• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Acoustics, Speech and Signal Processing >Improving Content-based Audio Retrieval by Vocal Imitation Feedback
【24h】

Improving Content-based Audio Retrieval by Vocal Imitation Feedback

机译：通过人声模仿反馈改善基于内容的音频检索

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Content-based audio retrieval including query-by-example (QBE) and query-by-vocal imitation (QBV) is useful when search-relevant text labels for the audio are unavailable, or text labels do not sufficiently narrow the search. However, a single query example may not provide sufficient information to ensure the target sound(s) in the database are the most highly ranked. In this paper, we adapt an existing model for generating audio embeddings to create a state-of-the-art similarity measure for audio QBE and QBV. We then propose a new method to update search results when top-ranked items are not relevant: The user provides an additional vocal imitation to illustrate what they do or do not want in the search results. This imitation may either be of some portion of the initial query example, or of a top-ranked (but incorrect) search result. Results show that adding vocal imitation feedback improves initial retrieval results by a statistically significant amount.
机译：当音频的搜索相关文本标签不可用或文本标签不能使搜索范围缩小时，基于内容的音频检索（包括按示例查询（QBE）和按声音查询模仿（QBV））非常有用。但是，单个查询示例可能无法提供足够的信息来确保数据库中的目标声音排名最高。在本文中，我们改编了一个用于生成音频嵌入的现有模型，以为音频QBE和QBV创建最新的相似性度量。然后，我们提出了一种在排名靠前的项目不相关时更新搜索结果的新方法：用户提供了另一种语音模仿，以说明他们在搜索结果中想要或不想要的内容。这种模仿可能是初始查询示例的一部分，也可能是排名最高（但不正确）的搜索结果。结果表明，添加人声模仿反馈可将初始检索结果提高统计学上显着的水平。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号