从商业歌曲音频中转录歌词：歌唱内容处理的第一步
声音
2018-04-17 v1 计算与语言
音频与语音处理
摘要
口语内容处理（如检索与浏览）正日趋成熟，但歌唱内容仍几乎完全被忽视。歌曲如同语音一样是由人声承载大量语义信息的信号，并可被视为一种韵律高度灵活的特殊语音。歌曲音频中的各种问题，例如音高轮廓高度灵活导致的音素时长显著变化，使得从歌曲音频中识别歌词困难得多。本文报告了朝向该目标的一次初步尝试。我们直接从商业歌唱内容中收集了去音乐版的英文歌曲。最佳结果由带数据增强（3 倍速度扰动加若干特殊方法）的 TDNN-LSTM 取得。所得词错率（WER，73.90%）显著低于基线（96.21%），但仍相对较高。
引用
@article{arxiv.1804.05306,
title = {Transcribing Lyrics From Commercial Song Audio: The First Step Towards Singing Content Processing},
author = {Che-Ping Tsai and Yi-Lin Tuan and Lin-shan Lee},
journal= {arXiv preprint arXiv:1804.05306},
year = {2018}
}
备注
Accepted as a conference paper at ICASSP 2018