利用歌词潜在节奏结构为新乐谱自动确定拍号
机器学习
2025-07-10 v2 人工智能
计算与语言
多媒体
声音
摘要
近期人工智能生成内容（AIGC）的兴趣急剧增长。尽管如此，诸如拍号等音乐成分尚未被充分研究以形成针对新作品（尤其是带词歌曲）的算法判定方法。这很可能是因为忽视了对于构建鲁棒框架至关重要的音乐细节。具体而言，拍号几乎为歌曲所有方面（包括乐句与音符）确立了基础节奏结构。本文中，我们提出一种仅以歌词为输入、自动生成适配带词歌曲的拍号并利用可解释机器学习模型揭示潜在节奏结构的新方法。特别地，我们设计了多种与发现歌词模式及创建同时包含歌词、节奏与统计信息新特征相关的方法。在该方法中，我们实验的最佳结果展现出97.6%的F1分数与0.996的受试者工作特征（ROC）曲线下面积（AUC）分数。总之，我们的研究利用机器学习直接从歌词为新乐谱自动生成拍号，这是触及音乐学中研究不足成分的创新思路，因而对人工智能（AI）音乐生成的未来贡献显著。
引用
@article{arxiv.2311.15480,
title = {Automatic Time Signature Determination for New Scores Using Lyrics for Latent Rhythmic Structure},
author = {Callie C. Liao and Duoduo Liao and Jesse Guessford},
journal= {arXiv preprint arXiv:2311.15480},
year = {2025}
}
备注
Accepted by 2023 IEEE International Conference on Big Data (IEEE BigData 2023)