民間音樂音響文本的多維度分析
——以18首西部苗族古歌為例

○ 石豐愷

引 言

人們對民間音樂的很多重要認知源于田野材料，因而采用什么方法對田野材料進行測量和分析就顯得極為重要。民間音樂個體往往不是基于樂譜的創作，而常以音樂聲這種“物質的運動形式”存在。涉及民間音樂形態的研究常用的一種范式可能是：首先通過田野調查形成民間音樂音響；再對這些音響實施人工轉錄記譜后形成轉錄樂譜（Transcription）①Helen Myers, ed., Ethnomusicology: An Introduction.London: Macmillan Academic & Professional, 1992, p.111.，然后通過觀察、測量或者統計這些轉錄樂譜后得出某種結論。文獻調研發現：很多轉錄樂譜是轉錄人在對民間音樂本體的主觀觀測與判斷下，或是在某種轉錄設備、軟件的幫助下，抑或是在二者結合的情況下，以某種記譜法形式呈現的一種符號文本結果。由此可見，轉錄樂譜是轉錄人對民間音樂本體部分理解或認同的投射。它具有兩個方面的特點：一方面，轉錄樂譜是一種典型的主觀性文本。它反映民間音樂本體的程度，與轉錄人的音樂素養、文化體認等方面的能力水平以及觀念立場密切關聯。另一方面，由于各種記譜法的特點和限制，轉錄樂譜只能承載關于民間音樂本體音樂形態的少量信息。即使在轉錄人具備很好的音樂素養以及適宜的文化立場的情況下，轉錄樂譜也只能記載音樂形態最基本的信息，如曲目名、估計的音樂速度、大致的旋律走向等。而一些非常重要的信息則被遺落了，如音樂中隨時間變化的細微音高波動以及表演者通過表演、演唱／演奏所提供的其他音樂形態信息等。因此，民間音樂的轉錄樂譜不是民間音樂本體，它與民間音樂本體是兩個相關但相對獨立的事物，即它們在某些方面可能有密切關聯，但它們之間存在一定距離，在極端情況下，二者還可能判若云泥。

轉錄樂譜的性質及特點決定上述范式存在一些問題：首先，轉錄樂譜的主觀性導致無論人們采用多么科學的方法對其進行測量和分析，也無論人們采取什么立場來強調主觀分析的重要性，都不能掩蓋所得結論的強烈主觀性特征；其次，因轉錄樂譜只是民間音樂本體形態某些特征的記譜法反映，以此進行音樂形態描述和規律總結很容易被體現記譜法特點的記譜技術誤導，也容易被前置的、先入為主的音樂分析理論所桎梏，導致“描述和總結”極易脫離本體。

那么，還有更為有效途徑可供我們相對客觀地觀測民間音樂本體嗎？國內外的一些學者對此已有思考。如沈洽認為：由于中國音樂是一種區別于西方“譜系統音樂”的“聲系統音樂”，它的“樂譜轉碼所用的元素和轉碼的方式同西方的譜系統有很大的差別……即便我們已經對它們做了許多‘修正’和‘補充’……記下來的譜子與實際音響相比，大多數也是非常‘離譜’的”。他認為單靠利用轉錄樂譜來研究民間音樂“是一件十分危險的事”，應該“把這些樂譜先‘擱置’起來，直面音樂聲本身”。②沈洽：《描寫音樂形態學之定位及其核心概念》上，《中國音樂學》，2011年，第3期，第7頁。蔡際洲認為，傳統和民間音樂形態研究“務必以‘音響’為依據”，并認為“音響”具有“主導地位”和“不可替代性”。③蔡際洲：《范疇與角度：中國傳統音樂的形態研究問題》，《黃鐘》，2020年，第1期，第64頁。西方學者如尼古拉斯·庫克（Nicholas Cook）等強調：廣義音樂學研究中的實證數據，其來源是多樣的，除符號文本外，還包括以數字音頻格式存儲的音響數據文本等；它們的價值體現主要取決于具體的研究背景和是否可用來解決音樂學問題；他們還指出：“為了發現或揭示事物”，對于如何利用它們，需要尋求適當的方法。④Eric Clarke and Nicholas Cook, eds., Empirical Musicology: Aims, Methods, Prospects. New York: Oxford University Press, 2004, pp.12–13.由此看來，似乎已形成一定程度的共識：測量和分析民間音樂的“音響”，是描述民間音樂形態，挖掘其音樂學領域知識更為有效的途徑之一。

