Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Музыкалық ақпаратты іздеу (МИР) – музыкадан ақпаратты алуға арналған пәраралық ғылым. МИР саласында жұмыс істейтіндер академиялық музыкатану, психоакустика, психология, сигналды өңдеу, информатика, машиналық оқыту, музыканы оптикалық тану, есептеу интеллектісі немесе осылардың кейбіреулері бойынша білімі болуы мүмкін.
Music information retrieval (MIR) is the interdisciplinary science of retrieving information from music. Those involved in MIR may have a background in academic musicology, psychoacoustics, psychology, signal processing, informatics, machine learning, optical music recognition, computational intelligence or some combination of these.
Қолданбалар
МИР бизнес және ғалымдар музыканы жіктеуге, өңдеуге және тіпті жаңа музыка жасау үшін пайдаланылуда.
MIR is being used by businesses and academics to categorize, manipulate and even create music.
Музыкалық сыныптама
Классикалық MIR зерттеу тақырыптарының бірі – жанрлық жіктеу, яғни музыкалық шығармаларды классикалық, джаз, рок сияқты бұрыннан белгіленген жанрлардың біріне бөлу. Көңіл күйді жіктеу, орындаушыларды жіктеу, аспаптарды анықтау және музыканы тегтеу де кең таралған тақырыптар.
One of the classical MIR research topics is genre classification, which is categorizing music items into one of the pre defined genres such as classical, jazz, rock, etc. Mood classification, artist classification, instrument identification, and music tagging are also popular topics.
Ұсынушы жүйелер
Музыкаға арналған бірнеше ұсыныс жүйелері бар, бірақ таңқаларлықтайынша, олардың аз ғана бөлігі MIR техникаларына негізделген, көпшілігі пайдаланушылар арасындағы ұқсастықтарды немесе еңбекті деректерді жинауды қолданады. Мысалы, Pandora музыканы "әйел әнші" немесе "күшті бас партиясы" сияқты белгілі бір ерекшеліктерімен белгілеу үшін сарапшыларды пайдаланады. Көптеген басқа жүйелер тыңдау тарихы ұқсас пайдаланушыларды іздеп, олардың қорындағы әндерден бұрын естімеген музыканы ұсынады. Музыкадағы ұқсастықты анықтауға арналған MIR техникалары енді мұндай жүйелердің құрамына енуде.
Several recommender systems for music already exist, but surprisingly few are based upon MIR techniques, instead of making use of similarity between users or laborious data compilation. Pandora, for example, uses experts to tag the music with particular qualities such as "female singer" or "strong bassline". Many other systems find users whose listening history is similar and suggests unheard music to the users from their respective collections. MIR techniques for similarity in music are now beginning to form part of such systems.
Музыкалық көзді бөлу және аспапты тану
Музыкалық көзді бөлу – аралас аудио сигналдан бастапқы сигналдарды бөліп алу процесі. Аспаптарды тану – музыкада қолданылған аспаптарды анықтау. Негізгі жазбаға қол жеткізбей, музыканы жеке тректерге бөлетін түрлі MIR жүйелері құрылды. Осы арқылы, мысалы, әдеттегі музыка тректерінен қараоке тректерін жасауға болады, алайда вокалдардың басқа аспаптармен бірдей жиіліктерді пайдалануына байланысты процесс әлі де толыққанды емес.
Music source separation is about separating original signals from a mixture audio signal. Instrument recognition is about identifying the instruments involved in music. Various MIR systems have been developed that can separate music into its component tracks without access to the master copy. In this way, for example, karaoke tracks can be created from normal music tracks, though the process is not yet perfect owing to vocals occupying some of the same frequency space as the other instruments.
Автоматты музыка транскрипциясы
Автоматты музыка транскрипциясы – аудио жазбаны нотаға немесе MIDI файлы сияқты символдық жазуға түрлендіру процесі. Бұл процеске бірнеше дыбыстық талдау міндеттері кіреді, оларға көп дауысты анықтау, нотаның басталуын анықтау, ұзақтығын бағалау, аспаптарды анықтау және гармониялық, ритмдік немесе мелодиялық ақпаратты бөліп алу жатады. Аспаптардың саны мен полифония деңгейі артқан сайын бұл міндет күрделене түседі.
Automatic music transcription is the process of converting an audio recording into symbolic notation, such as a score or a MIDI file. This process involves several audio analysis tasks, which may include multi pitch detection, onset detection, duration estimation, instrument identification, and the extraction of harmonic, rhythmic or melodic information. This task becomes more difficult with greater numbers of instruments and a greater polyphony level.
