Beat This!: Beatsporing uden DBN-slutning

MUSIKINFORMATIONSSØGNING / TEKNISK NOTE

Taktslagsregistrering spørger, hvornår pulsen forekommer. Nodetransskription spørger, hvilket instrument der spillede hvilken tone. Beat This! løser det første problem og flytter meget af den struktur, der tidligere blev overladt til dynamisk bayesiansk efterbehandling, ind i den lærte sekvensmodel.

Outputtet er to hændelsestidslinjer. BPM er en statistik afledt af deres intervaller, ikke modellens eneste forudsigelse.

Forskydningstolerant supervision

Menneskelige taktslagsannotationer stemmer ikke overens på sample-niveau. Med målimpulser y_t og billedsandsynligheder p_t straffer almindelig billedvis BCE en musikalsk gyldig forudsigelse, der kun er forskudt få billeder. En kompakt fremstilling af det forskydningstolerante mål er:

L_shift = min_{δ∈[-k,k]} BCE(p_t, y_{t+δ})

Tolerancen hører til træningen og er ikke en efterfølgende fastgørelse til gitteret. Hovederne for taktslag og betoninger deler sekvensrepræsentationen, men de sjældnere betoninger kræver stadig deres egen beslutningsvej.

DBN flyttes ud af hovedvejen

Klassiske systemer bruger et DBN til at gennemtvinge tempokontinuitet og taktartsovergange. Beat This! viser, at hovedmodellen kan levere stabile sekvenser af taktslag og betoninger uden dette datasættilpassede trin. Taktslagshændelser i sekunder, betoninger og intervalafledt BPM er fortsat tre forskellige output.

Reproducerbar godkendelse

Den officielle final0.ckpt er fastholdt med SHA-256, og opgaver kører offline. Da de endelige modeller så flere offentlige taktslagsdatasæt under træning, kan resultater på disse sæt være optimistiske. Godkendelsen omfatter derfor en virkelig, komplet sang og eksporterer den rå tidstabel til DAW-gitre, opdeling og efterfølgende MIDI-kvantisering.

Sådan udviklede transskriptionsmetoderne sig

Taktslagsregistrering har traditionelt forudsagt aktiveringer med et neuralt netværk og ladet et dynamisk bayesiansk netværk vælge sekvensen. Beat This bruger stærkere sekvensmodellering og forskydningstolerant supervision til at levere stabile taktslag og betoninger direkte og flytter DBN ud af standardvejen.

Fjernelse af efterbehandling fjerner ikke musikalske priorer. Taktart, tempoområde og annotationsstil ligger stadig i dataene. ISMIR-resultater skal læses efter datasæt og metrik; rubato, passager uden trommer og sammensatte taktarter er fortsat sjældne særtilfælde.

Forskydningstolerant tab håndterer annotationsgrænser

L_shift=min_{|δ|≤Δ} BCE(ŷ_t,y_{t+δ})

δlille tilladt billedforskydning
Δtolerancevindue for annotation
BCEbinær krydsentropi på aktiveringer

Menneskelige taktslagsannotationer kan afvige få billeder. Forskydningstolerant supervision søger i et lille justeringsvindue og reducerer straffen for annotationsudsving uden at tillade vilkårlig forskydning gennem hele sangen.

Taktslag, betoninger, BPM og MIDI-noder er forskellige output. Læg forudsigelser oven på bølgeform og taktgitter for at undersøge halvt/dobbelt tempo, optakter og passager uden trommer.

Artikel, kode og vægte kan findes via Beat This-kilde og -vægte / ISMIR 2024-artiklen.

Sammenlign først, når hændelsesdefinitionerne stemmer

Hver række bevarer kildens arkitektur, målemetode eller opgavedefinition; resultater uden en fælles protokol holdes adskilt.

Model	Arkitektur eller dokumentation	Omfang
Beat This uden DBN	ende-til-ende-taktslag og betoninger	standardvej og stabilitet over lange forløb
Beat This med valgfri efterbehandling	særlige tempobegrænsninger	registrér parametre for at undgå skjulte ændringer
aktivering plus DBN	eksplicit prior for tempo/overgang	robust, men kan låse sig på forkert tempo

Lyttemæssig gennemgang af nodehændelser

Læg forudsigelser oven på bølgeform og taktgitter for at undersøge halvt/dobbelt tempo, optakter, tempoændringer og passager uden trommer. Gennemsnitligt F-mål kan skjule en hel sang forskudt med ét taktslag.

Forskydningstolerant tab giver meningsfulde gradienter nær en annotationsgrænse; det tillader ikke vilkårlig tidsstempelforskydning.

Musikalske oplysninger, som MIDI ikke bevarer

Taktslagstider udgør ikke et komplet partitur. Segmentering, groove, swingforhold og taktartsændringer kræver analyse på højere niveau.

Datasæt bruger forskellige vinduer, kontinuitetsregler og vægtning af betoninger, så ranglister skal bevare protokolnavnet.

Artikler og offentlige filer til Beat This-kilde og -vægte

Modelnavne, tal og begrænsninger kan føres tilbage til artiklerne, repositorierne eller modelkortene nedenfor.