中文

$T\bar{a}$laGen:一个自动 $T\bar{a}$la$ 识别与生成的系统

音频与语音处理 2025-01-16 v2

摘要

在印度古典音乐中,打击乐器 tabla 在节奏主干和伴奏方面发挥着重要作用。在类似计算机音乐分析、学习唱歌和学习乐器的应用中,tabla 打击音的转录、TaˉT\bar{a}la识别和生成都是关键任务。本文提出了一个综合性的系统,旨在解决这些挑战。对于打击音转录,我们提出了一种基于模型中性元学习(MAML)的新方法,能够使用最小数据准确识别tabla打击音。借助这些转录,系统引入了两种新的 识别和生成都是关键任务。本文提出了一个综合性的系统,旨在解决这些挑战。对于打击音转录,我们提出了一种基于模型中性元学习 (MAML) 的新方法,能够使用最小数据准确识别 tabla 打击音。借助这些转录,系统引入了两种新的 T\bar{a}lala 识别方法,基于 tabla 打击音的序列分析。\par 此外,本文提出了一个 TaˉT\bar{a}la生成框架,以桥接传统方法和现代学习方法。该框架利用有限状态传递器(FST)和线性时不变(LTI)滤波器,通过用户交互实现对 生成框架,以桥接传统方法和现代学习方法。该框架利用有限状态传递器 (FST) 和线性时不变 (LTI) 滤波器,通过用户交互实现对 T\bar{a}lala 的实时节奏控制,增强练习场合和音乐教育。对 tabla 独奏和演出数据集的实验评估表明,该系统在真实数据上的表现卓越,能够超越现有方法。此外,提出的 TaˉT\bar{a}la识别方法也超越了最先进的技术。本文的贡献包括综合性的tabla打击音转录方法、创新的 识别方法也超越了最先进的技术。本文的贡献包括综合性的 tabla 打击音转录方法、创新的 T\bar{a}lala 识别技术以及能够处理印度古典音乐节奏复杂性的健壮 TaˉT\bar{a}la$ 生成框架。

关键词

引用

@article{arxiv.2407.20935,
  title  = {$T\bar{a}laGen:$ A System for Automatic $T\bar{a}la$ Identification and Generation},
  author = {Rahul Bapusaheb Kodag and Himanshu Jindal and Vipul Arora},
  journal= {arXiv preprint arXiv:2407.20935},
  year   = {2025}
}

备注

The method used in this paper has been modified and incorporated into a different paper, titled "Meta-learning-based percussion transcription and t\=ala identification from low-resource audio". This new paper has already been submitted to arXiv, and can be found under the following link: arXiv:2501.04742v2