的多个音频片段分别对应的多个融合向量。8.根据权利要求6所述的歌曲识别方法，其特征在于，所述根据所述目标音频片段的融合向量，与数据库中每首歌曲的多个音频片段分别对应的多个融合向量，识别出与所述目标音频片段最相似的歌曲，包括：分别计算出所述目标音频片段的融合向量，与所述数据库中每首歌曲的多个音频片段分别对应的多个融合向量之间的多个相似度分数；根据所述多个相似度分数和预设的判断阈值，识别出与所述目标音频片段最相似的歌曲。9.根据权利要求8所述的歌曲识别方法，其特征在于，所述根据所述多个相似度分数和预设的判断阈值，识别出与所述目标音频片段最相似的歌曲，包括：将所述目标音频片段与所述数据库中每首歌曲的多个音频片段之间的所述多个相似度分数，输入至深度记忆神经网络，以得到所述目标音频片段与每首歌曲之间的目标相似度分数；根据所述目标相似度分数和所述预设的判断阈值，识别出与所述目标音频片段最相似的歌曲。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，用于实现权利要求1至5中任一项所述的歌曲的特征提取模型的训练方法，或权利要求6至9中任一项所述的歌曲识别方法。11.一种电子设备，包括：存储器、处理器、电源模块、传感器模块、输入/输出模块，其特征在于，所述处理器在执行存储于存储器上的计算机程序时，用于实现权利要求1至5中任一项所述的歌曲的特征提取模型的训练方法，或权利要求6至9中任一项所述的歌曲识别方法。
技术总结
本发明实施例提供了一种歌曲的特征提取模型训练方法、歌曲识别方法及相关设备，用于提升对歌曲识别的准确率。本申请实施例中歌曲的识别方法，包括：获取目标音频片段；提取出所述目标音频片段的歌词向量；提取出所述目标音频片段的目标嵌入向量；将所述目标音频片段的歌词向量和目标嵌入向量输入至特征提取模型，得到所述目标音频片段的融合向量；根据所述目标音频片段的融合向量，与数据库中每首歌曲的多个音频片段分别对应的多个融合向量，识别出与所述目标音频片段最相似的歌曲。与所述目标音频片段最相似的歌曲。与所述目标音频片段最相似的歌曲。
技术研发人员：谭志力 孔令城
受保护的技术使用者：腾讯音乐娱乐科技（深圳）有限公司
技术研发日：2021.08.06
技术公布日：2021/11/14