融合钢琴演奏维度进行乐谱难度分类
声音
2023-09-28 v2 音频与语音处理
摘要
预测演奏乐谱的难度对于乐谱库的构建与探索至关重要。尽管其对音乐教育十分重要,钢琴乐谱的自动难度分类尚未解决,主要源于标注数据匮乏及标注的主观性。本文旨在通过两项主要贡献推进乐谱难度分类的前沿。针对数据缺失,我们提出 Can I Play It? (CIPI) 数据集,一个带有源自著名古典音乐出版商 Henle Verlag 难度标注的机器可读钢琴乐谱数据集。该数据集通过将公共领域乐谱与 Henle Verlag 的难度标签匹配创建,并由一位专业钢琴家审阅修正。第二项贡献中,我们探索了受音乐学中演奏定义启发的、从乐谱信息到用于钢琴指法与表现力的预训练 ML 模型的多种输入表示。我们表明,组合多个分类器的输出优于各分类器单独使用,指向这些表示捕捉了难度的不同方面。此外,我们进行了大量实验,为乐谱难度分类奠定基础并创建未来研究的基础。我们性能最佳的模型在本研究提出的九个难度级别上取得了 39.47% 的平衡准确率与 1.13 的中值平方误差。代码、数据集与模型均已公开以保证可复现性。
引用
@article{arxiv.2306.08480,
title = {Combining piano performance dimensions for score difficulty classification},
author = {Pedro Ramoneda and Dasaem Jeong and Vsevolod Eremenko and Nazif Can Tamer and Marius Miron and Xavier Serra},
journal= {arXiv preprint arXiv:2306.08480},
year = {2023}
}
备注
36 pages