Análise de características acústicas para identificação de triggers em gêneros e áudios musicais distintos
Resumo
Este trabalho analisa em detalhes uma base pública internacional de áudios musicais acerca das características acústicas presentes nas amostras existentes. Ao todo mil áudios classificados em dez gêneros musicais foram analisados em relação às suas características acústicas, com objetivo de buscar padrões nos triggers presentes nas amostras de cada gênero musical e a quantidade destes para aplicação em estudos subsequentes de ativações cerebrais geradas pela escuta destas músicas. Os resultados mostram que dentre os dez gêneros musicais presentes na base de áudios, dois desses (Disco e Metal) não apresentam número de triggers suficiente para tal aplicação.
Palavras-chave:
Digital Sound Processing, Music Information Retrieval
Referências
RENTFROW, Peter J.; GOSLING, Samuel D. The do re mi’s of everyday life: The structure and personality correlates of music preference. Journal of Personality and Social Psychology, v. 84, n. 6, p. 1236-1256, 2003.
GREENBERG, David M.; et al. Musical Preferences are linked to cognitive styles. PLOS ONE, pp. 1-22, 2015.
SOLEYMANI Mohammad; et al. Content-Based music recommendation using underlying music preference structure. IEEE International Conference on Multimedia and Expo (ICME), pp. 1-6, 2015.
TZANETAKIS, G.; COOK, P. Musical genre classification of audio signals. IEEE Transactions on Speech and Audio Processing, v. 10, n. 5, p. 293–302, jul. 2002.
POIKONEN, H. et al. Event-related brain responses while listening to entire pieces of music. Neuroscience, v. 312, p. 58-73, jan. 2016.
RIBEIRO, Estela; THOMAZ, Carlos E. Whole brain EEG analysis of musicianship. Music Perception, v.37, pp. 42-56, 2019.
FERREIRA, Leonardo Antunes; RIBEIRO, Estela; THOMAZ, Carlos Eduardo. A cluster analysis of benchmark acoustic features on Brazilian music. In: SBCM, pp. 1-3, 2019.
RIBEIRO, Estela. ANÁLISE E RECONHECIMENTO DE PADRÕES COGNITIVOS EM ESCUTAS MUSICAIS E SONOROS EM ÁUDIOS. 2020. Dissertação (Doutorado em Engenharia Elétrica) – Centro Universitário FEI, São Bernardo do Campo. Referências
LERCH, Alexander. An introduction to audio content analysis. 1st ed. New Jersey: IEEE, 2012.
KNESS, Peter; SCHEDL, Markus. Music similarity and retrieval: an introduction to audio and web based strategies. 1st ed. Heidelberg: Springer, 2016.
LARTILLOT, Oliver. MIRtoolbox 1.7.2 users manual. Aalborg: Department of architecture, design e media technology, 2019.
GREENBERG, David M.; et al. Musical Preferences are linked to cognitive styles. PLOS ONE, pp. 1-22, 2015.
SOLEYMANI Mohammad; et al. Content-Based music recommendation using underlying music preference structure. IEEE International Conference on Multimedia and Expo (ICME), pp. 1-6, 2015.
TZANETAKIS, G.; COOK, P. Musical genre classification of audio signals. IEEE Transactions on Speech and Audio Processing, v. 10, n. 5, p. 293–302, jul. 2002.
POIKONEN, H. et al. Event-related brain responses while listening to entire pieces of music. Neuroscience, v. 312, p. 58-73, jan. 2016.
RIBEIRO, Estela; THOMAZ, Carlos E. Whole brain EEG analysis of musicianship. Music Perception, v.37, pp. 42-56, 2019.
FERREIRA, Leonardo Antunes; RIBEIRO, Estela; THOMAZ, Carlos Eduardo. A cluster analysis of benchmark acoustic features on Brazilian music. In: SBCM, pp. 1-3, 2019.
RIBEIRO, Estela. ANÁLISE E RECONHECIMENTO DE PADRÕES COGNITIVOS EM ESCUTAS MUSICAIS E SONOROS EM ÁUDIOS. 2020. Dissertação (Doutorado em Engenharia Elétrica) – Centro Universitário FEI, São Bernardo do Campo. Referências
LERCH, Alexander. An introduction to audio content analysis. 1st ed. New Jersey: IEEE, 2012.
KNESS, Peter; SCHEDL, Markus. Music similarity and retrieval: an introduction to audio and web based strategies. 1st ed. Heidelberg: Springer, 2016.
LARTILLOT, Oliver. MIRtoolbox 1.7.2 users manual. Aalborg: Department of architecture, design e media technology, 2019.
Publicado
24/10/2021
Como Citar
FERNANDES, Marco Antonio dos Santos; RIBEIRO, Estela; THOMAZ, Carlos Eduardo.
Análise de características acústicas para identificação de triggers em gêneros e áudios musicais distintos. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO MUSICAL (SBCM), 18. , 2021, Recife.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 213-216.
DOI: https://doi.org/10.5753/sbcm.2021.19450.
