李子晉, 于 帥, 肖 暢, 耿瑜曼, 錢文琪, 高永偉, 李 偉

(1.中國音樂學(xué)院 音樂科技系，北京 100101； 2.復(fù)旦大學(xué) 計算機(jī)科學(xué)技術(shù)學(xué)院，上海 201203； 3.新加坡國立大學(xué) 計算機(jī)學(xué)院，新加坡 117417)

1 基礎(chǔ)介紹

1.1 背景介紹

隨著計算機(jī)技術(shù)的發(fā)展，人類信息化程度日益提高，海量音樂數(shù)據(jù)層出不窮.大量的音樂資源需要被檢索、分類、理解及分析，這促進(jìn)了音樂信息檢索技術(shù)的發(fā)展及應(yīng)用.同時也吸引了越來越多的來自各個領(lǐng)域的科研工作者投身于這一領(lǐng)域的研究.數(shù)據(jù)庫是音樂信息檢索研究的基礎(chǔ)，豐富的數(shù)據(jù)庫能夠提高音樂信息檢索領(lǐng)域算法的準(zhǔn)確性，對于算法的改進(jìn)具有重要的意義.此外，隨著研究的深入，學(xué)術(shù)界對于數(shù)據(jù)庫所選音樂片段的質(zhì)量要求不斷增加，這要求在制作、收集數(shù)據(jù)庫素材方面，需要專業(yè)音樂學(xué)習(xí)者對基礎(chǔ)音樂片段進(jìn)行篩選與判斷，從而保證數(shù)據(jù)庫音樂的嚴(yán)謹(jǐn)性與專業(yè)性.

1.2 相關(guān)工作

20年來，很多研究者已經(jīng)在數(shù)據(jù)采集方面做出了努力.音樂信息檢索(Music Information Retrieval, MIR)領(lǐng)域常用的數(shù)據(jù)庫有RWC(Real World Computing)[1]、MSD(Million Song Dataset)[2]等，包括帶標(biāo)注的音樂數(shù)據(jù)庫、樂器音響數(shù)據(jù)庫、樂譜數(shù)據(jù)庫等，分別用于音高、節(jié)奏、和弦、調(diào)式、旋律信息的提取等用途.

由于在音樂信息檢索領(lǐng)域缺乏質(zhì)量較高的研究用音樂數(shù)據(jù)庫，因此RWC工作組組建了僅供研究使用，價格合理的RWC數(shù)據(jù)庫.該數(shù)據(jù)庫是世界上第1個專門為研究目的而編制的大型數(shù)據(jù)庫，涵蓋了流行音樂數(shù)據(jù)庫、爵士音樂數(shù)據(jù)庫、音樂流派數(shù)據(jù)庫等6項內(nèi)容.僅以流行音樂數(shù)據(jù)庫為例，其包含了日本流行歌曲、西方流行風(fēng)格歌曲在內(nèi)的多個子集.此外，RWC制作者為數(shù)據(jù)庫內(nèi)315首歌曲都準(zhǔn)備了GS格式的MIDI(SMF)文件和獨立的歌詞文檔，及對應(yīng)數(shù)據(jù)庫樣本的單聲道16bit、采樣率44.1kHz、RIFFWAVE格式的CD與DVD.目前，RWC數(shù)據(jù)庫是MIR領(lǐng)域使用頻率較高的數(shù)據(jù)庫之一.

MSD數(shù)據(jù)庫是免費提供百萬首當(dāng)代流行音樂曲目音頻特征和元數(shù)據(jù)(與音樂相關(guān)的數(shù)據(jù)，例如音樂家姓名、發(fā)行版本、曲目標(biāo)號等)的音樂數(shù)據(jù)庫.該數(shù)據(jù)集的核心是The Echo Nest(http:∥the.echonest.com)提供的百萬首歌曲的特征分析與元數(shù)據(jù)，當(dāng)中每個文件都包含1首歌，1份發(fā)行版本以及1名藝術(shù)家名稱.MSD數(shù)據(jù)庫不包含任何音頻內(nèi)容，但可以過7 digital(https:∥www.7digital.com)網(wǎng)站等方式預(yù)覽歌曲.

LFM-1b[3]數(shù)據(jù)庫收集了Last.fm(https:∥www.last.fm)平臺超過十億的用戶的音樂記錄，每個記錄都標(biāo)記了音樂家、專輯、曲目名稱及確切時間戳.LFM-1b數(shù)據(jù)庫的特別之處在于具有用戶聽音行為的詳細(xì)信息，例如，描述聽眾音樂偏好和消費行為的額外信息，這些信息可以用于探討不同國家文化和經(jīng)濟(jì)差異和藝術(shù)家審美偏好的關(guān)聯(lián)性研究.

