考慮到的問題
就是剩一個禮拜
我們揪境要不要加入樂理呢
這也需要花些時間
但很怕沒加入樂理會出現非常糟的和弦
另外關於和弦的部份
有點難解釋
由於每首歌都有可能是十二個調一個
在資料庫有100首歌 可能只有8首歌是同一個調
之前有講過 其實在一個調常用的和絃就那幾個
如果每次收到一段 [1 3 4 5] 這種都要去用十二調的觀點去算
算出來不太準 因為明知道C調不會用B和絃就不需要考慮
因此我的想法是歌進來判斷前都先移調算出 相對調性 反正我們知道什麼調
都先通通移成C調 算出是幾級和絃 再推回去用原來調的該級和絃伴奏
例如一首歌是D調 一小節出現[2 5 6] 再相對於C調歌出現[1 4 5]
全部都化成C調歌形態來算機率樣本會比較完整 相對有100首C調歌
流程會變成
資料庫:
已知和絃歌 => C調歌 => data
移調成C調 和絃亦然 記住小節組成音 與和絃
配和絃:
未知和絃歌 => C調歌 => 配出C調和絃 => 原本調和絃伴奏
移調成C調 進入DP算和絃機率 和絃移回原本調
所以按照音的編號
1 C 2 #C 3 D 4 #D 5 E 6 F 7 #F 8 G 9 #G10 A11 #A12 B13 C14 #C15 D16 #D17 E18 F19 #F20 G21 #G22 A23 #A
移調很快 直接+ -某個數字就好 EX G調移成C調 則要移8-1=7
假設某小節算出和絃是Em(5 8 12) 則在加7變(12 15 19)即可得出該段配樂
2009年1月17日 星期六
day5
12/20
tony 從midi檔案中抓出每小節的音符組成完成
比如說
舉例來說:
M1 = 1 1 5 5 6 6 5 5 à N1 = [ 1 5 6 ]
M2 = 1 5 3 6 5 6 6 7 à N2 = [ 1 3 5 6 7 ]
M3 = 5 4 4 6 2 2 5 5 à N3 = [ 2 4 5 6 ]
M4 = 1 5 6 6 6 5 1 1 à N4 = [ 1 5 6 ]
Mx 代表不同的小節，Nx代表其音符組合，所以處理過之後，變可以知道這首歌的音符組成。
Jeff data training and DP
就是我會吃兩個矩陣
一個叫做observ[i][j]代表當某小節的音符組成是xxx時 是某和弦的機率
第一維會吃所有在某小節可能組成的音符 像是[1,3,5]、[1,2]第二維會吃所有的和弦數
出來會是一個像這樣的東西
某小節的音符組成 [1,3,5] [1,2] [1,4] . . .和弦 C [ 20% 50% ] C# [ 30% . ] D [ 10% . ] D# [ . . ] . [ . . ] . [ . ] . [ . ]
每行加起來會是一 裡頭的%是機率
第二個矩陣transit[i][j]
要計算若前一小節為X和絃的話，那下一節和絃為Y和絃的機率將為何。
格式如下:
和弦 C C# D D# .和弦 C [ 20% 50% ] C# [ 30% . ] D [ 10% . ] D# [ . . ] . [ . . ] . [ . ] . [ . ]
代表某和弦到另一和弦的機率 每"列"加起來會是一
這樣有問題嗎 看的懂嗎 看不懂趕快問我喔!
第一個矩陣不一定是方陣喔 因為和絃數跟小節內音符組成數不一定一樣但第二個一定是方陣 因為和弦數=和絃數
所以要注意一下啦
但因為矩陣都是數字編號
所以你可能要給我一個對應表
像是observ的第一維的對應表:0: [1,3,5]1: [1,2]...
第二維對應表:0: C1: C#2: D3: D#...
tony 從midi檔案中抓出每小節的音符組成完成
比如說
舉例來說:
M1 = 1 1 5 5 6 6 5 5 à N1 = [ 1 5 6 ]
M2 = 1 5 3 6 5 6 6 7 à N2 = [ 1 3 5 6 7 ]
M3 = 5 4 4 6 2 2 5 5 à N3 = [ 2 4 5 6 ]
M4 = 1 5 6 6 6 5 1 1 à N4 = [ 1 5 6 ]
Mx 代表不同的小節，Nx代表其音符組合，所以處理過之後，變可以知道這首歌的音符組成。
Jeff data training and DP
就是我會吃兩個矩陣
一個叫做observ[i][j]代表當某小節的音符組成是xxx時 是某和弦的機率
第一維會吃所有在某小節可能組成的音符 像是[1,3,5]、[1,2]第二維會吃所有的和弦數
出來會是一個像這樣的東西
某小節的音符組成 [1,3,5] [1,2] [1,4] . . .和弦 C [ 20% 50% ] C# [ 30% . ] D [ 10% . ] D# [ . . ] . [ . . ] . [ . ] . [ . ]
每行加起來會是一 裡頭的%是機率
第二個矩陣transit[i][j]
要計算若前一小節為X和絃的話，那下一節和絃為Y和絃的機率將為何。
格式如下:
和弦 C C# D D# .和弦 C [ 20% 50% ] C# [ 30% . ] D [ 10% . ] D# [ . . ] . [ . . ] . [ . ] . [ . ]
代表某和弦到另一和弦的機率 每"列"加起來會是一
這樣有問題嗎 看的懂嗎 看不懂趕快問我喔!
第一個矩陣不一定是方陣喔 因為和絃數跟小節內音符組成數不一定一樣但第二個一定是方陣 因為和弦數=和絃數
所以要注意一下啦
但因為矩陣都是數字編號
所以你可能要給我一個對應表
像是observ的第一維的對應表:0: [1,3,5]1: [1,2]...
第二維對應表:0: C1: C#2: D3: D#...
2008年12月11日 星期四
discusison day 4
meeting with Winston：
可以找出一首歌的和弦
can reference papers of Michael Casey
先找到處理midi音樂的tool和背景知識
目前分工
Sinze:resulting background knowledge of our project
Tony:find the resulting tool for midi file in matlab
Jeff:viterbi algorithm and other software of midi file processing
可以找出一首歌的和弦
can reference papers of Michael Casey
先找到處理midi音樂的tool和背景知識
目前分工
Sinze:resulting background knowledge of our project
Tony:find the resulting tool for midi file in matlab
Jeff:viterbi algorithm and other software of midi file processing
2008年12月10日 星期三
discussion day 3
2008年12月1日 星期一
discussion day 2
2008/12/1
In our latest discussion
we decided our term projection direction to be
"Auto-music chord detection and generation system"
In music theory, every session of music can be matched with some chords that make it
harmonious. Musicians always use their human feeling and music theory to detect the chord,
and there's still no such good mechanism to do it by computer. We decided to design such
system that when we give it a song it can auto produce the chord and auto-play the accompanion
of the song.
In our latest discussion
we decided our term projection direction to be
"Auto-music chord detection and generation system"
In music theory, every session of music can be matched with some chords that make it
harmonious. Musicians always use their human feeling and music theory to detect the chord,
and there's still no such good mechanism to do it by computer. We decided to design such
system that when we give it a song it can auto produce the chord and auto-play the accompanion
of the song.
2008年11月12日 星期三
訂閱：
文章 (Atom)