摘要：奥地利维也纳音乐与表演艺术大学(Universitat fur Musik und darstellende Kunst Wien,mdw)音乐声学系一维也纳声音风格研究所(Institut fur musikalische Akustik-Wiener Klangstil,WK)是致力于音乐声学、表演科学、心理声学与音乐心理学的跨学科研究所,近年来完成了许多具有国际影响力的科研项目。其中,在2021年9月开始的奥地利科学基金项目“维也纳的标志性声音:量化分析维也纳爱乐乐团新年音乐会”中,IWK团队采用可发现、可获取、可互操作以及可重复使用(Findable,Accessible,Interoperable,and Reusable,FAIR)的数据管理模式来探索这一著名文化名片的全方位特征,扩展了语义音乐信息的工作流程,有效助力了数字音乐学与表演科学的突破性发展,同时也向更广泛的数字音乐研究群体提供了能重复使用的数据集,并为跨领域出版实践的深入对话奠定了基础。

摘要：当前人工智能在音乐方面的研究和应用主要集中在西方古典音乐和流行音乐等领域。以世界各地的传统音乐为对象的相关研究仍然处于初级阶段,其中一个主要原因是缺乏高质量的数据集和标注规范。文章从数据的内容、标注和应用等方面,探讨了传统音乐标注数据集的发展现状。基于对当前研究的深入分析,文章提出了面向人工智能的音乐标注数据集的构建原则,并针对传统音乐的特点加以阐述。在此基础上,以第一个中国胡琴音乐标注数据集(CCOM-HuQin)为例介绍了数据集在人工智能领域的研究成果和应用前景。文章强调了人工智能应用于传统音乐的意义不仅在于辅助创作和表演,更是为了促进传统音乐的保护、传承和发展。

摘要：随着对等网络中数字音乐内容的丰富,音乐信息检索日益成为对等网络音乐共享系统中的一个关键问题。针对对等网络环境,本文提出了一种基于语义的音乐信息融合与检索系统。文中首先定义了一种可拓展的音乐本体;然后提出了将自动提取的特征信息、用户标注的信息以及网络获取的信息等多信息源进行融合的方法,并且介绍了在CLAM的Annotator模块基础上开发的融合标注工具;继而提出了一种基于RDFPeers架构的静态及动态信息的存储和检索方法。本系统使对等网络中的音乐信息检索从传统的基于文件名、艺术家名等关键字的检索拓展到基于语义的音乐信息检索,同时对该系统的示例模型的评估也验证了本文提出的多信息源融合的方法能够优化系统的准确率和召回率。

摘要：音乐是目前最受欢迎的艺术和娱乐形式之一,是表达或寄托人们感情的艺术语言,然而随着数字音乐急剧增加,通过浅层的信息管理与筛选音乐十分困难。音乐自动标注作为一种组织海量音乐与丰富音乐信息的有效手段,可克服音乐信息检索语义鸿沟,健全音乐信息,使音乐具有更直观的表达,并推动音乐分类、音乐推荐、乐器识别等音乐信息检索任务的深入研究。当前音乐自动标注主要聚焦于解决特征提取、模型选择两类问题,结合目前研究重点,阐述了音乐自动标注的相关知识;系统地梳理了音乐自动标注领域的各类音频特征表示及特征提取方法,并对每类提取方法进行了定量分析与定性分析;归纳了该领域相关研究成果,从机器学习与深度学习两个角度着重分析了不同模型方法的差异性;介绍了常用数据集与性能评价指标,总结了不同数据集特点,并对评价指标进行了归类分析;最后指出了音乐自动标注领域研究面临的难点与挑战,并对未来研究方向进行了展望。

摘要：本文针对中国传统乐器音响数据库自身特点、构建方法以及需要解决的问题加以阐述。讨论了专门为中国传统乐器音响建立数据库的意义及其可持续利用的价值。提出利用前沿计算机声音分析技术实现自动标注体系的建立,基于内容的海量音响数据检索,以及其他有助于自动完善数据库功能、方便数据库管理的方法。在国内已有若干乐器音响数据库类的建设项目中摆脱了同质化窠臼,避免了重复性建设,将音响数据库的资源结合以现代音乐科技而走出一条新路,为音乐信息检索、音乐数据机器学习以及未来音乐人工智能的发展等方面进行基础性建设,做出了探索与阐述,并指明中国传统乐器音响数据库建设的意义并非仅在于保存已有数据,而在于昭示未来乐器以及乐器学学科整体发展的方向。

