黃阿羅李 莽

（1.四川音樂學(xué)院，四川 成都 610021；2.電子科技大學(xué)，四川 成都 611731）

聲樂演唱中音色的評(píng)價(jià)標(biāo)準(zhǔn)在客觀評(píng)價(jià)軟件算法中的運(yùn)用*

黃阿羅1李 莽2

（1.四川音樂學(xué)院，四川 成都 610021；2.電子科技大學(xué)，四川 成都 611731）

本文首先研究了聲樂演唱中主觀音色評(píng)價(jià)的普適標(biāo)準(zhǔn)，然后論述了如何將這些標(biāo)準(zhǔn)進(jìn)行量化和編碼表達(dá)，以輸入智能客觀評(píng)價(jià)軟件的方法。文中簡(jiǎn)要敘述軟件中核心算法的工作原理和實(shí)現(xiàn)方法，以及最終的測(cè)試結(jié)果。本文的核心是建立主觀評(píng)價(jià)與機(jī)器客觀評(píng)價(jià)的關(guān)聯(lián)關(guān)系，使得聲樂演唱的智能評(píng)價(jià)結(jié)果符合主觀評(píng)價(jià)標(biāo)準(zhǔn)，以進(jìn)一步推進(jìn)聲樂智能評(píng)價(jià)系統(tǒng)走向準(zhǔn)確和實(shí)用化。

聲樂演唱；音色評(píng)價(jià)；主觀評(píng)價(jià)；客觀評(píng)價(jià)

聲樂演唱的客觀評(píng)價(jià)是研究采用計(jì)算機(jī)對(duì)演唱錄音進(jìn)行處理的方式，將聲音作為隨時(shí)間變化的物理量，提取其物理特征并完成對(duì)聲音的客觀評(píng)價(jià)的智能信息技術(shù)。針對(duì)聲樂演唱的聲音處理技術(shù)目前也是信號(hào)與信息處理國(guó)際學(xué)術(shù)界研究的熱點(diǎn)，并取得了長(zhǎng)足的發(fā)展?？陀^分析和評(píng)價(jià)軟件可以運(yùn)用到聲樂比賽打分環(huán)節(jié)中，減少人為的偏見和疏漏，也可應(yīng)用到聲樂學(xué)習(xí)的過程中，為演唱者提供實(shí)時(shí)的輔助，以及時(shí)糾正演唱中的不當(dāng)之處，幫助其調(diào)整到最佳的聲音狀態(tài)?？梢灶A(yù)想，機(jī)器客觀評(píng)價(jià)將有可能成為聲樂專業(yè)領(lǐng)域中一個(gè)強(qiáng)有力的工具。

本文就將探尋一種智能的方法來(lái)仿真音色的主觀感受。為此，本文采用了先進(jìn)的人工神經(jīng)網(wǎng)絡(luò)的智能算法來(lái)完成對(duì)音色效果的機(jī)器學(xué)習(xí)和自動(dòng)辨別。具體將采用多層感知器來(lái)建模神經(jīng)網(wǎng)絡(luò)，將人腦對(duì)音色的感受編碼為數(shù)值向量，而在人工神經(jīng)網(wǎng)絡(luò)各層的節(jié)點(diǎn)上完成表達(dá)，完成主觀感受的算法定義。從而可以通過節(jié)點(diǎn)向量模式識(shí)別方式，完成音色評(píng)價(jià)。

本文設(shè)計(jì)的客觀評(píng)價(jià)軟件將借鑒目前國(guó)際上先進(jìn)的智能語(yǔ)音分析算法來(lái)實(shí)現(xiàn)。學(xué)術(shù)界大量的研究和語(yǔ)音處理領(lǐng)域的大量工程應(yīng)用已經(jīng)取得了很好的實(shí)驗(yàn)結(jié)果，因而確保了該軟件具有優(yōu)異的性能，且開發(fā)思路符合聲音演唱的專業(yè)特征。軟件的使用分為學(xué)習(xí)和判斷兩個(gè)階段，軟件在學(xué)習(xí)階段一方面需要輸入主觀評(píng)價(jià)標(biāo)準(zhǔn)的編碼內(nèi)容，另一方面需要大量的樣本來(lái)訓(xùn)練算法的多層感知器。訓(xùn)練的過程是有導(dǎo)師的，即提供答案的。訓(xùn)練是算法迭代運(yùn)算的過程，直至算法收斂到穩(wěn)定地節(jié)點(diǎn)權(quán)值。大樣本訓(xùn)練的結(jié)果是獲得了一個(gè)客觀評(píng)價(jià)標(biāo)準(zhǔn)的表格，它可能以節(jié)點(diǎn)權(quán)值定義的矩陣或關(guān)系數(shù)據(jù)的形式給出并存儲(chǔ)于計(jì)算機(jī)中。軟件在訓(xùn)練學(xué)習(xí)完成之后才算已經(jīng)準(zhǔn)備完畢，可以進(jìn)入測(cè)試階段了。

