基于主旋律嵌入的翻唱检测

自动翻唱检测——在音频数据库中查找一首或多首查询曲目的所有翻唱版本的任务——长期以来被视为 MIR 社区中一个具有挑战性的理论问题，也是作者和作曲者协会的一个紧迫实际问题。为此任务提出的原始算法在小型数据集上已证明其准确性，但无法扩展到现代现实生活中的音频语料库。另一方面，为处理数千次两两比较而设计的更快方法导致准确性降低，使其不适合实际使用。在这项工作中，我们提出了一种神经网络架构，经训练将每首曲目表示为单个嵌入向量。因此，计算负担留给了嵌入提取——可离线进行并存储，而两两比较任务简化为简单的欧氏距离计算。我们进一步提出从每首曲目的主旋律表示中提取其嵌入，该表示由另一个为此任务训练的神经网络获得。然后我们表明，该架构在小型和大型数据集上都提升了 SOTA 准确性，并能够在几秒内扩展到查询数千首曲目的数据库。