Vấn đề khoa học máy tính liên quan đến âm nhạc?

Có bất kỳ vấn đề CS nào, tốt nhất là mở, có liên quan đến âm nhạc hoặc lý thuyết âm nhạc không? Tôi sẽ nghĩ về vấn đề với ký hiệu âm nhạc nhưng cũng có xác suất khi ngẫu nhiên theo thang âm hoặc âm hoặc nói chung những gì được coi là hài hòa trong tần số và vật lý, điện từ và dạng sóng.

Bạn có thể cho ví dụ về khu vực tôi muốn biết?

Chẳng hạn, được đưa ra một thuật toán đoán một giai điệu, giai điệu đó sẽ thành công như thế nào giống như một nghệ sĩ hoặc vấn đề quyết định tương tự có thể khả thi hoặc bạn nghĩ gì?

Thật dễ dàng để nghĩ về nhiều vấn đề khác nhau:

1. Chuyển đổi âm thanh để ghi điểm.
2. Chuyển đổi điểm số thành âm thanh.
3. Thành phần âm nhạc tự động.
4. Phân tích âm nhạc, ví dụ nhận dạng chính.
5. Phân loại âm nhạc, chẳng hạn như nhận dạng phong cách và công nhận nghệ sĩ.

Tất cả những điều này đang thực sự được thực hiện.

âm nhạc là một cách hay / gọn gàng / tự nhiên để tiếp cận một số thuật toán / ứng dụng CS rất tiên tiến, v.v. và đã có một sự bùng nổ lớn về đổi mới và giao thoa giữa hai lĩnh vực trong thập kỷ qua, đặc biệt là trong phần mềm âm nhạc máy tính.

một lĩnh vực quan trọng liên quan đến việc cố gắng tách các kênh khác nhau khỏi âm thanh hỗn hợp. nói cách khác, giả sử các bản nhạc riêng biệt được trộn với nhau thành một bản nhạc riêng (nhạc cụ riêng, giọng hát, v.v.). đây thực sự là một vấn đề thống kê / AI rất tiên tiến trong việc tách ra các bản nhạc gốc khỏi bản nhạc hỗn hợp. một ứng dụng cơ bản khác đang cố gắng loại bỏ giọng hát khỏi âm nhạc; có những thiết bị được quảng cáo để làm điều này, một số trong số chúng có kỹ thuật cao và đắt tiền, được gọi là tẩy âm thanh . vấn đề tương tự này phát sinh trong các chiêu bài khác trong thống kê. hiểu biết của tôi là ICA, phân tích thành phần độc lập có thể được sử dụng để giải quyết vấn đề này.

một lĩnh vực thú vị khác của việc áp dụng CS vào âm nhạc liên quan đến giọng hát, được sử dụng rất nhiều trong thập kỷ qua: chỉnh sửa cao độ hay còn gọi là tự động điều chỉnh cao độ giọng hát theo từng bước tăng dần, rời rạc. Autotune có nguồn gốc trong phân tích khoa học / thống kê / toán học; từ wikipedia:

Auto-Tune ban đầu được tạo ra bởi Andy Hildebrand, một kỹ sư làm việc cho Exxon. Hildebrand đã phát triển các phương pháp để giải thích dữ liệu địa chấn và sau đó nhận ra rằng công nghệ này có thể được sử dụng để phát hiện, phân tích và sửa đổi cao độ trong các tệp âm thanh. [3]

Ngoài ra, các plugin âm thanh cho các hiệu ứng, hoặc "hộp hiệu ứng", thường liên quan đến nhiều khái niệm xử lý tín hiệu / CS tiên tiến, được kết nối chặt chẽ với lý thuyết toán học và toán học, như Fourier Transform , vân vân. một hiệu ứng phổ biến khác với một số lý thuyết / độ phức tạp thuật toán là hồi âm có gốc rễ trong tích chập toán học .

ref [3] từ wikipedia với nhiều thông tin hơn về autotune & Hildebrand: The Gerbils Revenge / Auto-Tune điều chỉnh cao độ của một ca sĩ. Nó cũng bóp méo một truyền thống lớn trong pop. , Sasha Frere-Jones, New York ngày 6/9/2008

Có một trường truy xuất thông tin máy (MIR) liên quan đến việc truy xuất thông tin từ âm nhạc. Bạn có thể tìm thấy bài viết thú vị " Phương pháp tiếp cận học máy cho truy xuất thông tin âm nhạc " của Tao Li et al. trong đó mô tả một số vấn đề trong MIR và phương pháp học máy tương ứng:

• Phát hiện cảm xúc trong âm nhạc.
• Nhận dạng phong cách âm nhạc.
• Đề xuất âm nhạc (ví dụ: để tạo danh sách phát).

Một bài viết hay khác là " Truy xuất và giới thiệu thông tin âm nhạc theo ngữ cảnh: Trạng thái của nghệ thuật và thách thức " của Marius Kaminskas et al. trong đó cũng mô tả các vấn đề MIR đã được đề cập và:

• Truy vấn âm nhạc bằng ví dụ
• Truy vấn âm nhạc bằng cách ngân nga

Luận án tiến sĩ " Khuyến nghị và khám phá âm nhạc. Trong đuôi dài " của Òscar Celma Herrada là một nguồn tài nguyên tuyệt vời và cá nhân tôi rất thích các slide .

Cuối cùng, trường hè MIR sẽ sớm được tổ chức. Việc đăng ký đã bị đóng, nhưng bạn có thể thấy các tài liệu của trường này thú vị.