DE102004047068A1 - Apparatus and method for grouping temporal segments of a piece of music - Google Patents

Apparatus and method for grouping temporal segments of a piece of music Download PDF

Info

Publication number
DE102004047068A1
DE102004047068A1 DE102004047068A DE102004047068A DE102004047068A1 DE 102004047068 A1 DE102004047068 A1 DE 102004047068A1 DE 102004047068 A DE102004047068 A DE 102004047068A DE 102004047068 A DE102004047068 A DE 102004047068A DE 102004047068 A1 DE102004047068 A1 DE 102004047068A1
Authority
DE
Germany
Prior art keywords
segment
class
similarity
segments
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE102004047068A
Other languages
German (de)
Inventor
Markus Van Pinxteren
Michael Saupe
Markus Cremer
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV filed Critical Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Priority to DE102004047068A priority Critical patent/DE102004047068A1/en
Priority to EP05760763.2A priority patent/EP1794743B1/en
Priority to PCT/EP2005/007751 priority patent/WO2006034743A1/en
Priority to JP2007533882A priority patent/JP4775380B2/en
Publication of DE102004047068A1 publication Critical patent/DE102004047068A1/en
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10HELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
    • G10H1/00Details of electrophonic musical instruments
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10HELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
    • G10H2210/00Aspects or methods of musical processing having intrinsic musical character, i.e. involving musical theory or musical parameters or relying on musical knowledge, as applied in electrophonic musical tools or instruments
    • G10H2210/031Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal
    • G10H2210/061Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal for extraction of musical phrases, isolation of musically relevant segments, e.g. musical thumbnail generation, or for temporal structure analysis of a musical piece, e.g. determination of the movement sequence of a musical work

Abstract

Zum Gruppieren von zeitlichen Segmenten eines Audiostücks, das in in dem Audiostück wiederholt auftretende Hauptteile gegliedert ist, in verschiedene Segmentklassen, wird zunächst eine Ähnlichkeitsdarstellung für die Segmente bereitgestellt, wobei die Ähnlichkeitsdarstellung für jedes Segment eine zugeordnete Mehrzahl von Ähnlichkeitswerten aufweist, wobei die Ähnlichkeitswerte angeben, wie ähnlich das Segment zu jedem anderen Segment des Musikstücks ist. Hierauf wird unter Verwendung der Ähnlichkeitswerte, die dem Segment zugeordnet sind, ein Ähnlichkeits-Schwellwert für ein Segment berechnet, um dann ein Segment zu einer Segmentklasse zuzuordnen, wenn der Ähnlichkeitswert des Segments eine vorbestimmte Beziehung bezüglich des Ähnlichkeits-Schwellwerts erfüllt. Damit wird ein Clustering erreicht, das auch dort, wo es Segmente mit stark unterschiedlichen oder nahezu gleichen kombinierten Ähnlichkeitswerten gibt, effizient und korrekt arbeitet.For grouping temporal segments of an audio piece, which is divided into different segment classes in main sections repeatedly occurring in the audio track, first a similarity representation is provided for the segments, the similarity representation for each segment having an associated plurality of similarity values, the similarity values indicating how similar the segment is to each other segment of the piece of music. Then, using the similarity values associated with the segment, a similarity threshold is calculated for a segment to then associate a segment with a segment class if the similarity value of the segment meets a predetermined relationship with respect to the similarity threshold. This achieves clustering that works efficiently and correctly even where there are segments with very different or nearly identical combined similarity values.

Description

Die vorliegende Erfindung bezieht sich auf die Audiosegmentierung und insbesondere auf die Analyse von Musikstücken auf die in den Musikstücken enthaltenen einzelnen Hauptteile, die in dem Musikstück wiederholt auftreten können.The The present invention relates to audio segmentation and in particular to the analysis of pieces of music contained in the pieces of music individual main parts that may occur repeatedly in the piece of music.

