概览
- 1 篇精评 + 0 篇简报，共 1 篇，已对 7 天滚动窗口去重（候选池 149 篇 → 已报道去重 5 篇 → 近期未报道 144 篇 → 音频方向标题与摘要全扫后报道 1 篇）。
- 来源：HuggingFace Daily Papers（149 篇：10-16 期 84 篇、10-19 期 65 篇；10-17/10-18 周末无新一期，10-20 期在本日 08:00 尚未发布）；arXiv API（0 篇，本次首个请求即返回 “Rate exceeded” 限流，按硬停规则未重试，降级模式）；HuggingFace 论文搜索（8 个音频方向查询共 116 条结果，补充 0 篇新鲜未报道论文）。
- 主题分布：音乐转录（演奏到乐谱）1 篇。
- 今日关键词：“拍点不落在音符上”——钢琴演奏录成 MIDI 只是第一步，把它还原成带节拍结构的乐谱时，拍点可以没有任何音符与之重合；今天新鲜的音频论文只有 DuET 在认真处理这个错位，宁缺毋滥不凑数。
精评
1. DuET：演奏 MIDI 变乐谱，拍点和音符得分开编码再互相看
一句话：把钢琴演奏转录成乐谱，难点是乐谱属性长在音符上、节拍却不必与音符重合——DuET 用音符与帧两个编码器分别学演奏到乐谱的转录和拍点/重拍跟踪，再以双向交叉注意力互相提供上下文，自建 Gangqinpu 上 MUSTER 平均误差从最强基线的 6.56% 降到 3.64%。
贡献/机制：双编码器 Transformer：音符级编码器负责 performance MIDI-to-score（PM2S）转录，帧级编码器负责拍点与重拍跟踪；两者之间用双向交叉注意力连接，自回归解码器在两种表示之间交替，预测结构化的乐谱属性。位置编码上提出 TimeRoPE 与 Time-Pitch Rotary Positional Encoding（TPRoPE），建立共享的演奏时间参考，并显式编码相对时间与音高关系。代码、权重与在线演示已开源：https://github.com/wei-zeng98/DuET ，演示页 https://huggingface.co/spaces/Wayne42/DuET-demo 。
数值结果：与各数据集上的最强基线相比，MUSTER 平均误差在自建 Gangqinpu（多体裁、侧重流行钢琴）上从 6.56% 降到 3.64%，在古典钢琴数据集 ASAP 上从 11.30% 降到 11.22%。摘要称消融实验证实了帧级上下文、基于时间的位置编码与解码器历史掩码三者的收益（未给各消融的具体数值）。
批判性分析：结构动机真实：PM2S 里"分数属性依附音符、节拍独立存在"的错位是这项任务的核心困难，帧级节拍跟踪作为辅助任务加双向交叉注意力，是对着问题本身设计的结构，而不是堆模块；自建 Gangqinpu 补上流行钢琴这一此前缺位的数据分布，也算一份可复用的资产。但要把两个数据集分开看：Gangqinpu 上 6.56%→3.64% 是自建数据集上的大幅领先，有"主场"之嫌；真正的中立考场 ASAP 上 11.30%→11.22% 几乎贴着噪声线，说明在古典曲目上离饱和不远、方法增益有限。证据范围也窄：只有钢琴、只有两个数据集，向其他乐器与多声部场景的推广没有证据；MUSTER 平均误差是复合指标，误差到底降在时值还是记谱时长上，摘要没有拆分。对做音乐转录的人，音符/帧双编码加节拍辅助任务的拆法值得借，引用效果时应注明 ASAP 上的提升幅度。
摘要译文：把富有表现力的钢琴演奏转录成乐谱，需要在潜在的节拍结构之下解读单个音符的时值。然而，乐谱属性与音符相关联，而拍点可以在没有音符与之同时出现的情况下发生。我们提出 DuET，一个双编码器 Transformer，联合学习音符级的演奏 MIDI 到乐谱（PM2S）转录与帧级的拍点和重拍跟踪。双向交叉注意力连接音符编码器与帧编码器，自回归解码器在两者的表示之间交替，以预测结构化的乐谱属性。我们进一步提出 TimeRoPE 与时间-音高旋转位置编码（TPRoPE），以建立共享的演奏时间参考，并显式编码相对的时间与音高关系。在古典钢琴数据集 ASAP 以及我们整理的 Gangqinpu 数据集（横跨多种体裁、侧重流行钢琴音乐）上的评测表明，乐谱时值与记谱时长均有改进。与每个数据集上的最强基线相比，DuET 把 MUSTER 平均误差在 Gangqinpu 上从 6.56% 降至 3.64%，在 ASAP 上从 11.30% 降至 11.22%。消融研究支持帧级上下文、基于时间的位置编码和解码器历史掩码带来的收益。代码、权重和演示可在 https://github.com/wei-zeng98/DuET 获取。
本日 1 篇（1 精评 + 0 简报）来自降级模式候选池：arXiv API 首个请求即限流（硬停未重试）、10-20 期列表在 08:00 尚未发布，音频方向新鲜候选仅 DuET 1 篇，宁缺毋滥不凑数。
Cover image by luckyluna