单器乐演奏的音乐节拍估计
音频与语音处理
2025-04-28 v1 信息检索
摘要
最近，自动音乐转谱已能够将 musical audio 转换为准确的 MIDI，但所生成的 MIDI 缺乏诸如节拍等音乐记号，这阻碍了其转换为乐谱。本文我们调查最先进的节拍估计技术，并在单器乐器音乐上对其性能进行评估。这些包括在大量混合人声和器乐音乐上预训练的时序卷积网络（TCN）和循环神经网络（RNN），以及针对单器乐器演奏训练的 TCN 模型。通过在鼓、吉他和古典钢琴数据集上的评估，我们的 TCN 模型采用新的训练方案实现了最佳性能。我们新训练的 TCN 模型相对于预训练 TCN 模型在吉他节拍估计中将 Acc1 指标提高 38.6%，而预训练 TCN 模型的 Acc1 为 61.1%。虽然我们的训练 TCN 模型在估计古典钢琴节拍时比预训练 TCN 模型准确率仅为 50.9%，但其准确率仅为预训练模型的一半。为提高深度学习模型的性能，我们研究其与各种后处理方法的组合。这些后处理技术在深度学习模型在特定乐器上难以估计节拍时有效提升了性能。
引用
@article{arxiv.2504.18502,
title = {Music Tempo Estimation on Solo Instrumental Performance},
author = {Zhanhong He and Roberto Togneri and Xiangyu Zhang},
journal= {arXiv preprint arXiv:2504.18502},
year = {2025}
}
备注
4 pages, rejected paper by WASPAA2023