Musik aus dem Rock- und Popbereich besteht meistens aus mehr oder weniger eindeutigen Segmenten, wie beispielsweise Intro, Strophe, Refrain, Bridge, Outro, etc. Die Anfangs- und Endzeitpunkte solcher Segmente zu detektieren und die Segmente nach ihrer Zugehörigkeit zu den wichtigsten Klassen (Strophe und Refrain) zu gruppieren, ist Ziel der Audiosegmentierung. Eine korrekte Segmentierung und auch Kennzeichnung der berechneten Segmente kann in verschiedenen Bereichen sinnvoll eingesetzt werden. Beispielsweise können so Musikstücke von Online-Anbietern, wie Amazon, Musicline, etc. intelligent „angespielt" werden.music from the rock and pop area usually consists of more or less unique segments, such as intro, stanza, chorus, Bridge, Outro, etc. The beginning and To detect end times of such segments and the segments after their affiliation to group to the main classes (stanza and chorus), is the target of audio segmentation. A correct segmentation and Also marking the calculated segments can be different Areas are used meaningfully. For example, like this music be smartly "played" by online providers, such as Amazon, Musicline, etc.

Die meisten Anbieter im Internet beschränken sich bei ihren Hörbeispielen auf einen kurzen Ausschnitt aus den angebotenen Musikstücken. In diesem Fall wäre es natürlich auch sinnvoll, dem Interessenten nicht nur die ersten 30 Sekunden oder beliebige 30 Sekunden, sondern einen möglichst repräsentativen Ausschnitt aus dem Lied anzubieten. Dies könnte z. B. der Refrain sein, oder aber auch eine Zusammenfassung des Liedes, bestehend aus Segmenten, die den verschiedenen Hauptklassen (Strophe, Refrain, ...) angehören.The Most providers on the Internet are limited to their audio samples on a short excerpt from the offered pieces of music. In this Case would be it of course also useful, the prospective not only the first 30 seconds or any 30 seconds, but as representative as possible To offer an excerpt from the song. This could be z. B. be the refrain, or a summary of the song, consisting of segments, which belong to the different main classes (verse, chorus, ...).

Ein weiteres Anwendungsbeispiel für die Technik der Audiosegmentierung ist das Integrieren des Segmentierungs- /Gruppierungs-/Markierungsalgorithmus in einen Musicplayer. Die Informationen über Segmentanfänge und Segmentenden ermöglichen das gezielte Navigieren durch ein Musikstück. Durch die Klassenzugehörigkeit der Segmente, also ob ein Segment eine Strophe, ein Refrain, etc. ist, kann z. B. auch direkt zum nächsten Refrain oder zur nächsten Strophe gesprungen werden. Eine derartige Anwendung ist für große Musikmärkte von Interesse, die ihren Kunden die Möglichkeit bieten, in komplette Alben hinein zu hören. Dadurch erspart sich der Kunde das lästige, suchende Vorspulen zu charakteristischen Stellen im Lied, die ihn vielleicht dazu bewegen könnten, ein Musikstück am Ende tatsächlich zu kaufen.One further application example for The technique of audio segmentation is to integrate the segmentation / grouping / marking algorithm into a music player. The information about segment beginnings and Enable segment ends Targeted navigation through a piece of music. By class membership the segments, ie whether a segment is a verse, a chorus, etc. is, z. B. also directly to the next chorus or the next stanza be jumped. Such an application is for large music markets of Interested in giving their customers the opportunity to complete Listen to albums. This saves the customer the annoying, searching forward to characteristic Places in the song that might motivate him to do so piece of music in the end actually to buy.

Auf dem Gebiet der Audiosegmentierung existieren verschiedene Ansätze. Nachfolgend wird der Ansatz von Jonathan Foote und Matthew Cooper beispielhaft dargestellt. Dieses Verfahren ist in FOOTE, J.T./Cooper, M.L.: Summarizing Popular Music via Structural Similarity Analysis. Proceedings of the IEEE Workshop of Signal Processing to Audio and Acoustics 2003. FOOTE, J.T./COOPER, M.L.: Media Segmentation using Self-Similar Decomposition. Proceedings of SPIE Storage and Retrieval for Multimedia Databases, Bd. 5021, S. 167-75, Januar 2003, dargestellt.On In the field of audio segmentation there are different approaches. following is the approach of Jonathan Foote and Matthew Cooper exemplary shown. This method is described in FOOTE, J.T./Cooper, M.L .: Summarizing Popular Music via Structural Similarity Analysis. Proceedings of the IEEE Workshop on Signal Processing to Audio and Acoustics 2003. FOOTE, J.T./COOPER, M.L .: Media Segmentation using Self-Similar Decomposition. Proceedings of SPIE Storage and Retrieval for Multimedia Databases, Vol. 5021, pp. 167-75, January 2003.

