arXiv cs.AI· Josef Pavl\'i\v{c}ek, Martin Pelik\'an·· 11 小时前AI 评分18
冻结版可解释旋律和声器 EMH 在 HookTheory 语料上的和声决策评测
From Individual Songs to Music Corpora: Evaluating Explainable Harmonic Decision-Making on HookTheory
AI 导读
研究将冻结的可解释旋律和声器 EMH 直接应用于 HookTheory 中旋律与和弦对齐的片段，在不改动规则的情况下评测其和声决策。19 个片段共得到 439 个可评估和声段，和弦完全一致率 20.50%、和弦根音一致率 31.66%、和声功能一致率 47.62%。
正文 · AI 翻译
摘要：自动旋律和声化通常通过单个作品或数据驱动的语料库模型来评估。本研究考察了为单首歌曲开发的可解释和声决策模型能否在不改变其规则的情况下应用于独立收集的人工标注。我们在选定的 HookTheory 摘录上评估了一个冻结的可解释旋律和声器（EMH），这些摘录包含对齐的旋律与和弦标注。EMH 仅根据旋律生成和弦序列，使用针对旋律兼容性、和声功能、持续性、终止式、节拍感知分段以及类 Viterbi 优化的明确标准。生成过程中不使用人工和弦，仅将其用于事后比较。
十九个摘录产生了 439 个可评估的和声片段。精确和弦一致率达到 20.50%，和弦根音一致率 31.66%，和声功能一致率 47.62%，其中功能是相对于 EMH 推断的调性进行评估的。决策级分析识别出 203 个片段（46.24%）中人工和弦位于模型候选词汇表之外，以及 146 个片段（33.26%）中人工和弦可用但未被选中。这些发现区分了表示局限性与和弦选择差异，且不将人工参考视为唯一音乐上有效的解决方案。该研究展示了一种可复现、可解释的基于语料库的和声决策评估方法。
| 评论： | 10 页，3 幅图，2 张表，源代码见 git |
| 主题： | 声音（cs.SD）；人工智能（cs.AI）；音频与语音处理（eess.AS） |
| 引用为： | arXiv:2610.22416 [cs.SD] |
| （或 arXiv:2610.22416v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22416 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Josef Pavlicek Ph.D. [查看电子邮件]
[v1]
2026 年 10 月 14 日星期三 23:42:28 UTC（2,318 KB）
来源：arXiv cs.AI · arxiv.org