HumTrans:一种用于哼唱旋律转写及更多任务的新型开源数据集
声音
2023-10-18 v2 音频与语音处理
摘要
本文介绍了公开可用的 HumTrans 数据集,其主要设计用于哼唱旋律转写。该数据集也可作为基于哼唱旋律的音乐生成等下游任务的基础。它包含 500 首不同流派与语言的音乐作品,每首作品被划分为多个片段。数据集共计包含 1000 个音乐片段。为收集该哼唱数据集,我们招募了 10 名大学生,他们均为音乐专业或精通至少一种乐器。每人通过我们设计网站提供的网页录音界面将每个片段哼唱两遍。哼唱录音的采样频率为 44,100 Hz。在哼唱过程中,主界面提供乐谱供学生参考,同时播放旋律音频以辅助把握旋律与节奏。该数据集涵盖约 56.22 小时音频,是迄今已知最大的哼唱数据集。数据集将在 Hugging Face 上发布,我们将提供包含基线结果与评估代码的 GitHub 仓库。
引用
@article{arxiv.2309.09623,
title = {HumTrans: A Novel Open-Source Dataset for Humming Melody Transcription and Beyond},
author = {Shansong Liu and Xu Li and Dian Li and Ying Shan},
journal= {arXiv preprint arXiv:2309.09623},
year = {2023}
}