Fugu-MT 論文翻訳(概要): TART: A Modular Tool for Technique-Aware Audio-to-Tablature Guitar Transcription

論文の概要: TART: A Modular Tool for Technique-Aware Audio-to-Tablature Guitar Transcription

arxiv url: http://arxiv.org/abs/2609.11904v1
Date: Thu, 10 Sep 2026 17:55:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 23:53:35.480656
Title: TART: A Modular Tool for Technique-Aware Audio-to-Tablature Guitar Transcription
Title（参考訳）: TART: テクニックを意識したオーディオ・トゥ・タブラチュアギターの書き起こしのためのモジュールツール
Abstract要約: TARTは4段階のオーディオ・トゥ・タブラチャパイプラインであり、オーディオ・トゥ・MIDI転写モデル、表現的技法分類器、ストリングフレットの割り当てのためのオーディオ条件付きT5エンコーダ・デコーダ、自動タブラチャ・ジェネレータで構成されている。 4つのベンチマークで平均して、TARTは81.35%のオーディオからMIDI F50、71.8%の文字列フリートタブF1、54.08%のエンドツーエンドタブF1を達成した。
参考スコア（独自算出の注目度）: 13.227941350327315
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automatic Music Transcription (AMT) for guitar remains limited by three challenges: existing systems often fail to capture expressive techniques such as slides, bends, and percussive hits; they often assign notes to incorrect string-fret combinations; and they are typically trained on clean recordings, limiting their generalization to noisy real-world audio. To address these challenges, we propose TART, a modular four-stage audio-to-tablature pipeline consisting of (1) an audio-to-MIDI transcription model, (2) an expressive technique classifier, (3) an audio-conditioned T5 encoder-decoder for string-fret assignment, and (4) an automated tablature generator. We evaluate TART in a zero-shot setting on GuitarSet, EGDB, and two augmented benchmarks, Noisy GuitarSet and Noisy EGDB. Averaged across these four benchmarks, TART achieves 81.35% audio-to-MIDI F50 (+6.67 points over the best prior baseline), 71.8% string-fret Tab F1 (+8.5 points over the best prior baseline), and 54.08% end-to-end Tab F1. To our knowledge, TART is the first framework to generate guitar tablature with both fingering and expressive technique annotations directly from guitar audio.
Abstract（参考訳）: 既存のシステムはスライド、ベンド、パーカッシブ・ヒットのような表現力のあるテクニックをつかむことができず、しばしば間違った弦とフレットの組み合わせに音符を割り当てる。これらの課題に対処するため,本研究では,(1)音声からMIDIへの書き起こしモデル,(2)表現的技法分類器,(3)文字列入力のための音声条件付きT5エンコーダ・デコーダ,(4)自動タブー生成器からなるモジュール式4段階のオーディオ・トゥ・タブラチャパイプラインTARTを提案する。我々は、GuitarSet、EGDB、および2つの拡張ベンチマークであるNoisy GuitarSetとNoisy EGDBのゼロショット設定でTARTを評価する。これら4つのベンチマークで平均して、TARTは81.35%のオーディオ-MIDI F50(最上位ベースラインで+6.67ポイント)、71.8%の弦フリートタブF1(最上位ベースラインで+8.5ポイント)、54.08%のエンドツーエンドタブF1を達成した。我々の知る限り、TARTはギター・オーディオから直接指と表現力のある技法のアノテーションでギター・タブラを生成できる最初のフレームワークである。