Музыкалық генерация
Музыканы автоматты түрде жасау көптеген MIR зерттеушілерінің мақсаты болып табылады. Нәтижелерді адамдардың бағалауы тұрғысынан шектеулі ғана жетістіктерге қол жеткізілді.
The automatic generation of music is a goal held by many MIR researchers. Attempts have been made with limited success in terms of human appreciation of the results.
Деректер көзі
Музыкалық партитуралар жұмыс үшін музыканың нақты және логикалық сипаттамасын береді, бірақ ноталарға қол жеткізу, олар цифрлық болсын немесе басқа форматта болсын, көбінесе қиынға соғады. MIDI музыкасы да осы себептермен қолданылады, бірақ кез келген басқа форматтан MIDI-ге түрлендіру кезінде бірқатар деректер жоғалуы мүмкін, егер музыка бастапқыда MIDI стандарттарын ескере отырып жазылмаса, ал мұндай жағдай сирек кездеседі. WAV, mp3 және ogg сияқты цифрлық аудио форматтары аудионың өзі талдаудың бір бөлігі болған кезде қолданылады. mp3 және ogg сияқты деректерді жоғалтатын форматтар адамның есту қабілеті үшін жақсы жұмыс істейді, бірақ зерттеу үшін маңызды деректердің жоғалтылуына әкелуі мүмкін. Сонымен қатар, кейбір кодектер автоматты талдау жүргізушілерді жаңылыстыруы мүмкін артефакттарды тудырады. Бұл кемшіліктерге қарамастан, mp3-тың кең таралғандығы осы саладағы көптеген зерттеулердің бастапқы материал ретінде оны пайдалануына себеп болды. Соңғы кезде, MIR-ге музыканы мәдени контекстінде толыққанды түсіну үшін интернеттен алынған метадеректер енгізілуде, және бұл әсіресе музыкаға қойылған әлеуметтік тегтерді талдаудан тұрады.
Scores give a clear and logical description of music from which to work, but access to sheet music, whether digital or otherwise, is often impractical. MIDI music has also been used for similar reasons, but some data is lost in the conversion to MIDI from any other format, unless the music was written with the MIDI standards in mind, which is rare. Digital audio formats such as WAV, mp3, and ogg are used when the audio itself is part of the analysis. Lossy formats such as mp3 and ogg work well with the human ear but may be missing crucial data for study. Additionally some encodings create artifacts which could be misleading to any automatic analyser. Despite this the ubiquity of the mp3 has meant much research in the field involves these as the source material. Increasingly, metadata mined from the web is incorporated in MIR for a more rounded understanding of the music within its cultural context, and this recently consists of analysis of social tags for music.
Қасиетті бейнелеу
Талдау көбінесе қысқартуды қажет етеді, ал музыка үшін (басқа көптеген деректер сияқты) бұл мүмкіндіктерді бөліп алу арқылы жүзеге асырылады, әсіресе аудио мазмұны талданып, машиналық оқыту қолданылатын жағдайда. Мақсаты – деректердің көп көлемін басқарылатын мәндер жиынтығына дейін азайту, соның арқасында оқыту процесінің уақыты қысқаруы мүмкін. Көбінесе қолданылатын мүмкіндік – бұл музыканың тембрін өлшейтін Мел жиіліктік цепстральдық коэффициенті (MFCC). Музыканың тональностьы, аккордтар, гармония, мелодия, негізгі ырғағы, минут сайынғы соққылар саны немесе ритмі сияқты басқа да мүмкіндіктер қолданылуы мүмкін. Аудио мүмкіндіктерін бөліп алуға арналған бірнеше құралдар қолжетімді. Міне, олардың сілтемесі.
Analysis can often require some summarising, and for music (as with many other forms of data) this is achieved by feature extraction, especially when the audio content itself is analysed and machine learning is to be applied. The purpose is to reduce the sheer quantity of data down to a manageable set of values so that learning can be performed within a reasonable time frame. One common feature extracted is the Mel Frequency Cepstral Coefficient (MFCC) which is a measure of the timbre of a piece of music. Other features may be employed to represent the key, chords, harmonies, melody, main pitch, beats per minute or rhythm in the piece. There are a number of available audio feature extraction tools Available here
Академиялық қызмет
International Society for Music Information Retrieval (ISMIR) конференциясы музыкалық ақпаратты іздестіру саласындағы зерттеулер үшін ең беделді алаң болып табылады. Акустика, сөйлеу және сигналдарды өңдеу жөніндегі халықаралық конференция (ICASSP) да маңызды орынға ие.
International Society for Music Information Retrieval (ISMIR) conference is the top tier venue for music information retrieval research. International Conference on Acoustics, Speech, and Signal Processing (ICASSP) is also a highly relevant venue.