เปรียบเทียบวิธี

	การรู้จำเครื่องดนตรี	การวิเคราะห์ลักษณะเสียง (Timbre Analysis)
สาขาวิชา	การสืบค้นสารสนเทศดนตรี	การสืบค้นสารสนเทศดนตรี
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2005	1977
ผู้ริเริ่ม	Antti Eronen	John M. Grey
ประเภท	Timbre-based audio classification	Acoustic feature extraction and analysis
แหล่งต้นตำรับ	Eronen, A., Peltonen, V., Tuomi, J., Klapuri, A., Fagerlund, S., Sorsa, T., & Lorho, G. (2005). Audio-based context recognition. IEEE Transactions on Audio, Speech, and Language Processing, 14(1), 321-329.	Grey, J. M. (1977). Multidimensional perceptual scaling of musical timbres. The Journal of the Acoustical Society of America, 61(5), 1270-1277.
ชื่อเรียกอื่น	instrument classification, timbre identification, instrument detection	tone color analysis, spectral characterization, timbre descriptor extraction
ที่เกี่ยวข้อง	5	5
สรุป	Instrument recognition is the task of automatically identifying which musical instruments are present in an audio recording. Formalized by Eronen et al. (2005), it addresses timbre—the tonal quality distinguishing one instrument from another. Instrument recognition is essential for music analysis, transcription, automatic indexing, and music education. It remains challenging in polyphonic contexts but has achieved good accuracy in solo and sparse accompaniment scenarios.	Timbre analysis is the computational characterization and modeling of tone color—the perceived quality that distinguishes one instrument from another even at the same pitch and loudness. Pioneered by Grey (1977), timbre analysis extracts acoustic descriptors that characterize spectral shape, temporal dynamics, and harmonic content. It underlies instrument identification, music similarity assessment, and audio retrieval. Unlike melody and rhythm, timbre is high-dimensional and context-dependent, making it one of the most challenging aspects of music analysis.