目前，在民族音樂學田野調查工作中所使用的采錄系統已基本上實現以數字格式存儲數據，所謂“民間音樂的音響”，實質上指的是以某種數字音頻格式存儲的民間音樂音響數據文本。為表述方便，可簡稱其為“音響文本”。那么音響文本在詮釋“民間音樂”時能夠提供哪些信息？如何提取這些信息？這些信息對發現和揭示民間音樂的音樂形態有何作用？本文認為搞清楚這些問題，對拓寬民間音樂領域研究思路和豐富研究方法，推動形成新的民間音樂研究范式而言具有重要意義。文獻調研發現目前針對上述問題的研究還甚為缺乏。

本文試圖提出一種對民間音樂音響文本進行“多維分析”的方法，并以西部苗族古歌為例，從“流布信息”獲取等多個方面，對這一方法的有效性進行檢驗，以資參考。

一、理論模型、技術原理與實施路徑

本文所述的民間音樂音響文本“多維度分析”方法，是指以音頻內容分析為技術核心，音頻特征提取為主要技術手段，從民間音樂音響文本的多個描述域中提取信息，對其中所蘊涵的音樂形態予以可視化表達與闡釋的方法。這些描述域包括但不局限于時域、頻域以及統計和技術信號域。因這一方法的信息來源具有顯著的多維度特性，故將其稱為“多維度分析”法（以下簡稱“多維法”）。

音響文本是采錄系統使用時間采樣和幅度量化，把無限可變的模擬波形及時編碼為時間上的各個幅度值的匯集。音樂聲學、計算音樂學在對數字音頻進行考察時，將自變量為時間，因變量為強度或頻率的考察維度稱為“時域”（Temporal Domain）；而把頻率為變量的函數所在的維度，稱為“頻域”（Frequency Domain）；民間音樂研究還可從統計和技術信號域等維度獲取信息來解決一些領域問題，后文所述的從原始樣本音樂社交標簽中獲取民間音樂流布信息就是從統計域獲取信息的一個例子，而音樂速度測量和音高探測則須調用過零率（Zero-crossing Rate）等技術信號域的數據。

（一）理論模型

“多維法”的理論模型可由一種3D虛擬空間來表示。根據西部苗族古歌《相約歌》音響樣本繪制的這種3D虛擬空間如圖1A所示。構成這一虛擬空間的三個維度分別是音響樣本的時間、頻率和強度。這一虛擬空間可以投射為3個二維表示面：一是由“強度+時間”所構成的動態面，它描述的是歌聲強度隨時間變化的情況；二是由“強度+頻率”所構成的頻譜面，它記錄了歌聲強度在各個頻段的分布；三是由“頻率+時間”所構成的旋律面，它勾描了民歌作品的旋律形態。（見圖1）

圖1 西部苗族古歌《相約歌》原始樣本與副本樣本三維聲譜對比圖⑤文中所用圖表均系筆者繪制。

（二）技術原理與實施路徑

第一，“多維法”的技術內核是音頻內容分析。音頻內容分析（ACA）是一種通過從數字音頻信號中提取信息來對原始音頻數據進行有意義的描述或解釋的技術。⑥Alexander Lerch.An Introduction to Audio Content Analysis.Piscataway: Wiley-IEEE Press, 2012, p.2.針對民間音樂研究而言，所謂“有意義的描述或解釋”，是指從音響形態上對它的本體所進行的相對客觀的描述，如對速度、音域、調式結構、特征音程等音樂構成要素的跟蹤和分析；從表演形態上對表演者表演特性的揭示；以及為其他研究或應用目的提供數據參照和技術路徑，如綜合多種參數將音樂的“音頻表示”轉錄為數字樂譜等形式的“符號表示”；等等。

