Ειδικός ήχος σε MIDI: πέντε μοντέλα, πέντε διαφορετικά έγγραφα εξετάσεων F1 · TelkNet
Μοντέλο
Ειδικός ήχος σε MIDI: πέντε μοντέλα, πέντε διαφορετικά έγγραφα εξετάσεων F1
Αυτά τα μοντέλα διαθέτουν δημόσια βάρη, σύνδεση ως εργαλείο ή profile του TelkNet, σαφή επιλογή έκδοσης και αμετάβλητους ορισμούς runtime. Η κατάσταση Admin ελέγχει την προβολή και την αποδοχή εργασιών· η ενεργοποίηση απαιτεί E2–E4 και η προεπιλεγμένη διαδρομή επιπλέον E5.
ΑΥΤΟΜΑΤΗ ΜΟΥΣΙΚΗ ΜΕΤΑΓΡΑΦΗ
Τα GAPS, FiloSax, FiloBass, VioPTT και SwiftF0 παράγουν όλα MIDI, αλλά οι κατανομές εισόδου, οι ετικέτες και οι ανοχές ταυτοποίησης διαφέρουν. Πρώτα δρομολογείστε το όργανο· συγκρίνετε μόνο εντός του αντίστοιχου σετ δεδομένων.
F1 συμβάντων
Μετά την ταυτοποίηση νοτών εντός μιας ανοχής onset, P=TP/(TP+FP), R=TP/(TP+FN) και F1=2PR/(P+R). Η ταυτοποίηση με επίγνωση offset είναι αυστηρότερη, οπότε κάθε F1 χρειάζεται την ανοχή και τον ορισμό ταυτοποίησής του.
Τρεις οικογένειες μοντελοποίησης
Το GAPS μετατρέπει καθαρή ή διαχωρισμένη σόλο κιθάρα σε συμβάντα νοτών και MIDI. Δεν παράγει θέσεις χορδών, τάστα, συνεχές F0 ή Pitch Bend. Προσαρμόστε την ένταση νότας MIDI συγκρίνοντας με την αρχική ηχογράφηση. Το FiloSax αφορά μονοφωνικά σόλο τζαζ σαξοφώνου και εξάγει σε MIDI διακριτά συμβάντα ύψους, έναρξης και λήξης. Δεν εξάγει συνεχή ίχνη ύψους, slide ή vibrato. Το FiloBass αφορά μονοφωνικό τζαζ κοντραμπάσο (double bass / upright bass), όχι γενικό ή ηλεκτρικό μπάσο. Χρησιμοποιήστε καθαρό ή διαχωρισμένο stem· η κάσα και οι διαρροές χαμηλών συχνοτήτων μπορούν να δημιουργήσουν ψευδείς νότες. Το VioPTT εξάγει συμβάντα νοτών βιολιού και μία από τέσσερις ετικέτες τεχνικής —détaché, flageolet, spiccato, pizzicato— ή καμία. Το MIDI velocity είναι σταθερό και δεν μετρά τη δυναμική της εκτέλεσης. Το SwiftF0 παρακολουθεί μονοφωνική συνεχή F0. Το TelkNet χωρίζει την καμπύλη σε νότες και εξάγει MIDI, CSV ύψους ανά καρέ και γράφημα. Δεν μεταγράφει πλήρη πολυφωνική μίξη.
Αλυσίδα επεξεργασίας
Καθαρές ή διαχωρισμένες ηχογραφήσεις σόλο κιθάρας, τζαζ σαξοφώνου, τζαζ κοντραμπάσου, σόλο βιολιού ή μονοφωνικής μελωδίας δρομολογούνται στο αντίστοιχο εξειδικευμένο μοντέλο.
Πώς εξελίχθηκαν οι μέθοδοι μεταγραφής
Στη μετατροπή ήχου σε MIDI δεν υπάρχει ένα ενιαίο μοντέλο που να καλύπτει κάθε όργανο και μέτρηση. Το GAPS στοχεύει στην κιθάρα· τα FiloSax, FiloBass και VioPTT εκμεταλλεύονται το εύρος και την άρθρωση συγκεκριμένων οργάνων· το SwiftF0 πλησιάζει περισσότερο τη γενική παρακολούθηση τονικότητας. Τα κοινά formats αρχείων δεν καθιστούν ισοδύναμες τις κατανομές εκπαίδευσής τους.
Ο τομέας πέρασε από την ανίχνευση τονικότητας ανά καρέ στην κοινή πρόβλεψη onset, offset, τονικότητας και velocity, και στη συνέχεια στην αποκωδικοποίηση ακολουθιών πλήρων συμβάντων νοτών. Η πρόοδος φαίνεται στις επαναλαμβανόμενες νότες, το sustain, τα slides και το vibrato, όχι μόνο σε ένα μεγαλύτερο F1. Οι βαθμολογίες των δημοσιεύσεων παραμένουν ασύμβατες όταν τα παράθυρα ανοχής και οι κανόνες ταυτοποίησης διαφέρουν.
Διάγραμμα ροής δημιουργίας σετ δεδομένων της δημοσίευσης GAPSΉχος από το YouTube και παρτιτούρες κιθάρας περνούν από ευθυγράμμιση, χειροκίνητη επαλήθευση, επανευθυγράμμιση και φιλτράρισμα μεταγραφών πριν σχηματίσουν το εξειδικευμένο σετ δεδομένων.Επίσημη πηγή: Figure 1 / figs/GAPS_flowchart.png
Η μεταγραφή συμβάντων πρέπει να βαθμολογεί και το onset και το offset
F1=2PR/(P+R), P=TP/(TP+FP), R=TP/(TP+FN)
TPσυμβάντα που ταιριάζουν με την ανοχή της αντίστοιχης δημοσίευσης
FPεπιπλέον προβλεπόμενα συμβάντα
FNχαμένα συμβάντα
Οι δημοσιεύσεις ορίζουν διαφορετικά τα πραγματικά θετικά: κάποιες απαιτούν μόνο ανοχή onset, άλλες απαιτούν επίσης offset, τονικότητα ή τεχνική. Μια τιμή F1 δεν είναι συγκρίσιμη μόλις αφαιρεθεί ο κανόνας ταυτοποίησής της.