関連論文リスト

FIGMA: Towards FIne-Grained Music retrievAl [65.98380295254817]
自然言語記述による音楽の検索はCLAPのような対照的な音声テキストモデルで改善されているが、現在のシステムはいまだに大まかなセマンティッククエリに限られている。この制限は、長いキャプションで訓練されているにもかかわらず、CLAPベースのモデルは、最初の数個のトークンのみを効果的に活用する。本研究では,グローバルな音声テキストアライメントとフレームレベルのトークンアライメントを共同で最適化することで,この制限に対処するマルチビューコントラストアーキテクチャであるFIGMAを提案する。
論文参考訳（メタデータ） (2026-06-04T18:05:39Z)
Rubato: Transcribing Piano Music with Timestamps [47.76733897717644]
タイムスタンプを付加した人間可読シート音楽への音楽録音の変換について検討する。本稿では,(1)ポリフォニック音楽の新しいテキスト表現であるInterMoの出力を訓練した,Rubatoというプロンプト条件付きエンコーダデコーダモデルを紹介する。実験により, ルバトは, 音符の精度を最良なアプローチよりも高め, タイムスタンプ付きピアノ楽譜を音声から生成できることが実証された。
論文参考訳（メタデータ） (2026-05-22T23:47:21Z)
Descriptor-Injected Cross-Modal Learning: A Systematic Exploration of Audio-MIDI Alignment via Spectral and Melodic Features [0.0]
音声録音とシンボリック音楽表現(MIDI)の相互検索は依然として困難である。本研究は,手作りのドメイン特徴を持つモダリティ特異的エンコーダの拡張であるディスクリプタインジェクションについて検討する。
論文参考訳（メタデータ） (2026-04-11T16:53:36Z)
InstructAudio: Unified speech and music generation with natural language instruction [52.76518112649456]
InstructAudioは、音響属性の命令ベースの制御を可能にする統一的なフレームワークである。英語と中国語で表現力のある音声、音楽、対話生成をサポートする。
論文参考訳（メタデータ） (2025-11-23T15:15:21Z)
GuitarFlow: Realistic Electric Guitar Synthesis From Tablatures via Flow Matching and Style Transfer [7.72498447842112]
本稿では,エレキギター合成に特化したモデルであるGuitarFlowを紹介する。生成プロセスは、ユビキタスで直感的なギター固有の記号形式であるタブラを用いてガイドされる。タトゥールから生成したギター・オーディオのリアリズムに顕著な改善が認められた。
論文参考訳（メタデータ） (2025-10-23T13:31:41Z)
Fretting-Transformer: Encoder-Decoder Model for MIDI to Tablature Transcription [2.3249139042158853]
Fretting-Transformer(フレッティング・トランスフォーマー)は、T5トランスフォーマーアーキテクチャを利用して、MIDIシーケンスをギターのタブーに自動転写するエンコーダデコーダモデルである。タスクをシンボリック翻訳問題としてフレーミングすることで、文字列のあいまいさや物理的プレイ可能性といった重要な課題に対処する。
論文参考訳（メタデータ） (2025-06-17T06:25:35Z)
MIDI-to-Tab: Guitar Tablature Inference via Masked Language Modeling [6.150307957212576]
シンボリックギターのタブリング推定のための新しいディープラーニングソリューションを提案する。我々は、文字列に音符を割り当てるために、マスク付き言語モデリングパラダイムでエンコーダ・デコーダ変換モデルを訓練する。このモデルは、まず25K以上のタブチュアのデータセットであるDadaGPで事前トレーニングされ、その後、プロが書き起こしたギター演奏のキュレートセットで微調整される。
論文参考訳（メタデータ） (2024-08-09T12:25:23Z)
Modeling Bends in Popular Music Guitar Tablatures [49.64902130083662]
タブラチュア表記はポピュラー音楽で広く使われ、ギター音楽のコンテンツの書き起こしや共有に使われている。本論文は,音符のピッチを段階的にシフトできる屈曲に着目し,離散的な指板の物理的制限を回避する。ポピュラー音楽の932個のリードギタータブラのコーパス上で実験を行い、決定木がF1スコア0.71と限られた偽陽性予測量で屈曲の発生をうまく予測することを示す。
論文参考訳（メタデータ） (2023-08-22T07:50:58Z)
GTR-CTRL: Instrument and Genre Conditioning for Guitar-Focused Music Generation with Transformers [14.025337055088102]
ギタータブ音楽生成にはDadaGPデータセット,GuitarProでは26万曲以上のコーパス,トークンフォーマットなどを用いています。所望の楽器やジャンルに基づいてギタータブを生成するために,Transformer-XLディープラーニングモデルを条件付ける手法を提案する。その結果、GTR-CTRL法は、無条件モデルよりもギター中心のシンボリック・ミュージック・ジェネレーションの柔軟性と制御性が高いことが示唆された。
論文参考訳（メタデータ） (2023-02-10T17:43:03Z)
Melody transcription via generative pre-training [86.08508957229348]
メロディの書き起こしの鍵となる課題は、様々な楽器のアンサンブルや音楽スタイルを含む幅広いオーディオを処理できる方法を構築することである。この課題に対処するために、広帯域オーディオの生成モデルであるJukebox(Dhariwal et al. 2020)の表現を活用する。広義音楽のクラウドソースアノテーションから50ドル(約5,400円)のメロディ書き起こしを含む新しいデータセットを導出する。
論文参考訳（メタデータ） (2022-12-04T18:09:23Z)
VATT: Transformers for Multimodal Self-Supervised Learning from Raw Video, Audio and Text [60.97904439526213]
video-audio-text transformer (vatt) は生の信号を入力として取り、様々な下流タスクに役立つほどリッチなマルチモーダル表現を抽出する。マルチモーダルなコントラスト損失を用いて,vattのエンドツーエンドをスクラッチからトレーニングし,映像動作認識,音声イベント分類,画像分類,テキストからビデオへの検索といった下流タスクによってその性能を評価する。
論文参考訳（メタデータ） (2021-04-22T17:07:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。