QBT[4]數(shù)據(jù)庫工作組從60名用戶中收集了51首歌曲，這其中包含了時間印記和音高信息，可用于檢索旋律輪廓.DUNYA[5]音樂語料庫包含380h音頻和1900首錄音，其目前的主要內(nèi)容為南印度傳統(tǒng)音樂《Carnatic》(https:∥en.wikipedia.org/wiki/Carnatic_music)，未來將擴(kuò)展到其他類型的音樂.該數(shù)據(jù)庫既提供龐大的音樂數(shù)據(jù)，包括作曲家名稱、錄音等，還可分析同一主題音樂之間的相關(guān)性.MusicBrainz(https:∥musicbrainz.org)是開放的音樂信息查詢網(wǎng)站，它包含了錄音版本、作曲家名稱、曲目編號在內(nèi)的音樂元數(shù)據(jù)，供廣大研究者免費使用.APL(Automatic Practice Logging)[6]數(shù)據(jù)庫中收集了600多首獨奏鋼琴片段，用于評估自動練習(xí)記錄系統(tǒng).Discogs網(wǎng)站(https:∥www.discogs.com)包含了大量pop、jazz在內(nèi)的流行音樂數(shù)據(jù)，為音樂學(xué)家研究提供了專業(yè)廣泛的數(shù)據(jù).

CCMusic和其他數(shù)據(jù)庫的標(biāo)注統(tǒng)計數(shù)據(jù)見表1.

表1 CCMusic數(shù)據(jù)庫和現(xiàn)有數(shù)據(jù)庫的比較

1.3 CCMusic的貢獻(xiàn)

1.3.1 高質(zhì)量的音頻

目前的數(shù)據(jù)庫很多都是由非專業(yè)人士的歌聲或演奏作為樣本數(shù)據(jù)，對于音響指標(biāo)、演奏技巧等處理的過于業(yè)余，比如MIR-1K[7]等數(shù)據(jù)庫由于演唱者為計算機(jī)專業(yè)的學(xué)生，演唱者缺乏專業(yè)的訓(xùn)練，加之錄音時對錄音環(huán)境及設(shè)備也沒有詳細(xì)的要求和限定，錄制的音頻存在背景噪聲較大、歌曲的音高節(jié)奏準(zhǔn)確度不高的缺陷.CCMusic數(shù)據(jù)庫對錄音環(huán)境、錄音設(shè)備以及錄音人員、流程等方面進(jìn)行了專業(yè)的限定，力求避免各種噪聲的干擾，獲得高質(zhì)量的音頻素材.

1.3.2 歌聲與伴奏分離

將歌聲和伴奏分軌錄制，有助于研究在理想情況下的MIR諸多任務(wù).目前常用的數(shù)據(jù)庫中將歌聲與伴奏按不同音軌錄制的并不多見，只有iKala[8]、medleyDB[9]、dsd100(https:∥sisec.inria.fr/home/2016-professionally-produced-music-recordings)等少數(shù)幾個數(shù)據(jù)庫有分軌錄制的音頻，但由于歌聲與伴奏分離在人聲分離算法上具有重要意義，一些數(shù)據(jù)庫的擁有者認(rèn)為其具有商業(yè)價值，開始逐漸取消了音頻的公開，如iKala數(shù)據(jù)庫已于2017年12月停止公開音頻，這給研究者帶來了極大的不便.CCMusic數(shù)據(jù)庫的音頻按照將旋律聲部與伴奏聲部分兩軌獨立錄制，為研究者提供方便.在主旋律檢測(在流行歌曲中很多時候為歌聲)、歌聲信息處理里的歌手識別[10]、歌唱評價[11]、歌詞識別[12]、歌聲合成[13]、歌聲與歌詞的同步[14]等研究中，伴奏經(jīng)常會起干擾作用導(dǎo)致AI算法性能下降[15].在對單旋律的歌唱評價中，如果沒有伴奏的人聲聲部會更有助于專家對歌手水平進(jìn)行判斷[16]；在歌手識別中，伴奏聲部也會影響機(jī)器對演唱者的識別[10]；在主旋律提取中，伴奏的音符會影響歌聲主旋律的判斷[17]；在歌詞識別中，歌詞的識別本身就比語音識別更難，用人耳聽也未必聽清楚，帶有伴奏會更加干擾其識別的準(zhǔn)確率[18]；在按照樂譜和歌詞進(jìn)行歌聲合成時，可以與歌聲音軌的錄音進(jìn)行音高、時長、技巧(顫音，滑音等)、音色等的比較，評價合成歌聲的自然度、可懂度及藝術(shù)性.歌聲與歌詞的時間域?qū)R，伴奏也會起阻礙作用.反之，進(jìn)行常規(guī)意義上的樂器識別(歌聲除外)，那么歌聲也會起干擾作用.在CCMusic數(shù)據(jù)庫中用純粹的歌聲來進(jìn)行試驗，定量比較伴奏的影響，這對研究具有重要意義.

