基于深度学习的阿拉伯音乐分类与生成
声音
2024-10-28 v1 人工智能
音频与语音处理
摘要
本文提出一种机器学习方法，用于对古典与新埃及音乐按作曲家进行分类，并生成相似的新作品。该系统利用卷积神经网络（CNN）进行分类，采用 CNN 自动编码器进行生成。本项目使用的数据集包含由不同作曲家作曲的新旧埃及音乐作品。为按作曲家分类，对每个样本进行归一化处理并转换为 mel 频谱图。CNN 模型以 mel 频谱图作为输入特征，作曲家标签作为输出类别进行训练。该模型在分类按作曲家划分音乐方面达到 81.4% 的准确率，展示了所提方法的有效性。为生成新的类似原作品的音乐，训练一个类似数据集上的 CNN 自动编码器。该模型旨在将原作品的 mel 频谱图编码到低维潜空间，然后解码回原始 mel 频谱图。通过对潜空间进行采样并解码样本回到 mel 频谱图，最终转换为音频，即可生成新的音乐。总而言之，所提系统为对古典埃及音乐进行分类与生成提供了有前景的方案，可应用于各种音乐应用，如音乐推荐系统、音乐制作和音乐教育。
引用
@article{arxiv.2410.19719,
title = {Arabic Music Classification and Generation using Deep Learning},
author = {Mohamed Elshaarawy and Ashrakat Saeed and Mariam Sheta and Abdelrahman Said and Asem Bakr and Omar Bahaa and Walid Gomaa},
journal= {arXiv preprint arXiv:2410.19719},
year = {2024}
}