基于HMM的强迫Viterbi比对的大型音乐标注数据集的发展
原文中文，约500字，阅读约需1分钟。发表于：。本研究解决了自动音乐转录（AMT）所需的数据集生成问题，提出了一种简化从特定乐器获取数据集的高效方法。通过使用预定义的吉他练习和基于隐马尔可夫模型的强迫Viterbi比对，实现时间对齐的转录，确保了录音和转录标签的高准确性。该方法为构建不同乐器的AMT系统奠定了重要基础。
自动音乐转录（AMT）是将音频信号转换为音乐符号表示的核心挑战。本文回顾了AMT在音乐信号分析中的作用，探讨了当前模型和方法的进展和限制。尽管有进展，AMT系统尚未达到人类专家的准确度。本综述批判性评估了全自动和半自动的AMT系统，并提出了改进的途径，为未来的研究提供了路线图，以缩小系统和人类级转录准确性之间的差距。
