Acoustical correlates of perceptual blend in timbre dyads and triads
Notice bibliographique
Résumé
Achieving a blended timbre for particular combinations of instruments, pitches, and articulations is a common aim of orchestration. This involves a set of factors that this study jointly assesses by correlating the perceptual degree of blend with the underlying acoustical characteristics. Perceptual blend ratings from two experiments were considered, with the stimuli consisting of: 1) dyads of wind instruments at unison and minor-third intervals and at two pitch levels, and 2) triads of wind and string instruments, including bowed and plucked string excitation. The correlational analysis relied on partial least-squares regression, as this technique is not restricted by the number and collinearity of regressors. The regressors encompassed acoustical descriptors of timbre (spectral, temporal, and spectrotemporal), as well as acoustical descriptors accounting for pitch and articulation. From regressor loadings in principal-components space, the major regressors leading to substantial and orthogonal contributions were identified. The regression models explained around 90% of the variance in the datasets, which was achievable with less than a third of all regressors considered initially. Blend seemed to be influenced by differences across intervals, pitch, and articulation. Unison intervals yielded more blend than did non-unison intervals, and the presence of plucked strings resulted in clearly lower blend ratings than for sustained instrument combinations. Furthermore, prominent spectral features of instrument combinations influenced perceived blend.
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 | 0,010 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».