技术领域
[0001] 本发明涉及音乐教育领域技术领域，尤其涉及一种声乐发声的训练系统及其练习辅助方法。
相关背景技术
[0002] 声乐发声的训练系统及其练习辅助方法属于音乐教育领域，具体来说是声乐教育的一个分支，它涉及到人体发声原理、气息控制、音阶练习、元音练习、真假声练习以及咬字清晰等方面。声乐教育不仅要求学生掌握演唱技巧，还要求其通过持之以恒地练习不断完善唱功。有效地发声训练对于提升学生的声乐水平和歌曲表达的能力至关重要；
[0003] 一般来说，学员训练发声大多都是导师一对一指导，凭借老师的主观意愿来判断学员在发声过程中出现的一些问题，而不是根据学员的历史训练结果去对比寻找需要针对训练的点，因此对于学员的训练效果提升不够明显，同时，也无法做到对多个学员同时进行针对性的指导，因此本发明提出一种声乐发声的训练系统及其练习辅助方法。
具体实施方式
[0035] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0036] 实施例1
[0037] 如图1所示，本发明提供一种技术方案：一种声乐发声的训练系统，包括用于数据采集的数据采集模块、用于处理数据的数据处理模块、用于分析数据的数据分析模块、用于数据评价的数据评价模块；
[0038] 所述数据采集模块包括用于记录训练时间的时间记录单元、用于记录训练声音的语音采集单元、用于记录学员心率的心率检测单元、用于采集周边环境数据的环境数据采集单元、用于数据整理编号的数据整理单元以及用于数据上传的数据上传单元；
[0039] 所述数据处理模块包括用于数据接收的数据接收单元、用于数据分类的数据分类单元、用于将语音数据转换为文字数据的语音识别单元、用于将语音数据转换为基频数据的AI学习单元以及用于数据交互的数据交互单元；
[0040] 所述数据分析模块包括用于数据交互的数据交互单元、用于数据分类的数据与处理单元、用于数据匹配的数据匹配单元、用于匹配结果转换的匹配结果转换单元、用于数据分析的数据分析单元以及用于上传分析结果的分析结果上传单元；
[0041] 所述数据评价模块包括用于数据调取的数据调取单元、用于数据接收的数据接收单元、用于调整评价结果的算法单元、训练评价生产单元以及用于数据存储的存储单元。
[0042] 其中，所述时间记录单元包括计时器，语音采集单元为录音器，心率检测单元为佩戴时心率监测环，环境数据采集单元包括温度传感器、湿度传感器以及粉尘颗粒检测传感器，数据的采集步骤具体如下：在学员进行发声训练开始之后，由计时器记录训练时间以及训练过程中高音和低音的时长，录音器用于录制训练过程中产生的声音，心率检测单元实时监测学员心率变化并且实时上传，环境数据采集单元用于采集周围温度数据、湿度数据以及空气中粉尘含量数据，通过时间记录单元、语音采集单元以及心率检测单元获取学员的训练数据，环境数据采集单元获取变量数据，能够实现数据的快速采集，使得导师可以根据采集的数据进行比对，进而判断学员的训练效果，而非凭借主观意愿去进行训练指导，使得训练指导更为有效。
[0043] 其中，所述语音识别单元用于将数据采集单元模块的声音数据转换为文字数据，转换后的文字数据无需进行预处理，直接通过数据交互单元上传至数据分析模块，AI学习单元用于将语音数据转换基频数据，语音数据转换为基频数据，能够获取学员高低音的时长以及转换，从而分析学员在一些特殊的发声技巧上的功底，数据处理的具体步骤如下：由数据接收单元接收数据采集模块采集的数据，之后通过数据分类单元进行数据的分类，分类完成后，由语音识别单元进行文字数据的转换，通过对语音识别转换文字，能够判断学员发声吐字的清晰程度，如果学员语音数据转换后的文字更为接近训练曲目的歌词，说明吐字清晰程度高，反之则反，AI学习单元通过短时平均幅度差法将语音数据转换为基频数据，处理后的数据通过数据交互单元上传至数据分析模块。
[0044] 其中，所述数据分析模块中，数据预处理单元的处理包括了数据的分类以及重复数据的清理，具体步骤如下：数据交互单元接收到来自数据处理模块上传的处理后的数据，之后与数据预处理单元对重复数据进行删除并且对数据进行分类，分类依据数据的格式类型进行分类，之后，由数据匹配单元与存储单元存储的学员历史数据进行匹配，由匹配结果转换单元对匹配结果进行文字的转换，数据分析单元用于根据转换的匹配结果进行初步的分析，之后将分析结果上传至数据评价做最后的评价，通过对学员的训练数据的初步分析，能够判断学员相比较历史训练中某些数据的增强或者降低，从而判断出学员哪些方面需要加强。
[0045] 其中，所述数据评价模块中存储单元用于存储学员历史训练数据，算法处理单元则用于将变量因素输入至数据分析模块上传的初步分析结果中，完善初步分析结果，具体步骤如下：数据接收单元接收到来自数据分析模块初步的分析结果，之后由数据调取单元调取相关环境数据，将环境数据作为变量输入到算法处理单元，由算法处理单元对分析结果做修正，通过修正后的分析结果完成对本次训练的评估，采集了环境数据，在某些特殊环境下，比如高温、干燥或者空气中粉尘颗粒较多的情况下，会影响学员的发声，例如学员在高温环境下，心态会比较浮躁，干燥或者潮湿情况下会影响学员的呼吸，空气质量较差的情况下更加容易影响学员的身心健康以及训练结果，因此，本发明中在将环境因素作为变量输入值系统中，通过算法取出环境数据中异常值对评估结果的影响，从而获取更为有效的评估结果数据，避免因为环境因素导致导师对学员的分析判断出现误差，进一步提升学员的训练效果。