1.3.3 詳細(xì)的標(biāo)注

目前的數(shù)據(jù)庫中大部分的標(biāo)注信息不全，多數(shù)的研究需要在已有的音頻數(shù)據(jù)上重新做標(biāo)注.比如,ISMIR2004TEMPO[19]、ACMMIR_UM[20]、Hainsworth[21]數(shù)據(jù)庫僅標(biāo)記節(jié)奏信息，McGill-Billbroad[22]、Zanoni-Giorgi[23]數(shù)據(jù)庫僅標(biāo)記和弦信息，ODB(https:∥grfia.dlsi.ua.es/cm/projects/prosemus/database.php)、Onsetleveau[24]數(shù)據(jù)庫僅標(biāo)記起始時間.進(jìn)行MIR的研究時會根據(jù)不同課題下載不同的數(shù)據(jù)庫，過程繁瑣.CCMusic數(shù)據(jù)庫將盡量搜集流行音樂、民族音樂及數(shù)百種民族樂器的音響素材，并進(jìn)行全面的標(biāo)注，建成1個供MIR領(lǐng)域研究者使用的多用途的音樂數(shù)據(jù)庫，希望在數(shù)據(jù)庫里進(jìn)行盡可能多的標(biāo)注，滿足用戶的一站式數(shù)據(jù)需求.

1.3.4 版權(quán)清晰

音頻數(shù)據(jù)庫若采用已有的商業(yè)歌曲可能會涉及版權(quán)信息，無法公開數(shù)據(jù)，影響算法設(shè)計與比較.由研究者自行錄制的數(shù)據(jù)庫通常會由于學(xué)生音樂素養(yǎng)不夠或錄音環(huán)境及設(shè)備較差等原因?qū)е聰?shù)據(jù)庫質(zhì)量不高.CCMusic數(shù)據(jù)庫由音樂學(xué)院專門錄制，錄制者具有較高的音樂素養(yǎng)，錄制環(huán)境及技術(shù)專業(yè)，錄音質(zhì)量高，無商品版權(quán)問題，錄制的音頻免費公開，并方便大規(guī)模擴(kuò)展.

2 數(shù)據(jù)采集標(biāo)準(zhǔn)

2.1 錄音棚聲場標(biāo)準(zhǔn)

錄音對錄音房的長、寬、高推薦比例為1.9∶1.4∶1.0，對錄音空間尺寸要求為： 面積不小于25m2，體積為(100±30) m3，混響時間應(yīng)盡量控制在0.30～0.65s(250～4000Hz)，偏離度不大于25%，環(huán)境的本底噪聲控制在30dB(A)以下，室內(nèi)溫度控制在20～25℃，濕度控制在50%～75%.

2.2 采錄器材標(biāo)準(zhǔn)

2.2.1 錄音設(shè)備方案

使用計算機(jī)+數(shù)字音頻接口+外置專業(yè)傳聲器設(shè)備方案，采用16bit、44.1kHz音頻記錄格式.備選方案為專業(yè)數(shù)字錄音機(jī)+外置專業(yè)傳聲器，使用16bit、44.1kHz以上的音頻記錄格式.

2.2.2 傳聲器標(biāo)準(zhǔn)

使用專業(yè)測量傳聲器，頻響范圍在20Hz～20kHz(±1dB)之間，全指向(無指向)，最大聲壓級不小于136dB(<1%THD)，供電為48V或200V幻象電源，開路靈敏度大于等于12.5mV/Pa，本底噪聲小于等于22dB SPL(A).

2.2.3 監(jiān)聽設(shè)備標(biāo)準(zhǔn)

揚聲器類型盡量使用兩分頻有源近場監(jiān)聽揚聲器，頻率響應(yīng)為20Hz～20kHz(±3dB)，揚聲器響度在1m處音樂信號最大峰值大于等于108dB.揚聲器功率的低音單元大于等于40W，高音單元大于等于40W.監(jiān)聽耳機(jī)參數(shù)的頻率響應(yīng)范圍應(yīng)處于20Hz～20kHz，標(biāo)稱阻抗大于等于60Ohm.

