Lyrics Transcription for Humans: A Readability-Aware Benchmark

将歌词写下来以供人类消费，不仅需要准确地捕捉单词序列，还需要加入标点和格式，以便清晰地传达上下文信息。这包括歌曲结构、情感强调以及主唱和伴唱之间的对比。虽然自动歌词转录（ALT）系统已经超越了产生非结构化单词字符串的阶段，并能够利用更广泛的上下文，但ALT基准测试并没有跟上步伐，继续专注于单词。为了弥补这一差距，我们介绍了Jam-ALT，一个全面的歌词转录基准测试。该基准测试对JamendoLyrics数据集进行了完整的修订，遵循歌词转录和格式的行业标准，并设计了评估指标以捕捉和评估歌词特定的细微差别，为提高歌词的可读性奠定了基础。我们将基准测试应用于最近的转录系统，并提供额外的错误分析，以及与古典音乐数据集的实验比较。

本文旨在解决自动歌词转写系统（ALT）的评估标准落后于技术进步的问题，提出了一个全面的歌词转写基准Jam-ALT，以更好地评估歌词转写系统的性能。

Jam-ALT基准包括JamendoLyrics数据集的完整修订，遵循行业标准进行歌词转写和格式化，并引入了针对歌词特定细节的评估指标，为提高歌词的可读性奠定了基础。

本文通过将Jam-ALT基准应用于最近的转写系统，并提供了额外的错误分析和与古典音乐数据集的实验比较，进一步展示了该基准的有效性。此外，作者还开源了JamendoLyrics数据集和评估代码，为未来的研究提供了便利。

近期在歌词转写领域的相关研究包括：'Lyrics Transcription: A New Benchmark Dataset and Evaluation Metrics'，'A Multi-Task Learning Approach for Automatic Lyrics Transcription'等。