Určení místa původu interpretací české komorní hudby za pomoci technik Music Information Retrieval

Abstract

Určování místa původu hudebních kompozicí lze zařadit do moderního pole výzkumu v oblasti zvané music information retrieval (MIR). Hudební interpretace jednoho díla v sobě nese různé autorské aspekty, které ovlivňují hudební charakter výsledné kompozice. Tyto aspekty mohou zahrnovat změny v rytmice, dynamice, barvě zvuku nebo tonalitě. Tento článek představuje nový přístup určování místa původu hudební interpretace založený na pokročilých metodách zpracování hudebního signálu a strojovém učení. Pro experimentální ověření navržené metodologie byla vytvořena databáze čítající celkem 35 různých interpretací skladby Leoše Janáčka, Smyčcový kvartet č. 1 „Kreutzerova sonáta“: IV. Con Moto Adagio (9 interpretací vzniklých v Česku; 26 inter­pretací vzniklých mimo Česko). Následně byly natrénovaný matematické modely využívající algoritmu náhodných lesů. Při klasifikaci založené na parametrech barvy zvuku byla dosažena úspěšnost 97 %. Tato studie dokazuje schopnost MIR technik určovat místo původu interpretace s velmi vysokou úspěšností.Determining the place of origin of the musical compositions is a modern area of research in the field of music information retrieval (MIR). The musical interpretation of one piece carries a variety of author’s intentions that influence the musical character of the resulting composition. These aspects may include rhythm, dynamics, timbre, or tonality. This work introduces a novel methodology for determining the place of origin of a musical interpretation based on advanced signal processing and machine learning techniques. For this purpose, we collected a database of 35 different interpretations of Leos Janacek’s String Quartet No. 1, “Kreutzer Sonata”: IV. Con Moto–Adagio. For the binary classification, we used random forests classifier, Employing the univariate classification, we achieved the accuracy over 97% using features derived from Mel-frequency cepstral coefficients. Employing multivariate classification, we achieved the accuracy of 96% using 3 musical features. This work proves it is possible to use MRI for determining the origin of a music interpretation with very high accuracy using a reasonable number of musical features.