2.3 采錄操作標(biāo)準(zhǔn)

2.3.1 傳聲器使用方法

錄音過程中使用雙聲道拾音方式，使用話筒架來安放傳聲器.錄音棚環(huán)境傳聲器的位置擺放既要符合常規(guī)聲學(xué)測量的工業(yè)標(biāo)準(zhǔn)，同時還要考察音樂的聲學(xué)特點以及真實聽感.

2.3.2 輸入電平調(diào)整

選擇曲目中音量最大部分作為測試聲音，調(diào)整輸入電平大小.調(diào)整輸入電平應(yīng)在錄音正式開始前完成.保證錄音設(shè)備的音量無過載，預(yù)留8dB峰值余量為最佳.

2.3.3 參考音高錄制

使用音叉或校音器播放a1音(440Hz)，并將其錄制于一聲軌.參考音高應(yīng)記錄于歌曲開始之前.

2.3.4 參考聲壓級的錄制

將聲級計和傳聲器放置在同一位置，對1kHz，85dB的音頻信號進(jìn)行聲壓級記錄，以便后期對樂器的實際聲壓級進(jìn)行校準(zhǔn).

2.4 采錄內(nèi)容

2.4.1 半音階

哼唱規(guī)定被試音域范圍內(nèi)的半音階，哼唱每個音之前用鋼琴提示音高(鋼琴以十二平均律調(diào)律，標(biāo)準(zhǔn)A=440Hz)，要求演唱者演唱至發(fā)不出聲音、出現(xiàn)破音或嘶啞的聲音時停止錄音，要求錄制之前被測者保持氣息均勻，避免出現(xiàn)口鼻堵塞的現(xiàn)象.要求哼唱清晰，速度控制在慢速=46(以四分音符為1拍，每分鐘46拍)，錄制前提供預(yù)備拍和提示音.共采錄3遍： 第1遍要求演唱者從小字一組c1向下依次哼唱半音階，第2遍演唱者由小字二組c2向上依次哼唱半音階，第3遍要求演唱者由小字一組c1向下哼唱半音階.

2.4.2 歌曲及錄制

要求錄制前演唱者需要練習(xí)歌曲演唱，伴奏單獨錄制單聲道，隨返送到耳麥的樂曲伴奏錄制人聲，在工程文件中分軌錄制伴奏及人聲，最后生成3個*.wav文件，即人聲的單聲道、伴奏的單聲道以及人聲與伴奏的混音文件.

3 CCMusic數(shù)據(jù)庫的構(gòu)成

3.1 數(shù)據(jù)庫概覽

目前，CCMusic數(shù)據(jù)庫共包含7首歌曲(更多音樂數(shù)據(jù)正在標(biāo)注中)，全部為中國流行音樂.我們提供獨奏人聲軌道和每首歌曲的伴奏聲軌.圖1為歌曲《告白氣球》的人聲軌道、伴奏聲軌和混合聲軌頻譜圖.聲樂軌道在中國音樂學(xué)院錄音室由音樂專業(yè)的學(xué)生進(jìn)行錄制.對每首歌曲，標(biāo)注信息被分為4類： 元信息、專家主觀評價(Subjective evaluation)、人聲軌道標(biāo)注信息、伴奏軌道標(biāo)注信息.標(biāo)注信息詳見表2.

圖1 歌曲《告白氣球》的頻譜圖Fig.1 Spectrograms of song Confession Ballon

標(biāo)注類別標(biāo)注信息標(biāo)注樣例元信息歌曲名稱Confession Balloon歌手名稱Ziwan Deng歌手性別Female歌曲長度3∶29∶00歌曲速度90歌曲語言Chinese歌曲節(jié)拍4/4歌曲調(diào)號bE人聲軌標(biāo)注信息歌曲唱法流行歌曲音色渾厚、沙啞、有力等歌聲歌詞同步0'24.640～0'27.082塞納河畔,左岸的咖啡節(jié)拍時間起始點(以s為單位)7.35,8.01,8.71,9.38小節(jié)線起止時間(以s為單位)23.37,26.06語言Chinese每小節(jié)第1個音的時間戳(以s為單位)26.06每小節(jié)第1個音的頻率1019Hz

(續(xù)表)

3.2 歌曲元信息的標(biāo)注

CCMusic數(shù)據(jù)庫元信息包括： 歌曲名稱、歌手姓名、歌手性別、歌曲長度、歌曲速度、歌曲語言、歌曲節(jié)拍、歌曲調(diào)號.對于旋律提取、歌聲識別定位、歌手識別、歌手性別，音調(diào)識別、音樂節(jié)奏分析等歌聲相關(guān)的任務(wù)，通常認(rèn)為消除伴奏將歌聲部分分離出來會有更好的效果，因此錄入數(shù)據(jù)庫的歌曲均采用歌聲與伴奏分離的錄制并分別存儲.

