ترجمه فارسی مقاله ChordSync: ترازبندی مبتنی بر تطبیق حاشیه‌نویسی آکوردها با صدای موسیقی

چکیده

In the Western music tradition, chords are the main constituent components of harmony, a fundamental dimension of music. Despite its relevance for several Music Information Retrieval (MIR) tasks, chord-annotated audio datasets are limited and need more diversity. One way to improve those resources is to leverage the large number of chord annotations available online, but this requires aligning them with music audio. However, existing audio-to-score alignment techniques, which typically rely on Dynamic Time Warping (DTW), fail to address this challenge, as they require weakly aligned data for precise synchronisation. In this paper, we introduce ChordSync, a novel conformer-based model designed to seamlessly align chord annotations with audio, eliminating the need for weak alignment. We also provide a pre-trained model and a user-friendly library, enabling users to synchronise chord annotations with audio tracks effortlessly. In this way, ChordSync creates opportunities for harnessing crowd-sourced chord data for MIR, especially in audio chord estimation, thereby facilitating the generation of novel datasets. Additionally, our system extends its utility to music education, enhancing music learning experiences by providing accurately aligned annotations, thus enabling learners to engage in synchronised musical practices.

چکیده به فارسی (ترجمه ماشینی)

در سنت موسیقی غربی ، آکورد اصلی ترین مؤلفه های سازنده هارمونی ، ابعاد اساسی موسیقی است.علیرغم ارتباط آن برای چندین کار بازیابی اطلاعات موسیقی (MIR) ، مجموعه داده های صوتی با حاشیه وتر محدود هستند و به تنوع بیشتری احتیاج دارند.یکی از راه های بهبود این منابع ، استفاده از تعداد زیادی از حاشیه نویسی های وتر موجود به صورت آنلاین است ، اما این امر نیاز به هماهنگی آنها با صدای موسیقی دارد.با این حال ، تکنیک های تراز صوتی به نمره موجود ، که به طور معمول به پیچ و تاب زمان پویا (DTW) متکی هستند ، در رفع این چالش ناکام هستند ، زیرا برای هماهنگی دقیق به داده های تراز ضعیف نیاز دارند.در این مقاله ، ما chordsync را معرفی می کنیم ، یک مدل مبتنی بر هماهنگ کننده طراحی شده برای تراز یکپارچه حاشیه های وتر با صدا ، و نیاز به تراز ضعیف را از بین می برد.ما همچنین یک مدل از پیش آموزش داده شده و یک کتابخانه کاربر پسند ارائه می دهیم و به کاربران این امکان را می دهد تا حاشیه نویسی های وتر را با آهنگ های صوتی بدون زحمت همزمان کنند.به این ترتیب ، ChordSync فرصت هایی را برای استفاده از داده های وتر از طریق جمعیت برای MIR ایجاد می کند ، به خصوص در تخمین وتر صوتی ، از این طریق تولید مجموعه داده های جدید را تسهیل می کند.علاوه بر این ، سیستم ما ابزار خود را در آموزش موسیقی گسترش می دهد و با ارائه حاشیه نویسی دقیق تراز شده ، تجربیات یادگیری موسیقی را تقویت می کند ، بنابراین زبان آموزان را قادر می سازد تا در شیوه های موسیقی هماهنگ شرکت کنند.