Finding Tori: Self-supervised Learning for Analyzing Korean Folk Song

要約

本論文では、1980-90年代に録音された約700時間の韓国民謡のフィールド録音データセットの計算論的分析を紹介する。ほとんどの歌は、伴奏なしの非熟練ミュージシャンによって歌われているため、このデータセットにはいくつかの課題がある。この課題に対処するため、我々はピッチ輪郭に基づく畳み込みニューラルネットワークによる自己教師あり学習を利用し、特定の音階、装飾音符、慣用的な旋律輪郭によって定義される分類システムである「トリ」の音楽概念が、モデルによってどのように捉えられるかを分析した。実験の結果、従来のピッチ・ヒストグラムと比較して、我々のアプローチがトーリの特徴をより良く捉えることができることが示された。我々のアプローチを用いて、既存の学界で提案されている音楽的議論が、実際の韓国民謡のフィールド録音においてどのように現れるかを検証した。

要約(オリジナル)

In this paper, we introduce a computational analysis of the field recording dataset of approximately 700 hours of Korean folk songs, which were recorded around 1980-90s. Because most of the songs were sung by non-expert musicians without accompaniment, the dataset provides several challenges. To address this challenge, we utilized self-supervised learning with convolutional neural network based on pitch contour, then analyzed how the musical concept of tori, a classification system defined by a specific scale, ornamental notes, and an idiomatic melodic contour, is captured by the model. The experimental result shows that our approach can better capture the characteristics of tori compared to traditional pitch histograms. Using our approaches, we have examined how musical discussions proposed in existing academia manifest in the actual field recordings of Korean folk songs.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL