PROPOSING SPATDIF - THE SPATIAL SOUND DESCRIPTION INTERCHANGE FORMAT
Notice bibliographique
Résumé
This paper outlines the requirements for an interchange format that can describe and share spatial parameters across 3D audio applications, and proposes SpatDIF for its implementation. 1. WHY USING A SCENE DESCRIPTION FORMAT FOR COMPOSING? Formats as a structuring concept are integral to musical practice. For example, in the form of scores, a written symbolic representation of music, compositions can be stored, exchanged, studied, performed but also revised and adapted after their initial creation. MusicXML shows how the score concept is digitally maintained. Although spatialization can be considered as a core element of electroacoustic music, there is no general consensus in how to describe and notate spatialization. Nowadays the spatial aspects are mostly created and automatized on a low-level within diverse digital audio environments, such as Max/MSP or ProTools. Because these environments have different syntaxes, units, and storage solutions, the control messages (e.g. a trajectory to move a sound in space) are only valid within this specific audio environment. Therefore the interchangeability of these descriptors is ineffectual and usually spatial aspects are directly rendered into multichannel sound files. Now that processing power is usually sufficient to render multiple virtual sound sources in real-time, a separation of “raw” sound material from the spatial descriptors within an open data format would increase the portability across different 3D audio applications, loudspeaker configurations and concert venues. Furthermore, spatial rendering algorithms could be compared and combined without having to change the spatial-sound syntax. This, of course, relies on the standardization of descriptors.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».