3.3 人聲軌信息標(biāo)注

數(shù)據(jù)庫人聲軌標(biāo)注包括： 歌曲唱法、歌曲音色、歌聲與歌詞同步、節(jié)拍時間起始點(以s為單位)、小節(jié)線起止時間(以s為單位)、語言、每小節(jié)第1個音的時間戳(以s為單位)、每小節(jié)第1個音的頻率(以Hz為單位).

歌曲唱法被標(biāo)注為3類： 美聲、民族、通俗.可以用于曲風(fēng)分類(Genre classification)任務(wù).歌曲的音色被標(biāo)注為6類： 渾厚、沙啞、有力、甜美、空靈、高亢，可以用于音色識別任務(wù).歌聲與歌詞同步標(biāo)注一句歌詞對應(yīng)哪個時間段的音頻歌聲，可以用于歌詞定位等任務(wù).標(biāo)注節(jié)拍時間起始點、小節(jié)線起始位置、語言、每小節(jié)第1個音的信息可以用于旋律提取、歌聲識別、音樂節(jié)奏分析等任務(wù).

3.4 主觀高級評價標(biāo)注

主觀高級評價標(biāo)注包括： 感情是否飽滿(Y/N)、音域是否合適(Y/N)、真假聲是否無縫轉(zhuǎn)換(Y/N)、氣息是否充沛音(Y/N)、音色是否具有辨識度(Y/N)、吐字是否清晰準(zhǔn)確(Y/N).

主觀高級評價屬于二分類標(biāo)注任務(wù),可以用于演唱輔助評價、樂器演奏輔助評價等.

3.5 伴奏聲軌信息標(biāo)注

圖2 CCMusic中的音樂伴奏使用的樂器的分布Fig.2 Distribution of instruments used in music accompaniment in CCMusic

伴奏聲軌信息標(biāo)注包括： 節(jié)拍時間點、小節(jié)線、和弦、每小節(jié)第1個音的時間(以s為單位)、使用樂器.CCMusic數(shù)據(jù)庫中的音樂伴奏使用的樂器的分布如圖2所示.

標(biāo)注節(jié)拍時間點、小節(jié)線可以用于音樂節(jié)奏的分析.標(biāo)注和弦信息可以用于和弦的識別.標(biāo)注使用樂器可以在實際的流行歌曲中識別樂器的種類，并進(jìn)行主樂器識別.除此之外，標(biāo)注樂器可以有以下應(yīng)用： (1) 智能樂器識別(Intelligent Instrument Recognition, IIR)任務(wù)，即給1個聲音片段，判斷是何種樂器.(2) 輔助曲風(fēng)分類： 西方音樂(pop、rock、jazz、blues等)以管弦樂器為主，東方音樂中的多用二胡、嗩吶、琵琶、古箏等，而民族音樂，如蒙古族用馬頭琴.(3) 輔助音樂情感計算： 二胡往往感情較為悲傷，薩克斯、嗩吶、小號感情較為激昂.(4) 按主樂器(Predominant instrument)進(jìn)行音樂搜索及推薦： 比如搜索或推薦鋼琴曲、薩克斯曲、小提琴曲、吉他曲、二胡曲、葫蘆絲曲、嗩吶曲等.

4 結(jié) 語

本文提出了1個新的音樂數(shù)據(jù)庫——CCMusic Database.該數(shù)據(jù)庫對錄音環(huán)境、錄音設(shè)備以及錄音人員、流程等方面進(jìn)行專業(yè)的限定.數(shù)據(jù)庫將歌聲與伴奏分離，對音樂信息檢索的研究有重要的意義.CCMusic數(shù)據(jù)庫搜集流行音樂、民族音樂及數(shù)百種民族樂器的音響素材，并進(jìn)行全面的標(biāo)注，構(gòu)成1個供MIR研究者使用的多用途的音樂數(shù)據(jù)庫.本數(shù)據(jù)庫是由音樂學(xué)院學(xué)生錄制，版權(quán)清晰，錄制的音頻免費公開.未來，我們將會搜集更多的音樂素材進(jìn)行錄制和詳細(xì)的標(biāo)注.