PulseAugur
中
实时 10:42:17
English(EN) Audio-to-Score Transcription using Pre-trained Features, Data Augmentation, and the New SheetSage-A2S Dataset

新数据集和模型推动流行音乐转录发展

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了SheetSage-A2S数据集，这是一个包含61小时流行音乐音频及其乐谱编码的新颖集合，旨在推动音频到乐谱的转录研究超越古典音乐领域。所提出的模型利用预训练特征和数据增强，在古典音乐基准测试上实现了4.98%的符号错误率，显著优于先前最先进的方法。此外，该模型在新SheetSage-A2S数据集上表现出20.92%的符号错误率，为流行音乐转录设定了基准。 AI

影响 这项研究提供了一个新的数据集和改进的模型用于音频到乐谱的转录，有可能为音乐分析和创作带来新工具。

排序理由 该集群描述了学术论文中提出的新数据集和模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新数据集和模型推动流行音乐转录发展

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Eoin Cummins, Zhongyi Huang, Alexandre D'Hooge, Zhuoro Mo, Yaolong Ju ·

    使用预训练特征、数据增强和新的SheetSage-A2S数据集进行音频到乐谱的转录

    arXiv:2608.06165v1 Announce Type: cross Abstract: Existing audio-to-score (A2S) systems primarily focus on classical music, and the application to popular music remains underexplored. This paper first presents the new SheetSage-A2S Dataset, which includes 61 hours of audio with \…

相关话题