Das bekannte Verfahren von Foote wird anhand des Blockschaltbilds von 5 beispielhaft erläutert. Zunächst wird eine WAV-Datei 500 bereitgestellt. In einem nachgeschalteten Extraktionsblock 502 findet dann eine Merkmalsextraktion statt, wobei als Merkmal die Spektralkoeffizienten an sich oder alternativ die Mel-Frequenz-Cepstral-Koeffizienten (MFCCs) extrahiert werden. Vor dieser Extraktion wird eine Kurzzeit-Fourier-Transformation (STFT) mit 0,05 Sekunden breiten nicht-überlappenden Fenstern mit der WAV-Datei durchgeführt. Die MFCC-Merkmale werden dann im Spektralbereich extrahiert. Hierbei sei darauf hingewiesen, dass die Parametrisierung nicht für eine Kompression, Übertragung oder Rekonstruktion optimiert ist, sondern für eine Audioanalyse. Die Anforderung besteht dahingehend, dass ähnliche Audiostücke ähnliche Merkmale erzeugen.The known method of Foote is based on the block diagram of 5 exemplified. First, a WAV file 500 provided. In a downstream extraction block 502 then a feature extraction takes place, as a feature the spectral coefficients per se or alternatively the mel frequency cepstral coefficients (MFCCs) are extracted. Prior to this extraction, a short-term Fourier transform (STFT) is performed with 0.05 second wide non-overlapping windows with the WAV file. The MFCC features are then extracted in the spectral range. It should be noted that the parameterization is not optimized for compression, transmission or reconstruction, but for audio analysis. The requirement is that similar audio pieces produce similar features.

Die extrahierten Merkmale werden dann in einem Speicher 504 abgelegt.The extracted features are then stored in memory 504 stored.

Auf den Merkmalsextraktionsalgorithmus findet nunmehr ein Segmentierungsalgorithmus statt, der in einer Ähnlichkeitsmatrix endet, wie es in einem Block 506 dargestellt ist. Zunächst wird jedoch die Merkmalsmatrix eingelesen (508), um dann Merkmalsvektoren zu gruppieren (510), um dann auf Grund der gruppierten Merkmalsvektoren eine Ähnlichkeitsmatrix aufzubauen, die aus einer Distanzmessung zwischen jeweils allen Merkmalen besteht. Im Einzelnen werden alle paarweisen Kombinationen von Audiofenstern unter Verwendung eines quantitativen Ähnlichkeitsmaßes, also der Distanz, verglichen.The feature extraction algorithm now has a segmentation algorithm that ends in a similarity matrix, as in a block 506 is shown. First, however, the feature matrix is read in ( 508 ), then to group feature vectors ( 510 ), then based on the grouped feature vectors to build a similarity matrix, which consists of a distance measurement between each of all features. In particular, all pairs of audio window pairs are compared using a quantitative similarity measure, distance.

Der Aufbau der Ähnlichkeitsmatrix ist in 8 dargestellt. So ist in 8 das Musikstück als Strom oder Stream 800 von Audioabtastwerten dargestellt. Das Audiostück wird, wie es ausgeführt worden ist, gefenstert, wobei ein erstes Fenster mit i und ein zweites Fenster mit j bezeichnet sind. Insgesamt hat das Audiostück z. B. K Fenster. Dies bedeutet, dass die Ähnlichkeitsmatrix K Zeilen und K Spalten hat. Dann wird für jedes Fenster i und für jedes Fenster j ein Ähnlichkeitsmaß zueinander berechnet, wobei das berechnete Ähnlichkeitsmaß oder Distanzmaß D(i,j) an der durch i und j bezeichneten Zeile bzw. Spalte in der Ähnlichkeitsmatrix eingegeben wird. Eine Spalte zeigt daher die Ähnlichkeit des durch j bezeichneten Fensters zu allen anderen Audiofenstern in dem Musikstück. Die Ähnlichkeit des Fensters j zum allerersten Fenster des Musikstücks würde dann in der Spalte j und in der Zeile 1 stehen. Die Ähnlichkeit des Fensters j zum zweiten Fenster des Musikstücks würde dann in der Spalte j, aber nunmehr in der Zeile 2 stehen. Dagegen würde die Ähnlichkeit des zweiten Fensters zum ersten Fenster in der zweiten Spalte der Matrix und in der ersten Zeile der Matrix stehen.The structure of the similarity matrix is in 8th shown. So is in 8th the piece of music as stream or stream 800 represented by audio samples. The audio piece is windowed as it has been executed, with a first window labeled i and a second window labeled j. Overall, the audio piece has z. B. K windows. This means that the similarity matrix has K rows and K columns. Then, for each window i and for each window j, a similarity measure to each other is calculated, and the calculated similarity measure or distance measure D (i, j) is input to the row or column designated by i and j in the similarity matrix. One column therefore shows the similarity of the window designated by j to all other audio windows in the piece of music. The similarity of the window j to the very first window of the piece of music would then be in column j and row 1. The similarity of the window j to the second window of the piece of music would then be in the column j, but now in the line 2. By contrast, the similarity of the second window to the first window would be in the second column of the matrix and in the first row of the matrix.

