Современные нейросети помогают изучать этническую оперу

Современные достижения в области технологий искусственного интеллекта кардинально меняют подходы к обработке музыкальной информации. Актуальной задачей является эффективное распознавание и анализ стилистических особенностей музыкального исполнения.

Новое исследование посвящено точной классификации стилей пения женских ролей в этнической опере.

Для этих целей была разработана модель ARGC-BRNN — усиленная вниманием одномерная остаточная вентильная сверточная и двунаправленная рекуррентная нейронная сеть. Она использует инновационный блок RGLU-SE для извлечения разнообразных особенностей вокального стиля на различных уровнях. Двунаправленная рекуррентная нейронная сеть применяется для учета временных зависимостей в исполнении, сообщает «Pro город будущего».

Важной составляющей модели является механизм внимания, который выполняет глобальную агрегацию всех полученных признаков для последующей классификации. Тестирование модели проводилось на специально подготовленном наборе данных, содержащем множество фрагментов пения женских ролей из этнических опер. Также использовался общедоступный набор MagnaTagATune.

Как передает Nature, результаты экспериментов продемонстрировали превосходство модели ARGC-BRNN над всеми остальными сравниваемыми моделями в точности классификации. На самостоятельно созданном наборе данных точность достигла 0.872. При использовании общедоступного набора данных MagnaTagATune показатель площади под кривой составил 0.912.

Представленная модель позволила улучшить результаты свыше чем на 0.44% и 0.46% относительно других существующих моделей.

Она также показала значительные преимущества в эффективности своего обучения, что является важным фактором для практического применения. Эти достижения подтверждают высокую эффективность ARGC-BRNN в распознавании характерных черт музыкального стиля.

Таким образом, данная разработка предоставляет мощную техническую основу для цифрового и интеллектуального анализа произведений этнического оперного искусства. Это важный шаг к сохранению и глубокому изучению культурного наследия, способствующий развитию музыковедения.

 

Читайте больше новостей в нашем Дзен и Telegram