本模型使用起始强度检测函数,获取更加明显的音乐输入节拍特征曲线。引入了节拍谱求音乐速度。
实验数据集
本文实验数据为国际音乐信息检索评测比赛(MIREX)的节拍跟踪的测试数据库,共计20个曲风节奏各不相同的音乐片段,每个片段为30s,同时每个音乐片段都有人工标记节拍点用来做对比。其数据下载地址为https://www.music-ir.org/mirex/wiki/2019:Audio_Beat_Tracking。
算法评价标准
评估节拍追踪算法性能方面,最基本的为比较计算预测节拍与人工标注节拍的相似度,虽然有多种评估算法,但目前尚未达成共识,因此没有固定的标准。本文采用的评估标准是MIREX的节拍评估程序,使用其中4个指标来评定算法预测节拍的准确度[9]。4个指标分别为F-Measure、Cemgil、P-Score、CMLt。
依据以上的节拍性能评估指标,对比MIREX2019节拍追踪的结果,其结果地址为https://www.music-ir.org/mirex/wiki/2019:MIREX2019_Results,采用SMC Dataset、MAZ Dataset的平均数据指标,其具体数据如表1所示。 本文将其作为所提模型BS的对比数据。
表1 2019 MIREX节拍跟踪结果对比
Tab.1 2019 MIREX Beat Tracking result
算法 F-measure Cemgil Pscore CMLt
SB1 55.3938 45.8368 58.9958 36.4818
CD1 36.1762 30.0239 43.5793 13.6252
CD2 41.6371 34.7572 47.8053 21.4156
GBK1 32.5794 23.3214 37.9576 20.05045
BS 47.6270 37.9819 51.5947 24.5326
结论
本文提出的基于节拍谱与起始强度曲线的音乐节拍追踪模型首先对音乐信号进行预处理,其后通过节拍谱找到音频信号的节奏,利用起始强度曲线以及音乐节奏的关系,使用前后向搜索找寻节拍点。
缺点效果其实不是很好,以及没法跟其他模型竞争,就只是参考吧。