Es ist zu sehen, dass die Matrix dahingehend redundant ist, dass sie zur Diagonalen symmetrisch ist, und dass auf der Diagonalen die Ähnlichkeit eines Fensters zu sich selbst steht, was den trivialen Fall einer 100%-igen Ähnlichkeit darstellt.It It can be seen that the matrix is redundant in that it to the diagonal is symmetrical, and that on the diagonal the similarity of a window to itself, which is the trivial case of a 100% similarity represents.

Ein Beispiel für eine Ähnlichkeitsmatrix eines Stücks ist in 6 zu sehen. Hier ist wieder die komplett symmetrische Struktur der Matrix bezüglich der Hauptdiagonalen erkennbar, wobei die Hauptdiagonale als heller Streifen ersichtlich ist. Ferner wird darauf hingewiesen, dass auf Grund der kleinen Fensterlänge im Vergleich zu der relativ groben Zeitauflösung in 6 die Hauptdiagonale nicht als heller durchgehender Strich zu sehen ist, sondern aus 6 nur in etwa erkennbar ist.An example of a similarity matrix of a piece is in 6 to see. Here again the completely symmetrical structure of the matrix with respect to the main diagonal is recognizable, whereby the main diagonal is visible as a light stripe. It should also be noted that due to the small window length compared to the relatively coarse time resolution in 6 the main diagonal is not to be seen as a lighter solid line, but off 6 only approximately recognizable.

Hierauf wird unter Verwendung der Ähnlichkeitsmatrix, wie sie z. B. in 6 dargestellt ist, eine Kernel-Korrelation 512 mit einer Kernel-Matrix 514 durchgeführt, um ein Neuheitsmaß, das auch als „Novelty Score" bekannt ist, zu erhalten, das gemittelt werden könnte und in geglätteter Form in 9 dargestellt ist. Die Glättung dieses Novelty Scores ist in 5 schematisch durch einen Block 516 dargestellt.This is done using the similarity matrix as described, for. In 6 is shown, a kernel correlation 512 with a kernel matrix 514 to obtain a measure of novelty, also known as the Novelty Score, which could be averaged and smoothed in 9 is shown. The smoothing of this Novelty Score is in 5 schematically by a block 516 shown.

Hierauf werden in einem Block 518 die Segmentgrenzen unter Verwendung des geglätteten Neuheitswertverlaufs ausgelesen, wobei hierzu die lokalen Maxima im geglätteten Neuheitsverlauf ermittelt und gegebenenfalls noch um eine durch die Glättung verursachte konstante Anzahl von Samples verschoben werden müssen, um tatsächlich die richtigen Segmentgrenzen des Audiostücks als absolute oder relative Zeitangabe zu erhalten.This will be in a block 518 the segment boundaries are read out using the smoothed novelty value curve, for which purpose the local maxima in the smoothed novelty curve have to be determined and possibly even shifted by a constant number of samples caused by the smoothing in order to actually obtain the correct segment boundaries of the audio piece as absolute or relative time information.

