歌词相似性感知的计算分析
本文介绍了一个计算框架,旨在定量评估可唱译歌词,该框架无缝地融合了歌曲、语言和文化维度;通过收集一个可唱歌词数据集,并进行可唱和不可唱歌词的比较分析,我们验证了我们框架的有效性;我们的多学科方法揭示了歌曲翻译艺术的关键因素,并为未来的计算歌词翻译评估奠定了坚实基础。
Aug, 2023
本文介绍了一个用于歌词语义相似度任务的新数据集和基准。通过一项集体注释实验,我们获得了 676 个高质量的注释对,并评估了各种最先进的单语和多语言语言模型的性能,以建立未来学术和工业应用的基准结果。
Jun, 2023
本文提出了一种基于序列到序列框架,利用神经编码器和分层解码器,结合自然语言和旋律创作音乐曲调及准确标定的模型,并在 18,451 首流行歌曲中的歌词 - 旋律匹配对上进行了实验,论文通过人工评估证明了模型生成的旋律比基线模型更优秀。
Sep, 2018
通过对高质量合成歌词进行综合定量评估,我们基于 LIM2 模型构建的最佳 few-shot 检测器,在区分人工创作和机器生成的内容方面超越了样式和统计方法,并且对新艺术家和模型具有良好的泛化能力,同时有效地检测后期生成的改写。
Jun, 2024
本文提出一种由协同过滤数据样本优化得到的基于内容相似度度量的音乐推荐系统,能够对于新颖或不受欢迎音乐领域的查询给出高精度和高效率的回答,并且在实验中得出了显著的精度改善。
May, 2011
本研究通过使用 Spotify 音乐流媒体平台用户播放列表推导出的情绪和近一百万首歌曲的数据集,利用基于 transformers 的最先进的自然语言处理模型,研究了歌词和情绪之间的关联。研究表明,预训练的 transformer-based 语言模型在零 - shot 场景下能够强大地捕捉到歌曲情绪的关联。 此外,通过比较使用歌词和使用声学特征的模型的预测,我们观察到,相对于声学,歌词对情绪的预测具有不同的重要性,从而验证了模型是否捕捉了人类对歌词和声学的情绪相关性的相同信息。
May, 2022
本文提出一种基于语义的图像检索语音的解决方案,通过深度学习模型生成标签,使用神经网络建模歌词,并基于多层感知器建立图像和歌词之间的语义相关性,实验结果显示出明显的检索表现力。
Aug, 2017
本文通过计算方法深入理解歌词,侧重于歌词的风格和偏见,通过分析超过 500,000 首歌曲,研究了歌曲风格和含有的性别和种族偏见,并发现歌词的偏见与社会中存在的偏见有相关性。
Jul, 2019