YourMT3+: Multi-instrument Music Transcription with Enhanced Transformer Architectures and Cross-dataset Stem Augmentation

要約

マルチ楽器音楽転写は、ポリフォニック音楽録音を各楽器に割り当てられた楽譜に変換することを目的としています。
このタスクは、複数の楽器を識別し、それらのピッチと正確なタイミングを同時に書き写す必要があるため、モデリングにとっては困難であり、完全に注釈が付けられたデータの欠如によりトレーニングがさらに困難になります。
このペーパーでは、MT3 の最近の言語トークン デコード アプローチに基づいて強化されたマルチ楽器音楽トランスクリプションのためのモデル スイートである YourMT3+ を紹介します。
時間周波数領域で階層型アテンション トランスフォーマーを採用し、専門家の混合を統合することで、エンコーダーを強化しました。
データの制限に対処するために、不完全なアノテーションを使用したトレーニング用の新しいマルチチャネル デコード方法を導入し、データセット混合のためのステム内およびステム間の拡張を提案します。
私たちの実験では、音声分離プリプロセッサの必要性を排除した、直接的な音声転写機能を実証しています。
10 個の公開データセットにわたるベンチマークは、当社のモデルが既存の転写モデルと競合するか、または優れていることを示しています。
ポップミュージックの録音をさらにテストすると、現在のモデルの限界が浮き彫りになります。
完全に再現可能なコードとデータセットは、\url{https://github.com/mimbres/YourMT3} のデモで入手できます。

要約(オリジナル)

Multi-instrument music transcription aims to convert polyphonic music recordings into musical scores assigned to each instrument. This task is challenging for modeling as it requires simultaneously identifying multiple instruments and transcribing their pitch and precise timing, and the lack of fully annotated data adds to the training difficulties. This paper introduces YourMT3+, a suite of models for enhanced multi-instrument music transcription based on the recent language token decoding approach of MT3. We enhance its encoder by adopting a hierarchical attention transformer in the time-frequency domain and integrating a mixture of experts. To address data limitations, we introduce a new multi-channel decoding method for training with incomplete annotations and propose intra- and cross-stem augmentation for dataset mixing. Our experiments demonstrate direct vocal transcription capabilities, eliminating the need for voice separation pre-processors. Benchmarks across ten public datasets show our models’ competitiveness with, or superiority to, existing transcription models. Further testing on pop music recordings highlights the limitations of current models. Fully reproducible code and datasets are available with demos at \url{https://github.com/mimbres/YourMT3}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google