Díky internetu a streamovacím portálům si dnes můžeme poslechnout nespočet hudebních nahrávek téměř po celém světě. Neuronové sítě nám pak můžou pomoct s produkcí nového hudebního materiálu. Jaké možnosti přinášejí digitální technologie do oblasti hudební vědy?
Hudba oslovuje lidské emoce a spojuje lidi napříč kulturami po staletí. V dnešní době však neexistuje pouze ve své „tradiční“ podobě, ale také jako digitální zvukový záznam, který můžeme opakovaně přehrávat a analyzovat za účelem odhalení nových pohledů na hudební umění.
V druhé polovině 19. století existoval pouze analogový zvukový signál. Signál jako takový je fyzikální veličina, pomocí které lze uchovávat nebo přenášet informace. K uchování informace však potřebujeme fyzický nosič – příkladem může být třeba gramofonová deska nebo voskový váleček. Drážka se podle úrovně signálu – zvuku – vyrývá v čase do desky nebo válečku. Membrána se podle tvaru drážky, kterou snímá jehla v čase při čtení informace, rozechvěje. Tím získáme hodnotu, kterou můžeme v čase popsat. To je analogový zvukový signál. Velkou nevýhodou však je, že při opakované reprodukci dochází ke zhoršování kvality zvukového signálu.
Fyzické nosiče jsou často náchylné k poškození. Jakmile vložíme gramofonovou desku do mechanického přístroje, který je schopný zvukovou informaci přečíst, tak s každým opakování automaticky dojde ke snížení kvality zvukové nahrávky. A to je problematické právě v případě, pokud chceme nahrávku analyzovat a potřebujeme ji tedy opakovaně přehrávat.
Digitální zvukový záznam je zvukový signál zapsaný v podobě binárního kódu. Oproti analogovému zvukovému signálu má značné výhody. Je to technologie, která umožňuje zvukový signál nahrát, uchovat a opakovaně přehrávat a upravovat. Usnadňuje orientaci ve zvukových stopách a rozšiřuje možnosti úprav. Ve chvíli, kdy zdigitalizujeme signál a vytvoříme digitální nahrávku, jsme schopní přehrávat a analyzovat bez toho, aniž bychom opakovaně snižovali kvalitu nahrávky.
Zásadní dopad na způsoby šíření zvukových záznamů má během 90. let vznik internetu a jeho rozšíření po celém světě. Ke snadnému šíření přispěl také vznik komprimovaných datových audio souborů (MP3). Pronikání digitálních a informačních technologií se výrazně projevuje v mnoha ohledech na všech úrovních hudby – ať už se jedná o produkci, distribuci nebo recepci. Vznikají streamovací portály, velké hudební a zvukové databáze a katalogy. Hudba na tradičních fyzických nosičích se přesunula do virtuálního světa streamovacích portálů, které zpřístupňují neomezené hudební zdroje. Za poplatek můžeme hudbu poslouchat na chytrém telefonu, notebooku nebo tabletu prakticky kdekoliv na světě.
Řada hudebních internetových portálů (Spotify, iTunes, Youradio), které jsou dostupné veřejnosti, dnes poskytují funkci automatického přehrávání skladeb nebo možnost automatického generování playlistů podle zadaných parametrů – třeba stylových. Rekomendační systémy slouží na personalizaci libovolného obsahu. Mohou pracovat na základě hodnocení uživatelů, jde tedy o aplikaci rekomendačních funkcí systému na hudební obsah.
Rozdělení do hudebních žánrů je asi nejběžnějším způsobem klasifikace populární hudby. Pro skladby určitého žánru je charakteristický podobný rytmus, instrumentace, ale také obsah textu i emoce, které mohou vyvolat. Mnoho skladeb se však nachází na pomezí žánrů a každý posluchač je může vnímat trochu odlišně.
Rozpoznávání hudebního žánru je jednou z oblastí oboru Music Information Retrieval. Obor se začal rozvíjet na konci 90. let mj. díky většímu zpřístupnění internetu a vzniku komprimovaných datových audiosouborů. Zabývá se získáváním informací z hudebních nahrávek a signálů. Podle S. J. Downieho je hudební informace kombinací několika aspektů – je to výška tónu, harmonie, témbr (barva zvuku), časové, textové, vydavatelské a bibliografické aspekty. Vědci v oboru Music Information Retrieval se snaží napodobit to, jak člověk vnímá a analyzuje hudbu – příkladem může být třeba systém, který by byl schopný detekovat začátky tónů, tedy určit v jakých časových pozicích tón začal.
Žánrovou klasifikací se už v roce 1998 zabýval kolektiv H.Soltaua. Databázi 360 skladeb rozdělili do čtyř žánrů – rock, pop, techno a klasická hudba. Kolektiv výzkumníků analyzoval časové struktury a parametry popisující témbr. Ve výzkumu použili metody strojového učení a pracovali také s neuronovou sítí. Simon Dixon v roce 2003 analyzoval na základě rytmických vzorců standardní a latinskoamerickou taneční hudbu. Jedním z novějších výzkumů zabývajících se hudebním žánrem je například práce Haukura Pálmasona a jeho kolektivu.
Projekt zkoumá využití strojového učení a umělé inteligence pro zachycení vývoje interpretace české hudby na příkladech klavírních skladeb B. Smetany a A. Dvořáka. Více o projektu.
Umělá inteligence může být skvělým pomocníkem v kreativním procesu. I v tom hudebním. Hudebníkům všech úrovní mohou AI nástroje nabízející řadu užitečných funkcí pomoct s generováním originálních melodií a usnadnit tvorbu nového hudebního obsahu. Přečtěte si, jaké možnosti nabízejí nástroje Magenta, AIVA, WaVeNet a další.
Umělé neuronové sítě se v dnešní době rozšířily téměř do každého odvětví, které pracuje s nějakým druhem dat. Jak už jsme psali v minulých článcích, ani oblast hudební vědy není v tomto případě výjimkou. Stejně jako nám umělá inteligence dokáže vygenerovat text či grafiku, může nám podle zadaných parametrů vytvořit hudební skladbu. Pojďme se tedy na umělé neurnové sítě podívat trochu víc zblízka.
