10、音乐拼接合成中的 k-Best 单元选择策略

音乐拼接合成中的 k-Best 单元选择策略

1. 隐马尔可夫模型（HMM）在音乐中的应用

HMM 的模式识别能力已被应用于计算音乐任务。例如，乐谱跟随尝试自动将音乐作品的现场演奏位置与乐谱表示进行整合。通过维特比解码，提取现场演奏的特征，并将其与模型中的理想特征进行比较，从而确定演奏在乐谱中的预期位置。

HMM 也自然地适用于和弦识别任务。其方法是将信号的音级轮廓（PCP）表示与发射矩阵指示的 24 种可能和弦标签（12 个大调音符和 12 个小调音符）进行比较，并结合转移矩阵中定义的最可能和弦序列。

与马尔可夫链相比，HMM 在生成或作曲应用中的应用较少，但也有一些方法被总结。有人认为，当应用于算法作曲时，HMM 适合为现有作品添加元素。

2. 拼接合成系统中的单元选择

单元选择解决了从语料库中选择声音并对所选声音进行系统结构化以输出逻辑拼接序列的问题。许多单元选择方案已被提出，但没有标准或最佳方法。以下是一些常见的单元选择程序：
- 线性搜索 ：最基本的单元选择线性搜索标准是根据某种距离度量计算目标序列中每个单元与语料库中每个可能单元的（不）相似度。例如，可以使用加权欧几里得距离：
[d(t_i, c_j) = \sqrt{\sum_{k = 0}^{K - 1} w_k(t_{i_k} - c_{j_k})^2}]
其中 (d(t_i, c_j)) 指目标单元 (t_i) 与语料库单元 (c_j) 之间的距离或不相似度，索引 (k) 表示完整 (K) 个特征集中的单个特征值，(w_k) 表示在距离计算中要附加到该特征的权重。应选择用于拼接的最接近语料库单元 (s