Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2411.00195

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2411.00195 (cs)
[提交于 2024年10月31日 ]

标题: 基于音频的内容评估的机器学习框架,使用MFCC、色度、频谱对比和时间特征工程

标题: Machine Learning Framework for Audio-Based Content Evaluation using MFCC, Chroma, Spectral Contrast, and Temporal Feature Engineering

Authors:Aris J. Aristorenas
摘要: 本研究提出了一种机器学习框架,用于评估音频内容之间的相似性并预测情感评分。 我们构建了一个包含YouTube上音乐翻唱音频样本以及原歌曲音频的数据库,并提取了来自用户评论的情感评分,作为内容质量的代理标签。 我们的方法涉及大量的预处理,将音频信号分割为30秒的窗口,并通过梅尔频率倒谱系数(MFCC)、色度、频谱对比度和时间特征提取高维特征表示。 利用这些特征,我们训练回归模型在0-100的尺度上预测情感评分,分别获得了3.420、5.482、2.783和4.212的均方根误差(RMSE)值。 观察到基于绝对差分度量的基线模型有所改进。 这些结果展示了机器学习捕捉音频中情感和相似性的潜力,为媒体分析中的AI应用提供了可调整的框架。
摘要: This study presents a machine learning framework for assessing similarity between audio content and predicting sentiment score. We construct a dataset containing audio samples from music covers on YouTube along with the audio of the original song, and sentiment scores derived from user comments, serving as proxy labels for content quality. Our approach involves extensive pre-processing, segmenting audio signals into 30-second windows, and extracting high-dimensional feature representations through Mel-Frequency Cepstral Coefficients (MFCC), Chroma, Spectral Contrast, and Temporal characteristics. Leveraging these features, we train regression models to predict sentiment scores on a 0-100 scale, achieving root mean square error (RMSE) values of 3.420, 5.482, 2.783, and 4.212, respectively. Improvements over a baseline model based on absolute difference metrics are observed. These results demonstrate the potential of machine learning to capture sentiment and similarity in audio, offering an adaptable framework for AI applications in media analysis.
评论: 6页,6图
主题: 声音 (cs.SD) ; 机器学习 (cs.LG); 音频与语音处理 (eess.AS)
ACM 类: I.2.6; I.5.4; H.5.5
引用方式: arXiv:2411.00195 [cs.SD]
  (或者 arXiv:2411.00195v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2411.00195
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Aris Aristorenas [查看电子邮件]
[v1] 星期四, 2024 年 10 月 31 日 20:26:26 UTC (497 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-11
切换浏览方式为:
cs
cs.LG
cs.SD
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号