Investigation of timbre saliency, the attention-capturing quality of timbre
Notice bibliographique
Résumé
Timbre saliency is defined as the attention-capturing quality of timbre. Saliency differences between timbres were measured using a tapping technique in which the stronger beat in ABAB isochronous sequences was reproduced by the listener, the idea being that the more salient timbre would capture listeners' attention and be chosen more often as the strong beat. A timbre saliency space was defined in which the distance between a pair of timbres corresponded to the difference in timbre saliency. Stimuli were generated with 15 orchestral instruments, equalized in pitch, loudness and duration. Data from 40 participants yielded a one-dimensional CLASCAL solution with two latent classes and specificities. Latent class structure shows no relation with gender, musicianship or age. Testing audio descriptors from the Timbre Toolbox [Peeters et al., 2011, J. Acoust. Soc. Am., 130, 2902-2916], the odd-even harmonic energy ratio explains 51% of the variance along this dimension. A combination of tristimulus (band 3) and odd-even ratio explains 73% of the variance in the mean saliencies of individual sounds across all other comparison sounds. Mean saliency thus seems to depend on the high-frequency harmonic energy and spectral envelope jaggedness, whereas saliency comparisons between timbres depend more on spectral envelope jaggedness.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».