首个 Cadenza 挑战：利用机器学习竞赛改善听力损失者的音乐体验
声音
2024-09-10 v1 机器学习
音频与语音处理
摘要
听音乐是听力损失者面临问题的已知挑战，听力助听器并非万能解。如何利用机器学习来解决这一问题？本文详细阐述了首次将开放式挑战方法应用于改善听力损失者音乐音质的机器学习应用。首个挑战为独立竞赛 (CAD1)，有 9 名参赛者。第二个为 2024 年 ICASSP 大师赛 (ICASSP24)，吸引了 17 名参赛者。挑战任务涉及分离人声与伴奏并重新混音以实现针对不同听众的乐器平衡，以及纠正因听阈升高而进行的放大。为参赛者提供的软件基线使用两种最先进的分离算法：Hybrid Demucs 和 Open-Unmix。系统评估采用客观指标 HAAQI（听力助听器音频质量指数）进行。CAD1 中没有任何参赛者超过最佳基线，因为改进空间有限。因此，在 ICASSP24 中，通过使用大音箱再现并指定放大增益后进行重新混音，使情景更加困难。这也使情景更适合通过听力助听器进行聆听。9 名参赛者的得分超过了最佳 ICASSP24 基线。大多数参赛者使用改进版 Hybrid Demucs 和 NAL-R 放大。最高得分系统采用集成方法结合多个分离算法的输出。这些挑战现已成为未来研究的开放基准，软件和数据均可免费获取。
引用
@article{arxiv.2409.05095,
title = {The first Cadenza challenges: using machine learning competitions to improve music for listeners with a hearing loss},
author = {Gerardo Roa Dabike and Michael A. Akeroyd and Scott Bannister and Jon P. Barker and Trevor J. Cox and Bruno Fazenda and Jennifer Firth and Simone Graetzer and Alinka Greasley and Rebecca R. Vos and William M. Whitmer},
journal= {arXiv preprint arXiv:2409.05095},
year = {2024}
}