| “我明明唱得很好，为什么分数这么低？”如今市面上不少KTV引入了打分评价系统，有效增强了人们的演唱体验感。但也让不少歌友们开始“怀疑”自己的演唱水准——从前决定唱歌好不好听的是听众的反馈，现在却是屏幕上的分数掌握了话语权。 那么问题来了，这个系统是如何听懂唱歌的呢？K歌和评分是怎么走到一起的？KTV打分系统的工作原理究竟是什么？近日，专注实时互动领域的深圳本土创新企业即构科技接受了记者采访，对上述问题进行解答。 事实上，KTV打分系统并不是一个人工智能，而是一个基于音频信号处理、输出客观数据统计的系统。传统K歌评分的主要思路是比对旋律特征，人们在唱歌时，系统会实时地录制声音并将其转换成数字信号，将声音信号和原唱的音轨信号进行对比，计算出音准、节奏和音色的相似度。演唱的旋律特征和原唱越相似，在机器看来则代表着“音准越好”“节奏越对应”，得分就会越高。  “做到这些需要三步走，一是KTV打分系统会预先存储好每首歌曲的音轨和歌词，以及每个音符的音高、时长和节奏，根据评分标准提取旋律特征，建立标准模板库；二是通过算法提取被评分的干音（设备采集的未经任何后期处理的人声录音）旋律特征；最后把两者特征相似度进行量化评估，得出分数。”即构科技市场相关负责人杜晓斌说。 不过，系统所认定的“高分”演唱在人类耳中并不一定好听。有人总结过获得高分的技巧：录音清晰、歌声音量大、声音平稳、尾音拖长，都可能获得系统青睐。但至于音色，声情并茂、气沉丹田，这些暂时都不在考虑范围内，也就是说，大部分KTV打分系统都存在一些局限性和缺陷，比如只能评价音准、节奏和音色，而不能评价情感、表达和技巧。 过去几年，在线K歌软件走红。声音修饰等功能给了更多人展露歌喉的勇气，年轻人也借此来进一步满足“社交+休闲”的需求。当娱乐阵地逐渐从线下KTV转移至线上，“打分”这一互动玩法同样成了提升受众参与感不可或缺的一项功能，在互联网公司技术实力的加持下，K歌评分已进入2.0时代，在功能上有了显著提升。 由于现在很多歌曲人声包含了和声等因素的影响，并且不同音乐的复杂性以及歌曲语料质量参差不齐，使音高线的提取工作相当困难。对此，即构科技近期将自研的KTV实时打分功能集成在了在线KTV及实时合唱解决方案中，通过使用AI模型在尽量保证人声完整性的前提下，分离出信噪比较高、保留较完整的人声，通过算法从各种复杂的音乐中准确提取音高线，精确率高达99%，快速生成打分标准。  “算法也需要尽可能‘读懂感情’，给出更有人情味的评价标准。如何确保唱得好的人能够通过分数获得认可，同时也让部分演唱‘小白’能够得到积极的正反馈和激励，这是在线K歌场景避不开的需求点。”杜晓斌表示。 因此，在即构的这套打分策略算法上，对大部分“青铜级”演唱者能够给出一个兼顾自信及保留进步空间的多维度弹性分数，以保护他们的演唱积极性，同时对头部的“王者级”演唱者做到凸显高分，提升其互动竞技性。目前即构的方案中设置了5种演唱难度等级，供平台方按需切换选择。 杜晓斌表示，即构科技将持续以丰富的功能与玩法不断鼓励用户进行个性化表达，守护音乐的情感价值。“我们希望让用户在K歌过程中发现自我声音的独特魅力，也将与众多泛娱乐平台共同为音乐行业的繁荣发展提供源源动力。” （图片由即构科技提供） （原标题《线上还原KTV真实互动体验，深企研发独门算法“读出”演唱感情》） （作者：深圳特区报记者 张程） |
