FiloBass

FiloBass是由女王玛丽大学伦敦分校的Xavier Riley和Simon Dixon创建的一个专注于爵士贝斯线的重要数据集。该数据集包含48个专业爵士贝斯手的转录，总计超过50,000个音符事件。数据集基于FiloSax数据集的伴奏曲目，提供了音频分轨、乐谱、与表演同步的MIDI以及相关的节拍、强拍、和弦符号和音乐形式的标记。FiloBass旨在通过对比现有教学方法的语料库音乐分析，丰富对爵士贝斯线的理解。该数据集不仅为爵士四重奏的完全注释表演数据集迈出了重要一步，而且通过阐明贝斯在爵士乐中的关键作用，为该流派提供了更为细致和全面的理解。FiloBass is a prominent dataset dedicated to jazz basslines, developed by Xavier Riley and Simon Dixon from Queen Mary University of London. This dataset encompasses transcriptions from 48 professional jazz bassists, amounting to over 50,000 note events in total. Built upon the accompaniment tracks from the FiloSax dataset, FiloBass provides audio stems, sheet music, performance-synchronized MIDI, and annotations covering beat positions, downbeats, chord symbols, and musical form markers. The goal of FiloBass is to enhance understanding of jazz basslines via corpus-based musical analysis that contrasts with existing pedagogical methods. This dataset not only constitutes a critical step towards fully annotated performance datasets for jazz quartets, but also delivers a more nuanced and comprehensive comprehension of the jazz genre by elucidating the pivotal role of the bass instrument in jazz music.

搜集汇总

数据集介绍

构建方式

FiloBass数据集的构建始于对FiloSax项目中伴奏音轨的深度挖掘，这些音轨源自Aebersold系列，由专业爵士乐手演奏。研究团队首先利用立体声混音中贝斯声道的偏置特性，结合Demucs源分离工具提取出纯净的贝斯音频。随后，采用商业软件Melodyne的旋律检测算法进行初始MIDI转录，并辅以人工逐音符校正，确保每个音符的准确无误。为生成乐谱，团队将恒定速度下的MIDI导入MuseScore，再通过SoundSlice平台参考原始音频进行精细调整。最终，利用Nakamura等人提出的对齐方法将乐谱与演奏MIDI重新校准，并借助预训练吉他转录模型的激活值进一步提升对齐精度，从而构建出包含48首曲目、超过50,000个音符事件的完整数据集。

使用方法

研究者可通过SoundSlice平台在线浏览与试听所有转录内容，并下载音频、MIDI及MusicXML文件用于本地分析。数据集支持多种下游任务：在自动音乐转录中，可作为基准测试集评估算法对低音提琴的音高与音头检测能力；在和声分析中，结合Pandas与Music21库，可提取和弦级数分布、音程运动模式及旋律轮廓等特征；在生成建模中，其节拍级对齐数据可训练模型生成符合爵士语境的贝斯线。此外，数据集提供了去除重复段落的指导，便于与FiloSax联合使用，探索贝斯与旋律之间的深层互动关系。

背景与挑战

背景概述

在爵士乐研究中，低音提琴作为节奏基石与和声轮廓的勾勒者，其伴奏角色长期被忽视，而过往研究多聚焦于独奏者或依赖劳动密集型的人工转录。为填补这一空白，伦敦玛丽女王大学的Xavier Riley与Simon Dixon于2023年发布了FiloBass数据集，该数据集基于FiloSax的伴奏音轨，收录了48首由专业爵士贝斯手演奏的经过人工验证的转录，包含超过50,000个音符事件，并提供音频分轨、乐谱、对齐MIDI及节拍、和弦符号等元数据。作为首个大规模包含精细演奏时序信息的爵士贝斯数据集，FiloBass不仅为自动音乐转录与生成建模提供了高质量基准，更通过与FiloSax的结合，向构建完整爵士四重奏注释数据集迈出关键一步，深刻重塑了对该乐器在爵士乐中核心地位的理解。

