MIR 中用于音乐流派识别的一种新型音频表示
声音
2024-04-02 v1 信息检索
机器学习
音频与语音处理
摘要
对于音乐信息检索（MIR）的下游任务，最常见的音频表示是基于时频的，例如梅尔频谱图。为了识别音乐流派，本研究探索了一种新型音频表示在最常见 MIR 下游任务之一中的可能性。因此，通过使用深度向量量化对音乐进行离散编码；为创新的生成式音乐模型即 Jukebox 创建了一种新型音频表示。使用几乎等同于 State-of-the-Art (SOTA) 的数据集和几乎相同的 Transformer 设计，将 Jukebox 的音频表示与梅尔频谱图进行了比较。本研究的结果表明，至少在 Transformer 使用包含 2 万首曲目的非常小的数据集进行预训练时，Jukebox 的音频表示并不优于梅尔频谱图。这可以解释为 Jukebox 的音频表示没有充分考虑人类听觉感知的特殊性。另一方面，梅尔频谱图是专门针对人类听觉感官而创建的。
引用
@article{arxiv.2404.01058,
title = {A Novel Audio Representation for Music Genre Identification in MIR},
author = {Navin Kamuni and Mayank Jindal and Arpita Soni and Sukender Reddy Mallreddy and Sharath Chandra Macha},
journal= {arXiv preprint arXiv:2404.01058},
year = {2024}
}