室内乐合奏生成器：通过生成建模获得无限高质量 MIR 数据
声音
2022-09-30 v1 信息检索
机器学习
音频与语音处理
摘要
数据是现代机器学习系统的命脉，包括音乐信息检索（MIR）中的系统。然而，MIR长期受困于小规模数据集与不可靠标签。本文中，我们提出使用生成建模来打破这一瓶颈。通过将音符生成模型（在Bach Chorales上训练的Coconet）与室内乐合奏结构化合成模型（在URMP上训练的MIDI-DDSP）流水线化，我们展示了一个能够生成无限量具有丰富标注的真实合唱音乐的系统，标注包括混音、分轨、MIDI、音符级演奏属性（断奏、颤音等）乃至细粒度合成参数（音高、振幅等）。我们称该系统为室内乐合奏生成器（CEG），并用它生成了来自四种不同室内乐合奏的大型合唱数据集（CocoChorales）。我们证明，使用我们方法生成的数据改进了音乐转录与声源分离的最优（SOTA）模型，并且我们将该系统与数据集作为开源基础发布以供MIR社区未来工作使用。
引用
@article{arxiv.2209.14458,
title = {The Chamber Ensemble Generator: Limitless High-Quality MIR Data via Generative Modeling},
author = {Yusong Wu and Josh Gardner and Ethan Manilow and Ian Simon and Curtis Hawthorne and Jesse Engel},
journal= {arXiv preprint arXiv:2209.14458},
year = {2022}
}