基于可扩展合成数据与对抗域混淆的无标注自动音乐转录

自动音乐转录（AMT）是音乐信息处理领域的一项重要技术。尽管近年来机器学习技术提升了其性能，但当前方法通常仅在拥有大量标注数据的领域中获得高准确率。解决低资源或无资源领域的转录问题仍是一项未解的挑战。为解决此问题，我们提出了一种无需任何 MIDI-音频配对数据的转录模型，该模型利用可扩展的合成音频进行预训练，并使用未标注的真实音频进行对抗域混淆。在实验中，我们在训练数据集不包含目标数据域中音频的 MIDI 标注的真实应用场景下评估了该方法。尽管未使用任何真实的 MIDI-音频配对数据集，我们提出的方法仍取得了与现有基线方法相当的性能。此外，消融研究深入分析了该方法的可扩展性以及 AMT 研究领域未来面临的挑战。