音楽に関連するコンピュータサイエンスの問題?


7

音楽や音楽理論に何らかの関連のある、できれば未解決のCSの問題はありますか?周波数や物理学、電磁気学、波形の調和と見なされるものを、音階や調性、または一般に従ってランダム化するときは、音楽表記の問題だけでなく確率についても考えます。

私が知りたいエリアの例を挙げていただけますか?

たとえば、メロディーを推測するアルゴリズムが与えられた場合、そのメロディーはアーティストまたは同様に実現可能な可能性のある意思決定の問題にどの程度成功するか、またはあなたはどう思いますか?



回答:


6

多くの異なる問題を考えるのは簡単です:

  1. サウンドをスコアに変換します。
  2. スコアをサウンドに変換します。
  3. 自動作曲。
  4. 主要な認識などの音楽分析。
  5. スタイル認識やアーティスト認識などの音楽分類。

これらすべては実際に行われています。


4

音楽は、いくつかの非常に高度なCSアルゴリズム/アプリケーションなどにアプローチするための素晴らしい/きちんとした/自然な方法であり、過去10年間、特にコンピューター音楽ソフトウェアにおいて、2つの領域の間で革新とクロスポーレーションが大規模に爆発しました。

1つの重要な領域は、混合されたサウンドから異なるチャネルを分離しようとすることです。つまり、別々のトラックが1つのトラック(別々の楽器、ボーカルなど)に混合されているとします。実際には、混合トラックから元のトラックを分離するという非常に高度な統計/ AI問題です。別の基本的なアプリケーションは、音楽からのみボーカルを削除しようとしています。これを行うように宣伝されているデバイスがあり、ボーカルリムーバーと呼ばれる高度に設計された高価なデバイスもあります。これと同じ問題が統計上の他の装いで発生します。私の理解は、ICA、独立成分分析を使用してこの問題を解決できることです。

ボーカルに関連する音楽にCSを適用するもう1つの興味深い領域は、過去10年間に使用が急増していることです。ボーカルピッチを個別のオンキーインクリメントに調整するピッチコレクターまたはいわゆるオートチューンです。Autotuneは、科学的/統計的/数学的な分析に起源を持っています。ウィキペディアから:

Auto-Tuneは、最初はExxonのエンジニアであるAndy Hildebrandによって作成されました。ヒルデブランドは地震データを解釈する方法を開発し、その後、この技術を使用してオーディオファイルのピッチを検出、分析、変更できることに気づきました。[3]

また、エフェクトまたは「エフェクトボックス」用のオーディオプラグインには、多くの高度なCS /信号処理コンセプトが含まれ、フーリエ変換などのアルゴリズムおよび数学的理論に密接に関連しています。アルゴリズムの理論/複雑性に伴うもう1つの一般的な効果は、数学的畳み込みにルーツを持つリバーブです。

オートチューンとヒルデブランドの詳細を含むウィキペディアの参考文献[3]:ジャービルズリベンジ/オートチューンは歌手のピッチを修正します。また、ポップの壮大な伝統を歪めます。、Sasha Frere-Jones、New Yorker 6/9/2008


3

音楽から情報を取得することに関連するマシン情報取得(MIR)フィールドがあります。Tao Li et al。による興味深い論文「音楽情報検索のための機械学習アプローチ」を見つけるかもしれません。これは、MIRと対応する機械学習アプローチのいくつかの問題を説明しています。

  • 音楽の感情検出。
  • 音楽スタイルの識別。
  • 音楽の推奨(プレイリストの生成など)。

もう1つの優れた論文は、Marius Kaminskasらによる「文脈音楽情報の検索と推奨:最先端技術と課題」です。これは、すでに述べたMIR問題についても説明しています。

  • 例による音楽のクエリ
  • ハミングによる音楽のクエリ

オスカーセルマエラダの博士論文「音楽の推薦と発見。ロングテールで」はすばらしい資料であり、個人的にスライドを楽しんだ。

最後に、MIRサマースクールがまもなく開催されます。登録はすでに締め切られていますが、この学校の資料が面白いかもしれません。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.