Datasets:
File size: 4,980 Bytes
c4115a4 b7be40a 42562e4 c4115a4 b7be40a c4115a4 f06a805 42562e4 f06a805 c4115a4 f06a805 c4115a4 e83fc5e c4115a4 f06a805 c4115a4 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 |
# SongFormBench 🏆
[[English](README.md) ｜ 中文]
**一个高质量的音乐结构分析基准**
<div align="center">
[](https://arxiv.org/abs/2510.02797)
[](https://github.com/ASLP-lab/SongFormer)
[](https://huggingface.co/spaces/ASLP-lab/SongFormer)
[](https://huggingface.co/ASLP-lab/SongFormer)
[](https://huggingface.co/datasets/ASLP-lab/SongFormDB)
[](https://huggingface.co/datasets/ASLP-lab/SongFormBench)
[](https://discord.gg/p5uBryC4Zs)
[](http://www.npu-aslp.org/)
</div>
<div align="center">
<h3>
Chunbo Hao<sup>1*</sup>, Ruibin Yuan<sup>2,5*</sup>, Jixun Yao<sup>1</sup>, Qixin Deng<sup>3,5</sup>,<br>Xinyi Bai<sup>4,5</sup>, Wei Xue<sup>2</sup>, Lei Xie<sup>1†</sup>
</h3>
<p>
<sup>*</sup>Equal contribution <sup>†</sup>Corresponding author
</p>
<p>
<sup>1</sup>Audio, Speech and Language Processing Group (ASLP@NPU),<br>Northwestern Polytechnical University<br>
<sup>2</sup>Hong Kong University of Science and Technology<br>
<sup>3</sup>Northwestern University<br>
<sup>4</sup>Cornell University<br>
<sup>5</sup>Multimodal Art Projection (M-A-P)
</p>
</div>
---
## 🌟 什么是 SongFormBench？
SongFormBench 是一个**经过精心整理、由专家标注的基准数据集**，旨在彻底改变音乐结构分析（MSA）的评估方式。我们的数据集为比较 MSA 模型提供了统一标准。
### 📊 数据集构成
- **🎸 SongFormBench-HarmonixSet (BHX)**: 来自 HarmonixSet 的 200 首歌曲
- **🎤 SongFormBench-CN (BC)**: 100 首中文流行歌曲
**总计：300 首高质量标注歌曲**
---
## ✨ 主要亮点
### 🎯 **统一评估标准**
- 建立了 **标准化基准**，实现 MSA 模型间的公平比较
- 消除了评估协议中的不一致性
### 🏷️ **简单标签系统**
- 采用广泛使用的7类分类系统（如 [arxiv.org/abs/2205.14700](https://arxiv.org/abs/2205.14700) 中所述）
- 保留 **pre-chorus** 段落以增强粒度
- 可轻松转换为 7 类（pre-chorus → verse）以保证兼容性
### 👨🔬 **专家验证质量**
- 多源验证
- 专家标注员手动校正
### 🌏 **多语言覆盖**
- **首个中文 MSA 数据集**（100 首歌曲）
- 弥补了中文音乐结构分析的空白
- 支持跨语言 MSA 研究
---
## 🚀 快速开始
### 快速加载
```python
from datasets import load_dataset
# 加载完整基准数据集
dataset = load_dataset("ASLP-lab/SongFormBench")
```
---
## 📚 资源与链接
- 📖 论文：*即将发布*
- 💻 代码：[GitHub 仓库](https://github.com/ASLP-lab/SongFormer)
- 🧑💻 模型：[SongFormer](https://huggingface.co/ASLP-lab/SongFormer)
- 📂 数据集：[SongFormDB](https://huggingface.co/datasets/ASLP-lab/SongFormDB)
---
## 🤝 引用
```bibtex
@misc{hao2025songformer,
title = {SongFormer: Scaling Music Structure Analysis with Heterogeneous Supervision},
author = {Chunbo Hao and Ruibin Yuan and Jixun Yao and Qixin Deng and Xinyi Bai and Wei Xue and Lei Xie},
year = {2025},
eprint = {2510.02797},
archivePrefix = {arXiv},
primaryClass = {eess.AS},
url = {https://arxiv.org/abs/2510.02797}
}
```
---
## 🎼 梅尔频谱图细节
<details>
<summary>Click to expand/collapse</summary>
环境配置可参考 BigVGan 的官方实现。如果音频源失效，可使用以下方法重建音频。
### 🎸 SongFormBench-HarmonixSet
使用官方 HarmonixSet 梅尔频谱图。复现方法如下：
```bash
# 克隆 BigVGAN 仓库
git clone https://github.com/NVIDIA/BigVGAN.git
# 进入 utils 目录
cd utils/HarmonixSet
# 更新 inference_e2e.sh 中的 BIGVGAN_REPO_DIR
# 运行推理脚本
bash inference_e2e.sh
```
### 🎤 SongFormBench-CN
使用 [**bigvgan_v2_44khz_128band_256x**](https://huggingface.co/nvidia/bigvgan_v2_44khz_128band_256x) 重建。
您应首先下载 bigvgan_v2_44khz_128band_256x，然后将其项目目录添加到 PYTHONPATH 中，之后即可使用以下代码：
```python
# 查看实现
utils/CN/infer.py
```
</details>
## 📧 联系方式
如有问题、反馈或合作机会，请访问我们的 [GitHub 仓库](https://github.com/ASLP-lab/SongFormer) 或提交问题。 |