多声部音乐中吉他音轨节奏模式的转录

尽管和弦转录在过去几十年中受到了广泛关注，但针对歌曲中出现的节奏模式的转录与编码的研究却少得多。该主题对于节奏吉他等乐器尤为相关，其通常通过扫弦演奏随时间重复和变化的节奏模式。然而，在许多情况下，无法客观地为给定的歌曲段落定义单一的“正确”节奏模式。为了创建具有明确真值标签的数据集，我们邀请专业音乐家转录了 410 首流行歌曲中的节奏模式，并录制了吉他音轨遵循这些转录的翻唱版本。为了转录扫弦及其对应的节奏模式，我们提出了一个三步框架。首先，我们执行近似音源分离，从多声部混合中提取吉他部分。其次，我们在分离出的吉他音频中检测单个扫弦，使用预训练的基础模型（MERT）作为骨干网络。最后，我们执行模式解码过程，其中转录的吉他扫弦序列由来自专家策划的词汇表的模式表示。我们表明，可以以相当高的准确率转录多声部音乐中吉他音轨的节奏模式，生成人类可读的表示，并包含自动检测的小节线和拍号标记。我们进行了消融研究和误差分析，并提出了一组评估指标以评估预测节奏模式序列的准确性和可读性。