利用音乐信息动力学进行跨文化分析
声音
2021-11-25 v1 机器学习
音频与语音处理
摘要
一首音乐作品既可以从声音事件到旋律进行层次化理解，也可以以重复和变奏的形式进行顺序理解。来自不同文化的音乐通过在这两个方面具有不同的风格惯例，从而建立了不同的美学。我们提出了一个框架，可以通过考察这两个方面来定量比较来自不同文化的音乐。该框架基于一个音乐信息动力学模型，即可变马尔可夫预言机（Variable Markov Oracle, VMO），并扩展了音频的变分表示学习。训练一个变分自编码器（VAE）将音频片段映射到潜在表示。该潜在表示被输入到VMO中。然后，VMO通过一个阈值学习潜在表示的聚类，该阈值最大化量化潜在表示序列的信息率。这个阈值有效地控制了预测步骤对声学变化的敏感度，决定了框架在更长时间尺度上跟踪重复的能力。这种方法允许在每个声学敏感度级别上表征音乐信号的整体信息内容。我们在此框架下的发现表明，东亚音乐传统对细微声学变化的敏感度更高，而西方作品在潜在空间差异的更高阈值下展现出更长的动机结构。这表明，作为声学细节水平函数的信息内容轮廓，可以作为一种可能的文化特征。
引用
@article{arxiv.2111.12588,
title = {Towards Cross-Cultural Analysis using Music Information Dynamics},
author = {Shlomo Dubnov and Kevin Huang and Cheng-i Wang},
journal= {arXiv preprint arXiv:2111.12588},
year = {2021}
}