Le genre musical

1
Le genre musical

• François Pachet

2
(No Transcript)
3
Sur Amazon ?
Pop General Adult Contemporary
Britpop Dance Pop Disco
Easy Listening Emerging Artists
Latin Pop
Motown Oldies
Pop Rock
Singer-Songwriters
Soft Rock
Vocal Pop
danceability
listening context
artist based
chronology based
instrument / orchestration
4
Genres de genres

• Éditorial prescriptif AllMusicGuideun expert
  dit Beatles Brit-Pop
• Éditorial collaboratif MoodLogicM personnes
  disent explicitement Beatles Rock
• Culturel Google analyse
• 20,000 pages avec Beatles ET British
  Invasion
• Acoustique IsmirCalcul
• Acoustico-éditorial on y vientCalcul

5
Calculer le genre

• Training sur des genres prédéfinis a laide
  dexemples
• Modélisation des classes a partir de 1) features
  acoustiques 2) modèles dapprentissage
• Calcul pour de nouveaux titres de la distance a
  chaque modèle

6
Calculer le genre (2)

• Problèmes
• Quelles sont les bonnes features ?
• Quels sont les bons modèles (GMM, SVM, etc.) et
  leurs paramètres ?
• Calculer vite sur de grosses bases (100,000
  titres)
• Expérimentations avec gmm(mfcc)Demonstration

7
Gmm (mfcc)

• Modèle de base
• Innombrables variations
• Résultat
• Cet algorithme gagne le concours Ismir 04
• Glass ceiling de 70

8
ALGORITHM
A  classic  pattern recognition architecture
FEATURES
AgT
9
ALGORITHM

• Exhaustive experiments to improve the precision
  of our algorithm
• First presented at ISMIR 2002
• Aucouturier, Jean-Julien and Pachet, Francois
  Music Similarity Measures What's the Use?. In
  Ircam, editor, Proceedings of the 3rd ISMIR,
  October 2002.
• Evaluation results JNRAS and IEEE TM
• Aucouturier, J.-J. and Pachet F. Improving Timbre
  Similarity How high is the sky?. Journal of
  Negative Results in Speech and Audio Sciences,
  1(1), 2004.
• ONLINE http//journal.speech.cs.cmu.edu/articles
  /
• Aucouturier J.-J., Pachet, F. and Sandler, M.
  The Way It Sounds Timbre Models For Analysis
  and Retrieval of Polyphonic Music Signals. IEEE
  Transactions of Multimedia, 2004
• Tools and methodology ISMIR 2004 paper
• Aucouturier, J.-J. and Pachet, F. Tools and
  Architecture for the Evaluation of Similarity
  Measures Case Study of Timbre Similarity.
  Proceedings of ISMIR, 2004.

10
(3) EXHAUSTIVE SEARCH

• Improvement of precision by 16 from the
  parameters of the original algorithm
• Best parameters 44kHz, 2048 pts, 20 mfccs, 50
  gaussians, sampled distance with 2000 pts.
• Best R-Precision p0.64

This may appear poor, but the criteria
underestimates it, as it doesnt consider matches
over different clusters (e.g. Jazz piano and
classical piano)
11
Du timbre au genre acoustique

• Le timbre global dun morceau ainsi modélisé peut
  servir pour inférer le genre
• Ici, chaque morceau est son propre modèle. On
  peut construire des modèles avec plusieurs
  morceaux gt classification en genre
• Démonstration avec le MB

12
Bonnes features?

• Le problème est général pour un problème
  perceptif donné, quelles sont les bonnes features
  ?
• Nous proposons une solution définitive EDS.
  Invente des features analytiques par combinaison
  dopérateurs dans lespace infini des expressions
  de DSP analytiques.
• Exemples

13
Renverser le point de vue

• Calculer un genre universel est un faux problème
  les genres ne sont jamais universels.
• Les approches existantes obligent les
  utilisateurs a apprendre les taxonomies
  sous-jacentes.
• On renverse le pt de vue le système apprend la
  classification de lutilisateur
• Exemple avec le MB.

14
Conclusion

• Editorial prescriptif Beatles Brit-Pop
• Editorial collaboratif Beatles Pop-Rock
• Culturel Beatles Rock
• Acoustique Beatles ça dépend des titres pour
  le training
• Acoustico-editorial Beatles ça dépend de la
  base
• Le problème en soi est dépassé (la musicologie a
  tendance a seffondrer avec le calcul)
• Problème de base faire partager avec la machine
  les classifications des usagers