在這一過程中，研究關(guān)鍵在于評(píng)價(jià)準(zhǔn)則問題，即確?？陀^評(píng)價(jià)的準(zhǔn)則符合主觀標(biāo)準(zhǔn)。顯而易見，聲樂歸根到底是一種人文藝術(shù)，信息技術(shù)只是聲樂評(píng)價(jià)的一個(gè)輔助工具，評(píng)價(jià)的準(zhǔn)則一定是人本位的，是主觀的。于是，如何將聲樂藝術(shù)主觀評(píng)價(jià)的普適部分物化、算法化，而使其具有對(duì)基于信息技術(shù)的聲音客觀評(píng)價(jià)軟件的控制能力，已變成為聲樂智能分析中急需解決的問題。換句話是說，這一問題就是如何完成主觀評(píng)價(jià)的規(guī)則與客觀分析軟件的連接。這就是本文研究的問題和動(dòng)機(jī)。

本文首先討論聲樂演唱中音色的主觀評(píng)價(jià)標(biāo)準(zhǔn)，我們將去除個(gè)性化的內(nèi)容，提煉出一些普適公認(rèn)的標(biāo)準(zhǔn)。進(jìn)一步再討論如何將這些標(biāo)準(zhǔn)物理化、數(shù)學(xué)化，最終令其轉(zhuǎn)化為信息技術(shù)中可以控制代碼運(yùn)行的一組標(biāo)準(zhǔn)控制碼。然后簡(jiǎn)要介紹了聲音客觀評(píng)價(jià)的核心算法工作原理，以及聲樂演唱定制的聲音處理軟件，論述了主觀準(zhǔn)則在處理軟件中如何貫徹和控制，最終讓機(jī)器完成符合主觀標(biāo)準(zhǔn)的聲樂評(píng)價(jià)。論文最后給出了軟件實(shí)驗(yàn)的結(jié)果和分析。

一、聲樂演唱中音色的主觀評(píng)價(jià)標(biāo)準(zhǔn)及其應(yīng)用

目前聲樂演唱的評(píng)價(jià)過程大都是人為的，其評(píng)判結(jié)果都可能帶有各自的偏好和個(gè)性特征。但在藝術(shù)為眾人接受的同時(shí)，也很大程度地具有共性審美標(biāo)準(zhǔn)。聲樂演唱專業(yè)發(fā)展到現(xiàn)在，審美同一性是顯而易見的。因而事實(shí)上已經(jīng)在相當(dāng)大的程度上形成了較為統(tǒng)一的評(píng)判標(biāo)準(zhǔn)，不僅僅多數(shù)評(píng)價(jià)者的主觀審美趨向于這樣一種統(tǒng)一標(biāo)準(zhǔn)，而且大眾取向也影響并認(rèn)可這樣的標(biāo)準(zhǔn)。這樣的同一性是藝術(shù)固有的特征，也是本文研究在客觀評(píng)價(jià)中貫徹統(tǒng)一的主觀標(biāo)準(zhǔn)的可行性前提。因而這部分研究的目的十分明確，即在建立客觀評(píng)價(jià)系統(tǒng)之前，我們應(yīng)明確主觀和客觀兩種評(píng)價(jià)方式的標(biāo)準(zhǔn)是統(tǒng)一的，且均基于聲樂基礎(chǔ)理論并與傳統(tǒng)聲樂演唱共性審美的聽覺標(biāo)準(zhǔn)相吻合。

