CN101615302A - 音乐数据驱动的基于机器学习的舞蹈动作生成方法 - Google Patents
音乐数据驱动的基于机器学习的舞蹈动作生成方法 Download PDFInfo
- Publication number
- CN101615302A CN101615302A CN200910101046A CN200910101046A CN101615302A CN 101615302 A CN101615302 A CN 101615302A CN 200910101046 A CN200910101046 A CN 200910101046A CN 200910101046 A CN200910101046 A CN 200910101046A CN 101615302 A CN101615302 A CN 101615302A
- Authority
- CN
- China
- Prior art keywords
- music
- action
- snatch
- machine learning
- relative coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 28
- 230000033001 locomotion Effects 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 18
- 239000012634 fragment Substances 0.000 claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000033764 rhythmic process Effects 0.000 claims description 9
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 abstract 1
- 238000003786 synthesis reaction Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Images
Landscapes
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种音乐数据驱动的基于机器学习的舞蹈动作生成方法。方法的步骤如下:预先构建的动作和音乐数据库,分析动作和音乐特征的相关性系数,选择最优的相关性系数集合;使用基于boost的机器学习方法获得可以对动作和音乐匹配程度进行评分的学习器;对每个音乐片段,系统综合考虑候选动作片段与输入音乐片段的匹配程度以及动作片段的平滑程度,选择最佳动作片段。本发明实现了给定任意音乐,系统可以根据习得的机器学习模型自动从舞蹈动作数据库中选择最佳动作序列的功能。解决了动画制作过程中音乐和动画难以良好匹配的难题,提供了一个在动画制作中进行全自动编舞的算法框架。
Description
技术领域
本发明涉及音乐驱动的舞蹈编排方法,尤其是一种音乐数据驱动的基于机器学习的舞蹈动作生成方法。
背景技术
根据给定音乐生成与之匹配的舞蹈动作在计算机动画创作领域有着广泛的应用。在编舞创作中,需要根据用户选定的音乐片段编排合适的舞蹈动作,然而动作与音乐是两种不同感知通道的时序信号,要想恰当地评价两者的匹配程度,就需要建立一个合理的动作-音乐特征匹配模型,该模型应当能够将动作和音乐信号转化到符合人类认知的某种高层语义上进行匹配程度的比较,并依据所建立的匹配关系有效地存储,搜索以及编辑音乐或动作数据。
在传统的动画创作过程中,一般由动画师手工建立动作和音乐的匹配模型。动画师根据给定的音乐手工绘制关键帧并由计算机进行插值以创作舞蹈动画,这是一项枯燥而耗时的工作。目前在计算机自动编舞方面已经积累了许多有价值的工作,主要的技术思路是基于经验建立动作和音乐特征的特征匹配模型,例如节奏特征匹配,音符密度和动作强度匹配等。然而其缺陷在于由于主观因素导致所建立模型不具有普适性。机器学习通过对已有数据进行挖掘从而发现动作和音乐之间客观的内在联系,从而成为一种更为科学的技术思路。
发明内容
本发明的目的是提供一种音乐数据驱动的基于机器学习的舞蹈动作生成方法。
音乐数据驱动的基于机器学习的舞蹈动作生成方法的步骤如下:
1)构建动作和音乐数据库,将动作和音乐特征按照节奏点位置切分为动作和音乐片段对;
2)对每一对动作和音乐片段对进行相关性分析得到相关性系数矩阵,选择最优的相关性系数集合;
3)使用基于boost的机器学习方法将每个动作和音乐片段对作为训练样本,获得对动作和音乐片段对匹配程度进行评分的学习器;
4)将用户输入系统的音乐按照节奏特征切分为音乐片段;
5)用户输入系统使用动态规划算法综合考虑学习器给出的匹配分值以及前后动作片段的连贯性,选择最佳动作序列;
6)对动作序列进行动作对齐,动作变形以及动作平滑以优化结果。