Hierauf wird, wie es bereits in einem mit Clustering bezeichneten Block aus 5 ersichtlich ist, eine so genannte Segmentähnlichkeitsdarstellung oder Segmentähnlichkeitsmatrix erstellt. Ein Beispiel für eine Segmentähnlichkeitsmatrix ist in 7 dargestellt. Die Ähnlichkeitsmatrix in 7 ist prinzipiell ähnlich zu der Merkmals-Ähnlichkeitsmatrix von 6, wobei nun jedoch nicht mehr, wie in 6, Merkmale aus Fenstern verwendet werden, sondern Merkmale aus einem ganzen Segment. Die Segmentähnlichkeitsmatrix hat eine ähnliche Aussage wie die Merkmalsähnlichkeitsmatrix, jedoch mit einer wesentlich gröberen Auflösung, was natürlich gewünscht ist, wenn betrachtet wird, dass Fensterlängen im Bereich von 0,05 Sekunden liegen, während vernünftig lange Segmente im Bereich von vielleicht 10 Sekunden eines Stückes liegen.This is done, as it already is in a block called clustering 5 can be seen, creates a so-called segment similarity representation or segment similarity matrix. An example of a segment similarity matrix is in 7 shown. The similarity matrix in 7 is basically similar to the feature similarity matrix of 6 , but now not more, as in 6 Features are used in windows, but features from a whole segment. The segment similarity matrix has a similar meaning to the feature similarity matrix, but with a much coarser resolution, which of course is desired when considering that window lengths are in the order of 0.05 seconds, while reasonably long segments are in the range of perhaps 10 seconds of a piece ,

Hierauf wird dann in einem Block 522 ein Clustering durchgeführt, also eine Einordnung der Segmente in Segmentklassen (eine Einordnung von ähnlichen Segmenten in dieselbe Segmentklasse), um dann in einem Block 524 die gefundenen Segmentklassen zu markieren, was auch als „Labeling" bezeichnet wird. So wird im Labeling ermittelt, welche Segmentklasse Segmente enthält, die Strophen sind, die Refrains sind, die Intros, Outros, Bridges, etc. sind.This is then in a block 522 a clustering is carried out, ie a classification of the segments into segment classes (an arrangement of similar segments in the same segment class), and then in a block 524 To mark the found segment classes, which is also called "labeling", it is determined in the labeling which segment class contains segments which are stanzas, which are refrains, which are intros, outros, bridges, etc.

Schließlich wird in einem mit 526 in 5 bezeichneten Block eine Musicsummary erstellt, die z. B. einem Benutzer bereitgestellt werden kann, um ohne Redundanz von einem Stück nur z. B. eine Strophe, einen Refrain und das Intro zu hören.Finally, in one with 526 in 5 designated block creates a music grammar, the z. B. can be provided to a user, without redundancy of a piece only z. B. a verse, a chorus and the intro to hear.

Nachfolgend wird auf die einzelnen Blöcke noch detaillierter eingegangen.following will be on the individual blocks yet detailed.

Wie es bereits ausgeführt worden ist, findet die eigentliche Segmentierung des Musikstücks erst dann statt, wenn die Merkmalsmatrizen generiert und gespeichert sind (Block 504).As already stated, the actual segmentation of the piece of music does not take place until the feature matrices have been generated and stored (Block 504 ).

Je nach dem, anhand welchen Merkmals das Musikstück auf seine Struktur hin untersucht werden soll, wird die entsprechende Merkmalsmatrix ausgelesen und zur Weiterverarbeitung in einen Arbeitsspeicher geladen. Die Merkmalsmatrix hat die Dimension Anzahl der Analysefenster mal Anzahl der Merkmalskoeffizienten.ever according to which feature the piece of music examines its structure is to be read, the corresponding feature matrix is read out and loaded into a working memory for further processing. The feature matrix has the dimension number of analysis windows times number of feature coefficients.

