基于半监督学习的 BERT 自动钢琴简谱方法
声音
2026-01-06 v2 符号计算
摘要
本研究提出一种新型的自动钢琴简谱方法，采用半监督机器学习。钢琴简谱是一种重要的音乐转换过程，帮助音乐家和作曲家作为表演和分析的音乐草图。这种自动化方法虽然具有高度挑战性，但可能带来巨大的便利，因为手动完成钢琴简谱需要大量时间和精力。虽然监督式机器学习通常是学习输入-输出映射的有用工具，但获取大量标记数据较为困难。我们通过利用半监督学习来解决此问题，以充分利用经典音乐中可用的丰富数据，在很少或没有标记方面的情况下完成该任务。为此，我们提出并实现了两种可能的解决方案，利用现有的机器学习框架——MidiBERT。我们表明我们的解决方案能够输出实用且真实的样本，实现需要在后处理中进行少量调整的准确简谱。我们的研究为在自动钢琴简谱中使用半监督学习奠定了基础，未来的研究人员可以参考以获得更具前沿性的结果。
引用
@article{arxiv.2512.21324,
title = {Towards Practical Automatic Piano Reduction using BERT with Semi-supervised Learning},
author = {Wan Ki Wong and Ka Ho To and Chuck-jee Chau and Lucas Wong and Kevin Y. Yip and Irwin King},
journal= {arXiv preprint arXiv:2512.21324},
year = {2026}
}