所述的对每一对动作和音乐片段对进行相关性分析得到相关性系数矩阵,选择最优的相关性系数集合步骤为:给定动作和音乐片段对(Ai,Mj),Ai为i号音乐片段,Mj为j号动作片段,则Ai的特征q和Mj的特征p之间的相关性系数为: 其中,μX,μY,δX,δY分别为X和Y的期望和方差,E为期望值运算符,得到相关性系数矩阵后,选择最佳的相关性系数特征子集。
所述的使用基于boost的机器学习方法将每个动作和音乐片段对作为训练样本,获得对动作和音乐片段对匹配程度进行评分的学习器步骤为:该机器学习方法由7种基本学习器构成,针对不同的舞种选定最佳的基本学习器。数据库中的每个动作-音乐片段对构成一个训练样例,训练样例以相关性系数的形式表示,不同舞种的训练样例用于训练不同舞种的学习器;设动作和音乐片段对(Ai,Mj),Ai为i号音乐片段,Mj为j号动作片段,Ni为原始数据库中与Ai对应的动作片段,则(Ai,Mj)的匹配程度误差分值为:S(Ai,Mj)=1-exp(-Distm(Mi,Mj))。其中Distm(Mi,Mj)是动作片段Mi与Mj间的距离。
本发明是在机器学习获得动作与音乐特征之间关联的基础上,通过动态规划算法检索最佳的动作序列。本发明允许输入任意的音乐片段,系统根据机器学习得到的最佳学习器对数据库中的候选动作片段进行评分,同时考虑动作平滑程度以合成最佳舞蹈动作序列。本发明解决了动作与音乐特征之间的关系挖掘问题,同时提供了一种全自动的舞蹈动作编排创作方法。
附图说明
图1是步骤1)的切分动作和音乐片段;
图2是步骤2)的相关性系数矩阵;
图3是基于机器学习的舞蹈动作编排软件系统的框架和流程;
图4是基于机器学习的舞蹈动作编排软件系统的输出结果。
具体实施方式
音乐数据驱动的基于机器学习的舞蹈动作生成方法的步骤如下:
1)构建动作和音乐数据库,将动作和音乐特征按照节奏点位置切分为动作和音乐片段对;
2)对每一对动作和音乐片段对进行相关性分析得到相关性系数矩阵,选择最优的相关性系数集合;
3)使用基于boost的机器学习方法将每个动作和音乐片段对作为训练样本,获得对动作和音乐片段对匹配程度进行评分的学习器;
4)将用户输入系统的音乐按照节奏特征切分为音乐片段;
5)用户输入系统使用动态规划算法综合考虑学习器给出的匹配分值以及前后动作片段的连贯性,选择最佳动作序列;
6)对动作序列进行动作对齐,动作变形以及动作平滑以优化结果。
所述的对每一对动作和音乐片段对进行相关性分析得到相关性系数矩阵,选择最优的相关性系数集合步骤为:给定动作和音乐片段对(Ai,Mj),Ai为i号音乐片段,Mj为j号动作片段,则Ai的特征q和Mj的特征p之间的相关性系数为: 其中,μX,μY,δX,δY分别为X和Y的期望和方差,E为期望值运算符,得到相关性系数矩阵后,选择最佳的相关性系数特征子集。
所述的使用基于boost的机器学习方法将每个动作和音乐片段对作为训练样本,获得对动作和音乐片段对匹配程度进行评分的学习器步骤为:该机器学习方法由7种基本学习器构成,针对不同的舞种选定最佳的基本学习器。数据库中的每个动作-音乐片段对构成一个训练样例,训练样例以相关性系数的形式表示,不同舞种的训练样例用于训练不同舞种的学习器;设动作和音乐片段对(Ai,Mj),Ai为i号音乐片段,Mj为j号动作片段,Mi为原始数据库中与Ai对应的动作片段,则(Ai,Mj)的匹配程度误差分值为:S(Ai,Mj)=1-exp(-Distm(Mi,Mj))。其中Distm(Mi,Mj)是动作片段Mi与Mj间的距离。
实施例
准备工作:建立动作和音乐片段的数据库。
首先,预先构建动作和音乐数据库,将动作和音乐数据按照节奏点位置切分为片段(如图1所示)。尔后提取多种动作特征和多种音乐特征,对每种动作特征和音乐特征片段对进行相关性分析得到相关性系数矩阵。给定设训练样例组合(Ai,Mj),Ai为i号音乐片段,Mj为j号动作片段,则Ai的特征q和Mj的特征p之间的相关性系数为: 此处μX,μY,δX,δY分别为X和Y的期望和方差。E()为期望值运算符。得到相关性系数矩阵后(如图2所示),根据最优特征选择算法选择最佳的相关性系数特征子集。
然后使用基于boost的机器学习方法将每个动作和音乐片段组合作为训练样本,通过学习获得可以对动作和音乐匹配程度进行评分的学习器。该机器学习模型由7种基本学习器构成。针对不同的舞种选定最佳的基本学习器。数据库中的每个动作-音乐片段对构成一个训练样例,训练样例以相关性系数的形式表示。不同舞种的训练样例用于训练不同舞种的学习器。训练样例的生成采用计算动作距离的方法来衡量。设动作和音乐片段组合(Ai,Mj)Ai为i号音乐片段,Mj为j号动作片段,Mi为原始数据库中与Ai对应的动作片段。则(Ai,Mj)的匹配程度误差分值为:S(Ai,Mj)=1-exp(-Distm(Mi,Mj))。其中Distm(Mi,Mj)是动作片段Mi与Mj间的距离。
接下来,将用户输入系统的音乐按照节奏特征切分为音乐片段,针对每个音乐片段,系统使用动态规划算法综合考虑候选动作片段与音乐片段的匹配程度以及动作片段的平滑程度,选择最佳动作序列。动作片段与音乐片段的匹配程度分值由训练所得的学习器给出,动作片段的平滑程度由对动作图的查询得到。