在聲樂的評(píng)價(jià)系統(tǒng)中，音調(diào)、音色和節(jié)奏是主要的參考指標(biāo)。如果我們將聲音看作是一個(gè)時(shí)間序列，這樣的參考指標(biāo)則是最易于物化的時(shí)間序列特征參數(shù)。在目前的客觀評(píng)價(jià)方式中音準(zhǔn)和節(jié)奏都已經(jīng)有比較多的研究，并已經(jīng)編寫出軟件應(yīng)用于一些娛樂活動(dòng)或比賽參考中。而音色這個(gè)指標(biāo)因?yàn)槠浣５碾y度研究較少，也尚無(wú)一個(gè)比較準(zhǔn)確的評(píng)價(jià)軟件。

本文的核心問題集中于聲樂演唱的音色評(píng)判。但音色是典型的具有多樣性的模糊評(píng)價(jià)指標(biāo)，而且相對(duì)于音準(zhǔn)和節(jié)奏來(lái)說更難以提煉出其物理模型。這也是本文研究的難度所在。

通常情況下，通過正確的發(fā)聲訓(xùn)練，有正常嗓音條件的聲樂學(xué)習(xí)者都能完成相應(yīng)難度的作品。但每個(gè)人都有屬于自己的獨(dú)一無(wú)二的嗓音，每個(gè)人的先天嗓音條件和訓(xùn)練過程的好壞不同都會(huì)造成唱出來(lái)的音色有或多或少的差別。比如那些聲帶寬長(zhǎng)和有力量的嗓音與聲帶細(xì)窄、力量柔弱的嗓音哪怕是經(jīng)過完全相同的訓(xùn)練過程，最終的音色都可能是有極大差別的。在共性審美中有力量、輝煌的音色能引起更多的青睞，而細(xì)、暗的音色則不那么受歡迎。這是本文所構(gòu)建主觀評(píng)價(jià)準(zhǔn)則模型時(shí)考慮的規(guī)則之一。第二，同一個(gè)人演唱不同音區(qū)的音符也具有不同的音質(zhì)。同一聲區(qū)的音質(zhì)更相近。除了先天條件以外，不同的喉頭位置、不同程度的呼吸都會(huì)產(chǎn)生不同的音色效果，通常，喉頭位置低且穩(wěn)定的音色更寬厚和富有金屬感，而喉頭位置高且不穩(wěn)定的音色就細(xì)窄、暗淡。有良好呼吸支持的聲音穩(wěn)定、結(jié)實(shí)，而呼吸支持淺的聲音則虛弱、搖晃，缺乏穩(wěn)定性。以上兩點(diǎn)是本文評(píng)價(jià)音質(zhì)優(yōu)劣的兩個(gè)主要方面，我們會(huì)采用不同的數(shù)值編碼去表達(dá)這兩個(gè)指標(biāo)的好壞，并采用聲樂專業(yè)經(jīng)驗(yàn)加權(quán)來(lái)獲得一個(gè)最終的編碼模型，再將其與多層感知網(wǎng)絡(luò)的節(jié)點(diǎn)狀態(tài)向量對(duì)應(yīng)起來(lái)，以模擬主觀的音色感受。在此過程中我們要對(duì)數(shù)值的方差進(jìn)行歸一化，而且對(duì)其均值進(jìn)行調(diào)整找到好壞的中間點(diǎn)，平衡正負(fù)數(shù)值，以為最終訓(xùn)練完成對(duì)音色的感知奠定基礎(chǔ)。

