Jam-ALT：一个考虑格式感知的歌词转写基准
音频与语音处理
2023-11-27 v1 计算与语言
机器学习
声音
摘要
当前的自动歌词转写（ALT）基准仅关注词语内容，而忽略了书面歌词更精细的细微差别，包括格式与标点，这导致与音乐人及词曲作者的创作产物以及听众体验的潜在错位。例如，换行在传达节奏、情感强调、押韵和高级结构等信息方面十分重要。为解决此问题，我们引入 Jam-ALT，一个基于 JamendoLyrics 数据集的新歌词转写基准。我们的贡献有两点。其一，对转写文本进行全面修订，专门面向 ALT 评估，遵循新制定的统一音乐行业指南的标注规范，涵盖标点、换行、拼写、背景人声和非词语声音等方面。其二，一套不同于传统词错误率的评估指标套件，用以捕捉此类现象。我们希望所提出的基准有助于 ALT 任务，实现对转写系统更精确可靠的评估，并提升歌词应用（如现场字幕或卡拉 OK 的字幕渲染）中的用户体验。
引用
@article{arxiv.2311.13987,
title = {Jam-ALT: A Formatting-Aware Lyrics Transcription Benchmark},
author = {Ondřej Cífka and Constantinos Dimitriou and Cheng-i Wang and Hendrik Schreiber and Luke Miner and Fabian-Robert Stöter},
journal= {arXiv preprint arXiv:2311.13987},
year = {2023}
}
备注
6 pages (3 pages main content); website: https://audioshake.github.io/jam-alt/; data: https://huggingface.co/datasets/audioshake/jam-alt; code: https://github.com/audioshake/alt-eval/