面向音乐信息化的钢琴转录模型评估

自动钢琴转录模型通常使用简单的帧级或音符级信息检索（IR）指标进行评估。此类基准指标无法提供对输出中特定音乐方面（如发音、力度或节奏精度）转录质量的洞察，而这些方面在表现性演奏分析中至关重要。此外，近年来，MAESTRO已成为此类模型的事实上的训练和评估数据集。然而，当应用于分布外数据时，推理性能被观察到显著下降，从而质疑了此类模型转录输出在特定MIR任务中的适用性和可靠性。在本工作中，我们通过两个实验研究了三种最先进的钢琴转录模型的性能。在第一个实验中，我们提出了一系列音乐信息化的评估指标，与IR指标相比，这些指标能更详细地洞察转录的音乐质量。在第二个实验中，我们比较了在真实世界和扰动音频录音上的推理性能，并强调了我们的指标有助于解释的音乐维度。我们的实验结果凸显了现有钢琴转录指标的弱点，并有助于对转录输出进行更符合音乐学的错误分析。