ScholarGate
دستیار
Machine learningTranscription

تلفیق خودکار موسیقی

تلفیق خودکار موسیقی، وظیفه تبدیل ضبط‌های صوتی به نت‌نویسی نمادین (مانند پارتیتور با زیر و بمی، شروع و مدت زمان نت) است. این مسئله که توسط Klapuri (2008) به عنوان یک مسئله تحقیقاتی فرموله شد، یکی از چالش‌برانگیزترین وظایف در بازیابی اطلاعات موسیقی محسوب می‌شود. تلفیق، آموزش موسیقی، تحلیل آهنگسازی و حفظ دیجیتال را امکان‌پذیر می‌سازد. سیستم‌های مدرن، به‌ویژه آن‌هایی که از یادگیری عمیق برای موسیقی پیانو استفاده می‌کنند (Hawthorne et al., 2019)، پیشرفت قابل توجهی داشته‌اند، اما همچنان با موسیقی پلی‌فونیک عمومی فاصله زیادی دارند.

باز کردن در MethodMindبه‌زودیApply, compare, get guidance
Tools & resources
دریافت اسلایدها
Learn & explore
ویدیوبه‌زودی

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  1. Klapuri, A. (2008). Automatic music transcription as we know it today. Journal of New Music Research, 33(3), 323-337. DOI: 10.1007/978-0-387-30441-0_20
  2. Poliner, G. E., & Ellis, D. P. (2007). A discriminative model for polyphonic piano transcription. IEEE Transactions on Audio, Speech, and Language Processing, 15(3), 1116-1126. DOI: 10.1155/2007/48317
  3. Hawthorne, C., Elsen, E., Song, J., Roberts, A., Simon, I., Raffel, C., ... & Engel, J. (2019). Onsets and Frames: Dual-Objective Piano Transcription. In ISMIR. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Automatic Music Transcription Algorithm. ScholarGate. https://scholargate.app/fa/music-information-retrieval/automatic-music-transcription

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم

ارجاع‌شده در

ScholarGateAutomatic Music Transcription (Automatic Music Transcription Algorithm). بازیابی‌شده در 2026-06-18 از https://scholargate.app/fa/music-information-retrieval/automatic-music-transcription · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026