自動和弦辨識針對大詞彙集改善之研究

Abstract

和弦辨識的能力在於音樂作曲、音樂彈奏演唱的領域皆是十分重要的技術之一，過去人們多以手工標註的方式來完成，但這樣的方式除了需要耗費大量的勞力和時間外，更需要具備相當的專業音樂知識。因此，本研究提出一自動和弦辨識模型（Automatic Chord Recognition System），通用於辨識小詞彙集及大詞彙集和弦，在提升小詞彙集辨識分數的同時，亦改善在大詞彙集和弦上之表現，其中包括增加辨識的和弦種類以及評估分數之提升。 在現今的自動和弦辨識研究中，使用深度學習的神經網路架構已成為主流，人們可以針對不同的需求，去建立不同的模型。我們在實驗中利用三個流通資料集作為訓練及測試資料，設計了一個以卷積神經網路為基礎的特徵萃取器，加上以雙向長短期記憶神經網路 (bi-directional long short term memory)及條件隨機域 (conditional random fields)設計之解碼模型，分別對於小詞彙集和弦以及大詞彙集和弦進行實驗。其中，在小詞彙集的實驗中，WCSR（Weighted Chord Symbol Recall）分數平均可達到84.3%，與同為使用深度學習架構的模型相比，最高可提升8.8%，顯示了我們所設計模型中的之特徵萃取器，能夠有效地學習到更精準的特徵，且與解碼模型配合時能有效地達到提升辨識率之目的。接著，在大詞彙集的實驗中，我們將評估指標由原本的一個增加到六個，且在擴增可辨識和弦種類的同時，維持原本小詞彙集和弦的辨識率，且在七和弦評估標籤中WCSR分數獲得71.5%，四重音評估標籤中WCSR分數獲得66.1%，與其他模型相比提升約1-2%。 為了達到改善大詞彙集辨識率的目的，我們更加入兩種方法以提升分數。首先，我們針對稀缺的七和弦，加入新的訓練資料，試圖解決在現有資料集中和弦分佈不均的問題，並在七和弦評估標籤中獲得WCSR分數72.1%，較原先提升0.6%。再來，我們撇除掉現今大部分研究所使用的扁平分類概念，回歸到和弦原始的精確定義，針對決定和弦種類的關鍵音符設計一個閾值規制決策法，並用以評估這些複雜的擴展和弦，並在七和弦評估標籤中WCSR分數獲得74.5%，共提升3%，四重音評估標籤中WCSR分數獲得68.4%，共提升2.3%，且同時可辨認轉位和弦，可辨識和弦量提升為原先之三倍。藉由這兩大部分的實驗，有效地驗證了此模型之通用性，並改善大詞彙集和弦之辨識率以及增加可辨識和弦的數量。