Testing a new tool for alignment of musical recordings
Notice bibliographique
Résumé
Audio-to-audio alignment of musical recordings is the mapping of events in one recording to their corresponding events in other recordings of the same underlying musical piece.Among other applications, musical audio-to-audio alignment is used for: comparing and analyzing musical performances; finding different performances and arrangements of a musical work in a database; discovering musical motifs in field recordings of folk music; automatically synchronizing multiple takes (rerecordings of specific excerpts) in a recording studio; and aligning a musician's performance to a score in realtime, for purposes of interactive performance such as automated accompaniment.This thesis investigates audio-to-audio alignment by an algorithm that has not previously been applied to music, the continuous profile model (Cpm) (Listgarten et al. 2005).In this thesis, the Cpm is used to align pairs of recordings (pairwise alignment) as well as groups containing more than two recordings (multiple alignment).A standard evaluation methodology is used to systematically compare pairwise alignment by the Cpm to pairwise alignment by dynamic time warping (Dtw), the algorithm most frequently used for audio-to-audio alignment of music.The evaluation methodology is then generalized to multiple dimensions in order to compare two approaches to multiple alignment: simultaneous multiple alignment with the Cpm and iterative pairwise alignment with Dtw.This project would not have reached completion without the time, energy, and support of a number of people and organizations:Many thanks are due my advisor, Professor Ichiro Fujinaga, without whom this project would not have been possible.
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 | 0,007 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,005 |
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 ».