音乐和人声自动判别小结

 如下表1和表2所示，人声测试集包含：电视节目、讲故事、评书、说相声、有声电台等；音乐测试集包含：华语舞曲、R&B、西方民谣、华语摇滚、rap、1614混合曲集等。

    表1测试集中，人声的平均识别率在89.31%，音乐的平均识别率在95.95%。相声和故事的结果较差，原因在于测试集中包含的相声现场录制环境较差，环境吵闹，频谱混乱；而讲故事有比较明显的音乐背景伴奏。

     表1   音乐和人声自动分类结果

	正确数目	数目	准确率
电视节目	59	66	0.893939
故事	69	88	0.784091
评书	181	186	0.973118
相声	73	96	0.760417
有声电台	41	44	0.930233
1800有声	96	101	0.950495
合计	518	580	0.893103
1800音乐	1614	1690	0.95503
华语舞曲	54	54	1
R&B	44	44	1
西方民谣	80	80	1
华语摇滚	50	52	0.961538
rap	104	108	0.962963
合计	1946	2028	0.959566
合理阈值	0.5

 表2  两层筛选自动分类结果

	正确数目	数目	准确率
电视节目	62	66	0.939394
故事	72	88	0.818182
评书	182	186	0.978495
相声	77	96	0.802083
有声电台	41	43	0.953488
1800有声	96	101	0.950495
合计	530	580	0.913793
1800音乐	1592	1688	0.943128
华语舞曲	54	54	1
R&B	43	44	0.977273
西方民谣	80	80	1
华语摇滚	49	52	0.942308
rap	104	108	0.962963
合计	1922	2026	0.948667
合理阈值	0.5