LooPy：面向电子舞曲音乐信息检索的研究友好型混音框架
声音
2023-05-13 v1 信息检索
机器学习
多媒体
音频与语音处理
摘要
近年来，随着深度学习的发展，音乐信息检索（MIR）经历了爆发式增长。然而，相较于其他音乐类型，电子舞曲（EDM）等流派受到的关注一直相对较少。考虑到其广泛的应用前景，我们提出了一个用于自动化生成 EDM 音频的 Python 包，作为 EDM 歌曲 MIR 的基础设施，以缓解标注数据获取困难的问题。它是一个便捷的工具，可轻松拼接至许多符号音乐生成流程的末端。在该包中，我们提供了一个构建专业级模板的框架，能够从指定的旋律与和弦渲染出制作精良的音轨，或仅通过我们基于概率的符号旋律生成器给定特定调式即可批量生成音轨。实验表明，在主观与客观标准上，我们的混音可达到与世界知名艺术家创作的原版参考歌曲同等的品质。我们的代码可在该仓库获取：https://github.com/Gariscat/loopy，项目官方网站也已上线：https://loopy4edm.com。
引用
@article{arxiv.2305.01051,
title = {LooPy: A Research-Friendly Mix Framework for Music Information Retrieval on Electronic Dance Music},
author = {Xinyu Li},
journal= {arXiv preprint arXiv:2305.01051},
year = {2023}
}
备注
Submitted to ACM MM 2023. arXiv admin note: substantial text overlap with arXiv:2201.05194