第二，“多維法”最主要的技術手段是對民間音樂音響文本進行音頻特征提取。音頻特征是一種從音響文本包含的大量數據中提取的出來的數據。通過抑制不相關的信息，一個音頻特征就可以用較少的數值來表示音響文本某個側面或某個觀測點上的更高層次的信息。圖2所示的多個坐標系就是一個民歌田野音響樣本的多個音頻特征（基音周期變化、頻率強度響應、頻率分量）的可視化呈現。音頻特征提取是一個將原始音響文本大量數據提煉成更緊湊的表征的過程。這是一個不斷涌現新技術的源泉。事實上，對音響文本進行緊湊表征的技術研究，除計算音樂學以外，還是信號處理、數據挖掘等多個領域共同關注的研究主題。音頻特征在數量上的穩定增長，使“多維法”具備了在技術上始終處于領先的優勢。（見圖2、圖3）

對音頻特征進行分組描述，較為常見的依據是根據它們試圖捕獲的信息類型。構建這一信息類型系統最根本的理論來源是音樂聲學的音樂聲感知理論，以及音樂基本理論對“音樂的基本要素”的界定與表述。“音樂的基本要素”本身還有爭議⑦Robert A.Cutietta.The Musical Elements: Who Said They're Right?.Music Educators Journal, 1993, 79(9),pp.48–53.，導致目前音頻特征的分組模式極為多樣。本文綜合李濤（Tao Li）等人⑧Tao Li, Mitsunori Ogihara and George Tzanetakis，eds.Music Data Mining.Boca Raton: CRC Press, 2011, p.43.，以及克勞斯·韋斯（Claus Weihs）等人的意見⑨Claus Weihs, Dietmar Jannach, Igor Vatolkin and Günter Rudolph.Music Data Analysis: Foundations and Applications.New York: CRC Press, 2016, p.145.，暫將音頻特征歸為五個組別，即時域、頻域、強度域以及統計和技術信號域相關特征。圖2展示了音頻特征、音樂的基本要素和聽覺感知屬性之間的關聯。特征域下的各個特征組涵蓋了大量音頻特征，無法窮舉，圖3所示兩例為隨機抽取的例子。

圖2 西部苗族古歌《苗家故地》田野音響樣本“時域”“頻域”特征的可視化表達

圖3 音頻特征、音樂的基本要素、聽覺感知屬性的關聯

第三，“多維法”的分析結果可通過多樣的可視化形式呈現。下面以西部苗族古歌《苗家故地》為例予以說明。圖2A是一種時域圖，它是根據音響樣本中的基音周期變化軌跡而繪制的曲線圖。在語音分析領域，它有一個專門的術語——“Melogram”，本文譯為“律形譜”，可用來跟蹤和描述民間音樂旋律模式。圖2B也是一種時域圖，稱為強度曲線圖（Intensity Graph），它描繪的是田野樣本歌聲強度隨時間變化的曲線。強度是一種物理量，是音樂聲學用來衡量響度的主要參數之一。對歌聲強度進行測量并進行可視化，再結合律形譜，可為民族民間音樂結構方面的分析提供可視化參考。圖2C是三種頻域圖，從左到右分別是源頻譜（Source Spectrum）、濾波器響應譜（Filter Response Spectrum）和信號頻譜（Signal Spectrum），它們呈現的是音樂聲信號的原始形態（模擬形態）。濾波器響應譜顯示的當前音響文本的頻率強度響應形狀；信號頻譜可用于觀測全局或特定采樣點的頻率分量。此外，通過文獻調研還能發現很多其他的表達實例，如應用廣泛的分量頻譜（Component Spectrum）、長時平均譜（Long-time Average Spectrogram），等等。因此，我們完全可以根據預定的研究目標，從音響樣本中提取相應的音頻特征，再設計相應的坐標系來對民族民間音樂本體某一方面的特征予以綜合表征。

