使用双向 LSTM 的孟加拉语音乐流派分类
声音
2026-01-22 v1 机器学习
摘要
孟加拉语音乐拥有丰富的音乐文化。由于数字和实体格式的音乐呈指数级增长，如今音乐流派分类显得非常重要。有必要对其进行相应的索引以促进检索的改善。自动按流派对孟加拉语音乐进行分类，对于在庞大且多样的音乐库中高效定位特定曲目至关重要。现有的流派分类方法主要采用传统的机器学习或深度学习方法。本工作引入了一个包含十种不同孟加拉语音乐流派的新型音乐数据集。在音频分类任务中，我们采用了循环神经网络（RNN）架构。具体而言，实现了长短期记忆（LSTM）网络来训练模型并执行分类。特征提取是音频数据处理的基础阶段。本研究利用梅尔频率倒谱系数（MFCCs）将原始音频波形转换为一组紧凑且具代表性的特征。所提出的框架通过利用这些提取的特征来促进音乐流派分类。实验结果表明，分类准确率达到78%，表明该系统在增强和简化孟加拉语音乐流派组织方面具有巨大潜力。
引用
@article{arxiv.2601.15083,
title = {Bangla Music Genre Classification Using Bidirectional LSTMS},
author = {Muntakimur Rahaman and Md Mahmudul Hoque and Md Mehedi Hassain},
journal= {arXiv preprint arXiv:2601.15083},
year = {2026}
}