基于H-K算法的MIDI音乐主旋律提取

音乐的主旋律音轨包含了很多重要的音乐旋律信息,是音乐特征识别的基础,也是音乐灯光表演方案设计的前提工作.这方面的工作涉及了音乐旋律的表达、旋律特征的抽取以及分类技术等许多内容.针对多音轨MIDI文件,介绍一种多音轨MIDI音乐主旋律识别方法.通过对表征音乐旋律的特征量的提取,采用H-K分类算法,构建音轨分类器模型,对MIDI主旋律音轨和伴奏旋律音轨进行分类,从而提取MIDI音乐主旋律音轨.实验结果显示取得了较好的效果,为音乐灯光表演方案的自动设计做了必要的前提工作.     

基于分层次聚类的MIDI音乐主旋律提取方法

为了准确提取多音轨MIDI主旋律,同时减小主旋律分布在乐器音轨或音高较弱部分所产生的提取误差,提出了基于分层次聚类的多音轨MIDI主旋律提取方法。首先解析MIDI音乐文件,然后去除每一音轨中的控制音符和不包含旋律信息的音轨,通过归并到文该文件中的具有音高柱状图特征的音符集,从而提取出主旋律。通过与人工标识结果的实验进行比较,表明该提取主旋律方法的准确性。     

一种有效识别MIDI文件中主旋律音轨的方法

互联网上存在着大量的MIDI文件,这使得构建以乐谱信息为存储对象的音乐数据库成为可能。MIDI文件通常由多轨组成,为实现旋律的检索、分析、比较等功能就需要从多轨中提取出主旋律。针对人声音乐,提出一种自动识别MIDI文件中主旋律音轨的方法,该方法先考察MIDI文件的各个音轨,如果该音轨具有旋律特征的片段总长度超过规定阈值,则将其加入到候选音轨集,再通过比较,从中择优选出主旋律音轨。通过测试各种音乐类型的MIDI文件证明了该方法的可行性。     

MIDI主旋律特征提取构建音乐数据库

音乐特征数据库是实现哼唱音乐检索系统的重要基础。对MIDI进行分析,从MIDI主音轨中提取主旋律特征向量构建音乐特征数据库,同时提出一种对MIDI旋律进行切分的算法,以一句歌词作为步进进行检索。与原有的基于近似符号串匹配算法不同,自动断句能够极大地提高检索准确率,并且节约检索时长。     

一种基于隐马尔科夫模型的波形文件主旋律基频提取算法

哼唱检索中通常以旋律的基频作为音乐特征进行检索,目前研究的哼唱检索系统都是基于MIDI音乐文件。但是,目前存在的MIDI音乐文件的数量非常少,基于波形文件的哼唱检索系统才是未来的发展趋势。本文针对单声道波形文件,研究了一种提取歌曲主旋律基频曲线的算法。该算法将隐马尔科夫模型和“谐波乐器/打击乐器声音分离”模型进行结合。实验表明该算法对主旋律基频提取具有很高的准确率。     

基于多音轨MIDI主旋律提取的音乐可视化表达

本文以 MIDI 音乐为研究对象,以表达音乐主旨为前提,提出了一种基于主旋律提取的音乐可视化表达方法.通过对MIDI 文件的特征识别,构造音乐主旋律的提取方法,并将提取出来的主旋律作为音乐视觉表现的主要对象,而其他非主旋律的音乐元素淡化辅助表示,从而实现更加准确表达音乐核心之目的,以达到更好的视听效果     

音乐检索特征库构建方法

合理的音乐特征库构建方法对于实现准确音乐检索具有重要意义.以基于内容音乐检索框架为基础,将音乐特征库的构建分为采用基音提取方法建库、采用乐谱信息建库和采用MIDI分析方法建库3种方式,并提出一种基音提取及后处理方法和MIDI分析方法实现音乐特征库的构建.实验结果表明,这两种建库方法是正确有效的,可以准确、快速地实现音乐特征库的构建.     

一种二胡音乐的WAVE转MIDI的设计方法

文中的目的是介绍一种将WAVE格式的二胡音乐文件转换成MIDI格式的设计过程。具体方法如下：首先,利用小波变换和快速傅里叶变换联合提取出音符的基频;其次,根据MIDI音乐的消息格式,将得到的各基频转换成相应的MII音符;再次,根据二胡音乐的特性,设定双门限阈值筛选出有效的音符。最后加入其他控制信息,最终结果是组合成MI-DI的音轨文件。经实验得出结论,该方法针对二胡音乐的音高提取有较高的准确率,同时能够生成所需的有效MIDI文件。     