Durch die Ähnlichkeitsmatrix wird der Merkmalsverlauf eines Stücks in eine zweidimensionale Darstellung gebracht. Für jede paarweise Kombination von Merkmalsvektoren wird das Distanzmaß berechnet, das in der Ähnlichkeitsmatrix festgehalten wird. Zur Berechnung des Distanzmaßes zwischen zwei Vektoren gibt es verschiedene Möglichkeiten, nämlich beispielsweise die Euklidsche Distanzmessung und die Cosinus-Distanzmessung. Ein Ergebnis D(i,j) zwischen den zwei Merkmalsvektoren wird im i,j-ten Element der Fenster-Ähnlichkeitsmatrix (Block 506) gespeichert. Die Hauptdiagonale der Ähnlichkeitsmatrix repräsentiert den Verlauf über das gesamte Stück. Dementsprechend resultieren die Elemente der Hauptdiagonalen aus dem jeweiligen Vergleich eines Fensters mit sich selbst und weisen immer den Wert der größten Ähnlichkeit auf. Bei der Cosinus-Distanzmessung ist dies der Wert 1, bei der einfachen skalaren Differenz und der Euklidschen Distanz ist dieser Wert gleich 0.The similarity matrix brings the feature course of a piece into a two-dimensional representation. For each pairwise combination of feature vectors, the distance measure is computed, which is recorded in the similarity matrix. There are various possibilities for calculating the distance measure between two vectors, namely, for example, the Euclidean distance measurement and the cosine distance measurement. A result D (i, j) between the two feature vectors is stored in the i, jth element of the window similarity matrix (block 506 ) saved. The main diagonal of the similarity matrix represents the course over the entire piece. Accordingly, the elements of the main diagonal result from the respective comparison of a window with itself and always have the value of the greatest similarity. For the cosine distance measurement this is the value 1, for the simple scalar difference and the Euclidean distance this value is 0.

Zur Visualisierung einer Ähnlichkeitsmatrix, wie sie in 6 dargestellt ist, bekommt jedes Element i, j einen Grauwert zugewiesen. Die Grauwerte sind proportional zu den Ähnlichkeitswerten abgestuft, so dass die maximale Ähnlichkeit (die Hauptdiagonale) der maximalen Ähnlichkeit entspricht. Durch diese Darstellung kann man die Struktur eines Liedes bereits optisch auf Grund der Matrix erkennen. Bereiche ähnlicher Merkmalsausprägung entsprechen Quadranten ähnlicher Helligkeit entlang der Hauptdiagonalen. Die Grenzen zwischen den Bereichen zu finden, ist die Aufgabe der eigentlichen Segmentierung.To visualize a similarity matrix, as in 6 is shown, each element i, j is assigned a gray value. The gray values are graduated in proportion to the similarity values, so that the maximum similarity (the main diagonal) corresponds to the maximum similarity. Through this representation, one can already recognize the structure of a song visually on the basis of the matrix. Areas of similar feature expression correspond to quadrants of similar brightness along the main diagonal. Finding the boundaries between the areas is the task of the actual segmentation.

Die Struktur der Ähnlichkeitsmatrix ist wichtig für das in der Kernel-Korrelation 512 berechnete Neuheitsmaß. Das Neuheitsmaß entsteht durch die Korrelation eines speziellen Kernels entlang der Hauptdiagonalen der Ähnlichkeitsmatrix. Ein beispielhafter Kernel K ist in 5 dargestellt. Korreliert man diese Kernel-Matrix entlang der Hauptdiagonalen der Ähnlichkeitsmatrix S, und summiert dabei alle Produkte der übereinander liegenden Matrixelemente für jeden Zeitpunkt i des Stücks, so erhält man das Neuheitsmaß, das in geglätteter Form beispielhaft in 9 dargestellt ist. Vorzugsweise wird nicht der Kernel K in 5 verwendet, sondern ein vergrößerter Kernel, der zudem mit einer Gaussverteilung überlagert ist, so dass die Kanten der Matrix gegen 0 streben.The structure of the similarity matrix is important for kernel correlation 512 calculated novelty measure. The novelty measure arises from the correlation of a particular kernel along the main diagonal of the similarity matrix. An exemplary kernel K is in 5 shown. If one correlates this kernel matrix along the main diagonal of the similarity matrix S, and thereby sums all the products of the superimposed matrix elements for each time point i of the piece, one obtains the measure of novelty, which in a smoothed form exemplifies 9 is shown. Preferably, the kernel K is not in 5 but an enlarged kernel, which is also superimposed with a Gaussian distribution, so that the edges of the matrix go to zero.

Die Selektion der markanten Maxima im Neuheitsverlauf ist wichtig für die Segmentierung. Die Auswahl aller Maxima des ungeglätteten Neuheitsverlaufs würde zu einer starken Übersegmentierung des Audiosignals führen.The Selection of the distinctive maxima in the novelty course is important for the segmentation. The Selection of all maxima of unsmoothed Novelty course would to a strong over-segmentation of the audio signal.