第四，“多維法”的實施路徑。在具體的研究工作流程中，“多維法”的實施可采用如下路徑：（1）可根據研究目標和闡釋對象的不同，從豐富的音頻特征集中選擇特定特征，進行特征系列定制；（2）按照定制的特征系列，通過對田野音響樣本的特征提取，形成特征域下的特定特征組表征數據集；（3）通過組合特征組并結合聽覺感知屬性，對音樂的基本要素中的某個或多個子要素進行表征；（4）上述表征可通過設計相應的坐標系來進行可視化呈現；（5）可根據需要，進一步借助數據挖掘的理論和方法對音頻特征數據集進行處理，如通過機器學習實現的自動分類任務等，以助于從相對客觀的角度對民間音樂本體的一些特性和規律予以捕獲和揭示。（見圖4）

圖4 民間音樂多維度分析的工作流程

二、西部苗族古歌音響文本分析

有田野工作經驗的學者常有的感悟可能是：僅靠人工聽辨難以使用五線譜或簡譜對某些民間音樂品種進行轉錄記譜。西部苗族古歌就是這樣的一個例子——文獻調研發現，對其速度、音域、調式構成等基本音樂形態進行描述和探討的文獻比較少見。下面，即以18首西部苗族古歌的田野音響樣本為例，從“流布信息”獲取、“量度音樂速度”測量、“音域特性”分析以及“調式構成”探測方面，對這一方法的有效性進行檢驗。

案例所使用的18首樣本來源于“中國音網·人類口頭和非物質文化遺產專題庫”。樣本文件被收錄在《西部苗族古老歌》這張專輯中⑩“中國音網·人類口頭和非物質文化遺產專題庫”提供的“專輯信息”顯示，這18個田野音響樣本是朱玉祥、楊忠倫、楊世武、朱光龍四位苗族音樂人，在20世紀80年代初，從云南、貴州、四川三省的150余個苗族村寨采集而來。專輯由云南民族出版社出版。中國音網·人類口頭和非物質文化遺產專題庫（http://ich.china1901.com/wild/pages/album/index.html?amid=西部苗族古老歌），2021年4月16日。。為便于區分，下文稱其為“原始樣本”?原始樣本集音段統計信息：男聲數據集來源于11個樣本，由9位男歌手演唱，音頻總時長為1,602.3s，人聲時長為1,023.9s，常規發聲的時長是603.7s；女聲數據集來源于7個樣本，分別由7位女歌手演唱，錄音總時長為1,464.6s，人聲時長為958.2s，常規發聲的時長是684.2s。。本文按照“歌聲類型”對它們進行了分類編號。（見表1）

表1 18首西部苗族古歌田野樣本編目表（節選）

（一）民間音樂流布信息的獲取

民間音樂流布信息可從音樂社交標簽數據中挖掘。音樂社交標簽（Music Social Tags，以下簡稱“標簽”）來自于音響文本的統計和技術信號域，它是一種文本信息集合，用以注釋不同的音樂項目。標簽常由公眾性網站提供，標記人可以是網站的編輯人員，也可能是來自于公眾的音樂愛好者。這一標簽是音樂流布信息的重要數據來源，通過對它的挖掘，以及地理信息經緯度解析與地圖標記，可以繪制出民間音樂的流布區域圖，以反映民歌品種在樣本采集時的流布情況。

