Детальная информация

Автоматическая транскрипция музыки является одним из основных направлений исследований в области поиска музыкальной информации. Многие задачи транскрипции аудиосигнала требуют также дополнительной информации о сыгранном музыкальном фрагменте - в частности, информации о техниках игры на музыкальном инструменте. Задача определения техники игры на музыкальном инструменте может быть решена с помощью подходов, используемых в анализе речи и классификации звуковых сигналов. Данная работа предлагает две модели для классификации техник игры на гитаре, основанные на сверточных нейронных сетях и нейронных сетях с долгой краткосрочной памятью. Производится оценка и сравнение моделей с SVM классификатором. Для всех вариантов построенной системы транскрипции гитарной музыки производится сравнение показателей точности определения высоты тона и классификации приемов игры в зависимости от используемой модели классификатора и алгоритма автоматической транскрипции.

Automatic music transcription is a fundamental problem in the field of music information retrieval. Many tasks of transcribing audio signal into note-level musical notation also require additional information about piece of music, namely, playing techniques. The task of musical instrument playing techniques classification can be solved using the approaches derived from speech analysis and sound event detection. This work proposes two guitar playing classification models based on LSTM neural networks and convolutional neural networks. These models were evaluated and compared to SVM model. Evaluation and comparison of automatic guitar transcription systems built with state-of-the-art automatic transcription algorithms and aforementioned classification models are also provided.