在如上過程中，識(shí)別問題是評(píng)價(jià)的核心問題和先決步驟。識(shí)別方法是采用對(duì)聲音波形進(jìn)行數(shù)據(jù)分析的途徑。分析方法主要是準(zhǔn)則研究、數(shù)據(jù)建模與算法研究、軟件設(shè)計(jì)等方面。其中最主要的問題是算法研究部分。學(xué)術(shù)界已廣泛開展了識(shí)別算法的研究，目前先進(jìn)的處理算法采用人工神經(jīng)網(wǎng)絡(luò)的方法，通過建立一個(gè)基于人工神經(jīng)網(wǎng)絡(luò)的非線性模型，設(shè)計(jì)相應(yīng)的算法，采用訓(xùn)練序列完成其中參數(shù)和權(quán)值的計(jì)算。基于人工神經(jīng)網(wǎng)絡(luò)進(jìn)行樣本訓(xùn)練之前首先要對(duì)主觀評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行整理和標(biāo)準(zhǔn)化，并進(jìn)行量化和數(shù)學(xué)表述。這一過程建立在主觀評(píng)價(jià)標(biāo)準(zhǔn)基礎(chǔ)上，首先對(duì)每個(gè)音色中各種特征進(jìn)行初步的預(yù)分類。比如，好的音色里包含有良好的泛音、干凈的基音，聲音的振幅小而快，聽覺上是“密度大”、“明亮向上”的聲音形象，而差的音色則會(huì)是不規(guī)則的泛音和雜亂的基音，聲音的振幅大而慢，聽覺上就會(huì)覺得“笨重”或者“虛弱向下”。有的聲音又介于好和差之間，又要區(qū)分到底“好”的因素多還是“差”的因素多，好音色中泛音的因素占了多少，基音的因素占了多少，還有一些無(wú)法描述的感覺占了多少，即應(yīng)當(dāng)不僅僅給出定性的結(jié)果還要給出量化的數(shù)值指標(biāo)。因而我們?cè)跇?gòu)建模擬神經(jīng)網(wǎng)絡(luò)時(shí)都要把每個(gè)維度都考慮進(jìn)去，進(jìn)行量化并完成數(shù)學(xué)表達(dá)。網(wǎng)絡(luò)訓(xùn)練的過程就是將主觀評(píng)價(jià)與網(wǎng)絡(luò)特征量相聯(lián)系在一起，完成單一或復(fù)合特征的提取。提取出的特征與人工神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)連接狀態(tài)匹配相連，不同的音色特征對(duì)應(yīng)不同的節(jié)點(diǎn)狀態(tài)，經(jīng)過多次學(xué)習(xí)訓(xùn)練之后，就形成了和主觀評(píng)價(jià)相一致的一套節(jié)點(diǎn)狀態(tài)和特征量。

從原理上講，人在進(jìn)行主觀評(píng)價(jià)活動(dòng)的時(shí)候，不同的音色會(huì)帶來(lái)不同的神經(jīng)反應(yīng)。比如聽到刺耳的、泛音振動(dòng)比較雜亂的聲音時(shí)，神經(jīng)系統(tǒng)里就會(huì)有相應(yīng)的部分激活、發(fā)熱。而聽到聲音位置高、泛音振動(dòng)有規(guī)律的聲音時(shí)，神經(jīng)系統(tǒng)中的激活、發(fā)熱的部分就會(huì)區(qū)別于聽到另一種聲音。也就是說不同音色造成的不同程度的緊張感和舒悅感。在神經(jīng)元的連接點(diǎn)是有區(qū)別的。這些不同的神經(jīng)元的狀態(tài)，各個(gè)突觸之間不同的連接形式都是客觀評(píng)價(jià)方式可以參照的具體數(shù)據(jù)。這些數(shù)據(jù)被量化到具體的算法中，首先對(duì)單個(gè)聲音進(jìn)行評(píng)價(jià)，即某個(gè)聲音在短時(shí)值的飽滿度、明亮度的分?jǐn)?shù)如何。接著再看這個(gè)聲音在延長(zhǎng)過程中的保持度如何，聲音色彩上有無(wú)衰減和增強(qiáng)，向上向下的程度有多少。對(duì)這些狀態(tài)作出整體評(píng)分后，再看演唱兩個(gè)音的過渡狀態(tài)如何。在一個(gè)音向另一個(gè)音轉(zhuǎn)換時(shí)，有多少音色參數(shù)上的改變，有了對(duì)連接過程的評(píng)分，才能進(jìn)行到對(duì)長(zhǎng)樂句的評(píng)價(jià)。而單個(gè)音的評(píng)價(jià)和對(duì)長(zhǎng)句子的評(píng)價(jià)是有各自相應(yīng)的算法，并不是單個(gè)音的簡(jiǎn)單相加。因此，對(duì)過渡音的評(píng)分就需要更多的參數(shù)來(lái)描述，如泛音振動(dòng)幅度的變大變小、尖銳度的變高變低、飽和度的變濃變淡等。涉及到的維度越多，評(píng)價(jià)的精確性就越高。在進(jìn)行總體音色的評(píng)分之后，對(duì)每一種音色特征也可作出具體評(píng)價(jià)，比如聲音亮度、飽和度、柔和度、金屬感、穿透力等主觀評(píng)價(jià)中常用的評(píng)價(jià)角度。而各個(gè)音色特征對(duì)應(yīng)相應(yīng)的聲樂技術(shù)點(diǎn)，比如聲音的穿透力評(píng)分高的，就對(duì)應(yīng)歌唱呼吸運(yùn)用良好。在兩個(gè)音的連接中，聲音穿透力分?jǐn)?shù)下降，就對(duì)應(yīng)歌唱呼吸動(dòng)力減弱。聲音亮度分?jǐn)?shù)高，就對(duì)應(yīng)聲音位置高。聲音飽和度分?jǐn)?shù)高，就對(duì)應(yīng)歌唱腔體打開充分。這個(gè)階段可稱為反饋或修訂階段，這在聲樂教學(xué)的課后練習(xí)中可以起到“老師”的作用。這個(gè)“老師”可排除自身的其他狀態(tài)等原因，準(zhǔn)確且不辭辛勞的起著指導(dǎo)作用。本文主要以前期的音色特征的評(píng)分為主，以此為基礎(chǔ)，反饋階段可作為下一步的延伸研究。