[0046] 在本实施例中，通过对学员训练数据采集，之后对采集到的数据进行分类处理以及进行数据分析，导师只需根据学员初次训练的结果进行评估以及提出针对性的指导训练，之后，学员在每次训练后，只需采集训练数据，从而分析计算学员的各项数据，即肺活量数据、高低音转换的功底以及吐字的清晰程度，从而去判断学员哪些方面有待提高，进而提出针对性的训练，更为有效地提升学员的训练效率，此种设计，只需定时采集数据，即可完成对学员的训练指导，更具有对比性以及针对性。
[0047] 实施例2
[0048] 如图2所示，一种声乐发声练习辅助方法，该声乐发声练习辅助方法具体步骤如下：
[0049] S1、数据的采集：学员佩戴好心率监测环，开始训练，训练过程中，由计时器记录训练时间以及训练过程中高音和低音的时长，录音器用于录制训练过程中产生的声音，心率检测单元实时监测学员心率变化并且实时上传，环境数据采集单元用于采集周围温度数据、湿度数据以及空气中粉尘含量数据，之后将数据上传；
[0050] S2、数据的处理：由数据接收单元接收数据采集模块采集的数据，之后通过数据分类单元进行数据的分类，分类完成后，由语音识别单元进行文字数据的转换，AI学习单元通过短时平均幅度差法将语音数据转换为基频数据，处理后的数据通过数据交互单元上传至数据分析模块；
[0051] S3、数据的分析：数据交互单元接收到来自数据处理模块上传的处理后的数据，之后与数据预处理单元对重复数据进行删除并且对数据进行分类，分类依据数据的格式类型进行分类，之后，由数据匹配单元与存储单元存储的学员历史数据进行匹配，由匹配结果转换单元对匹配结果进行文字的转换，数据分析单元用于根据转换的匹配结果进行初步的分析，之后将分析结果上传至数据评价做最后的评价；
[0052] S4、训练评估：数据接收单元接收到来自数据分析模块初步的分析结果，之后由数据调取单元调取相关环境数据，将环境数据作为变量输入到算法处理单元，由算法处理单元对分析结果做修正，通过修正后的分析结果完成对本次训练的评估；
[0053] S5、辅助指导训练：根据步骤S4获取的训练评估数据，根据学员发声训练时长的变化、高音以及低音的发声时长的变化、心率的变化以及语音识别文字的准确性，有针对性地对学员进行训练指导。
[0054] 其中，步骤S2中，利用AI学习单元进行数据的转换的具体过程如下：
[0055] S2.1、选取某一段时间上传的语音数据，首先根据上传之间判断该语音数据属于哪位学员的训练数据，确定之后，通过A/D转换将连续信号转换为离散信号；
[0056] S2.2、对于每一帧内的语音信号样点x(n+i)，短时平均幅度函数计算后的样点绝对值的平均值如下： N为帧长，n为当前帧的开始时间索引，在每一帧内部，计算相邻样点的幅度差，设相邻样点的幅度分别为|x(n+i)|和|x(n+i+1)|，则幅度差为：D(n+i)＝|x(n+i+1)|‑|x(n+i)|，短时平均幅度差函数(SMDF)定义为这些差值的累加平均，公式如下：
[0057] S2.3、通过寻找SMDF函数的谷值对应的时间间隔来估计基频；
[0058] S2.4、进行异常值处理，去除过高以及过低的基频数值，对基频序列进行平滑处理，之后获取该学员的语音基频数值，从基频数值判断学员高低音的时常以及变化的时间点。
[0059] 其中，步骤S3中，针对数据的匹配，主要包括训练时长数据匹配、语音转换文字的数据匹配、高音以及低音的发声时长数据匹配以及心率变化数据的匹配，训练时长数据匹配主要判断学员肺活量的变化，语音转换文字数据的匹配主要判断学员的吐字清晰程度，高音以及低音发声时长的匹配主要判断学员的高低音转换工地，心率变化数据的匹配判断学员的舞台效果。
[0060] 其中，步骤S4中，对分析结果的修正具体包括以下步骤：
[0061] S4.1、获取初步分析结果，根据语音数据上传的时间，调取对应的分析结果；
[0062] S4.2、数据调取模块调取步骤S1中采集的环境数据，将环境数据输入系统，环境数据包括了温度、湿度以及空气指数数据，环境输入时，环境数据上传的时间与学员上传的语音数据的时间一一对应，确保实时上传的环境数据与每位学员进行对应，避免出现误差：
[0063] S4.3、利用机器学习算法，将环境数据与历史数据进行比对，从而挑选出数据异常值，通过替换或者删除异常值，改善评估结果，之后拟合评估结果数据，生成新的分析结果数据，根据异常值不断重复上步骤，生成多种不同分析结果，将分析结果数据分成多个子集来重复训练和测试，最后获取结合异常环境数据生成新的评估结果。
[0064] 在本实施例中，通过对学员的各项数据进行采集，并且根据其实时采集的数据与历史数据进行比对，判断其数据的变化，从而判断学员的训练结果，进而能够给出更为针对性的训练意见，从而提升其声乐水平，其次，数据采集来判断训练效果的方式可以真正实现高效的声乐训练，相比较传统的方式，声乐训练的效率更高，针对学员的训练指导更有效，避免了传统的导师一对一训练的低效率以及精准度低的情况。
[0065] 在本实施例中，数据在上传过程中，都会对应显示上传时间，根据数据上传的时间来判断对应学员的身份信息，对于同一时间段上传的数据，由导师线下进行审核，审核完成后，由导师根据相关数据对学员的训练提出指导意见。
[0066] 以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
