计算机科学 > 声音
[提交于 2025年9月18日
]
标题: FCPE:一种快速基于上下文的音高估计模型
标题: FCPE: A Fast Context-based Pitch Estimation Model
摘要: 音高估计(PE)在单音音频中对于MIDI转录和歌唱语音转换(SVC)至关重要,但现有方法在噪声环境下性能显著下降。 在本文中,我们提出了FCPE,一种基于上下文的快速音高估计模型,该模型采用Lynx-Net架构结合深度可分离卷积,以有效捕捉梅尔频谱图特征,同时保持低计算成本和强大的抗噪能力。 实验表明,我们的方法在MIR-1K数据集上实现了96.79%的原始音高准确率(RPA),与最先进的方法相当。 实时因子(RTF)在单个RTX 4090 GPU上为0.0062,这在效率上显著优于现有算法。 代码可在https://github.com/CNChTu/FCPE获取。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.