最后,对得到的动作序列进行动作片段对齐,动作变形以及动作平滑以优化结果动画。整个系统的框架与流程如图3所示,系统合成的舞蹈动作如图4所示。
Claims (3)
1.一种音乐数据驱动的基于机器学习的舞蹈动作生成方法,方法的步骤如下:
1)构建动作和音乐数据库,将动作和音乐特征按照节奏点位置切分为动作和音乐片段对;
2)对每一对动作和音乐片段对进行相关性分析得到相关性系数矩阵,选择最优的相关性系数集合;
3)使用基于boost的机器学习方法将每个动作和音乐片段对作为训练样本,获得对动作和音乐片段对匹配程度进行评分的学习器;
4)将用户输入系统的音乐按照节奏特征切分为音乐片段;
5)用户输入系统使用动态规划算法综合考虑学习器给出的匹配分值以及前后动作片段的连贯性,选择最佳动作序列;
6)对动作序列进行动作对齐,动作变形以及动作平滑以优化结果。
2.根据权利要求1所诉的一种由音乐数据驱动的基于机器学习的舞蹈动作生成方法,其特征在于所述的对每一对动作和音乐片段对进行相关性分析得到相关性系数矩阵,选择最优的相关性系数集合步骤为:给定动作和音乐片段对(Ai,Mj),Ai为i号音乐片段,Mj为j号动作片段,则Ai的特征q和Mj的特征p之间的相关性系数为: 其中,μX,μY,δX,δY分别为X和Y的期望和方差,E为期望值运算符,得到相关性系数矩阵后,选择最佳的相关性系数特征子集。
3.根据权利要求1所诉的一种由音乐数据驱动的基于机器学习的舞蹈动作生成方法,其特征在于,所述的使用基于boost的机器学习方法将每个动作和音乐片段对作为训练样本,获得对动作和音乐片段对匹配程度进行评分的学习器步骤为:该机器学习方法由7种基本学习器构成,针对不同的舞种选定最佳的基本学习器。数据库中的每个动作-音乐片段对构成一个训练样例,训练样例以相关性系数的形式表示,不同舞种的训练样例用于训练不同舞种的学习器;设动作和音乐片段对(Ai,Mj),Ai为i号音乐片段,Mj为j号动作片段,Mi为原始数据库中与Ai对应的动作片段,则(Ai,Mj)的匹配程度误差分值为:S(Ai,Mj)=1-exp(-Distm(Mi,Mj))。其中Distm(Mi,Mj)是动作片段Mi与Mj间的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101010461A CN101615302B (zh) | 2009-07-30 | 2009-07-30 | 音乐数据驱动的基于机器学习的舞蹈动作生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101010461A CN101615302B (zh) | 2009-07-30 | 2009-07-30 | 音乐数据驱动的基于机器学习的舞蹈动作生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101615302A true CN101615302A (zh) | 2009-12-30 |
CN101615302B CN101615302B (zh) | 2011-09-07 |
Family
ID=41494923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101010461A Expired - Fee Related CN101615302B (zh) | 2009-07-30 | 2009-07-30 | 音乐数据驱动的基于机器学习的舞蹈动作生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101615302B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016107226A1 (zh) * | 2014-12-29 | 2016-07-07 | 深圳Tcl数字技术有限公司 | 图像处理方法及装置 |
CN105976802A (zh) * | 2016-04-22 | 2016-09-28 | 成都涂鸦科技有限公司 | 基于机器学习技术的音乐自动生成系统 |
CN106096720A (zh) * | 2016-06-12 | 2016-11-09 | 杭州如雷科技有限公司 | 一种舞蹈动作自动合成的方法 |
CN106075854A (zh) * | 2016-07-13 | 2016-11-09 | 牡丹江师范学院 | 一种舞蹈训练系统 |
CN106407353A (zh) * | 2016-09-05 | 2017-02-15 | 广州酷狗计算机科技有限公司 | 一种播放动画的方法和装置 |
CN109176541A (zh) * | 2018-09-06 | 2019-01-11 | 南京阿凡达机器人科技有限公司 | 一种实现机器人跳舞的方法、设备和储存介质 |
