kth.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Automatic legato transcription based on onset detection
KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Tal, musik och hörsel, TMH.
KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Tal, musik och hörsel, TMH.ORCID-id: 0000-0003-2549-6367
DoReMIR Music Research AB.
2023 (Engelska)Ingår i: SMC 2023: Proceedings of the Sound and Music Computing Conference 2023, Sound and Music Computing Network , 2023, s. 214-221Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

This paper focuses on the transcription of performance expression and in particular, legato slurs for solo violin performance. This can be used to improve automatic music transcription and enrich the resulting notations with expression markings. We review past work in expression detection, and find that while legato detection has been explored its transcription has not. We propose a method for demarcating the beginning and ending of slurs in a performance by combining pitch and onset information produced by ScoreCloud (a music notation software with transcription capabilities) with articulated onsets detected by a convolutional neural network. To train this system, we build a dataset of solo bowed violin performance featuring three different musicians playing several exercises and tunes. We test the resulting method on a small collection of recordings of the same excerpt of music performed by five different musicians. We find that this signal-based method works well in cases where the acoustic conditions do not interfere largely with the onset strengths. Further work will explore data augmentation for making the articulation detection more robust, as well as an end-to-end solution. 

Ort, förlag, år, upplaga, sidor
Sound and Music Computing Network , 2023. s. 214-221
Nationell ämneskategori
Annan elektroteknik och elektronik
Identifikatorer
URN: urn:nbn:se:kth:diva-327112Scopus ID: 2-s2.0-85171797881OAI: oai:DiVA.org:kth-327112DiVA, id: diva2:1757910
Konferens
20th Sound and Music Computing Conference, SMC 2023, Hybrid, Stockholm, Sweden, Jun 15 2023 - Jun 17 2023
Forskningsfinansiär
EU, Horisont 2020, 864189
Anmärkning

Part of ISBN 9789152773727

QC 20230525

Tillgänglig från: 2023-05-19 Skapad: 2023-05-19 Senast uppdaterad: 2024-01-09Bibliografiskt granskad

Open Access i DiVA

fulltext(1934 kB)211 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1934 kBChecksumma SHA-512
abaeb159b7967b3b4dbfaaf427db553781f0a1b966a8a875aa2c8b98a6135569ca94bd26e6dfb7bca5f6c485f69f1eeaa201f601d048e004387943bf0687b779
Typ fulltextMimetyp application/pdf

Övriga länkar

ScopusConference

Person

Falk, SimonSturm, Bob

Sök vidare i DiVA

Av författaren/redaktören
Falk, SimonSturm, Bob
Av organisationen
Tal, musik och hörsel, TMH
Annan elektroteknik och elektronik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 211 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 700 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf