Distortion Recovery: A Two-Stage Method for Guitar Effect Removal
National Taiwan University(台湾大学);Academia Sinica(中央研究院);Positive Grid
针对电吉他录音失真移除问题,提出使用商业级VST插件数据集的两阶段方法,通过Mel频谱图处理与神经声码器生成纯净声音,主客观指标均证明其优于现有方法。
2024-07-23 cs.SD eess.AS
GuitarFlow: Realistic Electric Guitar Synthesis From Tablatures via Flow Matching and Style Transfer
Centre for Digital Music, Queen Mary University of London(伦敦女王玛丽大学数字音乐中心);Aix-Marseille Univ CNRS PRISM(阿维尼翁-马赛大学 CNRS PRISM)
GuitarFlow利用指法谱引导,通过虚拟乐器渲染和流匹配风格迁移,实现快速训练的电吉他逼真合成,显著提升生成音频的真实感。
2025-10-23 cs.AI cs.SD eess.AS
TART: A Comprehensive Tool for Technique-Aware Audio-to-Tab Guitar Transcription
针对现有吉他自动转录存在的演奏技巧无法标注、弦品映射错误、泛化性差等问题,提出四阶段端到端流水线TART,可从音频生成带准确指法和技巧标签的详细吉他六线谱。
2025-10-02 cs.SD
Towards Generalizability to Tone and Content Variations in the Transcription of Amplifier Rendered Electric Guitar Audio
National Taiwan University(台湾大学);Positive Grid(Positive Grid公司)
本文针对电吉他转录中数据集稀缺和音色变化问题,提出多样化数据集EGDB-PG和带音色嵌入的TIT模型,实验证明其在不同放大器上优于现有基线,显著提升转录准确性。
2025-04-10 cs.SD eess.AS
Rock Guitar Tablature Generation via Natural Language Processing
Rice University(莱斯大学)
深度学习最近使图像和文本的生成建模变得更加强大和民主化,同时还有更多的工作探索生成更复杂形式的数据(如音频)的可能性。然而,目前,高维度、长范围依赖性和缺乏标准化数据集使得音频和音乐的生成建模非常具有挑战性。我们建议将音乐建模为一系列离散的音符,在此基础上,我们可以使用自回归自然语言处理技术进行成功的生成建模。虽然以前的作品使用类似的管道数据,如乐谱和乐谱,我们的目标是将这种方法扩展到研究不足的吉他指法。具体来说,我们开发的第一个工作,我们的知识,模型一个特定的流派吉他指法:重摇滚。不像其他作品在吉他指法生成,我们有一个免费提供的公开演示在https://huggingface.co/spaces/josuelmet/Metal_Music_Interpolator
2023-02-01 cs.SD eess.AS
Joint Transcription of Acoustic Guitar Strumming Directions and Chords
针对吉他扫弦自动转录数据集受限的挑战,本研究提出基于深度学习的CRNN模型,结合90分钟真实与4小时合成数据,仅用麦克风音频即可联合检测扫弦方向与和弦,准确率显著优于基线。
2025-08-11 cs.CL cs.SD eess.AS
Open-Amp: Synthetic Data Framework for Audio Effect Foundation Models
University of Edinburgh(爱丁堡大学);Aalto University(阿尔托大学)
本文提出Open-Amp合成数据框架,通过众包神经网络仿真生成大规模音频效果数据,训练吉他效果编码器和一对多模型,在分类任务上取得最先进结果并展现对模拟效果的迁移能力。
2024-11-22 cs.AI cs.LG cs.SD
Expressive Acoustic Guitar Sound Synthesis with an Instrument-Specific Input Representation and Diffusion Outpainting
Graduate School of Culture Technology, KAIST(韩国科学技术院文化技术研究生院)
针对原声吉他复调与表现力合成难题,提出专用 guitarroll 输入表示并结合扩散外描生成长期一致音频,利用真实与采样合成器配对数据训练,在音质和音色真实度上超越基线及先前领先方法。
2024-01-24 cs.AI cs.LG cs.SD
DDSP-based Neural Waveform Synthesis of Polyphonic Guitar Performance from String-wise MIDI Input
KTH Royal Institute of Technology(KTH皇家理工学院);National Institute of Informatics(国立信息学研究所);Aalto University(阿尔托大学)
本文探索从逐弦MIDI输入进行原声吉他神经合成,提出四种系统并与基线对比,发现将控制特征预测设为分类任务效果更好,且直接预测合成参数的最简系统表现最佳。
2023-09-14 cs.SD eess.AS
Playability-Aware Audio-to-Tablature Guitar Transcription via Diffusion Models
Univ. Bordeaux(波尔多大学);CNRS(法国国家科学研究中心);Bordeaux INP(波尔多国立综合理工学院);LaBRI(计算机科学、图像与智能研究所)
该研究针对吉他指板谱转录的可演奏性问题,提出扩散模型Noise2Fret,引入五种辅助损失优化训练目标,在GuitarSet和GOAT数据集上实现优于基线的性能与计算效率。
2026-09-01 cs.IR cs.SD
Improving Unsupervised Clean-to-Rendered Guitar Tone Transformation Using GANs and Integrated Unaligned Clean Data
National Taiwan University(国立台湾大学);Sony AI(索尼人工智能);Sony Group Corporation(索尼集团公司)
针对吉他功放建模监督式方法数据对制作复杂、扩展性差的问题,本文在基于GAN的无监督框架中引入MSD与MPD两类判别器,并加入额外未配对干声数据训练,实验证明该改进对高低增益功放建模均有效。
2024-06-22 cs.SD eess.AS
Clean2FX: Label-conditioned modeling for clean-to-effect guitar audio transformations
