迈向富有表现力的歌声校正：关于人声旋律提取评估指标感知有效性的研究
音频与语音处理
2020-10-26 v1 声音
摘要
歌声校正 (SVC) 是面向业余歌手的一个引人注目的应用。商业产品通过将音高轮廓吸附到平均律音阶来实现 SVC 自动化，这可能导致平淡的修改。加上对节奏错误的忽视，大量的人工校正仍然必要。在本文中，我们提出一个简化系统来自动化针对音高和节奏错误的富有表现力的 SVC。特别地，我们扩展了先前的工作，集成了用于歌声分离 (SVS) 和人声旋律提取的先进技术。SVC 通过时间上对齐源-目标对，随后用目标的音高和节奏替换源的音高和节奏来实现。我们通过一项涉及主观和客观评估的旋律提取比较研究来评估该框架，从而通过 SVC 的视角考察标准指标的感知有效性。结果表明，这些指标获得的高音高准确率并不意味着良好的感知得分。
引用
@article{arxiv.2010.12196,
title = {Toward Expressive Singing Voice Correction: On Perceptual Validity of Evaluation Metrics for Vocal Melody Extraction},
author = {Yin-Jyun Luo and Yuen-Jen Lin and Li Su},
journal= {arXiv preprint arXiv:2010.12196},
year = {2020}
}
备注
Submitted to ICASSP 2021