计算机科学 > 声音
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.