Affordable Access

Automatic key detection of musical excerpts from audio

Authors
Publisher
McGill University
Publication Date
Keywords
  • Communications And The Arts - Music

Abstract

La prolifération de grandes collections de musique numérique a récemment mené à de la recherche qui porte sur la récupération d'information musical d'après le contenu. Un des principaux objectifs de ce travail de recherche est de développer un nouveau system qui permet de chercher, feuilleter et récupérer de la musique numérique. Étant donné que la tonalité est une des principales caractéristiques de la musique occidentale, l'habilité de détecter la tonalité d'une bande sonre serait un outil indispensable pour un tel system et pourrait mener à maintes autres applications. Un model de détection de tonalité typique comprend deux principaux éléments : l'identification des structures et la classification des tonalités. L'identification des structures comprend des techniques de traitement de signaux afin d'obtenir de l'information à partir d'une bande sonore, cette information porte typiquement sur le contenu du ton. Un classificateur de tonalité peut servir plusieurs fonctions, mais est essentiellement un algorithme qui traite l'information extraite d'une bande sonore afin d'identifier sa tonalité.Cette thèse vise à revoir les techniques de détection de tonalité existantes, ainsi que implantation d'un tel système. Diverses combinaisons de classificateurs et d'algorithmes de télédétection et de reconnaissance seront évaluées en utilisant trois différentes bandes sonores d'une durée de 30 secondes. La première bande sonore comprend des extraits de musique classique. La deuxième bande sonore comprend des extraits de musique populaire. La troisième bande sonore comprend des extraits de musique classique créés avec un synthétiseur employant l'interface numérique des instruments de musique (MIDI). Une analyse quantitative des résultats mènera à un système qui optimise la détection de tonalité.

There are no comments yet on this publication. Be the first to share your thoughts.