根據“中國音網”提供的信息，該網站的標簽由專職檔案員負責錄入。該站點使用了語言文化群體、制作版權信息、出版／歸檔時間等12個子標簽來對樣本進行描述。專題庫中《西部苗族古老歌》的“制作版權信息”子標簽提供了采集時歌手所在的行政區域地理信息。這些信息可能對研究苗族音樂文化分布、遷徙與交融、非物質文化狀態演變等具有價值。研究者可通過對地理信息的經緯度解析與地圖標記，繪制樣本采集時的流布區域圖。當然，信息的準確性及其價值依然與田野調查材料的可靠程度以及檔案員的學術責任意識高度相關。

（二）對時域、頻域三個考察點的分析

第一，時域：“量度音樂速度”測量。量度音樂速度（Beats Per Minute，BPM）是一種速度計量方式，表示“每分鐘的節拍數”?David Fallows: Metronome, Grove Music Online.(https://www.oxfordmusiconline.com/grovemusic/view/10.1093/gmo/9781561592630.001.0001/omo-9781561592630-e-0000018521), 2001年1月20日。。在計算音樂學中，BPM被認為是與音樂結構探測以及音樂情緒預測密切相關的因素。對民歌BPM的測量不僅可為這兩個方面的研究提供數據，還可為民歌記譜、多格式音樂符號文本轉錄提供參考。目前對音響文本進行BPM測量的一般方法是：首先對起始瞬點強度信號（Onset Strength Signal）進行檢測，然后再通過分析起始瞬點強度信號來檢測常見的重復周期，即可以執行BPM探測。西蒙·迪克森（Simon Dixon）對兩個數據集上的一些起始檢測算法進行回顧和比較后認為，使用頻譜通量檢測函數進行起始瞬點檢測。可以使BPM探測在復雜度與高性能間取得平衡?Simon Dixon.Onset Detection Revisited, Proceedings of the 9th International Conference on Digital Audio Effects.Vol.120, Citeseer, 2006, pp.133–137.。本文對副本樣本集執行BPM曲線繪制，BPM平均值測算以及BPM區間獲取的方法是：（1）在Sonic Annotator環境下?Chris Cannam.Linked Data and You: Bringing Music Research Software into The Semantic Web.Journal of New Music Research, 2010, 39(4), pp.313–325.，使用速度和節拍跟蹤器開源算法?Matthew E.P.Davies and Mark D.Plumbley.Context-Dependent Beat Tracking of Musical Audio.IEEE Transactions on Audio, Speech, and Language Processing, 2007, 15(3), pp.1,009–1,020.，以60BPM作為速度提示（Tempo Hint），對樣本集進行BPM探測；（2）對形成的BPM數據集進行統計后予以可視化表達。圖5是對樣本集BPM探測結果的可視化呈現。

圖5 18首西部苗族古歌的BPM特性可視化圖表（A為樣本集速度變化雷達圖；B為樣本集BPM變化范圍箱體圖；C為樣本集BPM分布多線圖）

通過分析，這18首西部苗族古歌的BPM特性可歸納為：（1）BPM總體區間值是51——74BPM，BPM核心區間值是54——67BPM，對應可用“Largo”和“Larghetto”標記；（2）單個樣本速度變化形態均較為平穩，沒有出現戲劇性的速度對比，情感表達沉穩、深沉；這種速度形態可作為判斷它們在音樂結構上呈現出單一和統一特點的依據之一。

第二，頻域：音域特性分析。采用“基音頻率檢測法”對音響文本進行音高檢測的理論依據之一是人類的音高感知主要受到諧波基頻的影響?David M.Howard and Jamie A.S.Angus.Acoustics and Psychoacoustics.New York: Taylor & Francis, 2017, p.153.。基音檢測的目標是畫出和波長完全一致的基音周期變化軌跡曲線。音域特性分析的方法如下：（1）首先對樂音范圍進行探測和批量分割，對其持續時間進行記錄；再使用梳狀濾波器將基音頻率與其他諧波頻率隔離，然后消除其他諧波頻率并記錄基音頻率值；重復該過程以完成對所有樂音音高的檢測。（2）按歌唱聲類別（男聲、女聲）建立兩個數據集，分別進行統計和分析。

