楽曲におけるドラムリズムパターン抽出 075737D:反田裕也指導教員:姜東植 • R& B リズム & ブルースの略で、歌唱重視のジャンル。リズムマシンなどの機器を使いドラムの演奏情報を入力はじめに 1 近年、オンライン上での音楽配信サービスにより、大量の楽曲を入手し聴くことが可能になっている。iTune Music する楽曲が多い。 Store や Amazon などの配信サービスでは、第三者の評価をもとに楽曲の推薦をし、人気がある楽曲の検索を容易にしている。また、ユーザーのダウンロード履歴をもとに、似 • ジャズ 19 世紀末から 20 世紀にかけて、アメリカ南部で黒人たような行動を取った他のユーザーがダウンロードした楽の民族音楽と白人のヨーロッパ音楽とが融合してでき曲を紹介するサービスもある。このサービスにより、ユーた音楽。オフビートの独特のリズム感、即興演奏などザーの好みの楽曲を提供しようとしている。が特徴。しかし、この方法ではあまり多くの人に聴かれなかった 2.2 離散フーリエ変換り、配信されたばかりの楽曲など、ユーザーの評価が十分離散フーリエ変換とは、本来アナログ信号、つまり連続に得られていない楽曲に対しては機能しない問題がある。そのため、、楽曲そのものから抽出した情報をもとに検索した信号を対象にしたフーリエ変換を離散化したデジタルする手法が注目されている。特に楽曲検索における 1 つの信号に適用したものである。離散フーリエ変換により時系指標となる音楽ジャンルを抽出することが有効的とされて列データから、特定の周波数点や帯域でどのような強度のいる。信号を持つかを調べることができる。楽曲データから音楽ジャンルを特定する研究には、ニュー X(k) = ラルネットワークや、マハラノビス距離 [1] などの手法を用いた研究が既に存在する。我如古氏 [4] は楽曲の周波数 N −1 1 ∑ x(n)e−2πkn/N N n=0 (1) の推移から音楽ジャンルの特徴量を抽出し、一つの楽曲に X(k) : 周波数成分, x(n) : 時間領域の信号, N : データ数含まれるジャンルの割合の判別を行った。しかしながら、 e : ネイピア数, π : 円周率, j : 虚数単位この方法では、多くの楽器からなる楽曲において、周波数 2.3 ドラム音と周波数の関係の特徴をつかみづらいという問題があった。注目するバスドラムとスネアドラムの音が、周波数とどそこで本研究では、ジャンルを分ける三つの要素 (リズム、メロディ、ハーモニー) のうちリズムに注目した。より適のような関係があるのかを調べるため、二つのドラム音が切なジャンル識別が行えるよう、使用頻度が高く、各周波混在した楽曲データのスペクトログラムを示す。数帯域で特徴的な 2 つのドラム (バスドラムとスネアドラム) のリズムパターンを抽出することを目標とする。基本概念 2 2.1 音楽ジャンル音楽ジャンルはリズム、メロディー、ハーモニーといった音楽的要素や、演奏の形態、文化、歴史的背景をもとに分類されている。本研究では特徴量を求めるジャンルをロック、クラシック、ジャズの 3 つとする。以下に各ジャンルの定義を示す。 [2] • ロック強いビートを特徴とするポピュラー音楽。電気的に増幅した大音量のサウンドを特色とする。図 1: ドラム音の周波数と振幅 1 図 1 からわかるように、0-150Hz と 150-250Hz の部分で振幅が大きく変化していることがわかる。バスドラムよりスネアドラムの音のほうが高いので [3]、バスドラムの特性周波数として 0-150Hz、スネアドラムの特性周波数として 150-250Hz に着目する。ドラム音の抽出 3 3.1 抽出の手順ドラム音抽出の手順を以下に示す。 (1) 入力 : wave 形式の楽曲データを入力する。 (2) ドラム音の強調 : 高音域をカットし、ドラム音を強調する。 (3) フーリエ変換 : 0.2 秒ごとにフーリエ変換を行い、周波数と信号の強度を求める。 (4) 最大値を算出 : 各周波数帯域 (0-150 と 150-250) で単位時間あたりの最大値を求める。 (5) ドラム音推定 :(4) で求めた最大値のうち、閾値を超えたものをドラム発音部とする。 (6) 標準パターン作成 :バスドラムを 1、スネアドラムを 2 として標準パターンを作成する。 4.2 実験図 3: 標準パターン標準化した結果、スネアドラムは特殊なパターンはなかったが、バスドラムはジャンルごとに異なるパターンが見られた。そこで本実験では、バスドラムの発音部の間隔を求め、 2 つの間隔の並び方からジャンルごとに特徴の識別を行う。 3.1 で求めた標準パターンのうち、各ジャンルから 3 曲を学習データとした。残り 7 曲で実験を行った。学習データのうち、ロックでよく見られたパターンは、”99”,”22,”26”,”33” だった。R&B では、”44”,”34”,”43”だった。ジャズでは、”12”,”31”,”23”,”46”だった。実験 4 4.1 ドラム音の標準パターン作成 3.1 で示した手順に従い、3 ジャンルの楽曲を 10 曲について、ドラムの標準パターンを作成する。この時、ドラム図 4: 実験の概要 4.3 音が含まれる可能性が高い、楽曲開始から 1 分後を起点とした 60 秒のデータを用いる。以下に一例を示す。実験結果上記のパターンが、各ジャンルの識別用データの中で現れた割合を以下に示す。図 5: 実験の概要 5 まとめ識別データに含まれるジャンルごとのリズムパターンの割合を求めることができた。今後 2 つの並びだけでなく、図 2: 上:0-150Hz の最大値, 下:150-250Hz の最大値 3 つ 4 つのリズムパターンの特徴を用いることで、楽曲の中に含まれるジャンルの識別を行うことが考えられる。この方法によって、より適切なジャンル判別が行えると考えられる。参考文献 [1] 土橋祐亮, 北原鉄郎, 片寄晴弘 , ”音響信号を対象としたベースラインからの音楽ジャンル解析”, 情報処理学会研究報告.SLP, 音声言語情報処理 2008(12),217-224 ,2008. [2] デジタル大辞泉,kotobank.jp/dictionary/daijisen/, 2010.11.19. [3] ヤマハ楽器解体全書,www.yamaha.co.jp/plus/,2010.11.19. [4] 我如古英人，”固有周波数推移による音楽ジャンル識別”，琉球大学工学部情報工学科卒業論文，(2009). [5] 仲西拓也,”リズムパターンを用いた音楽ジャンル判別”，琉球大学工学部情報工学科卒業論文，(2007).