Automatic Music Transcription An overview
Automatic Music Transcription An overview
复制标题
DOI：
10.1109/msp.2018.2869928
复制
发表时间：
2019-01-01
影响因子：
14.9
通讯作者：
Ewert, Sebastian
中科院分区：
文献类型：
--
作者：
Benetos, Emmanouil;Dixon, Simon;Ewert, Sebastian
将音乐音频转换成乐谱的能力是人类智慧的一个引人入胜的例子。它包括感知（分析复杂的听觉场景）、认知（识别音乐对象）、知识表示（形成音乐结构）和推理（测试替代假设）。自动音乐转录（AMT），即设计计算算法将原声音乐信号转换为某种形式的音乐符号，是信号处理和人工智能领域的一项具有挑战性的任务。它包括几个子任务，包括多音高估计（MPE）、开始和偏移检测、乐器识别、节拍和节奏跟踪、表达时间和动态的解释以及乐谱排版。
The capability of transcribing music audio into music notation is a fascinating example of human intelligence. It involves perception (analyzing complex auditory scenes), cognition (recognizing musical objects), knowledge representation (forming musical structures), and inference (testing alternative hypotheses). Automatic music transcription (AMT), i.e., the design of computational algorithms to convert acoustic music signals into some form of music notation, is a challenging task in signal processing and artificial intelligence. It comprises several subtasks, including multipitch estimation (MPE), onset and offset detection, instrument recognition, beat and rhythm tracking, interpretation of expressive timing and dynamics, and score typesetting.