基于Transformer的多轨音乐生成对抗网络

符号音乐的生成在人工智能领域中仍然是一个尚未解决的问题,面临着诸多挑战。经研究发现,现有的多音轨音乐生成方法在旋律、节奏及和谐度上均达不到市场所要求的效果,并且生成的音乐大多不符合基础的乐理知识。为了解决以上问题,提出一种新颖的基于Transformer的多音轨音乐生成对抗网络（Transformer-GAN）,以乐理规则为指导来产生具有高音乐性的音乐作品。首先,采用Transformer的译码部分与在Transformer基础之上改编的Cross-Track Transformer（CT-Transformer）分别对单音轨内部及多音轨之间的信息进行学习;然后,使用乐理规则和交叉熵损失相结合的方法引导生成网络的训练,并在训练鉴别网络的同时优化精心设计的目标损失函数;最后,生成具有旋律性、节奏性及和谐性的多音轨音乐作品。实验结果表明,与其他多乐器音乐生成模型相比,在钢琴轨、吉他轨及贝斯轨上,Transformer-GAN的预测精确度（PA）最低分别提升了12%、11%及22%,序列相似度（SS）最低分别提升了13%、6%及10%,休止符指标最低分别提升了8%、4%及17%。由此可见,Transformer-GAN在加入了CT-Transformer及音乐规则奖励模块之后能有效提升音乐的PA、SS等指标,使生成的音乐质量整体上有较大的提升。     

一种二胡音乐的 WAVE 转 MIDI 的设计方法

文中的目的是介绍一种将 WAVE 格式的二胡音乐文件转换成 MIDI 格式的设计过程.具体方法如下:首先,利用小波变换和快速傅里叶变换联合提取出音符的基频;其次,根据 MIDI 音乐的消息格式,将得到的各基频转换成相应的 MI-DI 音符;再次,根据二胡音乐的特性,设定双门限阈值筛选出有效的音符.最后加入其他控制信息,最终结果是组合成 MI-DI 的音轨文件.经实验得出结论,该方法针对二胡音乐的音高提取有较高的准确率,同时能够生成所需的有效 MIDI 文件.     

A repeating pattern based Query-by-Humming fuzzy system for polyphonic melody retrieval

Query-by-Humming involves retrieving music with a melody that matches the hummed query. An improved Query-by-Humming system for extracting pitch contour information based on a fuzzy inference model is introduced. In addition, an improved content-based music repeating pattern extraction model is introduced. Our bar-indexing method can extract the melody, identify repeating patterns and handle polyphonic MIDI files. To verify the effectiveness of the system, 15 volunteers recorded queries that were fed as input to the system and the longest common subsequence (LCS) was used to identify the most related top N matches. The system achieves 70% accuracy among the top 5 items retrieved.     

基于音乐情感识别的舞台灯光控制方法研究

为了实现音乐情感识别的舞台灯光自动控制,需对音乐文件进行情感标记。针对人工情感标记效率低、速度慢的问题,开展了基于音乐情感识别的舞台灯光控制方法研究,提出了一种基于支持向量机和粒子群优化的音乐情感特征提取、分类和识别算法。首先以231首MIDI音乐文件为例,对平均音高、平均音强、旋律的方向等7种音乐基本特征进行提取并进行标准化处理;之后组成音乐情感特征向量输入支持向量机（SVM）多分类器,并利用改进的粒子群算法（PSO）优化分类器参数,建立标准音乐分类模型;最后设计灯光动作模型,将新的音乐文件通过离散情感模型与灯光动作相匹配,生成舞台灯光控制方法。实验结果表明了情感识别模型的有效性,与传统SVM多分类模型相比,明显提高了音乐情感的识别率,减少了测试时间,从而为舞台灯光设计人员提供合理参考。     

A Music Recommendation System Based on Music and User Grouping

In this paper, we present a music recommendation system, which provides a personalized service of music recommendation. The polyphonic music objects of MIDI format are first analyzed for deriving information for music grouping. For this purpose, the representative track of each polyphonic music object is first determined, and then six features are extracted from this track for proper music grouping. Moreover, the user access histories are analyzed to derive the profiles of user interests and behaviors for user grouping. The content-based, collaborative, and statistics-based recommendation methods are proposed based on the favorite degrees of the users to the music groups, and the user groups they belong to. A series of experiments are carried out to show that our approach performs well.Part of the contents of this paper has been published in ACM proceedings of International Conference on Information and Knowledge Management, 2001     

利用C#从MIDI文件中获取音乐旋律

MIDI是记录了音乐演奏信息的二进制文件。利用C#语言所提供的文件操作类,可以方便地实现MIDI文件的读取,C#所提供的字符处理类也为MIDI协议的解析提供了便利,从而能从中获取音乐旋律。