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 > eess > arXiv:2509.00106

帮助 | 高级搜索

电气工程与系统科学 > 音频与语音处理

arXiv:2509.00106 (eess)
[提交于 2025年8月28日 ]

标题: 量子增强的语音表演分析与评分

标题: Quantum-Enhanced Analysis and Grading of Vocal Performance

Authors:Rohan Agarwal
摘要: 我们提出QuantumMelody,一种用于客观演唱评估的混合量子-经典方法。分组的声乐特征(音高稳定性、动态变化、音色)被编码到一个小的模拟量子电路中;所有九个量子比特都通过每个量子比特上的Hadamard门进行初始化,然后接收Rx、Ry和Rz旋转,并进行组内和组间纠缠。电路测量概率与频谱图变压器嵌入融合,以在标签2-5上估计分数并提供技术层面的反馈。在168个标记的20秒片段上,该混合方法与专家评分者达成74.29%的一致性,比经典特征基线高出12.86个百分点。在笔记本电脑类的Qiskit模拟器上,每个录音的处理时间不到一分钟;我们不声称硬件加速。这是在应用音频信号处理中实现可解释、客观的演唱评估的一个可行性步骤。
摘要: We present QuantumMelody, a hybrid quantum-classical method for objective singing assessment. Grouped vocal features (pitch stability, dynamics, timbre) are encoded into a small simulated quantum circuit; all nine qubits are initialized with a Hadamard on each qubit and then receive Rx, Ry, and Rz rotations, with intra- and cross-group entanglement. The circuit measurement probabilities are fused with spectrogram transformer embeddings to estimate a grade on labels 2-5 and to surface technique-level feedback. On 168 labeled 20 second excerpts, the hybrid reaches 74.29% agreement with expert graders, a +12.86 point gain over a classical-features baseline. Processing is sub-minute per recording on a laptop-class Qiskit simulator; we do not claim hardware speedups. This is a feasibility step toward interpretable, objective singing assessment in applied audio signal processing.
评论: 4页,5图。混合量子-经典可行性研究;仅模拟器结果
主题: 音频与语音处理 (eess.AS) ; 声音 (cs.SD)
ACM 类: H.5.5; I.2.6; I.5.4
引用方式: arXiv:2509.00106 [eess.AS]
  (或者 arXiv:2509.00106v1 [eess.AS] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.00106
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Rohan Agarwal [查看电子邮件]
[v1] 星期四, 2025 年 8 月 28 日 01:34:33 UTC (224 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
查看许可
当前浏览上下文:
eess.AS
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs
cs.SD
eess

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