6、音乐流派分类：方法与专家研究深度剖析

音乐流派分类：方法与专家研究深度剖析

1. 自动音乐流派分类新方法

自动音乐流派分类（AMGC）是一个重要的研究领域。有一种新的方法，它基于从音频信号中逐帧计算低级特征，然后在一个 3 秒的运行纹理窗口内计算这些特征的统计信息。同时，使用固定数量的纹理窗口来表示每个音频轨道，并通过简单的投票机制解决预测模糊性问题。

这种方法在四个数据集上进行了测试，结果表明它优于基线方法和最先进的方法。该方法具有以下优点：
- 资源消耗少 ：使用的算法比基于深度学习或隐马尔可夫模型（HMM）的方法所需的计算资源显著减少，因此更适合在移动设备上使用。
- 适用范围广 ：可用于组织民族音乐收藏（这类收藏往往包含有噪声的录音）和个人音乐收藏（可能包含非常少量的数据）。

此外，为这项工作创建的 YTBR 音乐数据集可以免费下载，下载说明可在作者的网站上找到，这为 AMGC 的进一步研究提供了便利。

2. 音乐流派分类中的相关研究与问题

在过去 20 年里，近 500 篇出版物涉及音乐流派的自动识别。然而，音乐流派是一个多面的概念，在音乐学家、音乐分销商和音乐信息检索（MIR）研究人员之间引发了很多分歧。尽管存在这些分歧，音乐流派仍然经常被用作地面真值和音乐相似性的代理。

以下是一些相关研究的情况：
- 早期研究 ：1999 年的一项研究选择了 10 种流派，让 52 名大学生聆听不同长度（250 毫秒至 3000 毫秒）的歌曲片段进行流派分类。当聆听 3000 毫秒的片段时，参与者约 70%的时间与