基于预训练roll表示编码器的层次化语言模型钢琴谱转换
材料科学
2025-01-07 v1
摘要
自动音乐转谱(AMT)旨在从原始音频中提取音符，通常采用帧级系统输出钢琴卷帘或基于语言模型(LM)的系统进行音符级预测。然而，帧级系统需要手动阈值处理，LM-based系统在处理长序列时存在挑战。本文提出一种混合方法，结合预训练的roll-based编码器与LM解码器，发挥二者优势。此外，我们采用层次化预测策略，依次预测起始点和音高、力度，最后预测结束点。层次化预测策略通过将长序列分解为不同层次来降低计算成本。在两个基准roll-based编码器上评估，本方法在起始-结束-力度F1分数上分别优于传统钢琴卷帘输出0.01和0.022，展示了其作为提升任意roll-based音乐转谱编码器性能的潜在插件。
引用
@article{arxiv.2501.03036,
title = {New polymorph {\gamma}-CuWO4 inspired by {\gamma}-CuMoO4: experimental identification and theoretical verification},
author = {Jiri Houska and Stanislav Haviar and Jiri Capek and Radomir Cerstvy and Kalyani Shaji and Nirmal Kumar and Petr Zeman},
journal= {arXiv preprint arXiv:2501.03036},
year = {2025}
}