CN110853670A (zh) * | 2019-11-04 | 2020-02-28 | 南京理工大学 | 音乐驱动的舞蹈生成方法 |
CN110955786A (zh) * | 2019-11-29 | 2020-04-03 | 网易(杭州)网络有限公司 | 一种舞蹈动作数据的生成方法及装置 |
CN110992449A (zh) * | 2019-11-29 | 2020-04-10 | 网易(杭州)网络有限公司 | 舞蹈动作合成方法、装置、设备及存储介质 |
CN111080752A (zh) * | 2019-12-13 | 2020-04-28 | 北京达佳互联信息技术有限公司 | 基于音频的动作序列生成方法、装置以及电子设备 |
CN111104964A (zh) * | 2019-11-22 | 2020-05-05 | 北京永航科技有限公司 | 音乐与动作的匹配方法、设备及计算机存储介质 |
CN111179385A (zh) * | 2019-12-31 | 2020-05-19 | 网易(杭州)网络有限公司 | 一种舞蹈动画的处理方法及装置、电子设备、存储介质 |
CN111968202A (zh) * | 2020-08-21 | 2020-11-20 | 北京中科深智科技有限公司 | 一种基于音乐节奏的实时舞蹈动作生成方法和系统 |
CN112365568A (zh) * | 2020-11-06 | 2021-02-12 | 广州小鹏汽车科技有限公司 | 音频处理方法、装置、电子设备和存储介质 |
CN112735472A (zh) * | 2020-12-25 | 2021-04-30 | 航天科工深圳(集团)有限公司 | 音视频旋律动作自生成方法及装置 |
CN112750184A (zh) * | 2019-10-30 | 2021-05-04 | 阿里巴巴集团控股有限公司 | 数据处理、动作驱动与人机交互方法及设备 |
WO2021120602A1 (zh) * | 2019-12-20 | 2021-06-24 | 网易(杭州)网络有限公司 | 节奏点检测方法、装置及电子设备 |
CN113793582A (zh) * | 2021-09-17 | 2021-12-14 | 河海大学 | 基于动态频域分解的音乐驱动的指挥动作生成方法 |
CN114582029A (zh) * | 2022-05-06 | 2022-06-03 | 山东大学 | 一种非专业舞蹈运动序列增强方法及系统 |
CN115379299A (zh) * | 2022-08-23 | 2022-11-22 | 清华大学 | 一种舞蹈动作生成方法、装置、电子设备及存储介质 |
WO2024103637A1 (zh) * | 2022-11-17 | 2024-05-23 | 腾讯音乐娱乐科技(深圳)有限公司 | 舞蹈动作生成方法、计算机设备及存储介质 |
US12033605B2 (en) | 2019-12-20 | 2024-07-09 | Netease (Hangzhou) Network Co., Ltd. | Rhythm point detection method and apparatus and electronic device |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665492B (zh) * | 2018-03-27 | 2020-09-18 | 北京光年无限科技有限公司 | 一种基于虚拟人的舞蹈教学数据处理方法及系统 |
-
2009
- 2009-07-30 CN CN2009101010461A patent/CN101615302B/zh not_active Expired - Fee Related
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809653B (zh) * | 2014-12-29 | 2019-01-01 | 深圳Tcl数字技术有限公司 | 图像处理方法及装置 |
CN105809653A (zh) * | 2014-12-29 | 2016-07-27 | 深圳Tcl数字技术有限公司 | 图像处理方法及装置 |
WO2016107226A1 (zh) * | 2014-12-29 | 2016-07-07 | 深圳Tcl数字技术有限公司 | 图像处理方法及装置 |
CN105976802A (zh) * | 2016-04-22 | 2016-09-28 | 成都涂鸦科技有限公司 | 基于机器学习技术的音乐自动生成系统 |
CN106096720A (zh) * | 2016-06-12 | 2016-11-09 | 杭州如雷科技有限公司 | 一种舞蹈动作自动合成的方法 |
CN106075854A (zh) * | 2016-07-13 | 2016-11-09 | 牡丹江师范学院 | 一种舞蹈训练系统 |
