|
|
Unsupervised segmentation of Gregorian chant melodies for exploring chant modality
Lanz, Vojtěch ; Hajič, Jan (vedoucí práce) ; Mareček, David (oponent)
Gregoriánský chorál, jako ústní hudební tradice, byl prováděn zpěváky, kteří se museli naučit tisíce melodií. Každá melodie má několik vlastností, z nichž jednou je, do jakého modu v rámci modálního systému patří. Pro pochopení principů vyučování chorálových melodií může být užitečné rozložit melodie na menší jednotky a analyzovat jejich vz- tah k modalitě. V této práci porovnáváme modely neřízené segmentace založené na Bayesovských metodách s těmi, které využívají neuronové sítě. Jejich schopnost segmen- tovat chorální melodie měříme námi navrženými metrikami s cílem prozkoumat vlastnosti chorálů, jak v kontextu modality, tak v kontextu řešení problému se zapamatováním si všech zpěvů. K tomuto účelu máme k dispozici dva datasety: jeden s více než třinácti tisíci antifonami a druhý s více než sedmi tisíci responsorií. Zjistili jsme, že metoda založená na Pitman-Yor procesu je pro tuto konkrétní úlohu vhodnějším modelem než BERT, zejména námi navržený podmíněný model Pitman-Yor procesu, který segmentuje každý modus samostatně. Uvádíme několik jasných argumentů, že modalita úzce souvisí se segmentací melodií. Rovněž zpochybňujeme tvrzení, že přirozená segmentace podle slov nebo slabik chorálu je z hlediska klasifikace modů nejlepší (Cornelissen et al. [2020]), a poskytujeme doposud nejlepší výsledek v úloze...
|
|
|
Automatic Chord Recognition in Audio Recording
Lanz, Vojtěch ; Žabokrtský, Zdeněk (vedoucí práce) ; Pešková, Klára (oponent)
Převedení notového záznamu na zvuk je přímočarý úkol, ve kterém stačí následovat dané noty, které jasně popisují, co, kde, jak a čím se má hrát. Inverzní proces je mnohem komplikovanější. Harmonie písně je pro tento úkol velice zásadní. Z harmonie vychází improvizace, sóla, nebo melodie písní. Automatické rozpoznávání akordů je jedním z nejnáročnějších úkolů v oblasti získávání informací o hudbě, který byl během posledních několika desetiletí aktivně prozkoumáván. Nejmodernější algoritmy pracují s hlubokým učením. My jsme těmito algoritmy inspirováni a také zkoumáme možnosti hlubokého učení a jak modely pracují s různými metodami předzpracování. Představujeme také naši uživatelsky přívětivou webovou aplikaci, která bude vizualizovat sled akordů hraného ve zvukové nahrávce, jeho klíč nebo hodnotu BPM. Aplikace také poskytuje stabilnější algoritmus pro neobvyklé nahrávky. Tento model je však pro typické písně mnohem méně přesný než model založený na hlubokém učení. 1
|
host ::
RSS.