Dynamic range compressor ear training: Improving critical listening skills through software-assisted practice
Notice bibliographique
Résumé
Traditionnellement, les passionnés d’audio cherchant à entrer dans le domaine de l’enregistrement sonore ont été formés via une relation maître / apprenti. Cependant, au cours des dernières décennies, un grand nombre d'établissements ont commencé à offrir une formation en ingénierie audio au niveau postsecondaire. Les étudiants doivent développer leurs compétences au cours de programmes de deux à quatre ans qui auraient normalement été acquises dans le cadre d'un apprentissage de cinq à dix ans. Pendant leur formation, les étudiants doivent apprendre à utiliser et à reconnaître de manière audible les effets d’une variété de processeurs de signaux audio. La thèse suivante résume un travail de création, de test et de rapportage sur le succès d’une méthode de formation et des outils associés pour un processeur important, mais souvent mal compris : le compresseur de plage dynamique (DRC).Le développement ciblé des compétences d'écoute critiques requises pour reconnaître et quantifier ces effets audibles est appelé entraînement auditif technique (TET). Plusieurs chercheurs ont créé des méthodologies TET adressant une variété d'attributs audio courant : contenu spectral, attributs spatiaux, réverbération, distorsion, bruit, volume, artefacts MP3 et plage dynamique. Les recherches sur le succès de ces méthodologies sont limitées, mais des expériences impliquant des technologies TET spatiales et spectrales suggèrent que les étudiants améliorent leurs capacités d'écoute critiques en suivant une formation croissante. Dans l'ensemble, peu de travaux antérieurs ont été réalisés avec des compresseurs de plage dynamique.Le programme TET lié au DRC créé dans le cadre de cette étude a été utilisé pour former un groupe de huit étudiants en technologies de l’ingénierie audio sur une période d’un an. L'analyse des données de formation a révélé que les étudiants s'étaient améliorés au cours de la période de formation à un rythme similaire à ceux rapportés par d'autres chercheurs. Une série de tests d’écoute avant et après la formation ont également été administrés pour mesurer l’amélioration vis-à-vis un ensemble de tâches d’écoute similaires, notamment par un groupe contrôle d’étudiants et un groupe d’ingénieurs professionnels. Les étudiants formés ont transféré avec succès les compétences acquises vers une tâche de mixage similaire, alors que le groupe témoin ne l’a pas fait. Les étudiants formés ont également obtenu des résultats supérieurs à ceux du groupe professionnel lors de ces tests d'écoute. Globalement, il a été déterminé que ce programme TET lié au DRC était un succès. Les étudiants ont amélioré leur compréhension du fonctionnement du DRC ainsi que leur capacité à détecter et quantifier les effets audibles du DRC. Le logiciel et les résultats des tests d’écoute présentés dans cette thèse seront utiles aux enseignants qui forment des ingénieurs du son et divers autres professionnels : chercheurs formant des participants aux tests d’écoute, ingénieurs en acoustique, ingénieurs électriciens, musiciens, producteurs, compositeurs, etc
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».