本文設(shè)計(jì)的客觀評(píng)價(jià)軟件算法中使用到的模型是卷積神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)也被廣泛應(yīng)用于圖像處理和自然語(yǔ)言處理當(dāng)中。目前在這些領(lǐng)域都有較為成熟的成果，它們與音色特征提取在算法上有相通之處，但參數(shù)設(shè)定、訓(xùn)練過程等又有各自的特點(diǎn)。接下來(lái)本文就將介紹具體實(shí)施過程及可能發(fā)生的結(jié)果。

二、客觀評(píng)價(jià)算法原理

在構(gòu)建這個(gè)模擬神經(jīng)網(wǎng)絡(luò)之前，我們需要獲取數(shù)據(jù)和并做好準(zhǔn)備。為此我們進(jìn)行了一系列的數(shù)據(jù)采樣，使用的數(shù)據(jù)集包括錄制的不同程度的聲樂學(xué)生演唱的聲音以及一些歌唱家的錄音，并通過人工的打分來(lái)設(shè)定這些聲音音色的優(yōu)劣，進(jìn)行一個(gè)數(shù)值評(píng)價(jià)。這個(gè)數(shù)據(jù)集包含多個(gè)音色樣本，及其對(duì)應(yīng)的評(píng)價(jià)權(quán)值。該數(shù)值應(yīng)當(dāng)是平衡的，例如，采用0作為音色的中間質(zhì)量，正數(shù)作為優(yōu)質(zhì)等級(jí)，負(fù)數(shù)作為反方向質(zhì)量等級(jí)。我們對(duì)這個(gè)數(shù)據(jù)集進(jìn)行預(yù)處理最終整理為樣本訓(xùn)練序列。我們還可以分出一部分作為檢驗(yàn)序列，其比例關(guān)系可以根據(jù)具體樣本數(shù)量來(lái)定。預(yù)處理之前我們定義一些重要的參量：

記錄長(zhǎng)度：我們通過添加特殊標(biāo)記，確定規(guī)格化的數(shù)據(jù)長(zhǎng)度，長(zhǎng)于這個(gè)長(zhǎng)度的需要截短，短于這個(gè)長(zhǎng)度的需要補(bǔ)齊。

音色種類的大?。哼@個(gè)參數(shù)是為了確定我們音色向量嵌入層的大小，以及最終的總音色向量維度。

算法階數(shù)：這個(gè)參數(shù)是確定我們希望卷積核每次覆蓋幾種音色。卷積核的總數(shù)量就是算法階數(shù)的倍數(shù)。

激活參數(shù)：使用該參數(shù)來(lái)控制神經(jīng)元的激活程度。我們只在訓(xùn)練的時(shí)候啟動(dòng)，在測(cè)試的時(shí)候禁止它。

以上參量確定之后就進(jìn)行預(yù)處理，分以下幾個(gè)步驟進(jìn)行：

（1）從原始數(shù)據(jù)文件中導(dǎo)入樣本數(shù)據(jù)，原始數(shù)據(jù)就是經(jīng)過截取后的聲音錄音文件；

（2）數(shù)據(jù)清理，包括雜音的處理等，這需要一些信號(hào)處理中的濾波算法；

（3）記錄歸一化，將每組錄音填充到規(guī)格化的長(zhǎng)度，并完成標(biāo)記；

（4）構(gòu)建索引表，將每種不同的發(fā)音映射到零到音色長(zhǎng)度之間，使得每個(gè)句子就變成了一個(gè)整數(shù)的向量。

預(yù)處理為我們準(zhǔn)備好了數(shù)據(jù)。然后進(jìn)入信號(hào)處理過程，這部分內(nèi)容采用十分專業(yè)化的算法。它包含模型構(gòu)建、核心算法和后處理算法三個(gè)部分。

