تحلیلی در مقیاس بزرگ از ملودی های موسیقی پاپ popular music از سال 1960 تا 2019 بخش 2
popular music

سوالات خود را از ما بپرسید؟

آموزشگاه موسیقی آونگ با هدف خدمت به فرهنگ و هنر ایران زمین از تمامی پیشنهادات و انتقادات شما استقبال کرده و آماده پاسخگویی به شما عزیزان است.

مواد: Popular Music Corpus

در این مقاله قصد داریم به این سؤال بپردازیم که آیا آهنگ‌های محبوب مدرن کمتر ملودیک شده‌اند؟
در مقایسه با آهنگ های پاپ popular musicقبلی برای بررسی این سوال پژوهشی نیاز به جذب نماینده داشتیم.

نمونه ای از موسیقی عامه پسند popular musicدوره های اولیه و اواخر. ما در دهه 1960 به عنوان نقطه شروع تصمیم گرفتیم تا از دوره محبوب ما از اواخر دهه 50 شروع کنیم که معمولاً به عنوان آغازگر تولد “راک اند رول” نامیده می شود.

به همین ترتیب، ما می‌خواستیم دوره موسیقی محبوب بعدی تا حد امکان جدید باشد.
مطالعات تجربی اندکی موجود است که شامل موسیقی این دوره می شود. بر این اساس، یک دهه کامل گذشته را انتخاب کردیم.

دوره محبوب

(2010-2019) به عنوان دوره برگزیده  “آخر” ما منتخب شد. ما همچنین مجموعه خود را جمع آوری کردیم تا حاوی موسیقی از
چند دهه ، برای اجازه دادن به تجزیه و تحلیل پس از آن روندها در طول زمان باشد.
و این در حالی است که چندین پیکره هارمونیک وجود دارد که دوره قبل را شامل می شود.

مواد بدنه برای هر شکلی از موسیقی عامه پسند popular music مدرن در قالب نمادین توضیح داده میشود.

به نظر می رسد فقط دو نفر هستند که  مجموعه هایی از رونویسی تخصصی  ملودی های محبوبرا دارا هستند. یکی (CoCoPops ) که با مک گیل همراه شده و در مجموعه بیلبورد رونویسی هارمونیک (Burgoyne و همکاران، 2011) موجود است ، با تاریخ انتشار آهنگ در محدوده
فقط از اواسط دهه 1950 تا 1991، اما در حال حاضر تنها حدود 200 آهنگ مورد نظر قرار گرفته است.

جمع آوری ملودی های محبوب مدرن

برای به دست آوردن یک نمونه بزرگتر که شامل ملودی های محبوب مدرن است، مجموعه خودمان را ساختیم (توضیح داده که فرآیند آن بیشتر در بخش نمونه گیری زیر آمده است).

با توجه به کار انجام شده در رونویسی دستی و با توجه به حجم زیاد بررسی تجربی موسیقی شناسی (جلد. 17، شماره 2، 2022) نمونه ای از داده های مورد نظر ما، استفاده از روش های خودکار رونویسی ملودی را با استفاده از الگوریتم محبوب MIR (بازیابی اطلاعات موسیقی) انتخاب کردیم.

در حالی که این روش‌ها، البته، قوی‌تر از بررسی انسانی هستند، حجم زیاد جمع‌آوری داده‌ها و با در نظر گرفتن توزیع تصادفی فرضی خطا، این روش را برای اهداف ما مناسب می‌سازد.

علاوه بر این، سابقه ای برای استفاده از داده های “بهم ریخته” برای انجام این نوع تحلیل در مقیاس بزرگ وجود دارد (Mauch et al., 2015; Albrecht, 2019; Harrison & Shanahan, 2017). الگوریتمی که ما برای رونویسی خودکار ملودی استفاده کردیم، Melodia است (سالامون، 2014).

