线性STFT在人声多音高估计中优于HCQT

Junyoung Koh与Hao-Wen Dong基于论文摘要比较人声组合多音高估计的输入时频表示：尽管线性短时傅里叶变换（STFT）采用固定频率分辨率、没有与音高对齐的输入网格，其表现仍优于谐波恒Q变换（HCQT），并显著降低特征提取成本。 进一步分析显示，延长分析窗口或扩大频谱覆盖未带来额外改进；若将输入限制在预测音高范围内，STFT相对HCQT的优势会减弱。该结果目前基于论文摘要，材料未说明具体模型、数据规模或量化指标。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。