学习超越小节的层级节拍结构
声音
2022-09-22 v1 机器学习
音频与语音处理
摘要
音乐包含超越节拍与小节的层级结构。尽管层级结构标注对音乐信息检索与计算机音乐学有帮助，此类标注在当前数字音乐数据库中十分匮乏。本文探索一种数据驱动方法，从乐谱中自动提取层级节拍结构。我们提出一种具有时序卷积网络-条件随机场（TCN-CRF）架构的新模型。给定符号化乐谱，我们的模型以节拍量化形式接收任意数量的声部，并预测从强拍级到段落级的 4 层层级节拍结构。我们还使用 RWC-POP MIDI 文件标注了一个数据集以 facilitat 训练与评估。实验表明，所提方法在不同配器设置下均优于基于规则的方法。我们还对模型预测进行了一些简单的音乐学分析。所有演示、数据集与预训练模型均在 Github 上公开可用。
引用
@article{arxiv.2209.10259,
title = {Learning Hierarchical Metrical Structure Beyond Measures},
author = {Junyan Jiang and Daniel Chin and Yixiao Zhang and Gus Xia},
journal= {arXiv preprint arXiv:2209.10259},
year = {2022}
}
备注
Accepted at the International Society for Music Information Retrieval (ISMIR), 2022