الگوریتم Melodia

الگوریتم Melodia دارای چهار مرحله اساسی است. در ابتدا، آنالیز طیف‌نگاری پنجره‌دار زمانی محاسبه می‌شود تا فرکانس‌های احتمالی فعال در یک برش زمانی معین در کل مسیر (کاملاً مخلوط و رندر شده) را تعیین کند.

در مرحله بعد ، الگوریتم فرآیند فیلترینگی را اعمال می‌کند که فرکانس‌ها را فقط در محدوده‌ای که ملودی‌ها معمولاً یافت می‌شوند (~261.6 هرتز تا 5 کیلوهرتز) “تقویت” می‌کند و فرکانس‌های باس را کاهش می‌دهد و سپس یک عملیات کروماگرام مانند را محاسبه می‌کند.

به طور خاص، فرکانس‌ها به منظور تخمین فعال‌ترین کلاس‌های زیر و بمی در یک بازه زمانی معین، در بخش ها و اکتاوهای متفاوت جدا می‌شوند، اما اندازه هر سطل (کوچکترین واحد اندازه گیری ما )  فرکانس تنها 10 سنت است (در مقابل یک نیم‌تون کامل یا 100 سنت) به منظور افزایش وضوح دامنه فرکانس (به سالامون و گومز، 2009، 2012؛ و گومز، 2006 مراجعه کنید) که منجر به ایجاد یک محدوده گام کوانتیزه شده با پوشش ~552000 هرتز در 600 سطل با پهنای 10 سنت می شود.

مرحله سوم در این فرآیند، محاسبه «کنتورهای زمین» است، که گروه‌هایی از «pitch contours» (حداکثر فرکانس محلی) در مقیاس‌های زمانی بسیار کوچک (~50 میلی‌ثانیه) هستند که از نظر فرکانس و زمان بسیار به هم متصل هستند.

این خطوط گام معمولاً دارای طول کلی از یک یا دو نت تا یک عبارت کوتاه هستند. گام آخر این است که مشخص کنیم کدام یک از خطوط زیر و بمی به احتمال زیاد “ملودی” است.

این کار با اعمال قوانین فیلتر که با مشاهده ویژگی‌های خطوط زیر و بمی که بخشی از یک ملودی هستند (به عنوان مثال، وجود ویبراتو و ارتفاع متوسط ​​گام) و خطوطی که همراه هستند (مثلاً رنگ‌هایی که جابجا می‌شوند و با هم حرکت می‌کنند) ایجاد می‌شود.

ملودیا خطوط ملودی را به صورت دنباله‌ای از فرکانس‌ها خروجی می‌دهد تا دقت الگوریتم را بتوان با استفاده از روش‌های ارزیابی استاندارد در جامعه ISMIR ارزیابی کرد. با این حال، Melodia همچنین شامل یک جزء جداگانه است که فرکانس های کانتور گام را به اعداد نت MIDI گسسته می کند.

ما از این مولفه برای ایجاد ملودی های نمادین در این پیکره استفاده کردیم. (برای توضیح عمیق تر، به وب سایت Salamon مراجعه کنید:

https://www.justinsalamon.com/melody-extraction.html).

مقایسه 206 ملودی رونویسی شده توسط انسان با رونویسی ملودیای همان ملودی ها را می توان در پیوست A برای خوانندگانی که مایلند رونویسی ملودی خودکار را با عمق بیشتری بررسی کنند، پیدا کرد.

نمونه برداری

روش نمونه گیری ما برای این پروژه مشابه روش Burgoyne و همکاران بود. (2011)، که از یک نمونه تصادفی طبقه بندی شده از 100 بیلبورد داغ در طول هر یک از 3 دهه (تقریبا) بین سال های 1958 و 1991 استفاده کرد، و به طور مساوی بر اساس موقعیت های رتبه بندی در نمودارها توزیع شده است.

