INVENTING NEW INSTRUMENTS BASED ON A COMPUTATIONAL 'HACK' TO MAKE AN OUT-OF-TUNE OR UNPITCHED INSTRUMENT PLAY IN PERFECT HARMONY
Notice bibliographique
Résumé
We begin with a case-study of one of our public art installations, a large waterflute, which is a member of a class of water-based instruments that we call "hydraulophones".Hydraulophones are like wind instruments but they use matter in its liquid state (water) in place of matter in the gaseous state (wind).The particular waterflute in question has the unique property that it has never been tuned, and, additionally, due to what would appear to be a theft from an underground vault just before the main public opening, a number of important parts went missing.Additionally, due to some errors in the installation, we had to use some creative and improvisational computation in order to make the instrument "sing" in perfect harmony.What we learned from this case-study, was a specific technique that allows computation to be used to make almost any out-of-tune, broken, or quickly built/improvised instrument play in perfect harmony, as long as a separate acoustic pickup can be used for each note.Our method uses a filterbank in which sound from each pickup is processed with a filter having a transfer function that maps the out-of-tune or otherwise "broken" sound to the desired sound at the desired pitch (optionally with acoustic feedback to excite the original acoustic process toward the proper pitch) without losing too much of the musical expressivity and physicality of the original acoustic instrument.We also propose the use of other techniques such as computer vision to relax the requirement of having separate pickups for each note, while maintaining the physicality of an acoustic instrument.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».