楽器と音高の同時認識のためのRNN音響モデル

生田目敬弘; 亀岡 弘和; 篠田浩一

論文・著書情報

タイトル

和文:	楽器と音高の同時認識のためのRNN音響モデル
英文:

著者

和文:	生田目敬弘, 亀岡弘和, 篠田浩一.
英文:	Takahiro Namatame, Hirokazu KAMEOKA, Koichi Shinoda.

言語

Japanese

掲載誌/書名

和文:	第111回音楽情報科学研究会音学シンポジウム
英文:	IPSJ SIG Technical Report

巻, 号, ページ

vol. 111 no. 46 pp. 1-5

出版年月

2016年5月21日

出版者

和文:	情報処理学会
英文:	Information Processing Society of Japan

会議名称

和文:	2016年度第111回音楽情報科学研究会音学シンポジウム2016
英文:	111th Conference of IPSJ Special Interest Group on Music and Computer 2016

開催地

和文:	東京都港区
英文:	Minato-ku, Tokyo

公式リンク

https://ipsj.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=160433&item_no=1&page_id=13&block_id=8

アブストラクト

概要:複数の楽器を含む楽曲について楽器識別と音高認識を同時に行う RNN 音響モデルを提案する.楽器別に音高を推定するため, RNN の出力層を識別する楽器数に応じて増加させ,楽器を区別した教師信号を与えて学習させる.主流な音高推定手法では音高を得るために音源分離を試みているが,提案する RNNでは難しい音源分離問題を回避して直接音高を推定できる.また,教師信号として音高に加えて楽器の種類を与えることで RNN がスペクトル形状を認識しやすくなることが期待できる他,楽器別に音高を得られることから,楽器別に学習した音楽言語モデルと統合することが可能になる利点がある.ヴァイオリンとクラリネットの 2 重奏曲について楽器推定と音高推定を行う実験により,クラリネットについて 0.9% とまったく検出できなかったが,ヴァイオリンについて 66.0% と,従来手法の 68.3% と同程度の推定性能を持つことが分かった.ヴァイオリンについて性能が良くクラリネットについて性能が良くない原因はデータセットの不足と質の悪さに起因すると考えられ,今後学習データの増加によって改善する見込みである.

Home

各種検索

サポート

T2R2について

関連リンク

論文・著書情報