机器学习模型可从录音中识别爵士钢琴家并揭示使其具有辨识度的音乐“指纹”

音乐家通常可以通过其作品中独特的模式或“指纹”被识别出来，这些指纹包括和声进行、节奏结构和旋律动机。爵士乐为研究这些指纹提供了绝佳的机会，因为它融合了作曲、即兴创作和表演三大要素，而这些要素的组合对特定演奏者而言可能极具独特性。

然而，爵士乐的计算分析一直面临困难：大多数演奏仅以音频录音形式存在，而直接在音频上训练的模型由于录音环境和设备类型等变量，往往难以被人类解读。

剑桥大学的Huw Cheston及其同事训练了监督学习模型，用于从精心整理的84小时录音数据集中识别演奏者。

该数据集包含20位著名爵士钢琴家的1629场演奏录音，其中包括Bill Evans、Oscar Peterson、Thelonious Monk、Chick Corea、Keith Jarrett、McCoy Tyner和Ahmad Jamal等人的录音。

这些录音被转换为MIDI“钢琴卷帘”（piano roll）格式——一种显示音符演奏时间和音高的数字表示形式。

性能最佳的模型识别演奏者的准确率达到94.4%，而一个更具可解释性的模型——该模型将旋律、和声、节奏和力度（dynamics）分开处理——达到了91.3%的准确率。当单独测试各个维度时，和声给出的预测最准确，其次是节奏和旋律，而力度是最不准确的维度。

作者指出，他们的方法可以帮助研究人员探索使演奏者与众不同的音乐模式，其中包括与现有学术文献相吻合的特征，以及此前未被讨论过的特征。

他们还发布了开源模型和一款用于探索研究结果的应用程序。不过，作者也指出，旋律与和声等音乐维度存在一定程度的重叠，且MIDI钢琴卷帘无法捕捉爵士表演的所有方面，包括颤音和音高弯曲等音色和音调特质。

未来的工作可以将该方法扩展到其他流派、乐器、历史背景，以及知名度较低或在历史上被忽视的音乐家。

信息源于：phys.org