ما کلمه به کلمه همان مجموعه عناوین آهنگ های popular music از Burgoyne fro را پذیرفتیم ( 1960 تا 1991). با استفاده از فرآیند MIR خودکار برای به دست آوردن ملودی ها،مجموعه را در دوره 1992-2019 با استفاده از روش نمونه گیری مشابه گسترش دادیم.

به طور خاص، ما دوره 1992 تا 2019 را به 3 “دوران” (1992 – 1999، 2000 – 2009 و 2010 تا 2019) تقسیم کردیم. سپس، فهرست هفتگی ۱۰۰ بازدید برتر بیلبورد را بر اساس رتبه هر آهنگ به پنج قسمت تقسیم کردیم (۰ – ۲۰، ۲۱ – ۴۰، ۴۱ – ۶۰، ۶۱). – 80 و 81 – 100) .

سپس به طور تصادفی 300 آهنگ از مجموعه آهنگ های هر دوره را نمونه برداری کردیم.

مشابه فرآیند در بورگوین، این روش نمونه‌برداری چندین تکرار ایجاد کرد، زیرا آهنگ‌های موفق popular music اغلب بیش از یک هفته در نمودارهای بیلبورد Hot 100 اشغال می‌شوند.

موارد تکراری را حذف کردیم تا هر آهنگ فقط یک بار در مجموعه گنجانده شود. این روش در مجموع 833 آهنگ به دست آورد که وقتی به 738 آهنگ منحصر به فرد بیلبورد اضافه شد که در مجموع 1571 آهنگ  از آهنگهای پاپ و محبوب  popular music به دست آمد.

ما این رویکرد را اتخاذ کردیم زیرا روشی بهینه برای به دست آوردن یک نمونه بی‌طرفانه از موسیقی عامه پسند برای آزمایش فرضیه‌مان ارائه می‌کرد، در حالی که امکان مقایسه بین رونوشت‌های خودکار و رمزگذاری‌شده توسط متخصص را فراهم می‌کرد (به پیوست A مراجعه کنید).

نکته قابل توجه این است که Burgoyne و همکاران. در سال 1991 به دلیل تغییرات قابل توجهی که بیلبورد در روش انتخاب آهنگ برای Hot 100 ایجاد کرد، جمع آوری آهنگ ها را متوقف کرد.

در واقع، بیلبورد به طور منظم به ایجاد تغییرات در روش انتخاب خود به عنوان روش هایی برای ارائه و مصرف موسیقی محبوب ادامه می دهد.این بیلبورد به تکامل و تغییر ادامه دهند. بنابراین، این احتمال وجود دارد که استفاده از Billboard Hot 100 برای طیف وسیعی از دهه‌های مورد مطالعه در اینجا، popular music نوعی سوگیری را به نمونه ما وارد کند.

با این حال، برای چندین دهه، نمودارهای بیلبورد استانداردی از موفقیت در موسیقی عامه پسند popular music را نشان می‌دهند، و ما فرض می‌کنیم که تغییراتی که بیلبورد ایجاد کرده است برای ادامه نمایش آن استاندارد ضروری است.

توضیحی درباره تغییراتی که بیلبورد در روش‌های انتخاب نمودار خود ایجاد کرده است را در پیوست B قرار می‌دهیم تا خوانندگان بتوانند مطمئن شوند که آیا این دو نمونه فرعی هر دو نماینده «موسیقی محبوب» popular music هستند یا خیر. ما آهنگ‌های دوره اصلی بیلبورد (1958-1991) را با هم مقایسه کردیم.

محدوده ملودیک رولینگ:

آهنگ های موجود در مجموعه توسعه یافته (1992-2019) از نظر هر دو توزیع در موقعیت های نمودار و نسبت هنرمند به تعداد بازدیدها،تقریباً یکسان است.

آونگ

Popular music

melody

بهترین آموزشگاه موسیقی ( Music Institute ) در غرب تهران 1403 (West Tehran )

Upload/Select an audio or use external audio url to work this widget.

تگ پست :

اشتراک گذاری :

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *