用于比较音乐演奏风格的分层多维标度法

对音乐艺术家之间风格差异的量化是音乐界的学术兴趣所在，也对音乐信息检索与推荐系统等其他应用有用。关于风格差异的信息可通过比较不同艺术家在共同乐曲上的演奏获得。在本文中，我们开发了一种统计方法，用于识别并量化艺术家之间在共同曲目集音频录音中一致的、基于若干音乐特征的系统性风格差异。我们的焦点是基于九部贝多芬交响曲音频录音数据，对十个不同管弦乐团进行比较。由于原始音频数据的生成式或全参数模型可能极为复杂，且比我们识别乐团间差异的目标所需更为复杂，我们提议将一组音频录音数据约简为乐团间的成对距离，基于录音的不同音乐特征，如速度、力度与音色。对于每种特征，我们获得多个成对距离矩阵，分别对应于每部交响曲的每个乐章。我们开发了分层多维标度（HMDS）模型，以基于这三种音乐特征识别并量化乐团间的系统性差异，并在已知的乐团定性信息背景下解释结果。该方法能够恢复若干预期的乐团间系统性相似性，也能识别一些较新颖的结果。例如，我们发现与现代录音相比，老录音彼此间表现出更高程度的相似性。