Reconhecendo Emoções em Performances de Piano
Um estudo sobre como capturar emoções na música através das performances de pianistas.
― 5 min ler
Índice
Músicos têm uma habilidade especial de expressar emoções através das suas performances. Eles conseguem moldar uma peça musical pra comunicar sentimentos como alegria, tristeza ou empolgação. Este artigo dá uma olhada em um método pra identificar e visualizar essas emoções em tempo real durante uma performance de piano.
Como as Emoções na Música Funcionam
Quando ouvimos música, geralmente sentimos emoções que podem ser diferentes do que o compositor ou o intérprete queria transmitir. Existem dois tipos principais de emoções que podemos discutir:
- Emoção Percebida: É como o ouvinte se sente ao ouvir uma música.
- Emoção Intencionada: É o que o músico ou compositor busca expressar através da música.
Neste estudo, a gente foca em entender como reconhecer as emoções intencionadas na música. Se soubermos qual emoção o intérprete quer comunicar, conseguimos criar modelos melhores pra identificá-las.
A Abordagem
A gente usou um método específico que envolve certas qualidades musicais, conhecidas como características de nível médio. Essas características são mais fáceis de reconhecer pra maioria dos ouvintes e não precisam de um conhecimento musical profundo pra entender. Em estudos anteriores, pesquisadores identificaram sete principais características de nível médio que ajudam a reconhecer emoções na música:
- Melodiosidade
- Articulação
- Complexidade rítmica
- Estabilidade rítmica
- Dissonância
- Estabilidade tonal
- Menoridade (ou modo)
Neste estudo, adicionamos duas características a mais: velocidade perceptual e dinâmicas percebidas.
Velocidade Perceptual
Velocidade perceptual se refere ao ritmo geral da música. É algo que tanto músicos quanto não músicos conseguem se relacionar facilmente. Enquanto o tempo geralmente olha pro batida, a velocidade perceptual considera vários níveis da música. A gente estimou essa velocidade medindo quantas notas começam em um determinado tempo. Isso dá uma ideia melhor de como a música se sente em termos de velocidade.
Dinâmicas Percebidas
Dinâmicas percebidas indicam a energia ou força por trás da música, que pode estar relacionada a quão intensa ou suave a performance parece. Pra música de piano, percebemos que calcular a intensidade média das notas pode dar uma estimativa razoável das dinâmicas.
Testando o Método
Pra ver como nosso modelo funciona, aplicamos ele a uma coleção de gravações da música de Johann Sebastian Bach. Nessas gravações, seis pianistas diferentes tocaram um total de 48 peças, e os ouvintes avaliaram suas respostas emocionais.
Dividimos a análise em três partes:
- Usando apenas as sete características originais de nível médio.
- Usando só as duas novas características.
- Usando todas as nove características juntas.
Depois de fazer os testes, descobrimos que usar todas as nove características resultou nos melhores resultados pra prever emoções como excitação (quão carregada emocionalmente a música parece) e valência (a sensação positiva ou negativa).
Visualizando Resultados
Pra mostrar como esse modelo funciona na vida real, fizemos um experimento com um músico bem conhecido chamado Jacob Collier. Em um vídeo, ele tocou uma peça chamada "Danny Boy," enquanto expressava diferentes emoções. Pegamos o áudio do vídeo e usamos nosso modelo pra prever as emoções que ele estava tentando transmitir.
Fizemos previsões continuamente enquanto ele tocava, mapeando essas previsões em um modelo que representa emoções básicas. Isso produziu uma representação visual que mostrou quão de perto as emoções previstas se alinharam com o que ele pretendia expressar.
O Resultado
Os resultados desse experimento foram encorajadores. As emoções previstas se alinharam bem com os sentimentos pretendidos pelo Jacob durante sua performance. A gente também coletou um conjunto de clipes de áudio correspondentes a diferentes emoções e os analisamos separadamente. Fazendo isso, conseguimos mostrar as emoções previstas ao lado das emoções pretendidas, criando uma imagem mais clara de como a performance transmitiu diferentes sentimentos.
Nosso trabalho sugere que mesmo com um modelo simples baseado em características de nível médio, conseguimos obter bons resultados na compreensão da expressão emocional na música. Isso destaca a força das características de nível médio em representar os sentimentos que estão embutidos nas performances musicais.
Direções Futuras
Essa pesquisa abre portas pra estudos futuros que aprofundem nossa compreensão das emoções na música. A gente espera explorar expressões emocionais mais complexas usando nosso modelo. Nossos achados incentivam mais investigações sobre como podemos melhorar o reconhecimento de emoções na música.
Em resumo, este estudo mostra potencial pra identificar emoções em performances de piano. Com características de nível médio, conseguimos capturar a essência do que os músicos querem expressar e fornecer insights sobre o panorama emocional da música. Esse trabalho pode levar a melhores ferramentas de análise musical e uma apreciação mais profunda de como as emoções são transmitidas nas performances.
Título: Decoding and Visualising Intended Emotion in an Expressive Piano Performance
Resumo: Expert musicians can mould a musical piece to convey specific emotions that they intend to communicate. In this paper, we place a mid-level features based music emotion model in this performer-to-listener communication scenario, and demonstrate via a small visualisation music emotion decoding in real time. We also extend the existing set of mid-level features using analogues of perceptual speed and perceived dynamics.
Autores: Shreyan Chowdhury, Gerhard Widmer
Última atualização: 2023-03-03 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2303.01875
Fonte PDF: https://arxiv.org/pdf/2303.01875
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.