Войти
Компьютерное музыковедение междисциплинарная область исследований между музыковедом и информатикой. Компьютерное музыковедение включает любые дисциплины, в которых для изучения музыки используются компьютеры. Он включает в себя такие суб-дисциплины, как математическая теория музыки, компьютерная музыка, систематическое музыковедение, поиск музыкальной информации, компьютерное музыковедение, цифровое музыковедение, звук и музыкальные вычисления и музыкальная информатика. Поскольку эта область исследований определяется инструментами, которые она использует, и ее предметом, исследования в области компьютерного музыковедения пересекаются как с гуманитарными, так и с науками. Использование компьютеров для изучения и анализа музыки обычно началось в 1960-х годах, хотя музыканты использовали компьютеры, чтобы помочь им в сочинении музыки, начиная с 1950-х годов. Сегодня компьютерное музыковедение охватывает широкий круг исследовательских тем, связанных с множеством способов представления музыки.
Эта история компьютерного музыковедения обычно началась в середине 20 века. Как правило, эта область считается продолжением гораздо более длительной истории интеллектуальных исследований в области музыки, которая пересекается с наукой, математикой, технологиями и архивированием.
Ранние подходы к компьютерному музыковедению начались в начале 1960-х годов и были полностью развиты к 1966 году. В то время ввод данных производился в основном с помощью бумажной ленты или перфокарт и производился с помощью вычислений. ограниченное. Из-за высокой стоимости этого исследования для получения финансирования проекты часто задавали глобальные вопросы и искали глобальные решения. Одной из самых ранних схем символического представления было Цифровое Альтернативное Представление Музыки или DARMS. В период с 1964 по 1976 год проект поддерживался Колумбийским университетом и Фондом Форда. Этот проект был одним из первых крупномасштабных проектов по разработке схемы кодирования, включающей полноту, объективность и направленность кодировщика. Другая работа, проводимая в это время в Принстонском университете, в основном под руководством Артура Менделя и реализованная Майклом Касслером и Эриком Регенером, помогла продвинуть вперед языки промежуточного музыкального языка (IML) и поиска музыкальной информации (MIR), которые позже потеряли популярность в конце 1970-х годов.. 1960-е годы также ознаменовали собой время документирования библиографических инициатив, таких как Repertoire International de Literature Musicale (RILM), созданный Барри Бруком в 1967 году.
В отличие от глобальных исследовательских интересов 1960-х годов, Цели компьютерного музыковедения в 1970-е годы были обусловлены выполнением определенных задач. Эта мотивация, основанная на задаче, привела к разработке MUSTRAN для анализа музыки под руководством Джерома Венкера и Дороти Гросс из Университета Индианы. Подобные проекты, такие как SCORE (SCORE-MS) в Стэнфордском университете, были разработаны в первую очередь для полиграфических целей.
1980-е были первым десятилетием, когда произошел отход от централизованных вычислений и переход к персонализированным вычислениям. Такая передача ресурсов привела к росту отрасли в целом. Джон Уолтер Хилл начал разработку коммерческой программы под названием Savy PC, которая должна была помочь музыковедам анализировать лирическое содержание музыки. Находки из музыки Хилла позволили обнаружить закономерности в преобразовании священных и светских текстов, в которых были изменены только первые строки текстов. В соответствии с глобальными вопросами, которые доминировали в 1960-х годах, Хельмут Шаффрат начал свою Эссенскую народную коллекцию, закодированную в Эссенском ассоциативном коде (ESAC), который с тех пор был преобразован в банальную нотацию. Используя программное обеспечение, разработанное в то время, Сандра Пинегар изучала рукописи теории музыки 13 века в своей докторской работе в Колумбийском университете, чтобы получить доказательства датировки и авторства текстов. 1980-е годы также представили нотацию MIDI.
Вычислительное музыковедение можно в целом разделить на три основных раздела, относящихся к трем способам представления музыки компьютером: нотные данные, символические данные и аудиоданные. Ноты относятся к удобочитаемому графическому представлению музыки с помощью символов. Примеры этого направления исследований могут включать оцифровку оценок от нейменальной нотации 15 века до современной западной нотной записи. Подобно нотным данным, символьные данные относятся к нотной записи в цифровом формате, но символьные данные не читаются человеком и закодированы для анализа компьютером. Примеры этого типа кодирования включают представления piano roll, kern и MIDI. Наконец, аудиоданные относятся к записи представлений акустической волны или звука, возникающих в результате изменений колебаний давления воздуха. Примеры этого типа кодирования включают файлы MP3 или WAV.
