得分导向的 BiLSTM 修正用于自动钢琴转录中 MIDI 力度的优化.pdfVIP

得分导向的BiLSTM修正用于自动钢琴转录中MIDI力度的优化

ZhanhongHe,RobertoTogneri,Defeng(David)Huang,

UniversityofWesternAustralia,Perth,Australia

摘要—MIDI是存储音乐的现代标准，记录了音乐音符是如何被演为了评估我们的方法，我们将校正模块集成到了高分辨率钢

奏的。许多钢琴表演在网上都有对应的MIDI乐谱可供使用。其中一些琴转写（HPT）系统[17]中。虽然结果并未超过基于乐谱的力

是由原表演者在录制音频的同时，在电子钢琴上创建的，而另一些则是

度估计的最先进水平（SOTA），但当应用于HPT系统时，我们

通过手动转录完成的。近年来，自动音乐转写（AMT）迅速发展，使得

机器能够从音频中转写出MIDI。然而，这些转写往往需要进一步校正。的方法取得了显著改进。这证明了将校正模块作为实用策略的有

假设时间校正是完美的，我们关注的是在MIDI力度（用于控制音量的效性。

MIDI参数）方面的音量校正问题。这项任务可以通过基于乐谱的信息进

行MIDI力度估计来解决，这种方法已经经历了几项发展。尽管先前的

方法专门构建了模型重新估算MIDI力度，从而取代AMT估算值，但

我们提出了一种BiLSTM校正模块来细化AMT估算的力度值。虽然我

们没有达到最先进的性能，但在著名的AMT系统——高分辨率钢琴转

本写（HPT）上验证了我们的方法，并取得了显著改进。

译1.介绍

中自动音乐转写（AMT）是音乐信息检索（MIR）领域的一个长期

1研究主题，专注于从音频录音中提取音符并将其转换为MIDI乐

v谱。传统的AMT系统集中在估计音高和音符边界以构建基本的

7MIDI乐谱[1]。最近的发展扩展到了诸如识别音乐合奏中的乐器

5图1:提出的与先前方法的比较。

7和钢琴演奏的MIDI力度估计等任务[2]。这些进步使得大规模转

7写成为可能，产生了许多有价值的MIR下游研究数据集[3]–[8]。2.相关工作

0

.在大多数情况下，AMT输出需要进行校正。这一挑战推动了音

82.1.得分导向的MIDI力度估计

0频到MIDI对齐的发展，以纠正时间差异[9]–[11]，并促使我们开历史上，AMT系统只能预测MIDI音符而不考虑力度信息[1]。

5展研究以修正MIDI力度。

2MIDI力度控制每个音符的响度。结合音符时值，它塑造了因此，基于乐谱的MIDI力度估计成为了一个研究重点。早期的

:

v演奏的表现力。准确的力度使MIDI乐谱成为音乐教育[12]中有工作依赖于手动测量声压级和统计方法[18]–[20]，在2011年以

i首个基于参数建模的自动力度估计系统[21]达到顶峰。随后的努

x价值的指南，并且是音乐生成研究[13]的关键数据。然而，手动

r力应用了受限玻尔兹曼机[22]和非负矩阵分解[23],[24]，展示了

a校正力度是一项繁琐的工作：人们感知响度的方式不同[14]，而

机器学习方法的可行性。然而，这些方法需要为每次推理定义专

MIDI力度的细微粒度（从0到127）使人类判断不一致。利用人

家参数，限制了它们在数据上的泛化能力和实际部署。

工智能优化AMT估计的力度提供