音樂情感自動分析研究

摘 要：隨著我國音樂藝術(shù)的不斷發(fā)展，對于音樂情感的把握提出了新的要求，并且在音樂的推薦與檢索上有著十分廣泛的應(yīng)用，本文針對音樂情感的三種具體的方面進行了分析，使音樂的情感受到更多人的認識及其了解。

關(guān)鍵詞：音樂情感；自動分析；研究

[中圖分類號]：J602 [文獻標識碼]：A

[文章編號]：1002-2139（2014）-14--01

情感的存在使音樂能更好地表現(xiàn)出來，并被人類所理解，相對來說音樂又是情感的主要載體。在近幾年我國的音樂事業(yè)有了很大的發(fā)展，為了使音樂的情感能夠更加清晰地表現(xiàn)出來，對這方面的研究是必不可少的，對此本文對音樂情感的自動分析進行了探析，為了使音樂情感能夠更好地發(fā)揮出來，提供了一定的幫助。

一、音樂情感的識別方式幾具體分類

所謂音樂情感的識別，就是將音樂情感中的內(nèi)涵自動地識別出來，對不同的情感進行分類是其前提條件。研究發(fā)現(xiàn)，類別不同的音樂作品同一般穩(wěn)定的情感相互的聯(lián)系，聲學參數(shù)模型與文本關(guān)鍵字模型是現(xiàn)有情感模型的兩種類型。前者所象征的是THAYER種類的二維情感模型；后者所表示的是HEVNER情感的模型。其中還有一種音樂情感的模型是TWC，對情緒用38個形容詞來進行具體的描繪。

THAYER認為音樂的情感受到壓力因素和感受能力的影響，將二維的情感的模型建立了起來。依據(jù)不同能量的弱與強可以把能量劃分為活力與平靜兩種對立的狀態(tài)，依據(jù)不同強弱的壓力因素可以分為焦慮和快樂兩種不同的狀態(tài)，音樂的作品相應(yīng)的是：滿足的、生機勃勃的、焦慮的、沮喪的四種不一樣的類型。

HEVNER將情感環(huán)境模型從音樂的角度提了出來，主要對聽眾、作曲家、演奏家的心理感受進行考慮，與音樂情感的心里交互具體情況相符合，是當今最有影響力的模型關(guān)鍵字。對67個不一樣的形容詞，將不同情感利用有藝術(shù)領(lǐng)域表現(xiàn)出來；關(guān)于音樂情感的分類，現(xiàn)階段很多的文獻，對于音樂情感進行自動的分類時開始使用機器學習中的分類技術(shù)。

二、音樂的分割及摘要

音樂的分割及摘要是音樂推薦、收索及瀏覽的主要問題。現(xiàn)階段使用最為頻繁的技巧就是把音樂中多次往復(fù)的片段視為主要的特性來象征一個完整的歌曲，提升收索的速度，使音樂的作品能夠更加有效的展示給聽眾。經(jīng)常使用的方式是固定時間的長度分割。該方式會將整個樂句分割到不一樣的片段之中，誤判歌曲的節(jié)奏，文獻通過將歌曲中的人聲部分突顯出來，改進固定長度分割不足的缺點可以利用先進行斷音再對樂句進行重組。Foot和Cooper一個全新的音樂摘要的分析方法，是以相似的分析作為基礎(chǔ)，這種方式把信號分解為標準長度的序列，將每個序列MCC提取出來將其視為特性的向量，將每個特征向量的余弦距離計算出來，進而獲得一個2維比較相像的矩陣，那么最大相似度的矩陣就是通過這幾項的相加得到的。并把它視為最有價值的部分，CHU和Logan創(chuàng)建出了一種建立音樂摘要的重要方式，將聲譜率的系數(shù)湊數(shù)從音樂幀中提取出來，應(yīng)用到具體的音樂片段當中。其中頻繁使用的幀被視為是音樂中最令人印象深刻與感興趣的。再之后在最為長的曲段中抽出10秒左右的音樂段子把其當做這個歌曲中最為關(guān)鍵樂句。

當今階段對音樂進行分割的主方法就是通過定長的劃分作為基礎(chǔ)，這樣就很難與情感有效的結(jié)合到一起。需要對音頻特征與感情一致性之間的關(guān)系進行研究，使用音頻的特征把基本的樂曲與情感分割成一致。

三、音樂中的相似特征與可視化

音樂推薦的基礎(chǔ)就是相似性，如何提高對音樂的理解？可視化可以帶來幫助。音樂相似性的評估問題可以通過文獻進行研究，主要對主觀性的藝術(shù)家相似性的識別與聲學特征進行了討論，努力把一個可以一同分享的平臺建立起來，并且將一組最新的音頻特征利用相似的音樂給予提出，依據(jù)不同音頻的特性，評價與分析了音樂相似的度量好與壞。并且對不同音樂的相似度進行了有關(guān)的計算分析。然后還會在豐富多樣的唱片、風格及其一些音樂藝術(shù)人的音樂藝術(shù)曲庫中給予評價，并且用于相似歌曲的推薦和P2P環(huán)境中歌曲倫廊的計算，使一個檢索系統(tǒng)逐漸地形成。

如何對音樂情感的相似性進行有效的定義，是檢驗音樂聚類性優(yōu)與差的主要衡量標準，然而音樂的推薦與音樂的檢索又是聚類性的基礎(chǔ)。對更加優(yōu)異的度量方法進行研討，以相似的度量為基礎(chǔ)，對于音樂數(shù)據(jù)高效聚類的方式進行仔細的研究，利用聚類以不一樣的力度對音樂的情感進行發(fā)現(xiàn)。此外，當今階段在以內(nèi)容為基礎(chǔ)的聚類方法和音樂的分類方法中，單單的只是對音頻的特征進行使用。并且使用余弦系數(shù)或是歐式距離對音樂庫曲中的差異性進行度量。

結(jié)語：

音樂在我國已經(jīng)有上千年的發(fā)展歷史，進入新時期以來又獲得了很大的發(fā)展空間，那么在對音樂進行表達的時候，如何能使音樂的情感得到巨大的發(fā)揮，這是音樂中的精髓所在，也是促進音樂有效發(fā)展的關(guān)鍵因素，只有好的情感才能使聽眾感覺到其中的真實內(nèi)容，那么如何才能將情感有效地發(fā)揮出來，首先就要對音樂情感的自動分析進行研究。因此本文給出了詳細的闡述。

參考文獻：

[1]張一彬，周杰，邊肇祺，郭軍.基于內(nèi)容的音頻與音樂分析綜述[J].計算機學報，2007（05）.

[2]劉濤.音樂情感認知模型與交互技術(shù)研究[D].浙江大學，2006.

[3]劉怡，高玥.一種基于文本關(guān)鍵字模型的音樂情感分類方法[C]第四屆和諧人機環(huán)境聯(lián)合學術(shù)會議論文文集，2008.