破解语音识别器以想象歌词

我们提出一种基于给定音频文件类语音声学特性生成文本(尤其是歌曲歌词)的新方法。我们重新利用人声源分离算法与训练用于识别孤立语音的声学模型，转而输入器乐音乐或环境声音。将人声分离器的“错误”送入识别器，我们获得对输入音频中“想象”被说出之词的转写。我们描述了方法的关键组件，给出初步分析，并讨论了该方法在创意应用中人机协同创作的潜力。