研究电吉他音频清音到效果音转换,基于频谱图设置评估四种神经方法,包括两个变分自编码器和两个U-Net模型,U-Net模型表现更佳,不同效果改善情况有差异,还通过演示网站展示了模型应用效果。
2026-07-13 cs.LG cs.SD
Leveraging Real Electric Guitar Tones and Effects to Improve Robustness in Guitar Tablature Transcription Modeling
National Autonomous University of Mexico(墨西哥国立自治大学);Federal University of Rio de Janeiro(里约热内卢联邦大学);Discovery Partners Institute(发现合作伙伴研究所);University of Illinois Chicago(伊利诺伊大学芝加哥分校);New York University(纽约大学)
针对吉他六线谱转录因数据集小导致鲁棒性不足的问题,本研究引入搭载不同音频效果的真实吉他音色合成训练数据,并在自建专业独奏评估集上验证了其对模型鲁棒性的提升作用。
2024-07-13 cs.SD eess.AS
Exploring Procedural Data Generation for Automatic Acoustic Guitar Fingerpicking Transcription
Klangio GmbH(Klangio公司);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
本研究提出一种四阶段过程化数据生成流水线,通过合成数据训练CRNN音符跟踪模型,解决原声吉他指弹转录中标注数据稀缺的问题,并证明少量真实数据微调可超越纯真实数据训练效果。
2025-08-11 cs.CL cs.SD eess.AS
Demo of Zero-Shot Guitar Amplifier Modelling: Enhancing Modeling with Hyper Neural Networks
National Taiwan University(台湾大学);Positive Grid
针对传统电吉他音色建模依赖特定训练数据的局限,研究采用基于超网络的门控卷积网络替代原有FiLM条件方法,扩展训练数据覆盖范围,实现更通用的零样本吉他放大器建模,并开发实时交互插件验证实用性。
2024-10-07 cs.SD eess.AS
A Semantic Timbre Dataset for the Electric Guitar
Department of Computer Science \& Technology, University of Cambridge\ , United Kingdom
本文提出一个电吉他音色数据集,通过19个语义音色描述符和对应幅度标注,支持音色控制和语义音频生成,验证了数据集的有效性。
2026-03-17 cs.SD
SynthTab: Leveraging Synthesized Data for Guitar Tablature Transcription
Authors(作者)
针对吉他指谱转录数据集规模有限导致过拟合的问题,提出利用商业吉他插件合成大规模音频数据集SynthTab进行预训练,实验证明能提升转录性能并缓解过拟合。
2024-01-25 cs.IR cs.MM cs.SD
STRUM: A Spectral Transcription and Rhythm Understanding Model for End-to-End Generation of Playable Rhythm-Game Charts
Independent Researcher(独立研究者)
STRUM通过多阶段混合模型将原始录音转换为可演奏的节奏游戏图表,无需任何元数据。模型包含多个组件,如CRNN起始检测器、分类器和ASR,在30首歌曲基准上实现了高精度的节奏识别。
2026-05-12 cs.LG cs.SD eess.AS
FretNet: Continuous-Valued Pitch Contour Streaming for Polyphonic Guitar Tablature Transcription
Yousician(优西琴(Yousician))
本文提出了一种用于吉他谱转录(GTT)的连续值音高轮廓估计方法 FretNet,通过按弦和品对音高轮廓进行分组,显著提高了多音高估计(MPE)的分辨率,同时保持了与基线模型相竞争的谱估计性能。
2023-03-14 cs.LG cs.SD eess.AS
STASE: A spatialized text-to-audio synthesis engine for music generation
提出STASE系统,利用LLM智能体解析文本空间线索,结合基于物理的渲染引擎,通过描述提示和RAG检索抽象提示两条路径实现用户可控的空间音频生成。
2025-09-14 cs.SD eess.AS
Fretiq: Browser-Native Electric Guitar String Classification via Engineered Spectral Features and Held-Out Free-Play Evaluation
研究针对单音电吉他音频弦分类难题,提出Fretiq系统,基于26维特征表示及比较训练方法,在平衡帧验证中达97.1%准确率,留出自由演奏评估总体准确率87.8%,还描述了特征提取管道及实现失败模式,且系统可在浏览器内运行。
2026-08-05 cs.LG cs.SD eess.AS
A Stem-Agnostic Approach to Hybrid AI Music Detection
Deezer Research(Deezer 研究院)
针对混合音乐中AI生成音轨的检测难题,提出不依赖音轨分层的框架,利用inspectrogram与维纳滤波器结合CNN模型,在高频源上表现优异,但低频贝斯检测受限,指出源分离是主要瓶颈。
2026-09-24 cs.SD eess.AS
P-MUSE: Prompt-MIDI-Optional Model for Unified Instrumental Music Synthesis and Editing
P-MUSE是统一器乐合成与编辑的MIDI-to-Music框架,通过多阶段课程学习整合两种生成范式,提出相位感知引导策略与尾端丢弃法,并建立含四类乐器的综合基准。
2026-08-05 cs.SD
Streaming Generation for Music Accompaniment
Mila, Quebec Artificial Intelligence Institute, Université de Montréal(魁北克人工智能研究所,蒙特利尔大学);MIT - Massachusetts Institute of Technology(麻省理工学院);Canada CIFAR AI Chair(加拿大 CIFAR 人工智能 chair)
本研究针对实时音频到音频伴奏生成,提出考虑延迟的模型设计,权衡未来可见性与输出块大小,并发现朴素流式训练不足,需引入预期性和智能体目标以提升连贯性。
2026-10-28 cs.SD