基于旋律风格的手工特征与卷积神经网络音频分割
声音
2018-07-31 v1 音频与语音处理
摘要
我们研究了自动标注 taan 段的方法，taan 段是印度斯坦 Khayal 声乐音乐会上一个显著的结构组成部分。taan 包含基于 raga 的即兴旋律，以人声快速音高与能量调制的高度 distinctive 风格演唱。我们提出在计算上捕捉复调背景下人声这些特定高层特征的计算特征。提取的局部特征通过训练的多层感知机（MLP）网络用于帧级分类，随后基于新颖性检测进行分组与分割。相对于音乐家标注的跨演唱者与音乐会的 taan 段，我们报告了高准确率。我们还将紧凑专用特征所获得的性能与通过直接作用于音频谱图块的卷积神经网络（CNN）进行帧级分类用于同一任务的性能进行比较。尽管我们实验的相对简单架构未能完全达到手工特征的分类准确率，但它提供了远高于随机的性能，并对网络从标注数据中有效学习判别特征的能力给出了有趣见解。
引用
@article{arxiv.1807.11138,
title = {Audio segmentation based on melodic style with hand-crafted features and with convolutional neural networks},
author = {Amruta Vidwans and Nachiket Deo and Preeti Rao},
journal= {arXiv preprint arXiv:1807.11138},
year = {2018}
}
备注
This work was done in 2015 at Indian Institute of Technology, Bombay, as a part of the ERC grant agreement 267583 (CompMusic) project