CN106407353A (zh) * | 2016-09-05 | 2017-02-15 | 广州酷狗计算机科技有限公司 | 一种播放动画的方法和装置 |
CN109176541A (zh) * | 2018-09-06 | 2019-01-11 | 南京阿凡达机器人科技有限公司 | 一种实现机器人跳舞的方法、设备和储存介质 |
CN109176541B (zh) * | 2018-09-06 | 2022-05-06 | 南京阿凡达机器人科技有限公司 | 一种实现机器人跳舞的方法、设备和储存介质 |
CN112750184B (zh) * | 2019-10-30 | 2023-11-10 | 阿里巴巴集团控股有限公司 | 数据处理、动作驱动与人机交互方法及设备 |
CN112750184A (zh) * | 2019-10-30 | 2021-05-04 | 阿里巴巴集团控股有限公司 | 数据处理、动作驱动与人机交互方法及设备 |
CN110853670A (zh) * | 2019-11-04 | 2020-02-28 | 南京理工大学 | 音乐驱动的舞蹈生成方法 |
CN110853670B (zh) * | 2019-11-04 | 2023-10-17 | 南京理工大学 | 音乐驱动的舞蹈生成方法 |
CN111104964B (zh) * | 2019-11-22 | 2023-10-17 | 北京永航科技有限公司 | 音乐与动作的匹配方法、设备及计算机存储介质 |
CN111104964A (zh) * | 2019-11-22 | 2020-05-05 | 北京永航科技有限公司 | 音乐与动作的匹配方法、设备及计算机存储介质 |
CN110992449B (zh) * | 2019-11-29 | 2023-04-18 | 网易(杭州)网络有限公司 | 舞蹈动作合成方法、装置、设备及存储介质 |
CN110955786A (zh) * | 2019-11-29 | 2020-04-03 | 网易(杭州)网络有限公司 | 一种舞蹈动作数据的生成方法及装置 |
CN110955786B (zh) * | 2019-11-29 | 2023-10-27 | 网易(杭州)网络有限公司 | 一种舞蹈动作数据的生成方法及装置 |
CN110992449A (zh) * | 2019-11-29 | 2020-04-10 | 网易(杭州)网络有限公司 | 舞蹈动作合成方法、装置、设备及存储介质 |
CN111080752B (zh) * | 2019-12-13 | 2023-08-22 | 北京达佳互联信息技术有限公司 | 基于音频的动作序列生成方法、装置以及电子设备 |
CN111080752A (zh) * | 2019-12-13 | 2020-04-28 | 北京达佳互联信息技术有限公司 | 基于音频的动作序列生成方法、装置以及电子设备 |
US12033605B2 (en) | 2019-12-20 | 2024-07-09 | Netease (Hangzhou) Network Co., Ltd. | Rhythm point detection method and apparatus and electronic device |
WO2021120602A1 (zh) * | 2019-12-20 | 2021-06-24 | 网易(杭州)网络有限公司 | 节奏点检测方法、装置及电子设备 |
CN111179385A (zh) * | 2019-12-31 | 2020-05-19 | 网易(杭州)网络有限公司 | 一种舞蹈动画的处理方法及装置、电子设备、存储介质 |
WO2021134942A1 (zh) * | 2019-12-31 | 2021-07-08 | 网易(杭州)网络有限公司 | 一种舞蹈动画的处理方法及装置、电子设备、存储介质 |
CN111968202A (zh) * | 2020-08-21 | 2020-11-20 | 北京中科深智科技有限公司 | 一种基于音乐节奏的实时舞蹈动作生成方法和系统 |
CN112365568A (zh) * | 2020-11-06 | 2021-02-12 | 广州小鹏汽车科技有限公司 | 音频处理方法、装置、电子设备和存储介质 |
CN112735472A (zh) * | 2020-12-25 | 2021-04-30 | 航天科工深圳(集团)有限公司 | 音视频旋律动作自生成方法及装置 |
CN112735472B (zh) * | 2020-12-25 | 2024-04-09 | 航天科工深圳(集团)有限公司 | 音视频旋律动作自生成方法及装置 |
CN113793582A (zh) * | 2021-09-17 | 2021-12-14 | 河海大学 | 基于动态频域分解的音乐驱动的指挥动作生成方法 |
CN114582029A (zh) * | 2022-05-06 | 2022-06-03 | 山东大学 | 一种非专业舞蹈运动序列增强方法及系统 |
