跳到主内容
音乐与舞蹈

《Listen Here!一种面向网络的数字音乐学环境,支持机器辅助的精细聆听》

Listen Here! A Web-native digital musicology environment for machine-assisted close listening

David M. Weigl, Chanda VanderHart, Delilah Rammler, Matthäus Pescoller, Werner Goebl

2023-10-27

开放获取音乐与舞蹈被引 6

摘要

精细聆听是音乐学研究中分析演出录音的核心方法,但这种需要高度专注且具批判性的聆听方式对认知负荷要求较高,因此在处理大规模音频资料时难以广泛应用。在“维也纳标志性之声”项目中,我们依托收集到的音乐会录音及相关资料,对维也纳爱乐乐团的新年音乐会系列展开研究,并为此开发了一种面向网络的数字音乐学环境以解决这一问题。我们采用了学界近期提出的音乐注释本体论,用于对音乐对象的抽象表征进行关联数据标注。该方法首次同时应用于编码乐谱与录音音频两类资料,具体借助经过扩展的mei-friend音乐编码编辑器,以及专为该项目新开发的Listen Here精细聆听工具来实现。该环境使学者能够对数字乐谱进行标注,并即时定位到演出录音集内对应的播放位置。所有工具均为语义网应用程序,采用基于网络的Solid平台来处理社交关联数据的认证与用户可控的数据存储事宜。该架构在数据层面整合了各类工具,为未来接入更多外部开发的工具预留了接口。本文结合我们的研究背景阐述了该环境的研发动机,详细介绍了其实现过程,并分享了在音乐学研究中使用这些工具的实践经验。

本摘要由 AI(Hy-MT2-Pro)翻译生成,仅供参考,请以原文为准。

AI 综述

基于摘要生成
主要观点
细致聆听是音乐表演录音研究的基础,但在处理大型语料库时因认知负荷过高而难以应用。该研究以维也纳爱乐乐团新年音乐会系列为案例,开发了一个原生Web数字音乐学环境,旨在通过机器辅助降低认知负荷并提升细致聆听的效率。
研究方法
研究应用音乐标注本体对音乐对象的抽象表示进行关联数据标注,首次将该方法同时应用于编码乐谱和录音音频两种模态。具体实施依托于扩展版的mei-friend音乐编码编辑器与新开发的Listen Here细致聆听工具,并采用原生Web的Solid平台实现身份验证与用户控制的数据存储。
学术贡献
首次将关联数据标注方法同时应用于乐谱编码与录音音频模态,实现了乐谱标注与录音播放位置的即时对应。该环境的架构在数据层面实现了不同工具的集成,为数字音乐学提供了具有可扩展性的技术支持。
存在局限
材料中未明确提及
进一步研究方向
基于该环境在数据层面的开放性架构,未来可进一步接入和整合其他外部开发的工具,以扩展该数字音乐学环境的辅助研究功能。

本综述由 AI(GLM-5-Turbo)基于摘要自动生成,仅供参考,不代表原文作者观点,请以原文为准。

参考文献

相关论文

话题:Music and Audio Processing