為了更加準(zhǔn)確的提取出音色特征，首先需要對(duì)運(yùn)行模型作出構(gòu)想，我們構(gòu)建模型的主要目的是為了對(duì)不同的音色特征進(jìn)行分類提取，以此給出音色的評(píng)價(jià)值，這部分又叫嵌入層操作。每個(gè)音色的表示是一個(gè)向量，可能是有單一描述或者多維度描述的組合，分別對(duì)應(yīng)單一特征和復(fù)合特征。這部分的作用是將音色索引映射為低維度的音色向量表示。它本質(zhì)是一個(gè)我們從數(shù)據(jù)中學(xué)習(xí)得到的音色向量表，其表達(dá)是嵌入矩陣，這個(gè)矩陣是我們從數(shù)據(jù)訓(xùn)練過程中得到的。

經(jīng)過上述的數(shù)據(jù)準(zhǔn)備和分層構(gòu)想之后，進(jìn)行第二步，即中間層操作，完成對(duì)連續(xù)兩個(gè)音的發(fā)聲效果做總體評(píng)價(jià)。這部分主要采用基于卷積運(yùn)算的信號(hào)處理算法，我們使用的卷積核具有不同的尺寸。這樣每個(gè)卷積核經(jīng)過卷積操作之后產(chǎn)生的張量是不同維度的，所以我們需要為每一個(gè)卷積核創(chuàng)建一層網(wǎng)絡(luò)，最后再把這些卷積之后的結(jié)果合并成一個(gè)大的特征向量。

第三步是后處理操作，主要是對(duì)結(jié)果進(jìn)行平滑，以避免過度在乎某一個(gè)特點(diǎn)。這一步是目前最常用的來(lái)正則化卷積神經(jīng)網(wǎng)絡(luò)的方法。其原則就是按照一定的概率來(lái)“禁用”一些神經(jīng)元的發(fā)放。這種方法可以防止神經(jīng)元共同適應(yīng)某一種音色特征，而迫使它們單獨(dú)學(xué)習(xí)更多有用的特征。

在整個(gè)過程中我們?yōu)榱丝刂普`差，可以定義損失函數(shù)來(lái)進(jìn)行誤差度量。如果我們把整個(gè)迭代過程看作一個(gè)優(yōu)化過程的話，這個(gè)函數(shù)就是優(yōu)化的極小化目標(biāo)函數(shù)。本文分類問題的標(biāo)準(zhǔn)損失函數(shù)我們采用交叉熵?fù)p失函數(shù)。詳細(xì)技術(shù)內(nèi)容不在這里贅述。

三、實(shí)驗(yàn)效果

在我們的實(shí)驗(yàn)過程中，基本實(shí)現(xiàn)了初步的聲樂演唱中的音色評(píng)價(jià)，尤其是特征很明顯的泛音振動(dòng)效果，有和主觀評(píng)價(jià)較為一致的評(píng)價(jià)結(jié)果。聲音抖動(dòng)厲害，振幅很大的樣本，普遍評(píng)分較低，而聲音位置高、泛音振幅小、聲音穿透力強(qiáng)的樣本，普遍評(píng)分較高。樣本中有歌唱家的聲音采樣，也有學(xué)生的采樣，他們唱的音為同樣的音高和同樣的語(yǔ)言，客觀評(píng)價(jià)評(píng)分中分?jǐn)?shù)高的聲音不一定是有名氣的歌唱家，有可能就是一名普通聲樂學(xué)習(xí)者，而有名氣的歌唱家如果采用的樣本是狀態(tài)不佳的樣本，或者歌唱家本身演唱水平也比較普通，只是因?yàn)槠渌蚨麣廨^大，評(píng)分也會(huì)很低。這些正是客觀評(píng)價(jià)的優(yōu)勢(shì)所在，關(guān)鍵的問題是軟件評(píng)價(jià)的結(jié)果和聲樂專業(yè)主觀評(píng)價(jià)結(jié)果是一致的。

