gccce20091利用機器學習擷取數位音樂之情感特徵之線上鋼琴.docVIP

利用機器學習擷取數位音樂之情感特徵之線上鋼琴視覺化輔助學習系統 On-line Piano Vision Learning System for Performance Analysis of Emotion-Music by Machine Learning 蔡寶德,區國良 新竹教育大學資訊科學研究所 郵件信箱：{knight0616,klou}@cs.nhcue.edu.tw 【摘要】本文建構一個即時線上音樂表情輔助學習系統，學生可以任意時間透過電腦任意選擇教師線上建構好的教材，將自己彈奏錄製好的數位鋼琴音樂輸入多維度特徵視覺化解譜程式，便能快速了解彈奏有無達到不同教師主觀上的要求，讓師生間的鋼琴教學更有效率、並且使學生的學習壓力減少。本文將介紹線上鋼琴視覺化輔助學習系統的概念以及開發經驗。 【關鍵詞】機器學習、情感音樂、決策樹、數位音樂、視覺化音樂 Abstract: This paper constructed on-line music expression auxiliary learning system. Students could download any teacher’s minds by computers. Inputting the midi files recorded and outputting result whether to pass through the homework of piano which teachers leave. It let piano teaching be more effective and reduces student’s pressure. This article will introduce on-line piano vision learning system’s concept as well as the design development experience. Keywords: Machine Learning, Music-Emotion, decision tree, MIDI, Vision music 1.前言 樂譜是紀錄樂曲旋律的文字，演奏者可經由閱讀樂譜將音樂及表情經由聲音傳達給聽眾感受；然而，由於樂譜對於音樂表情傳達方式的訊息有限，往往只有一個單字提醒演奏者，卻沒有告知每顆音符實際要彈奏的力度和長度等詳細資訊，再者，由於同一個樂譜往往會因為演奏者的主觀意識而產生不同銓釋(吳相妤,2000），在音樂教學課程中，教師的主觀也會影響學生學習,而學生卻難以在短時間內選擇或學習不同的教師的主觀想法，也因此造成學習者的困擾。 在情感音樂的相關研究中，國內學者(吳相妤, 2000)指出，有許多音樂家在演出時他們對於想表現出來的「意念」在實際演出時所產生的影響。 (Palmer, 1989)讓八位鋼琴家演奏布拉姆斯的間奏曲Op.117. No.1，發現每位音樂家詮釋旋律線條、樂句劃分、速度如何改變、力度變化等等紀錄在樂譜上自己演奏時的意念都不相同。並且情感表達的意念是可以被聆聽者抓住的(Kendall Carterette, 1996)。在數位音樂的領域，研究學者Honing說明並且建構了節奏和時間的關係，他認為人們完完全全照著實際樂譜的標示彈奏所產生的音樂聽起來是機械化的(Honing, 2002)。音樂速度的快慢會影響人類彈奏力度的精準(Minetti, Ardigo, McKee, 2007)，尤其右手又比左手平均力度多出了9%，這能解釋人類不完全參照樂譜去彈奏的可能性是非常的高。由以上相關研究中得知，以數位音樂的型式將有機會分析並協助學生學習音樂中的表情及情感技巧。 本研究的目的是希望建構無壓力式並且能得到適度互動的線上鋼琴視覺化輔助學習系統(OPVLS)，讓學生能自我了解彈奏缺失和能否達到老師的要求，最終能提升學習效率：縮短學生學會鋼琴課程的練習時間。本研究將延續(Widmer, 2001)使用機器學習的方法研討情感音樂，融合(Canazza, De Poli, Vidolin, 1997)把許多情感符號做出二維向量圖呈現，整合到OPVLS，應用到音樂教育上。而OPVLS應具有以下特徵：(1)提供教師有關學生練琴相關資訊，例如使用教材次數與時間量；(2)情感音樂能透過顏色線條區塊等來做多維度的呈現；(3)根據學生在家彈奏所錄製的MIDI檔，能給予改進彈奏的資訊。 2. 系統介紹 本研究所使用到的研究工具有包括：電鋼琴、彈奏特徵萃取器以及機器學習分類器，說明如下： (1)彈奏與數位化紀錄器 本研究將使用支援MIDI輸出的電鋼琴為擷取情感音樂的平台，學生依視譜彈奏後的過以MIDI的格式加以記錄，MI