ORECCHIE ELETTRONICHE

Transcript

1 ORECCHIE ELETTRONICHE Uno su cento, percorso di orientamento in Università 5 Marzo 2015 Alessio Degani University of Brescia - Communication Technology and Multimedia Signals and Communication LAB, Department of Information Engineering (DII)

2 SIGNALS AND COMMUNICATION LAB Dipartimento di Ingegneria dell Informazione Signals and Communication LAB Laurea Triennale: Ingegneria Elettronica e delle Telecomunicazioni Laurea Specialistica: Communication Technologies and Multimedia Digital Audio Processing Psicoacustica Elaborazione dei segnali digitali Codifica di segnali audio Effetti audio e sintesi Music Information Retrieval 2

3 L'ORECCHIO ELETTRONICO

4 4

5 APPLICAZIONI

6 APPLICAZIONI Shazam 6

7 APPLICAZIONI Spotify 7

8 APPLICAZIONI AnteScoFo 8

9 APPLICAZIONI YouTube auto-caption 9

10 IN UNIBS

11 APPLICAZIONI (1) Mantenere accordato un coro durante l esecuzione Riparare vecchie registrazioni wow & flutter Alcune applicazioni richiedono risposte in real-time! 11

12 APPLICAZIONI (2) Pressione Tempo Polyphonic note estimation marcato f Trascrizione automatica di partiture musicali 12

13 APPLICAZIONI (3) Pressione Tempo Audio Chords Estimation DO SOL LAm DO Trascrizione di accordi musicali 13

14 APPLICAZIONI (4) Identificare, all interno di un database, differenti versioni della stessa canzone Esempio: Knockin on Heaven s Door (Bob Dylan Guns n Roses) Cover Song Identification 14

15 COME?

16 L'ORECCHIO ELETTRONICO Pressione Tempo Acquisizione Quantità fisica (Pressione) Sequenza di numeri 16

17 L'ORECCHIO ELETTRONICO Descrittori audio: rappresentazione compatta e comprensibile al calcolatore (e all utente ) amp [db] Spectrum Peaks Salience f [Hz] 17

18 L'ORECCHIO ELETTRONICO Descrittori audio: variano a seconda dell applicazione Caratteristiche (ideali): descrizione compatta ma intuitiva (in)dipendenza dallo strumento musicale (in)dipendenza dal tempo/ritmo correlazione tra sensazioni soggettive (felicità, tristezza...) e misure oggettive (frequenza, ampiezza...)... 18

19 UN ESEMPIO

20 UN ESEMPIO Pitch classes B Bb A G# G F# F E Eb D C# C 12 bins HPCP features of "Cmaj" Frames (464ms) 20

21 UN ESEMPIO Pitch classes B Bb A G# G F# F E Eb D C# C 12 bins HPCP features of "Cmaj" Frames (464ms) 21

22 A. Degani, Audio Signal Analysis for Cover Song Identification A. Ippolito, Gestione a gruppi di un sistema di rinforzamento del suono, (OUTLINE S.r.l.) M. Agnelli, Systematic bitstream generation tool and its role in testing an audio decoder, (Dolby Inc., Germania) N. De Franceschi, Polyphonic Notes Transcription for Piano Music I. Yonas, Text Independent Automatic Speaker Recognition System, (Eurotech S.p.a.) G. Treccani, Sistemi Per il Riconoscimento Automatico Degli Accordi N. Simoni, Ottimizzazione del Campo Sonoro per Array di Altoparlanti, (OUTLINE S.r.l.) 22

23 Grazie per l attenzione! 23