当代男性流行音乐中声区分类的机器学习方法
声音
2025-08-22 v2 机器学习
音频与语音处理
摘要
对于所有经验水平的歌手来说，学习技术性曲目时最令人生畏的挑战之一是在换声区（胸声区和头声区之间的过渡区域）及其周围处理声音位置和声区。特别是在流行音乐中，单个艺术家可能使用多种音色和质感来达到期望的品质，因此很难识别歌手在音域内使用的是哪种声区。本文提出了两种通过分析梅尔频谱图图像的纹理特征来对男性流行音乐音频信号中的声区进行分类的方法。此外，我们将讨论这些模型在声乐分析工具中的实际集成，并介绍一个同时开发的名为 AVRA（Automatic Vocal Register Analysis，自动声区分析）的软件。我们提出的方法通过支持向量机（SVM）和卷积神经网络（CNN）模型实现了对声区的一致分类，这支持了在更多声音类型和歌唱流派中实现更稳健分类可能性的前景。
引用
@article{arxiv.2505.11378,
title = {Machine Learning Approaches to Vocal Register Classification in Contemporary Male Pop Music},
author = {Alexander Kim and Charlotte Botha},
journal= {arXiv preprint arXiv:2505.11378},
year = {2025}
}
备注
8 pages, 8 figures