音樂情感的計算機分析與自動識別技術研究

劉珺 劉君

【摘要】計算機科學技術的迅速發展，為社會生產與生活的各個領域都帶來了明顯的變化。借助計算機和人工智能技術進行音樂情感判斷，成為了新的研究方向。本文首先對音樂情感計算機分析模型進行了分析，重點闡述了通用連續模型、音樂表達情感模型以及喚起情感模型等類型。隨后，文章進一步分析了音樂情感計算機自動識別技術的未來發展前景，旨在為關注這一領域的人士提供一些可行性較高的參考意見。

【關鍵詞】音樂情感；自動識別；音軌定位

【中圖分類號】G642 【文獻標識碼】A

一、音樂情感計算機分析模型

（一）通用連續維度模型

音樂情感的分析和判斷是音樂學同心理學研究雙方共同結合發展所制定的研究課題，隨著科學技術的進步，借助計算機科學技術以及人工智能等工具，也能達到音樂情感研究的目的。為了得出更加精準的音樂情感分析判斷結果，相關領域的技術人員通過構建通用連續音樂模型的方法，將人類的情感狀態變化和起伏情況，直接體現在二維空間和三維空間當中的點上。此種通用連續模型具有刻畫和描繪不同情感之間細微差別的能力。不僅能對被描述對象主觀的情感體驗進行描繪，還能對外部環境影響下以及生理狀態導致的情感特征進行刻畫。

（二）音樂表達情感模型

1936年，著名音樂學領域的專家Hevner在其組織的實驗“音樂中的表達元素”研究中，最初提出了影響最為廣泛的音樂表達情感的離散模型。在該模型當中，Hevner借助了8個類別的67個情感詞匯，對音樂作品構建的情感空間進行了描繪。根據Hevner所提出的情感詞所建立的表達情感模型，主要是為了音樂藝術作品表現力的刻畫。因此，該模型被廣泛地應用到了與音樂有關的心理學研究當中。隨著時代的發展，后來的研究人員不斷對該表達情感模型進行了優化設計，推動其表達情感能力的準確度不斷提升。

（三）音樂喚起情感模型

音樂的喚起情感模型是基礎音樂表達情感模型的基礎上所創建的，在結合了“喚起說”相關理論，對音樂情感的進行離散表達。根據相關領域的研究結果證實，日內瓦情感音樂量表是該領域當中最初被承認的專門度量表，對于音樂喚起情感的研究具有十分突出的貢獻。日內瓦情感音樂量表主要包含了九大類的45種不同的情感標簽。在這一模型當中，用戶可以根據音樂起伏、節奏、韻律等不同的表現特征，對其喚起的情感類型進行分類。實驗表明，在利用日內瓦情感音樂量表進行情感喚起的過程中，聽眾的選擇具有較強的一致性。說明了該情感量表的情感標簽的科學化程度較高。

二、音樂情感計算機自動識別技術發展前景

（一）提升參數提取能力

音樂情感計算機自動識別技術在未來的研究階段，若想提升研究效果，必須在現有的基礎上，進一步強化音樂作品各項情感表達參數的提取能力。針對這一問題，我國某地區的音樂情感計算機分析工作研究小組，聽過采取MIDI文件旋律特征參數提取的方法，為眾多音樂愛好者、家庭用戶以及音樂情感研究專家提供了更加科學和準確的音樂情感參數。一般來說，MIDI格式的音樂文件基本上由兩個部分所組成，即頭塊和軌道塊兩個部分。此外，每一個MIDI事件均帶有最高有效位總數為1的命令字節，不同的命令字節具有不同的長度以及不同的參數。基本上，在不同的命令字節當中，可以用x表示MIDI文件的通道號，根據音樂體系中的音高順序進行排列，進而形成參數音列。

（二）強化主旋律音軌定位能力

利用特定的算法對計算機音樂情感的識別能力進行設計的過程中，可以通過模型自動定位方法，對所輸入的音軌旋律進行定位，明確判斷輸入的音軌屬于主旋律音軌還是屬于伴奏音軌。因此音樂情感的識別問題可以轉化成為數學問題。例如根據數學問題當中的已知對象分布問題的研究方法，可以強化計算機在識別和定位不同旋律音軌時的定位能力。直接反映在分類器當中，即為輸入樣本的訓練集合。通過具體的樣式C表示音軌所述的類別，然后分別利用“1”和“0”表示主音軌和伴奏音軌等不同的音軌類型。因此，便將音樂情感的音軌定位問題轉化成為了常見的二值分類問題。通過對二值分類問題進行解決，便能對主音軌和伴奏音軌進行判斷，達到對主音軌的定位目的。

（三）優化表征主旋律情感矢量分配

除了上述兩種途徑之外，對表征主旋律的情感矢量分配進行合理優化，也是未來音樂情感計算機識別技術的發展策略。對于計算機情感識別技術而言，在對音樂作品的主旋律進行定位之后，需要通過進一步操作，使計算機能夠對主旋律當中所蘊含的情感進行分析和判斷。針對這一問題，作者認為，可以通過構建數學模型的方法，采用時值分布和加權平均的方法，對音樂情感的變化進行方向性地指示。采用標準差的方法，對各項指標加以穩定，從而對音樂作品當中的音程、音長、音高和音強等進行特征信息處理。通過此種方法，能有效提升計算機自動識別技術對音樂情感的識別能力，進而完成對音樂作品主旋律和伴奏旋律的情感提取與表達，判斷音樂情感的具體特征。