[论文解读] Corpus COFLA: A research corpus for the Computational study of Flamenco Music

Nadine Kroher, José Miguel Díaz-Báñez+2 more|arXiv (Cornell University)|Oct 14, 2015

Music and Audio Processing参考文献 5被引用 4

一句话总结

本文介绍了corpusCOFLA，一个全面的弗拉门戈音乐研究语料库，包含100首专业录制的曲目，具备丰富的音频、元数据以及多个标注子集。该语料库专为计算音乐学设计，支持音乐信息检索工具的可重现开发与评估，涵盖自动旋律转录、模式检测和风格分类等任务，提供公开获取的数据和10种不同弗拉门戈风格的标准化标注。

ABSTRACT

Flamenco is a music tradition from Southern Spain which attracts a growing community of enthusiasts around the world. Its unique melodic and rhythmic elements, the typically spontaneous and improvised interpretation and its diversity regarding styles make this still largely undocumented art form a particularly interesting material for musicological studies. In prior works it has already been demonstrated that research on computational analysis of flamenco music, despite it being a relatively new field, can provide powerful tools for the discovery and diffusion of this genre. In this paper we present corpusCOFLA, a data framework for the development of such computational tools. The proposed collection of audio recordings and meta-data serves as a pool for creating annotated subsets which can be used in development and evaluation of algorithms for specific music information retrieval tasks. First, we describe the design criteria for the corpus creation and then provide various examples of subsets drawn from the corpus. We showcase possible research applications in the context of computational study of flamenco music and give perspectives regarding further development of the corpus.

研究动机与目标

• 解决弗拉门戈音乐计算分析中缺乏标准化、公开可用数据集的问题，因为该音乐形式高度即兴且记录不足。
• 创建一个统一的数据框架，支持弗拉门戈音乐信息检索（MIR）算法的开发、训练和评估。
• 通过提供经过筛选、专家验证的音频录音，保持一致的元数据和多个标注子集，确保研究的可重现性和可访问性。
• 通过提供计算与传统音乐学研究的共同基础，支持跨学科研究。
• 通过支持自动旋律转录、节奏结构检测和旋律相似性分析等任务的基准测试，推动研究进展。

提出的方法

• 该语料库基于100首商业发行的弗拉门戈录音构建，经过精心挑选，涵盖10个主要的弗拉门戈风格家族，确保在复杂度和装饰性方面的均匀采样。
• 专家音乐学家对原始音频集合进行了筛选，并提供了关键任务的手动标注，包括声乐旋律转录和重复旋律模式检测。
• 从核心语料库中派生出多个标注子集：cante2midi（20首曲目）用于旋律转录，canteFAN（10首曲目）用于模式检测，cante100（100首曲目）用于风格分类。
• 使用essentia音频分析库提取低层次音频描述符（如MFCC、频谱通量、RMS），并将其与MIDI和CSV格式的标注一同存储。
• 通过专家评审和与自动系统交叉验证，确保标注的高可靠性和一致性。
• 所有数据，包括音频、元数据和标注，均通过在线存储库公开提供，仅限研究用途，且附有明确的许可协议。

实验结果

研究问题

• RQ1 标准化、公开可用的语料库是否能提升计算弗拉门戈音乐研究中的可重现性和基准测试水平？
• RQ2 在像COFLA这样多样化、专家标注的语料库上进行训练和评估时，自动旋律转录系统的有效性如何？
• RQ3 在使用标注训练数据的情况下，能否可靠地检测出弗拉门戈音乐中的重复旋律模式？
• RQ4 当在语料库中具有代表性的子集上进行训练时，计算模型在不同弗拉门戈风格家族之间的泛化能力如何？
• RQ5 从语料库中提取的低层次音频描述符是否能支持弗拉门戈音乐的稳健分类和相似性分析？

主要发现

• corpusCOFLA数据集包含100首高质量的弗拉门戈录音，涵盖10种不同的风格家族，采样均匀，确保了平衡的代表性。
• cante2midi子集包含20首曲目，配有经人工验证的、逐音符的声乐旋律转录结果和逐帧的音频描述符，可对旋律提取算法进行严格评估。
• canteFAN子集提供10首曲目，标注了重复的旋律模式，支持对弗拉门戈音乐中主题检测和结构分析的研究。
• cante100子集提供了100首曲目的代表性样本，包含元数据和musicBrainz ID，支持大规模风格分类和对比研究。
• 所有标注均由弗拉门戈专家验证，确保了高可靠性，并减少了转录和模式检测中的主观性。
• 该语料库及其标注子集均公开可用，促进了计算弗拉门戈研究中的透明度、可重现性和协作。