Ноты предназначены для чтения музыкантом или исполнителем. Как правило, термин относится к стандартизированной номенклатуре, используемой культурой для документирования их нотной записи. Нотация требует от исполнителя не только музыкальной грамотности, но и выбора. Например, запись раг хиндустани начинается с алапа, который не требует строгого соблюдения ритма или пульса, но остается на усмотрение исполнителя. Обозначения в нотах фиксируют последовательность жестов, которые исполнитель должен делать в рамках музыкальной культуры, но ни в коем случае не привязаны к выбору исполнения.
Символьные данные относятся к музыкальной кодировке, которая может быть проанализирована компьютером. В отличие от нотных данных, любой формат цифровых данных может рассматриваться как символический из-за того, что система, которая его представляет, генерируется из конечной серии символов. Символические данные обычно не требуют от исполнителя каких-либо перформативных выборов. Двумя наиболее распространенными вариантами программного обеспечения для анализа символьных данных являются Humdrum Toolkit Дэвида Гурона и музыка Майкла Скотта Катберта и Кристофера Азарии21.
Аудиоданные обычно концептуализируются как существующие в континууме функции от более низкого до более высокого уровня аудио. Функции низкоуровневого звука относятся к громкости, спектральному потоку и кепстру. Функции звука среднего уровня относятся к высоте тона, вступлениям и долям. Примеры высокоуровневых звуковых функций включают стиль, исполнитель, настроение и ключ.
Одним из первых приложений компьютерного музыковедения было создание и использование музыкальных баз данных. Ввод, использование и анализ больших объемов данных может быть очень проблематичным при использовании ручных методов, в то время как использование компьютеров может значительно облегчить такие задачи.
Для анализа музыкальных данных были разработаны различные компьютерные программы. Форматы данных варьируются от стандартной записи до необработанного звука. Анализ форматов, основанный на хранении всех свойств каждой ноты, например, MIDI, использовался изначально и до сих пор остается одним из наиболее распространенных методов. Значительные успехи в анализе необработанных аудиоданных были достигнуты только недавно.
Различные алгоритмы могут использоваться как для создания законченных композиций, так и для импровизации музыки. Один из методов, с помощью которого программа может научиться импровизации, - это анализ выбора, который делает игрок-человек во время импровизации. Искусственные нейронные сети широко используются в таких приложениях.
Одной из развивающихся социомузыкальных теорий в компьютерном музыкознании является «Дискурсивная гипотеза», предложенная Кристоффером Йенсеном и Дэвидом Г. Хебертом, которая предполагает, что «потому что и музыка, и язык являются культурными дискурсами (которые могут отражать социальную реальность аналогичным ограниченным образом), связь может быть идентифицирована между траекториями значимых характеристик музыкального звука и лингвистическим дискурсом относительно социальных данных ». Согласно этой точке зрения, анализ «больших данных » может улучшить наше понимание того, как конкретные особенности музыки и общества взаимосвязаны и одинаково меняются во времени, поскольку значимые корреляции все чаще выявляются в музыкально-лингвистическом спектре слуховая коммуникация человека.
Стратегии компьютерного музыковедения в последнее время применяются для анализа музыки в различных частях мира. Например, профессора, связанные с Технологическим институтом Бирла в Индии, провели исследования гармонических и мелодических тенденций (в структуре рага ) классической музыки хиндустани.
RISM (Répertoire International des Sources Musicales) - одна из крупнейших в мире музыкальных баз данных, содержащая более 700 000 ссылок на музыкальные рукописи. Любой желающий может использовать его поисковую систему для поиска композиций.
Центр истории и анализа записанной музыки (CHARM) разработал программу, которая предлагает «загружаемые записи... аналитическое программное обеспечение и обучающие материалы, а также различные ресурсы, относящиеся к истории записи ".
Исследования в области компьютерного музыковедения иногда становятся центром массовой культуры и крупных информационных агентств. Примеры этого включают репортажи в The New Yorker музыковеды Николас Кук и Крейг Сапп во время работы в Центре истории и анализа записанной музыки (CHARM) в университете . из Лондона обнаружил поддельную запись пианистки Джойс Хатто. В день 334-летия со дня рождения Иоганна Себастьяна Баха компания Google отметила это событие дудлом Google, который позволил людям вводить свои собственные оценки в интерфейс, а затем использовать модель машинного обучения под названием «Кокос» для гармонизации мелодии.
