MétaCan
Menu
Retour à la cohorte
Enregistrement W1977196825 · doi:10.1121/1.2932491

Virtual acoustic environments for music performance, rehearsal, and recording

2008· article· en· W1977196825 sur OpenAlexaffabout
Wieslaw Woszczyk, Doyuen Ko, Tom Beghin, Martha de Francisco, Jeremy Tusz, Ryan Miller

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueMusic Technology and Sound Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceLoudspeakerRendering (computer graphics)Performing artsAcousticsVirtual realityRoom acousticsComputer graphics (images)Human–computer interactionReverberationVisual artsArtPhysics

Résumé

récupéré en direct d'OpenAlex

A comprehensive 24-channel sound field rendering system was built at McGill University's CIRMMT Centre to immerse scholar/performer Tom Beghin in virtual concert spaces where Haydn composed and performed his keyboard sonatas, or expected them to be performed. The virtual rooms were reconstructed from detailed measurements made in Haydn's historical rooms in Europe using a high-resolution 24 bit/96 kHz impulse-response measuring system. In an acoustically treated laboratory, 24 custom loudspeaker arrays were arranged on a surface of a hemisphere surrounding the performer. Multiple fast DSP engines convolved live signals with 24 impulse responses allowing the performer to rehearse and record in each room with low-latency virtual acoustics. This paper describes the details of system design, the method of measurement, and discusses various aspects of recording and performing in virtual acoustic environments. The method has also been tested in a large room during public performance by having virtual-room responses and high-definition photo images projected from the stage. Surround sound recordings of Haydn's complete solo keyboard music made in several virtual rooms and matched to specific historical instruments will be released in a collection of 13 commercial SA-CD's by the end of 2008.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,892
Score d'incertitude au seuil0,424

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,224
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetMusic Technology and Sound StudiesTravaux en français237 207