VEM-Token声乐情绪多模态魔改模型的建构方法

VEM‑Token声乐情绪多模态魔改模型的建构方法，区别于自然语言处理模型NLP‑Token通过文字解释音乐，而是自带声乐情绪多模态信息的VEM‑Token音生文的创新模型。模型对样本歌曲和用户学唱歌曲在音乐节拍上捕捉并对齐，识别声乐情绪多种模态，依据节拍划分文件的词元，采用监督学习和强化学习获得VEM参数，将歌曲分解为歌声、伴奏声和情绪，魔改模型提供多模态的模仿样本歌曲的魔改方法，包括：歌声、伴奏声、情绪泛音、情绪波动、学唱、嗓音克隆、歌词、音高校准、装饰音、节拍长短、节奏快慢、节拍强弱、自由和多样本魔改，提供会员管理、移动端和PC端应用系统、专用支撑硬件和包括MIDI等通信协议，便于接入流行的AI大模型，降低模型幻觉，形成AI声乐智能体Agent和AI卡拉OK。