Akkordgenkendelse
Akkordgenkendelse er opgaven med automatisk at identificere de harmoniske akkorder, der er til stede i en musikoptagelse, og estimere, hvornår akkordskift forekommer. Formelt introduceret af Harte et al. (2005) er det en hjørnesten i musikanalyse og bredt anvendt i musikundervisning, cover-sang-analyse og forståelse af musikalsk struktur. Moderne systemer anvender deep learning til at klassificere og sekventere akkorder i realtid.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- Harte, C., Sandler, M. B., Abdallah, S. A., & Gómez, E. (2005). Symbolic representation of musical chords: Proposed extensions to the HarmO ontology. In Proceedings of the International Society for Music Information Retrieval Conference. link ↗
- MacGregor, R. D., & Wiggins, G. A. (2009). Chord recognition using duration-explicit hidden Markov models. In Proceedings of the International Society for Music Information Retrieval Conference. link ↗
- Bigo, L., Buffa, A., & Roeb, M. (2017). Singing voice separation using spectral features and bidirectional long short-term memory networks. In Proceedings of the International Society for Music Information Retrieval Conference. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Chord Recognition and Estimation Algorithm. ScholarGate. https://scholargate.app/da/music-information-retrieval/chord-recognition
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- Harmonisk analyse i musikMusikinformationssøgning↔ sammenlign
- MelodieekstraktionMusikinformationssøgning↔ sammenlign
- MusikgenreklassifikationMusikinformationssøgning↔ sammenlign
- MusiksegmenteringMusikinformationssøgning↔ sammenlign
- Algoritme til tonehøjde-detektionMusikinformationssøgning↔ sammenlign
Refereret af
Similar methods
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →