Тема: Методы "оживления” midi-партий ударных музыкальных инструментов
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
📋 Содержание
1. Работа с MIDI 6
2. "Оживление" MIDI-партий ударной установки 11
3. Байесовский метод 19
3.1. Байесовский подход к оживлению 20
3.2. Алгоритм 21
3.3. Субъективная оценка 24
4. Собственная модификация 27
4.1. Создание алгоритма изменения громкости нот 28
4.2. Создание алгоритма сдвигов нот 32
4.3. Создание примеров 36
4.4. Сравнение результатов 36
5. Обсуждение и вывод 39
Заключение 41
Список использованных источников 42
Приложение
📖 Введение
В статье ученых из Бирмингема[1] дается такое определение гуманизации:гуманизация - это процесс, который влияет на различные параметры сигнала для того, чтобы создать менее роботизированный результат. В партиях ударных инструментов она в первую очередь влияет на момент возникновения ноты по отношению к метрономной сетке и на амплитуду или громкость каждой соответствующей ноты. В большинстве существующих систем гуманизации используются гауссовские и равномерные генераторы случайных значений.
Хотя эти методы генерируют переменные, которые увеличивают случайность музыкальных событий, вопрос о том, до какой степени они увеличивает воспринимаемую естественность последовательности, открыт для обсуждения.
В качестве примера, для сравнения, на рисунке 1 изображены отклонения от метрономной сетки нот партии, сыгранной человеком на клавиатуре компьютера и той же партии, только квантованной, гуманизированной гауссовым методом. По рисунку можно сделать вывод, что человеческая партия заметно отличается от искусственной, с применением существующих технологий.
✅ Заключение
Для того, чтобы сохранить структурные элементы последовательности, была использована функция правдоподобия P(B|A), которая представляет собой определение согласованности между текущими и предыдущими событиями, в виде ряда условных дельта измерений. Эти измерения параметризируются распределениями, состоящих из пяти равноудаленных диапазонов, представляющие подраздел амплитуды и (слухового) временного интервала различения, таким образом, позволяя распределениям условно зависеть от предыдущих событий. Это совпадает с наблюдениями, сделанными на наборе данных ударников, в которых структурная схема была очевидна и в амплитуде (а) и моментах возникновения нот (t).
Сегментация в группы компонентов в последовательности позволила рассмотреть существование локальных диапазонов. Здесь присваиваются дискретные распределения к различным элементам ударной установки для того, чтобы поддерживать согласованность амплитуды и места возникновения нот. Это устраняет предположение о том, что удары по разным элементам ударной установки имеют равные шансы возникновения с той же амплитудой и с тем же сдвигом по сетке.
Использование эмпирических распределений позволяет применить вероятность, которая зависит от ударника, играющего в предопределенном стиле. Это решает вопрос упрощения в гауссовских моделях и позволяет изменять исходный материал в наборе данных, чтобы достичь изменений в распределении вероятностей. Это полезно, если нужен стиль конкретного ударника или определенный жанр. Решая основную проблему гауссового метода, становятся доступны нюансы, которые проявляются отдельными ударниками, и система имеет больше сходств с человеком.
В то время как байесовская модель превосходит гауссовский аналог, есть еще ряд вопросов, которые еще не рассматривались в исследовании [9]. Например, модель не несет никакой взаимозависимости между параметрами а и t. В акцентированных последовательностях часто существуют события, которые можно выделить с помощью смещения и амплитуды. Данные события опущены с использованием текущего байесовского метода. Также, система не отслеживает местоположение в музыкальной композиции. Поэтому такие механизмы, как крещендо и диминуэндо, которые часто встречаются в перцептивно соответствующих местах в музыкальной композиции отсутствуют в рамках существующей системы.
В собственной модификации также были решены проблемы, проявляющиеся при гауссовой гуманизации. Была создана зависимость параметров нот не только от параметров предыдущих нот, но и от последующих нот соответствующих частей ударной установки. Создана зависимость силы удара от положения ноты в такте. Таким образом акцентируются ноты в сильной доле. Также была создана зависимость громкости ноты от совпадения с нотами других частей ударной установки. Для увеличения динамичности и живости партии было реализовано нарастание громкости х эта перед ударом по малому барабану.
При прослушивании тестов, партии, обработанные с использованием модифицированного метода, звучат живее, чем с использованием гауссового и квантованные партии.
Заключение
В результате выполнения дипломной работы было исследовано применение рекурсивного байесовского метода к "оживлению" midi-партий ударных музыкальных инструментов при производстве цифрового музыкального контента и создан алгоритм, приближающий midi-партии ударных музыкальных инструментов, исполненных компьютером к человеческому исполнению.
В процессе выполнения дипломной работы были решены следующие задачи:
1. Изучены средства обработки midi-партий.
2. Изучены методы оживления midi-партий ударных музыкальных инструментов.
3. Проведены оценка и сравнение результативности методов.
Данный алгоритм оптимизированнее для всех композиций. Для улучшения алгоритма,его можно оптимизировать для остальных композиций, например таких, в которых используются нестандартные размеры или которые сыграны в специфическом стиле.



