Aug, 2023

PitchNet: 一种用于音高估计的全卷积神经网络

PDF
TL;DR在音乐和声音处理领域中，音高提取起着关键作用。本研究介绍了 “PitchNet”，一种专为从人类歌唱声音中提取音高而量身定制的卷积神经网络，包括 a cappella 演唱。将自相关与深度学习技术融合，PitchNet 旨在优化音高检测的准确性。通过对包含合成声音、歌剧录音和时间拉伸元音的数据集进行评估，证明了其有效性。这项工作为音乐和语音环境中的音高提取铺平了道路。
发现论文，激发创造
  • Deep Autotuner: 用于歌唱表演的音高校准网络

    本论文介绍了一种基于数据驱动的自动音高校正方法，该方法利用歌唱声音和伴奏音频相应的频谱图之间的关系来预测音符级别的音高变化。该方法通过神经网络模型进行训练，包括卷积层和门控循环单元，可适用于自由即兴和协调音乐演唱。

    Feb, 2020

  • CREPE: 基于卷积的音高估计表示

    提出基于深度卷积神经网络的数据驱动音高跟踪算法 CREPE，应用与音频处理中的基础频率估计，展示其与 pYIN 算法相比同等或更优的性能表现，并证明其在噪声环境下的泛化能力。

    Feb, 2018

  • 基于卷积深度神经网络的深度卡拉 OK：从音乐混音中提取人声

    通过训练一个拥有十亿参数的卷积深度神经网络来从真实世界的音乐混合物中提供声音分离的理想二值掩蔽的概率估计，以对抗更传统的线性方法，该方法可以用于自动消除卡拉 OK 类型应用程序中的歌唱声。

    Apr, 2015

  • TONet: 用于从多声部音乐中提取唱歌旋律的音调 - 八度网络

    提出了 TONet 模型，通过改进输入表示、网络架构和引入音高 - 八度融合机制，改善了歌唱旋律信息的音高和八度感知能力，并在多个数据集上验证了其性能提升。

    Feb, 2022

  • 神经参数化唱歌合成器

    利用基于 WaveNet 架构的新型合成模型，对参数声码器产生的特征进行建模，并使用混合密度输出，实现对每个帧的预测，避免了过度拟合，在预测错误的情况下进行自回归生成算法的正则化，成功将和声、非周期性和有声 / 无声组件预测在一起，比现有的参数化统计方法和拼接方法更为有效。

    Apr, 2017

  • 实现全自监督多音高估计

    多音高估计中的多音高估计，监督式学习技术，自监督式学习目标，多声乐曲数据集，卷积自编码器

    Feb, 2024

  • 基于卷积神经网络的歌声合成

    本文提出了一种基于卷积神经网络的歌声合成方法，通过建立对唱歌音符特征序列和声学特征序列之间关系的卷积神经网络模型，生成长时序的声学特征序列以去除参数生成算法，主观听感测试结果表明该方法能够产生自然流畅的歌声。

    Apr, 2019

  • PickNet: 适用于 Ad Hoc 麦克风阵列的实时通道选择

    PickNet 是一种神经网络模型，用于实时选择移动设备麦克风阵列中空闲的麦克风，以提高语音识别时的准确性，并在实验中获得了显著的词错误率降低。

    Jan, 2022

  • 基于螺旋曲线的深度卷积神经网络在乐器识别中的应用

    本研究调查了构建学习卷积网络用于乐器识别的问题，并对三种不同的权重共享策略进行了性能测试，结果表明混合三种卷积层在单个深度学习体系结构中的效果最佳。

    May, 2016

  • 基于频谱图的自动调谐声音在音乐录音中的检测

    该研究介绍了一种基于三元组网络的数据驱动方法，用于检测 Auto-Tune 音乐的自动调音效果，通过创建一个由原始和自动调音音频剪辑组成的数据集。实验结果表明，与针对其他音频取证任务广泛使用的端到端模型 Rawnet2 相比，提出的方法在准确性和鲁棒性上均具有优势。

    Mar, 2024