ScholarGate
Asistent
Machine learningStructure analysis

Segmentace hudby

Segmentace hudby je úloha rozdělení hudebního záznamu na zřetelné strukturální části (např. sloka, refrén, bridge, pre-chorus, outro). Tato metoda, představená Goto (2001), identifikuje hlavní strukturální hranice a označuje části podle hudební formy. Segmentace je nezbytná pro porozumění hudbě, úpravu zvuku a analýzu kompozice. Umožňuje pokročilejší úlohy, jako je identifikace coververzí a generování hudby s ohledem na strukturu.

Otevřít v MethodMindJiž brzyApply, compare, get guidance
Tools & resources
Stáhnout prezentaci
Learn & explore
VideoJiž brzy

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Mapa metod

Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.

Zdroje

  1. Goto, M., & Hasegawa, Y. (2001). Automatic transcription of popular music audio. In Proceedings of the Fourth International Conference on Music Information Retrieval. link
  2. Levy, M., & Sandler, M. (2008). Structural segmentation of musical audio by constrained clustering. IEEE Transactions on Audio, Speech, and Language Processing, 16(2), 318-326. DOI: 10.1109/tasl.2007.910781
  3. McVicar, M., Santos-Rodríguez, R., Ni, Y., & De Bie, T. (2014). Automatic annotation of musical key and time signature from audio using Hidden Markov Models. In Proceedings of the International Society for Music Information Retrieval Conference. link

Jak citovat tuto stránku

ScholarGate. (2026, June 3). Music Segmentation and Structure Detection Algorithm. ScholarGate. https://scholargate.app/cs/music-information-retrieval/music-segmentation

Která metoda?

Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.

Porovnat vedle sebe

Odkazuje sem

ScholarGateMusic Segmentation (Music Segmentation and Structure Detection Algorithm). Získáno 2026-06-17 z https://scholargate.app/cs/music-information-retrieval/music-segmentation · Datová sada: https://doi.org/10.5281/zenodo.20539026