基于谱图图像和卷积神经网络的实时音高/F0检测
声音
2025-04-09 v1 人工智能
音频与语音处理
摘要
本文提出了一种新颖的方法，通过卷积神经网络和图像处理技术直接从谱图图像估计音高。我们新的方法显示出非常好的检测准确性；总计92%的预测音高轮廓与真实音高轮廓具有强或中等相关性。此外，实验比较表明，我们的方法可使各种信噪比条件下的检测率提高约5%。
引用
@article{arxiv.2504.06165,
title = {Real-Time Pitch/F0 Detection Using Spectrogram Images and Convolutional Neural Networks},
author = {Xufang Zhao and Omer Tsimhoni},
journal= {arXiv preprint arXiv:2504.06165},
year = {2025}
}