田野采錄環境一般無法采用如錄音棚般的理想化隔音措施，由于人為或錄制現場存在環境噪音等因素，數據集中不可避免地會出現數據噪聲。降低數據噪聲有很多統計學方法可用，本例采用的是k-means聚類檢測法：聚類檢測后顯示為孤立點的值將被視為數據噪聲，統計時予以排除。

音高周期直方圖與音階周期散點圖的結合可清晰地呈現該民歌品種的音域特征。圖6A1、B1分別是男聲數據集（A1）和女聲數據集（B1），所有的有規律音高的音高周期直方圖。一般定義有規律音高樂音的標準是：一個音高周期與它之前或之后的周期在時間上的偏差不超過10%。圖中曲線根據有規律音高樂音的基頻繪制。每個頻率坐標處發現的周期數用灰度標示，周期數的高低與該頻率在樣本集中的分布密集度呈正比，灰度顏色越深表明其周期數越高，也表明其更廣泛分布于樣本集中。圖6A2顯示，灰線在690Hz坐標處出現驟然變淡，以至后續出現明顯中斷，由此判斷男聲數據集中790Hz以上的頻段不是全局音域統計的有效區域。（見圖6）

圖6 男聲和女聲演唱的西部苗族古歌音高周期直方圖（A1、B1）與音階周期散點圖（A2、B2）

經上述工作，這18首西部苗族古歌的音域特性可歸納為：（1）全局音域：男聲數據集顯示的頻段為110Hz——790Hz，；女聲數據集的頻段為190Hz——960Hz；（2）有表情音域：男聲數據集顯示的頻段是180Hz——500Hz；女聲數據集的頻段為225Hz——650Hz。結合樣本聆聽可以發現：男聲歌唱大量使用假聲唱法是造成其全局音域寬廣的原因。它們的音域特性對應的五線譜記譜如譜例1所示。（見譜例1）

譜例1 18首西部苗族古歌的男聲、女聲的全局音域與有表情音域

第三，頻域：調式構成探測。如前所述，評估旋律、音列和調制首先需要融合頻域和時域的音頻特征，以描述旋律音高。這些特征包括頻譜特性（Spectral Properties）、基音探測、音符起始點和偏移點（Note Onsets and Offsets）、平滑音高軌跡（Smoothed Pitch Track）、MIDI序列表示（MIDI Sequence Notation）等。本文通過兩個步驟來完成調式構成提取：一是形成旋律音高數據集，二是對調式主音進行篩查和對調式音列進行排序。

目前，在音高信息提取領域，面向機器學習的自動融合音頻特征提取方法在準確性方面還有待提高。為避免誤差，采用以下方法來形成旋律音高數據集：（1）對樣本進行頻譜特征提取，列出歌聲樂音頻率分量；（2）使用“平滑音高軌跡”對基音輪廓進行勾描；（3）對“音符起始點和偏移點”進行探測，并參照“頻率分量”結果，以人工方式對出現偏差的“基音輪廓”進行修正；（4）使用“MIDI序列表示”完成全部旋律音高的探測和標記，如圖7所示。

圖7 樣本F03從起始至25秒間的旋律音高數據

對于如何從民歌的田野音頻中提取音列并探測調式構成，目前還沒有成熟的、統一的方法。經過多次實驗，筆者認為：以樂音分布幅度、樂音持續時長以及尾音頻率（End Tone Frequency）三個指標對田野音頻旋律音高數據集進行篩查，以此探測調式構成是較為可行的方法。下面以M03樣本為例予以說明。

