音频能否揭示音乐演奏难度？来自钢琴教学大纲数据集的见解
声音
2025-05-30 v2 音频与语音处理
摘要
自动估计音乐作品的演奏难度是音乐教育中的一个关键过程，可根据学生的个人需求创建定制课程。鉴于其相关性，音乐信息检索 (MIR) 领域展示了一些针对此任务的概念验证工作，这些工作主要关注高级音乐抽象，如机器可读乐谱或乐谱图像。在这方面，直接分析录音的潜力通常被忽视，这阻碍了学生探索那些可能没有正式符号级转录的多样化音乐作品。这项工作开创了基于录音自动估计音乐作品演奏难度的先河，做出了两项精确贡献：(i) 第一个基于音频的难度估计数据集——即钢琴教学大纲 (PSyllabus) 数据集——包含来自 1,233 位作曲家的 7,901 首钢琴作品，跨越 11 个难度等级；以及 (ii) 一个能够处理不同输入表示（单模态和多模态方式）的识别框架，直接源自音频以执行难度估计任务。包含不同预训练方案、输入模态和多任务场景的综合实验证明了该提案的有效性，并确立了 PSyllabus 作为 MIR 领域基于音频的难度估计的参考数据集。数据集以及开发的代码和训练模型已公开共享，以促进该领域的进一步研究。
引用
@article{arxiv.2403.03947,
title = {Can Audio Reveal Music Performance Difficulty? Insights from the Piano Syllabus Dataset},
author = {Pedro Ramoneda and Minhee Lee and Dasaem Jeong and J. J. Valero-Mas and Xavier Serra},
journal= {arXiv preprint arXiv:2403.03947},
year = {2025}
}