摘要：【目的】针对音乐信息检索中的声乐分类问题,将音频的统计特征和图像特征进行融合,探索效果更好的分类模型。【方法】抽取音频信息的统计特征以及梅尔频谱图图像特征。将机器学习方法用于统计特征,并设计了一种多层卷积神经网络架构用于图像特征,将声乐分类问题转化为图像分类问题,最后提出一种融合统计特征和图像特征的深度学习方法。【结果】在声乐分类任务上,基于图像特征的深度学习方法比机器学习方法 F1值提高约6个百分点,基于特征融合的深度学习模型F1值可达到69%以上,超过基于图像特征的深度学习模型3.4个百分点。【局限】实验数据量较小,未能完全发挥深度学习方法的优势。【结论】梅尔频谱图采样参数的设置对深度模型实验结果有较大影响,本文提出的特征融合方法可以有效提升声乐分类性能。

摘要：中国民族五声调式数据库(CNPM Database)的建设参照世界音乐数据库建设中手工标注与计算机相结合的工作思路,收集、存储并标注“宫、商、角、徵、羽”5种调式(含五声、六声、七声)的音频,同时找到应用场景与技术模型,为中国民族音乐特征的分析与检索提供原始数据。该数据库是第一个可用于计算音乐学的五音数据库,提出针对音频的中国民族调式自动识别系统的设计思路,分别使用基于模板匹配和基于卷积神经网络的方法进行了实验,得到分类结果。自动识别方法对于调式主音音名(12种)、调式样式(5种)和调式所属同宫系统(12种)的分类较为准确,但对调式种类(6种)的识别率还需提高。使用计算机代替人工筛选的过程可以极大扩充中国民族调式音乐数据库,以便其应用于多种场景。

摘要：在音乐信息检索领域,主旋律的提取是一项非常困难的工作。复调音乐中的不同声源相互影响,导致主旋律音高序列不连续,使旋律原始音高准确率降低。针对这一问题,设计了增强音高显著性表示和自动旋律跟踪的CNN-CRF模型。为了更好地提取谐波信息,提出利用结构化的数据来加强SF-NMF计算的初始显著性表示,并在动态规划框架下结合旋律特征和音高的平滑约束条件在音高空间寻找最优的演变路径。实验表明,所提方法得到了较好的旋律提取结果,且在两个测试数据集上的原始音高准确率均高于其他参考方法,通过对比不同输入验证了结构化数据能加强显著性表示并弥补SF-NMF对音高的误判。

摘要：文章将聚类技术和多维缩放分析应用于500×500作曲家的相似性/距离矩阵。目的是将相似度矩阵可视化或转变成古典(欧洲艺术)音乐作曲家的树状图和映射图。先分别构建了巴洛克时期、古典时期和浪漫时期的树状图和映射图,以及一张展示了七个世纪欧洲艺术音乐的映射图。最后使用线性和非线性典型相关分析来确定聚类技术和多维缩放方法所产生的维度的基础变量。

摘要：音频乐谱比对技术是一种将音频音乐与对应乐谱符号进行对齐的技术,是音乐信息检索(MIR)领域的重要研究方向。由于巴松的器乐、演奏、曲式特点,现有的音频乐谱比对方法无法精准处理巴松音频乐谱对齐任务。本文提出了一种面向巴松演奏的由粗到精、逐层细化的分段式高精度音频乐谱比对方法,针对巴松演奏音乐构建了首个由巴松独奏音频和对应乐谱组成的多曲式分类BSAMS(Bassoon-Solo-Audio-Midi-Score)数据集,并手工标注了音符起始时间和音符对应关系。具体来说,首先基于动态时间规整和音符起始点检测,设计了一种基准点和候选点生成算法,实现了音频乐谱对齐的粗略估计。其次,提出了一种基于支持向量机模型的音频乐谱点对筛选算法。最后,为了对精准匹配的对齐结果进行校验修正,提出了一种基于音乐理论的匹配修正算法,从而进一步提升了比对的准确度。在BSAMS数据集上对不同类型音乐进行实验,结果表明,本文提出的方法相比于传统通用音频乐谱比对方法可以达到在准确度上平均提高32.5%。