面向音乐教学的自动检测与分析唱法错误
人机交互
2026-02-09 v1
摘要
机器学习在音频分析方面的进展为技术增强的音乐教育开辟了新可能。本文引入了一个用于音乐教学情境下的自动唱法错误检测框架，并配以全新的精选数据集。该数据集包含同步的教师-学生 vocal 记录，并标注不同类型的学习者错误。基于该数据集，我们开发了用于错误检测的不同深度学习模型并进行基准测试。为比较错误检测系统的效能，提出了新的评估方法。实验表明，所提出的基于学习的方法优于基于规则的方法。系统性的错误研究和跨教师研究揭示了可用于各种音乐应用的音乐教学见解。该工作为音乐教学的新研究方向指明了前景。代码和数据集已公开。
引用
@article{arxiv.2602.06916,
title = {Understanding Workplace Relatedness Support among Healthcare Professionals: A Four-Layer Model and Implications for Technology Design},
author = {Zheyuan Zhang and Dorian Peters and Lan Xiao and Jingjing Sun and Laura Moradbakhti and Andrew Hall and Rafael A. Calvo},
journal= {arXiv preprint arXiv:2602.06916},
year = {2026}
}