当前挑战

该数据集所面临的挑战首先体现在领域问题层面：爵士贝斯线的自动转录与生成建模因缺乏高质量训练数据而进展缓慢，现有数据集如Weimar Jazz Dataset仅提供节拍级音高注释，忽略了节奏细节与演奏微妙性，而RWC-Jazz的合成音频又缺乏真实感，难以支撑精细的风格分析。其次，在构建过程中，研究者遭遇了多重技术困境：原始伴奏音轨因长度不一而存在重复段落，需额外处理以避免生成模型偏差；半自动转录依赖商业软件Melodyne，其输出精度虽优于开源方案，但仍需人工逐音符双重校对，耗时巨大；此外，演奏中广泛存在的双音、倚音与幽灵音等效果需在乐谱可读性与注释一致性间权衡，而源材料作为练习伴奏的“常规实践”特性，又使其难以完全代表现场演奏的即兴冒险性，限制了结论的普适性。

常用场景

经典使用场景

在爵士乐研究中，低音提琴作为节奏基石与和声轮廓的勾勒者，其演奏细节长期被学界所忽视。FiloBass数据集聚焦于这一关键却常被边缘化的角色，提供了48首由专业爵士贝斯手演奏的精准人工校验转录，涵盖超过五万个音符事件，并附带音频分轨、乐谱、对齐MIDI及节拍、和弦与曲式标注。该数据集最经典的使用场景在于支撑细粒度的风格化与和声分析，研究者可借此挖掘行走贝斯线的音级分布、节奏填充模式及旋律轮廓规律，从而以量化手段揭示传统教学法与实际演奏之间的微妙差异。

解决学术问题

FiloBass数据集解决了爵士乐研究中长期存在的两大难题：一是缺乏大规模、高质量、带有精细时序信息的贝斯演奏标注数据，二是传统分析方法依赖耗时的人工转录，难以支撑统计显著的语料库研究。通过提供与FiloSax数据集兼容的对齐标注，该数据集使研究者能够系统性地探究贝斯线在即兴伴奏中的和声功能，例如量化根音在强拍与和弦变换处的使用频率，验证半音趋近与V-I进行等教学法则的普遍性，并揭示旋律轮廓序列长度呈现幂律分布这一新颖现象，从而为音乐信息检索领域的自动和弦估计与生成模型提供了坚实的实证基础。

实际应用

在实际应用中，FiloBass数据集为自动音乐转录系统的训练与评估提供了高精度的基准，其性能对齐MIDI标注可有效提升转录模型对低音提琴音色与节奏细微变化的捕捉能力。此外，该数据集还可服务于自动和弦估计任务，依据贝斯线直接推断和弦进行，这在和声词汇丰富的爵士乐场景中尤为困难。乐谱层面的MusicXML输出则支持节奏解析、自动乐谱排版与临时记号拼写等下游任务，为音乐教育软件和智能伴奏系统的开发提供了可靠的数据支撑。

数据集最近研究

最新研究方向

FiloBass数据集的最新研究聚焦于爵士乐中低音提琴伴奏角色的精细化建模与音乐信息检索（MIR）前沿应用。该数据集通过提供48首专业贝斯手的高精度人工校验转录，包含超过50,000个音符事件及对齐的音频、MIDI和乐谱元数据，首次为爵士贝斯线条的量化分析奠定了大规模数据基础。当前研究热点集中在利用该数据集推动生成式模型的发展，例如基于节拍级音高预测的贝斯线条自动生成，以及通过对比教学法揭示演奏实践与理论规则之间的差异。此外，FiloBass与FiloSax数据集的联合分析正成为探索爵士乐中贝斯与旋律互动关系的关键路径，为自动和弦估计、多轨音乐转录等任务提供了新的训练与评估基准，其影响深远地拓展了爵士乐计算音乐学的研究边界。

相关研究论文

• FiloBass: A Dataset and Corpus Based Study of Jazz Basslines

  女王玛丽大学伦敦分校 · 2023年