首先，對樂音分布幅度進行量化。其基本思路是將樂音的分布幅度作為辨別其是否參與調式構成的一個指標。對所有樂音進行量化分類，并以十二個平均音階作為音列參考對其進行排序。樂音的分布幅度值越高，表明它在歌曲中出現的頻率越高，也就表明其越有可能參與調式構成。圖8顯示了這一步驟的兩個結果：一是從調式音列中排除了完全沒有出現的樂音，二是從分布幅度上對最有可能的調式骨干音進行的抽取描述。

圖8 M03樣本全部樂音的數量分級圖

其次，使用持續時長閥值進行高通篩查，以區分骨干音和過渡音。全部樂音按持續時長排序，并設置三檔持續時長閥值對旋律音高數據集進行高通篩查。根據歌唱聲的特點，本例將三檔持續時長閥值分別設為0.3s、0.6s和0.9s。通過以上兩個步驟，調式主音和骨干音已基本可以確定。（見譜例2）

最后，綜合上述判斷，再結合尾音頻率觀測及對數據集的總體方差計算結果，對調式構成進行提取。M03樣本的尾音頻率是114.019Hz（A#2；-32cenes）?此音高標記采用中央C為“C4”的MIDI音高標記標準。，譜例2是對其調式骨干音的平均律近似表達。

譜例2 M03樣本調式骨干音的平均律近似表達

結 語

本文所述的民間音樂音響文本“多維度分析”方法，是一種以音頻內容分析為技術核心，音頻特征提取為主要技術手段，從民間音樂音響文本的多個描述域（如時域、頻域以及統計和技術信號域等）提取信息，對其中所蘊涵的音樂形態予以可視化表達與闡釋的方法。在統計方法應用上，可將它看作是多元統計分析法的主成分分析和因子分析在音樂學研究領域的應用。它可用于某一類民間音樂品種的自相似性研究，如對音樂形態進行相對客觀的描述、對表演形態特性的揭示等；也可用于對同一類別下不同品種的民間音樂，進行基于客觀特征觀測的品種差異比較研究，還可為民間音樂文化研究與資源利用，如樂譜轉錄以及作品改編等，提供基于民間音樂本體分析的技術路徑和數據參照。

這一方法具備的優勢主要體現在以下幾個方面：第一，作為其主要技術手段的音頻特征提取，技術主要來源于信號處理、聲音與音樂計算等學科的前沿成果，這是這一方法在技術上始終具備領先優勢的保證。第二，由于采用開源算法，因此它對特定軟件或系統的依賴性不強，可將因軟件開發和設計思路所帶來的負面影響降至很低。第三，它充分發揮了信息檢索技術應用的優勢，允許自動提取信息，具備快速、集中處理大批量田野音頻數據的能力。第四，在規格化處理和特征數據集形成階段，還可采用增量方式和集體工作形式來減少或避免重復性工作。第五，它有效避免了因轉錄而造成的信息丟失，并在工作過程中隨時可以訪問和對照田野原始數據。第六，它的分析結果可通過豐富的可視化表達方式予以呈現。它也存在一些劣勢：一是它的構建對基礎設施有一定要求，例如特定的數據結構、軟件和維護服務；二是它的模型結構相對復雜，包含很多維度和視圖，存在一定的理解和解釋的難度；三是研究者需要掌握一定的技術才能操作；四是在技術更新上比較頻繁，其本身長期處于動態變化之中。

本文主要聚焦于從民間音樂音響文本多個描述域中提取信息，對其中所蘊涵的音樂形態予以可視化表達與闡釋的方法。以西部苗族古歌為例，主要是為了說明這一方法的有效性。因西部苗族古歌并不是本文關注的重點，故本文對其音樂形態只進行了較為初步的測量和描述。西部苗族古歌在特定文化語境下產生和存在，對其音樂形態的研究一方面要對其本體進行深入考察，另一方面也要將其置于具體的文化語境中予以觀照。因此，對其更系統的闡釋，還有待后續更為深入的研究。