2 مه 2022 – توسط دیوید بردلی، Inderscience -اعتبار: دامنه عمومی Pixabay/CC0
نرم‌افزاری که می‌تواند تغییرات موسیقی در ضبط صوتی یک آهنگ را با محتوای احساسی درک شده مرتبط کند، در صنعت موسیقی مفید خواهد بود، به‌ویژه از نظر فهرست‌نویسی موسیقی و توسعه سیستم‌های توصیه موسیقی برای خدمات پخش و فروش. همین رویکرد ممکن است در آهنگسازی و آموزش موسیقی و همچنین در درمان مبتنی بر موسیقی مفید باشد. تحقیقات در مجله بین‌المللی هنر و فناوری، تشخیص می‌دهد که محدودیت‌های متعددی در نرم‌افزار فعلی وجود دارد و راه‌هایی را برای بهبود این نرم‌افزار نشان می‌دهد.
یالی ژانگ از دانشکده موسیقی در پلی‌تکنیک هنان در ژنگژو، چین، توضیح می‌دهد که چگونه تحقیقات قبلی بر آموزش یک شبکه عصبی احتمالی برای تشخیص تفاوت‌های ظریف یک قطعه موسیقی و ارتباط آن با پاسخ‌های احساسی احتمالی مورد نظر آهنگساز متمرکز شده‌اند. با این حال، چنین کاری دارای حاشیه های خطای زیادی است که ژانگ امیدوار است از توسعه رویکرد جدید خود برای تشخیص احساسات موسیقی جلوگیری کند. رویکرد ژانگ شامل پردازش سیگنال موسیقی به منظور تعین کردن بخشی از اطلاعات با فرکانس پایین است که لزوماً بخشی از محتوای احساسی موسیقی نیست. رویکرد او همچنین سیگنال صوتی را قاب بندی می کند و سپس فریم ها را بر اساس یک تابع تقسیم می کند تا بتوان آنها را توسط نرم افزار تشخیص احساسات پردازش کرد. او اضافه می کند که علاوه بر این، نویز با تشخیص نقطه پایانی دامنه زمانی کاهش می یابد.
با فایل صوتی که به این ترتیب از قبل پردازش شده است، موضوع تشخیص می تواند آغاز شود و این شامل تجزیه و تحلیل تغییرات زیر و بمی، افزایش و کاهش تن و سرعت رخ دادن آن تغییرات است. ژانگ توضیح می‌دهد که «ضریب وزن» احساسات موسیقی را می‌توان از یک فایل صوتی استخراج کرد. ویژگی‌هایی که بدین ترتیب برای فایل‌های صوتی شناخته‌شده با محتوای احساسی توصیف‌شده توسط انسان استخراج می‌شوند، سپس می‌توانند برای آموزش سیستم استفاده شوند تا بتواند به طور خودکار محتوای احساسی را در یک قطعه موسیقی طبقه‌بندی نشده قبلی تشخیص دهد. این رویکرد حاشیه‌های خطای دیده‌شده در کارهای قبلی را به میزان قابل توجهی کاهش می‌دهد و طبقه‌بندی محتوای احساسی موسیقی را بسیار دقیق‌تر می‌کند.