Daher sollte das Neuheitsmaß geglättet werden, und zwar mit verschiedenen Filtern, wie beispielsweise IIR-Filter oder FIR-Filter.Therefore should the novelty measure be smoothed out, and with different filters, such as IIR filters or FIR filters.

Sind die Segmentgrenzen eines Musikstücks extrahiert, so müssen nun ähnliche Segmente als solche gekennzeichnet und in Klassen gruppiert werden.are extracts the segment boundaries of a piece of music, so must similar now Segments are marked as such and grouped into classes.

Foote und Cooper beschreiben die Berechnung einer segment-basierten Ähnlichkeitsmatrix mittels einer Cullback-Leibler-Distanz. Hierfür werden anhand der aus dem Neuheitsverlauf gewonnenen Segmentgrenzen einzelne Segmentmerkmalsmatrizen aus der gesamten Merkmalsmatrix extrahiert, d. h. jede dieser Matrizen ist eine Submatrix der gesamten Merkmalsmatrix. Die damit entstandene Segmentähnlichkeitsmatrix 520 wird nunmehr einer Singularwertzerlegung (SVD; SVD = Singular Value Decomposition) unterzogen.Foote and Cooper describe the calculation of a segment-based similarity matrix using a Cullback-Leibler distance. For this purpose, individual segment feature matrices are extracted from the entire feature matrix on the basis of the segment boundaries obtained from the novelty process, ie each of these matrices is a submatrix of the entire feature matrix. The resulting segment similarity matrix 520 is now subjected to a singular value decomposition (SVD = SVD = Singular Value Decomposition).

Hierauf erhält man Singulärwerte in absteigender Reihenfolge.hereupon receives singular values in descending order.

Im Block 526 wird dann eine automatische Zusammenfassung eines Stücks anhand der Segmente und Cluster eines Musikstücks durchgeführt. Hierzu werden zunächst die zwei Cluster mit den größten Singulärwerten ausgewählt. Dann wird das Segment mit dem Maximalwert des entsprechenden Cluster-Indikators zu dieser Summary hinzugefügt. Dies bedeutet, dass die Summary eine Strophe und einen Refrain umfasst. Alternativ können auch alle wiederholten Segmente entfernt werden, um sicherzustellen, dass alle Informationen des Stücks bereitgestellt werden, jedoch immer genau einmal.In the block 526 Then an automatic summary of a piece based on the segments and clusters of a piece of music is performed. For this purpose, first the two clusters with the largest singular values are selected. Then, the segment with the maximum value of the corresponding cluster indicator is added to this summary. This means that the summary includes a stanza and a chorus. Alternatively, all repeated segments can also be removed to ensure that all piece information is provided, but always exactly once.

Bezüglich weiterer Techniken zur Segmentierung/Musikanalyse wird auf CHU, s./LOGAN B.: Music Summary using Key Phrases. Technical Report, Cambridge Research Laboratory 2000, BARTSCH, M.A./WAKEFIELD, g. H.: To Catch a Chorus: Using Chroma-Based Representation for Audio Thumbnailing. Proceedings of the IEEE Workshop of Signal Processing to Audio and Acoustics 2001. http://musen.engin.umich.edu/papers/bartsch wakefield waspaa01 final.pdf, verwiesenRegarding further Techniques for segmentation / music analysis will be on CHU, s./LOGAN B .: Music Summary using Key Phrases. Technical Report, Cambridge Research Laboratory 2000, BARTSCH, M.A./WAKEFIELD, g. H .: To Catch a Chorus: Using Chroma-Based Representation for Audio Thumbnailing. Proceedings of the IEEE Workshop on Signal Processing to Audio and Acoustics 2001. http://musen.engin.umich.edu/papers/bartsch wakefield waspaa01 final.pdf, referenced

Nachteilig an dem bekannten Verfahren ist die Tatsache, dass die Singularwertzerlegung (SVD) zur Segmentklassenbildung, also zum Zuordnen von Segmenten zu Clustern zum einen sehr rechenaufwendig ist und zum anderen problematisch in der Beurteilung der Ergebnisse ist. So wird dann, wenn die Singularwerte nahezu gleich groß sind, eine möglicherweise falsche Entscheidung dahingehend getroffen, dass die beiden ähnlichen Singularwerte eigentlich die gleiche Segmentklasse und nicht zwei unterschiedliche Segmentklassen darstellen.adversely in the known method is the fact that the singular value decomposition (SVD) for segment class formation, that is for assigning segments to clusters on the one hand is very compute-consuming and on the other problematic in the assessment of the results. So then, if the singular values are almost the same size, one maybe wrong decision made that the two similar Singular values are actually the same segment class and not two represent different segment classes.

