[论文解读] On the Characterization of Expressive Performance in Classical Music: First Results of the Con Espressione Game

Carlos Cancino-Chacón, Silvan Peter+3 more|arXiv (Cornell University)|Aug 5, 2020

Music and Audio Processing被引用 4

一句话总结

本文介绍了Con Espressione Game（CEG）数据集，该数据集包含1,500个听众对45首古典钢琴作品演绎中表现力特征的自由文本形容词描述。通过自然语言描述，研究识别出四个关键的表现力维度，特别是“平静 vs. 激动”这一维度，并表明表现参数（如力度、速度）能显著预测这些维度，尤其在最具可解释性的轴向上表现突出。

ABSTRACT

A piece of music can be expressively performed, or interpreted, in a variety of ways. With the help of an online questionnaire, the Con Espressione Game, we collected some 1,500 descriptions of expressive character relating to 45 performances of 9 excerpts from classical piano pieces, played by different famous pianists. More specifically, listeners were asked to describe, using freely chosen words (preferably: adjectives), how they perceive the expressive character of the different performances. In this paper, we offer a first account of this new data resource for expressive performance research, and provide an exploratory analysis, addressing three main questions: (1) how similarly do different listeners describe a performance of a piece? (2) what are the main dimensions (or axes) for expressive character emerging from this?; and (3) how do measurable parameters of a performance (e.g., tempo, dynamics) and mid- and high-level features that can be predicted by machine learning models (e.g., articulation, arousal) relate to these expressive dimensions? The dataset that we publish along with this paper was enriched by adding hand-corrected score-to-performance alignments, as well as descriptive audio features such as tempo and dynamics curves.

研究动机与目标

• 研究听众在使用自由文本形容词描述古典钢琴演奏表现力特征时的一致性。
• 识别组织听众对表现力演奏描述的主要感知维度。
• 考察可度量的音频演奏参数（如速度、力度）与中层和高层特征对感知表现力特征的影响关系。
• 创建并发布一个丰富标注的数据集，包含乐谱与演奏的对齐信息以及描述性音频特征，以供未来在表现力演奏研究中的使用。

提出的方法

• 通过在线Con Espressione Game（CEG）收集了45首古典钢琴作品（共9段）的1,500个自由文本形容词描述。
• 应用多维尺度分析（MDS）将描述词的语义空间降维为四个主要的表现力特征维度。
• 使用多重线性回归（MLR）并结合Zheng-Loh变量选择方法，检验三组特征集的预测能力：表现参数、中层特征（如连奏、唤醒度）和高层特征（如愉悦度、能量）。
• 通过人工校正的乐谱-演奏对齐信息和音频特征（如速度和力度曲线）对数据集进行增强。
• 采用自然语言处理技术评估语义相似性，但指出由于存在大量隐喻性和语境依赖性术语，存在一定的局限性。
• 分析听众偏好和训练效应，探讨音乐素养如何影响描述的复杂性和感知方式。

实验结果

研究问题

• RQ1 听众在描述同一首表现力演奏时的描述一致性程度如何？
• RQ2 组织听众自由文本描述表现力特征的主要感知维度是什么？
• RQ3 可度量的演奏参数（如速度、力度）以及中层和高层特征（如唤醒度、愉悦度）与所识别的表现力维度之间存在何种关系？
• RQ4 听众偏好和音乐训练如何影响描述性回答的复杂性和内容？

主要发现

• 听众在描述同一首演奏的表现力特征时表现出中等到高度的一致性，描述复杂性与音乐素养之间存在微弱正相关。
• 识别出四个主要的表现力特征维度：(1) '温柔/平静' vs. '急促/激动'，(2) '温暖' vs. '冷淡'，(3) '流畅' vs. '僵硬'，以及(4) '优雅' vs. '笨拙'。
• 表现参数（如力度、速度）能显著预测所有四个维度，决定系数（R²）达到中等效应量，且与第一维（'平静 vs. 激动'）关联最强。
• 中层特征预测维度1和4；高层特征预测维度1和3，表明维度1与可度量的演奏特征关系最为系统。
• 响度异常值和不规则的愉悦度曲线与'激动'或'不规则'的感知相关，而较柔和且稳定的力度则与'平静'或'优雅'的描述相关。
• 无表情的演奏以及格伦·古尔德独特的诠释方式最受排斥，表明听众更偏好在表现力上趋于平均的量化风格。