基于 TI-SDRM 的弱监督塔布拉鼓击音转录：一种节奏感知的网格重评分框架
音频与语音处理
2026-01-14 v1
摘要
塔布拉鼓击音转录（TST）是分析印度斯坦古典音乐节奏结构的核心，但由于复杂的节奏组织和强标注数据的稀缺性，该任务仍具挑战性。现有方法主要依赖于带有起标注的完全监督学习，这在规模上成本高昂且不切实际。本工作在弱监督设置下处理 TST，仅使用不带时间对齐的符号击音序列。我们提出了一个将基于 CTC 的声学模型与序列级节奏重评分相结合的框架。声学模型生成一个解码网格，该网格通过 \textbf{} 无关的静态-动态节奏模型（TI-SDRM）进行优化；该模型通过自适应插值机制将长期节奏结构与短期自适应动态相融合。我们策划了一个新的真实世界塔布拉鼓独奏数据集和一个互补的合成数据集，建立了印度斯坦古典音乐中弱监督 TST 的首个基准。实验表明，相对于仅声学解码，击音错误率获得了一致且大幅度的降低，证实了显式节奏结构对于准确转录的重要性。
引用
@article{arxiv.2601.08537,
title = {Weakly Supervised Tabla Stroke Transcription via TI-SDRM: A Rhythm-Aware Lattice Rescoring Framework},
author = {Rahul Bapusaheb Kodag and Vipul Arora},
journal= {arXiv preprint arXiv:2601.08537},
year = {2026}
}