Le genre musical

1. Le genre musical François Pachet

3. Sur Amazon ? Pop General Adult Contemporary Britpop Dance Pop Disco Easy Listening Emerging Artists Latin Pop Motown Oldies Pop Rock Singer-Songwriters Soft Rock Vocal Pop danceability listening context artist based chronology based instrument / orchestration

4. Genres de genres • Éditorial prescriptif: AllMusicGuideun expert dit : Beatles = Brit-Pop… • Éditorial collaboratif: MoodLogicM personnes disent explicitement Beatles = Rock • Culturel: Google + analyse 20,000 pages avec Beatles ET British Invasion • Acoustique: IsmirCalcul • Acoustico-éditorial: … on y vientCalcul

5. Calculer le genre • Training sur des genres prédéfinis a l’aide d’exemples • Modélisation des classes a partir de 1) features acoustiques 2) modèles d’apprentissage • Calcul pour de nouveaux titres de la distance a chaque modèle

6. Calculer le genre (2) Problèmes: • Quelles sont les bonnes features ? • Quels sont les bons modèles (GMM, SVM, etc.) et leurs paramètres ? • Calculer vite sur de grosses bases (100,000 titres) • Expérimentations avec gmm(mfcc)Demonstration

7. Gmm (mfcc) • Modèle de base • Innombrables variations • Résultat : • Cet algorithme gagne le concours Ismir 04 • Glass ceiling de 70%

8. ALGORITHM A « classic » pattern recognition architecture FEATURES AgT

9. ALGORITHM • Exhaustive experiments to improve the precision of our algorithm: • First presented at ISMIR 2002 • Aucouturier, Jean-Julien and Pachet, Francois Music Similarity Measures: What's the Use?. In Ircam, editor, Proceedings of the 3rd ISMIR, October 2002. • Evaluation results : JNRAS and IEEE TM • Aucouturier, J.-J. and Pachet F. Improving Timbre Similarity: How high is the sky?. Journal of Negative Results in Speech and Audio Sciences, 1(1), 2004. • ONLINE : http://journal.speech.cs.cmu.edu/articles/ • Aucouturier; J.-J., Pachet, F. and Sandler, M. The Way It Sounds : Timbre Models For Analysis and Retrieval of Polyphonic Music Signals. IEEE Transactions of Multimedia, 2004 • Tools and methodology : ISMIR 2004 paper • Aucouturier, J.-J. and Pachet, F. Tools and Architecture for the Evaluation of Similarity Measures: Case Study of Timbre Similarity. Proceedings of ISMIR, 2004.

10. (3) EXHAUSTIVE SEARCH • Improvement of precision by 16% from the parameters of the original algorithm • Best parameters : 44kHz, 2048 pts, 20 mfccs, 50 gaussians, sampled distance with 2000 pts. • Best R-Precision : p=0.64 This may appear poor, but the criteria underestimates it, as it doesn’t consider matches over different clusters (e.g. Jazz piano and classical piano)

11. Du timbre au genre acoustique • Le timbre global d’un morceau ainsi modélisé peut servir pour inférer le genre • Ici, chaque morceau est son propre modèle. On peut construire des modèles avec plusieurs morceaux => classification en genre • Démonstration avec le MB

12. Bonnes features? • Le problème est général: pour un problème perceptif donné, quelles sont les bonnes features ? • Nous proposons une solution définitive: EDS. Invente des features analytiques par combinaison d’opérateurs dans l’espace infini des expressions de DSP analytiques. • Exemples

13. Renverser le point de vue • Calculer un genre universel est un faux problème: les genres ne sont jamais universels. • Les approches existantes obligent les utilisateurs a apprendre les taxonomies sous-jacentes. • On renverse le pt de vue: le système apprend la classification de l’utilisateur • Exemple avec le MB.

14. Conclusion • Editorial prescriptif: Beatles = Brit-Pop • Editorial collaboratif Beatles = Pop-Rock • Culturel: Beatles = Rock • Acoustique: Beatles = ça dépend des titres pour le training • Acoustico-editorial: Beatles = ça dépend de la base • Le problème en soi est dépassé (la musicologie a tendance a s’effondrer avec le calcul) • Problème de base: faire partager avec la machine les classifications des usagers…