无得分依赖的大规模性能数据集结构分析
声音
2026-05-26 v1
摘要
近年来，由于自动乐谱转录(AMT)技术的进步，已发布了多个大型自动转录钢琴独奏音乐数据集。尽管这些数据集无疑为表演研究提供了广泛的材料，但质量差异很大。在古典音乐中，演出不仅在表现性方面（如节奏）有所不同，还在对谱曲的结构性解释上有所不同（包括重复模式和版本特定的变体）。为了有意义地利用大规模转录数据集进行表演研究，必须将同一作品的转录结果根据其 underlying 结构实现进行分组，以支持有效的比较。我们通过应用序列到序列对齐并进行层次聚类来解决此问题：为给定作品的所有转录对创建成对对齐，并使用对齐成本和执行序列长度的(不)相似性来解决结构不匹配作为分组的特征。我们将这一方法提出作为自动评估缺乏真实谱曲和/或音频的大规模转录数据集的第一步，将评估标准从基于真实性的准确性转向音乐连贯性和合理性。我们在约 1,500 份来自最近发布的大规模转录钢琴演奏数据集中约 88 首作品的转录上演示了无得分的方法。
引用
@article{arxiv.2605.25951,
title = {Score-Agnostic Structure Analysis in Large-Scale Performance Datasets},
author = {Patricia Hu and Silvan Peter and Gerhard Widmer},
journal= {arXiv preprint arXiv:2605.25951},
year = {2026}
}
备注
published at the Music Encoding Conference (MEC) 2026