Τα GAPS, FiloSax, FiloBass, VioPTT και SwiftF0 στοχεύουν σε διαφορετικά όργανα και επίπεδα σχολιασμού. Η σωστή δρομολόγηση μετράει περισσότερο από τον συνδυασμό μεγίστων από άσχετα σετ δεδομένων.
Η δημοσίευση, ο κώδικας και τα βάρη μπορούν να παρακολουθηθούν μέσω των Unified specialist runtime / GAPS paper / VioPTT.
Χάρτης θερμότητας κατανομής ταστιέρας της δημοσίευσης GAPSΗ κατανομή μακράς ουράς των συνδυασμών χορδής και τάστου δείχνει γιατί η μεταγραφή κιθάρας δεν ανάγεται σε ένα συνολικό F1 συμβάντων.Επίσημη πηγή: figs/fret_heatmap.png
Σύγκριση μόνο αφού ταυτοποιηθούν οι ορισμοί των συμβάντων
Κάθε γραμμή διατηρεί την αρχική αρχιτεκτονική, μέτρηση ή ορισμό εργασίας της· τα αποτελέσματα χωρίς κοινό πρωτόκολλο παραμένουν ξεχωριστά.
Μοντέλο
Εγγενής ή παραγόμενη έξοδος
Ακριβές όριο
GAPS
MIDI · pitch/onset/offset
Το GAPS μετατρέπει καθαρή ή διαχωρισμένη σόλο κιθάρα σε συμβάντα νοτών και MIDI. Δεν παράγει θέσεις χορδών, τάστα, συνεχές F0 ή Pitch Bend. Προσαρμόστε την ένταση νότας MIDI συγκρίνοντας με την αρχική ηχογράφηση.
FiloSax
MIDI · pitch/onset/offset
Το FiloSax αφορά μονοφωνικά σόλο τζαζ σαξοφώνου και εξάγει σε MIDI διακριτά συμβάντα ύψους, έναρξης και λήξης. Δεν εξάγει συνεχή ίχνη ύψους, slide ή vibrato.
FiloBass
MIDI · pitch/onset/offset
Το FiloBass αφορά μονοφωνικό τζαζ κοντραμπάσο (double bass / upright bass), όχι γενικό ή ηλεκτρικό μπάσο. Χρησιμοποιήστε καθαρό ή διαχωρισμένο stem· η κάσα και οι διαρροές χαμηλών συχνοτήτων μπορούν να δημιουργήσουν ψευδείς νότες.
VioPTT
MIDI + technique CSV
Το VioPTT εξάγει συμβάντα νοτών βιολιού και μία από τέσσερις ετικέτες τεχνικής —détaché, flageolet, spiccato, pizzicato— ή καμία. Το MIDI velocity είναι σταθερό και δεν μετρά τη δυναμική της εκτέλεσης.
SwiftF0
F0 CSV → note segmentation → MIDI
Το SwiftF0 παρακολουθεί μονοφωνική συνεχή F0. Το TelkNet χωρίζει την καμπύλη σε νότες και εξάγει MIDI, CSV ύψους ανά καρέ και γράφημα. Δεν μεταγράφει πλήρη πολυφωνική μίξη.
Ακουστική ανασκόπηση των συμβάντων νοτών
Το πιάνο χρειάζεται ελέγχους sustain και επαναλαμβανόμενων νοτών· το σαξόφωνο και το βιολί χρειάζονται slides, καλλωπισμούς και vibrato· το μπάσο μπερδεύεται εύκολα με τα kick drums και τις χαμηλές αρμονικές. Ένας συνθετητής μπορεί να κρύψει σφάλματα χρονισμού, οπότε εξετάζετε το piano roll απέναντι από τη μορφή κύματος.
Το F1 συμβάντων αλλάζει με το παράθυρο ανοχής. Μια ταυτοποίηση onset 50 ms, μια αυστηρή ταυτοποίηση onset, μια βαθμολογία νότας με επίγνωση offset και ένα F1 ανά καρέ απαντούν σε διαφορετικά ερωτήματα. Το εργαλείο καταγράφει μοντέλο, κατώφλι και κβάντιση ώστε τα αποτελέσματα να επαναϋπολογίζονται.
Μουσική πληροφορία που το MIDI δεν διατηρεί
Το MIDI αποθηκεύει συμβολικά συμβάντα, όχι τον αρχικό ηχόχρωμο, χώρο ή αφή. Τα σφάλματα ταυτότητας οργάνου σε μια μίξη μεταδίδονται στην ενορχήστρωση και τη σημειογραφία.
Χωρίς κοινό σετ δεδομένων και κανόνες ανοχής ταυτοποίησης, οι μετρήσεις ανά πηγή παραμένουν ξεχωριστές αντί να παράγουν έναν τεχνητό νικητή μεταξύ δημοσιεύσεων.
Δημοσιεύσεις και δημόσια αρχεία για το Unified specialist runtime
Τα ονόματα μοντέλων, οι αριθμοί και οι περιορισμοί ανάγονται στις δημοσιεύσεις, τα αποθετήρια ή τις κάρτες μοντέλων παρακάτω.