Как алгоритмы и нейросети определяют тональность музыки: от Крумхансл-Шмуклера к машинному обучению
Классический алгоритм Крумхансл-Шмуклера, основанный на подсчёте 12 нот, десятилетиями был стандартом для автоматического определения тональности, но современные нейросети предлагают новые подходы для повышения точности в спорных случаях.
Когда музыкальный плеер показывает тональность трека, например, "ми минор", это результат не слухового анализа, а математического расчета. Десятилетиями ключевую роль в этой автоматизации играл алгоритм Крумхансл-Шмуклера, описанный в 1990 году.
Его суть - подсчитать, сколько раз в композиции звучит каждая из 12 нот хроматической гаммы. Из этих данных строится числовой профиль из 12 значений, который затем сравнивается с эталонными профилями мажорных и минорных тональностей - каждый такой эталон тоже состоит из 12 чисел. Искомая тональность - та, чей профиль имеет наибольшую корреляцию с профилем трека. Этот метод стал основой для организации музыкальных библиотек, рекомендательных систем и работы диджеев, позволяя быстро классифицировать большие массивы аудиозаписей.
Однако у подхода есть слабые места. Алгоритм может путать тональность с ее доминантой (квинтой) или параллельной тональностью, так как их профили математически близки. Именно в таких спорных случаях, где классический метод дает сбой, применяются технологии машинного обучения.
Повышение точности определения тональности - одна из задач, где нейросети демонстрируют эффективность. Например, в одном из экспериментов на наборе из 1941 музыкального фрагмента классический алгоритм показал точность 77%. Применение нейросетевой модели позволило повысить этот показатель до 95%. Обученные модели анализируют не только чистый частотный профиль, но и более сложные гармонические паттерны, временные последовательности и тембровые особенности, недоступные простому корреляционному анализу. Нейросеть может учитывать контекст всего трека, различать модуляции и лучше справляться с музыкой вне классической мажорно-минорной системы.
Современные гибридные системы часто комбинируют надежность алгоритма Крумхансл-Шмуклера с распознавательными способностями нейросетей для финального решения в сложных ситуациях. Для индустрии это означает переход от простых правил к более интеллектуальным системам. Точная автоматическая разметка тональности критически важна для сервисов вроде Spotify или Beatport, которые используют эти данные для создания плейлистов, подбора совместимых треков для сведения и улучшения поиска. Например, база данных Beatport содержит 4623 трека, размеченных по тональности, что позволяет диджеям быстро находить гармонически совместимые композиции. Разработчики музыкального софта получают более мощные средства, а музыканты - более точные метаданные для своих работ. Интеграция ИИ в музыкальный анализ продолжает развиваться, предлагая новые подходы к обработке аудиоинформации.