實(shí)驗(yàn)中對(duì)演唱者本身嗓音條件的評(píng)價(jià)不穩(wěn)定，輸入的標(biāo)準(zhǔn)采用的是和大眾審美相一致的標(biāo)準(zhǔn)，在實(shí)驗(yàn)中，歌唱狀態(tài)和聲樂演唱技術(shù)會(huì)遮蓋一些本來(lái)音色的特征，也就是說，后天有針對(duì)性的訓(xùn)練可以有效的彌補(bǔ)天生嗓音條件的不足，如天生嗓音細(xì)的聲音，可以通過共鳴腔體的調(diào)整以及強(qiáng)大的呼吸支持來(lái)增強(qiáng)聲音的穿透力和飽滿度，客觀評(píng)價(jià)的分?jǐn)?shù)也會(huì)很高。客觀評(píng)價(jià)系統(tǒng)目前是在情感之外評(píng)價(jià)純粹的聲音特征，還沒有考慮情感、風(fēng)格等因素的影響，但隨著研究的深入，情感和風(fēng)格也可以建模，評(píng)價(jià)系統(tǒng)也將日趨完善。

四、結(jié)語(yǔ)

本文論述了聲樂演唱主觀評(píng)價(jià)標(biāo)準(zhǔn)以及如何在客觀評(píng)價(jià)軟件算法中實(shí)現(xiàn)。同時(shí)本文簡(jiǎn)要描述了軟件算法中模擬神經(jīng)網(wǎng)絡(luò)的構(gòu)建過程。軟件成功完成了聲音樣本的基本音色特征提取。軟件通過樣本訓(xùn)練和實(shí)測(cè)，能夠?qū)Σ煌羯姆阂糍|(zhì)量、聲音飽和度、亮度、穿透力等主要特征作出分類和定量評(píng)價(jià)，實(shí)際試驗(yàn)證實(shí)其對(duì)聲樂演唱的音色可以做出和主觀評(píng)價(jià)標(biāo)準(zhǔn)較為一致的評(píng)價(jià)。此軟件有望催生聲樂客觀評(píng)價(jià)的實(shí)用化產(chǎn)品，應(yīng)用到日常的聲樂教學(xué)中，成為聲樂演唱評(píng)價(jià)體系的重要補(bǔ)充?！?/p>

[1] Kim, Y. (2014). Convolutional Neural Networks for Sentence Classification.Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP 2014), 1746-1751.

[2] Kalchbrenner, N., Grefenstette, E., & Blunsom, P. (2014). A Convolutional Neural Network for Modelling Sentences. Acl, 655-665.

[3] Santos, C. N. dos, & Gatti, M. (2014). Deep Convolutional Neural Networks for Sentiment Analysis of Short Texts.In COLING-2014 (pp. 69-78).

[4] Johnson, R., & Zhang, T. (2015). Semi-supervised Convolutional Neural Networks for Text Categorization via Region Embedding.

[5] Zhang, Y., & Wallace, B. (2015). A Sensitivity Analysis of (and Practitioners’Guide to) Convolutional Neural Networks for Sentence Classi fi cation,

[6] Nguyen, T. H., & Grishman, R. (2015). Relation Extraction： Perspective from Convolutional Neural Networks. Workshop on Vector Modeling for NLP,39-48.

[7] Sun, Y., Lin, L., Tang, D., Yang, N., Ji, Z., & Wang, X. (2015). Modeling Mention , Context and Entity with Neural Networks for Entity Disambiguation,(Ijcai), 1333-1339.

[8] Shen, Y., He, X., Gao, J., Deng, L., & Mesnil, G. (2014). A Latent Semantic Model with Convolutional-Pooling Structure for Information Retrieval.Proceedings of the 23rd ACM International Conference on Conference on Information and Knowledge Management - CIKM ’14, 101-110.

[9] Santos, C., & Zadrozny, B. (2014). Learning Character-level Representations for Part-of-Speech Tagging. Proceedings of the 31st International Conference on Machine Learning, ICML-14(2011), 1818-1826.

[10] Zhang, X., Zhao, J., & LeCun, Y. (2015). Character-level Convolutional Networks for Text Classi fi cation, 1-9.

四川省哲學(xué)社會(huì)科學(xué)重點(diǎn)研究基地西南音樂研究中心資助項(xiàng)目研究成果（xnyy2015033）

黃阿羅（1980-），女，四川達(dá)州人，四川音樂學(xué)院聲樂系副教授，碩士生導(dǎo)師，主要研究方向：聲樂演唱；李莽（1989-），男，四川成都人，電子科技大學(xué)碩士研究生，主要研究方向：信號(hào)與信息處理。