Исследователи представили MulTTiPop — специализированный набор данных, включающий 572 сегмента поп-музыки и соответствующие им многодорожечные MIDI-записи. Датасет общим объемом 3,5 часа аудио предназначен для обучения и оценки моделей автоматической транскрипции музыки (AMT). В выборку вошли композиции различных жанров, охватывающие период с 1930-х по 2000-е годы, что обеспечивает высокую вариативность музыкального материала для тестирования алгоритмов.
Автоматическая транскрипция музыки остается сложной задачей для машинного обучения из-за необходимости точного распознавания отдельных инструментов и нотных партий в плотных аудиомиксах. Существующие датасеты часто ограничены либо классическими произведениями, либо синтетическими данными, что снижает качество работы моделей на реальных записях. MulTTiPop решает эту проблему за счет использования метаданных для сопоставления реальных аудиофрагментов с их MIDI-представлениями.
Использование данного набора данных позволяет разработчикам систем анализа аудио повысить точность извлечения нотной информации из сложных многоканальных записей. Разнообразие стилистических особенностей и временных периодов в MulTTiPop делает его универсальным инструментом для бенчмаркинга современных нейросетевых архитектур, работающих с музыкальными сигналами.
Ключевые факты
- Общий объем датасета составляет 3,5 часа аудиозаписей.
- Набор данных состоит из 572 сегментов поп-музыки.
- В выборку включены композиции, выпущенные в период с 1930-х по 2000-е годы.
- Основная цель создания — оценка моделей автоматической транскрипции музыки (AMT).
- Данные включают многодорожечные MIDI-записи для детального анализа инструментов.