FretNet：面向复音吉他指法转录的连续值音高轮廓流式估计
音频与语音处理
2023-05-18 v2 机器学习
声音
摘要
近年来，自动音乐转录（AMT，即从音频中估计音符各种属性的任务）受到越来越多的关注。与此同时，多音高估计（MPE）这一相关任务仍是几乎所有 AMT 方法（即便只是隐式地）中具挑战性但必要的组成部分。在 AMT 背景下，音高信息通常被量化到西方音乐音阶的标称音高。即便在更一般的语境中，MPE 系统通常也会产生带有某种程度量化的音高预测。在 AMT 的某些应用中，例如吉他指法转录（GTT），估计连续值音高轮廓更有意义。吉他指法能够表示多种演奏技巧，其中一些涉及音高调制。当代 AMT 方法未能充分处理音高调制，且仅以更高的模型复杂度为代价提供较少的量化。本文提出一种 GTT 表述，估计连续值音高轮廓，并按其来源弦与品对其进行分组。我们证明，对于该任务，所提方法显著提升了 MPE 的分辨率，同时给出的指法估计结果与基线模型相当。
引用
@article{arxiv.2212.03023,
title = {FretNet: Continuous-Valued Pitch Contour Streaming for Polyphonic Guitar Tablature Transcription},
author = {Frank Cwitkowitz and Toni Hirvonen and Anssi Klapuri},
journal= {arXiv preprint arXiv:2212.03023},
year = {2023}
}
备注
Accepted to ICASSP 2023