CN115379299A (zh) * | 2022-08-23 | 2022-11-22 | 清华大学 | 一种舞蹈动作生成方法、装置、电子设备及存储介质 |
WO2024103637A1 (zh) * | 2022-11-17 | 2024-05-23 | 腾讯音乐娱乐科技(深圳)有限公司 | 舞蹈动作生成方法、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101615302B (zh) | 2011-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101615302B (zh) | 音乐数据驱动的基于机器学习的舞蹈动作生成方法 | |
CN102640211B (zh) | 根据与节奏模式的相似度搜索乐音数据组 | |
Fan et al. | Example-based automatic music-driven conventional dance motion synthesis | |
CN103165115A (zh) | 声音数据处理装置及方法 | |
CN102637433B (zh) | 识别语音信号中所承载的情感状态的方法和系统 | |
Bevilacqua et al. | The augmented string quartet: experiments and gesture following | |
CN104183171A (zh) | 一种基于电子乐谱的乐器演奏水平精准评判的系统和方法 | |
WO2015125321A1 (ja) | 多角的歌声分析システム及び多角的歌声分析方法 | |
CN104361883B (zh) | 歌唱评测标准文件制作方法和装置 | |
CN109102006A (zh) | 一种基于音频特征诱导信息增强的音乐自动标记方法 | |
Povel | Melody generator: A device for algorithmic music construction | |
CN103116646A (zh) | 一种基于云基因表达式编程的音乐情感识别方法 | |
Herremans et al. | A multi-modal platform for semantic music analysis: visualizing audio-and score-based tension | |
CN111785236A (zh) | 一种基于动机提取模型与神经网络的自动作曲方法 | |
JP2020177196A (ja) | 手話cg制作支援装置及びプログラム | |
Lee et al. | Modeling Japanese F0 contours using the PENTAtrainers and AMtrainer | |
Zhao | [Retracted] Tone Recognition Database of Electronic Pipe Organ Based on Artificial Intelligence | |
JP2010164825A (ja) | プレイリスト作成装置、楽曲再生装置、プレイリスト作成方法およびプレイリスト作成プログラム | |
He et al. | Automatic generation algorithm analysis of dance movements based on music–action association | |
Müller et al. | Multimodal music processing (dagstuhl seminar 11041) | |
Eghbal-Zadeh | DRUM PATTERN GENERATION WITH GANS | |
Yang | Music Rhythm Recognition and Dynamic Design Based on Computer Vision | |
Jung et al. | DialogStudio: A workbench for data-driven spoken dialog system development and management | |
Tian et al. | Music Signal Processing and Optimization Algorithm Based on Wavelet Neural Network Model | |
Werner et al. | On the Use of Computational Methods for Expressive Music Performance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110907 Termination date: 20140730 |
|
EXPY | Termination of patent right or utility model |