Ferner wurde herausgefunden, dass die Ergebnisse, die durch die Singularwertzerlegung erhalten werden, dann immer problematischer werden, wenn es starke Ähnlichkeitswertunter schiede gibt, wenn also ein Stück sehr ähnliche Anteile enthält, wie Strophe und Refrain, aber auch relativ unähnliche Anteile, wie Intro, Outro oder Bridge.Further It was found that the results obtained by the singular value decomposition then get more and more problematic when it differs strong similarity value gives, so if a piece very similar Contains shares, like stanza and chorus, but also relatively dissimilar parts, like intro, Outro or Bridge.

Ferner problematisch an dem bekannten Verfahren ist, dass immer davon ausgegangen wird, dass der Cluster unter den beiden Clustern mit den höchsten Singularwerten, der das erste Segment im Lied hat, der Cluster „Strophe" ist, und dass der andere Cluster der Cluster „Refrain" ist. Dieses Prozedere basiert darauf, dass man im bekannten Verfahren davon ausgeht, dass ein Lied immer mit einer Strophe beginnt. Erfahrungen haben gezeigt, dass damit erhebliche Labelingfehler erhalten werden. Dies ist insofern problematisch, da das Labeling gewissermaßen die „Ernte" des gesamten Verfahrens ist, also das, was der Benutzer unmittelbar erfährt. Waren die vorhergehenden Schritte noch so präzise und aufwändig, so relativiert sich alles, wenn am Ende falsch gelabelt wird, da dann beim Benutzer das Vertrauen in das gesamte Konzept insgesamt Schaden nehmen könnte.Further The problem with the known method is that always assumed is that the cluster among the two clusters with the highest singular values, which has the first segment in the song, the cluster is "stanza", and that the other cluster is the Cluster "refrain" is this procedure is based on the fact that in the known method it is assumed that a song always starts with a stanza. Experience has shown that significant labeling errors are obtained. This is insofar problematic, since labeling is effectively the "harvest" of the entire process, that is, what the user experiences directly. Were the previous steps still so precise and elaborate, so Everything is relativized, if at the end wrongly labeled, because then At the user's total loss of confidence in the whole concept could take.

An dieser Stelle sei ferner darauf hingewiesen, dass insbesondere Bedarf nach automatischen Musikanalyseverfahren besteht, ohne dass das Ergebnis immer überprüft und gegebenenfalls korrigiert werden kann. Statt dessen ist ein Verfahren nur dann am Markt einsetzbar, wenn es automatisch ohne menschliche Nachkorrektur ablaufen kann.At It should also be noted that, in particular, needs according to automatic music analysis methods, without that Result always checked and if necessary can be corrected. Instead, a procedure is only on Market usable if it automatically without human correction can expire.

Die Aufgabe der vorliegenden Erfindung besteht darin, ein verbessertes und gleichzeitig effizientes Konzept zum Gruppieren von zeitlichen Segmenten eines Musikstücks zu schaffen.The Object of the present invention is to provide an improved and at the same time efficient concept for grouping temporal Segments of a piece of music to accomplish.

Diese Aufgabe wird durch eine Vorrichtung zum Gruppieren gemäß Patentanspruch 1, ein Verfahren zum Gruppieren gemäß Patentanspruch 16 oder ein Computer-Programm gemäß Patentanspruch 17 gelöst.These The object is achieved by a device for grouping according to claim 1, a method of grouping according to claim 16 or a Computer program according to claim 17 solved.

Der vorliegenden Erfindung liegt die Erkenntnis zugrunde, dass die Zuweisung eines Segments zu einer Segmentklasse auf der Basis eines adaptiven Ähnlichkeits-Mittelwerts für ein Segment durchzuführen ist, derart, dass durch den Ähnlichkeits-Mittelwert berücksichtigt wird, welchen insgesamten Ähnlichkeits-Score ein Segment im gesamten Stück hat. Nachdem für ein Segment ein solcher Ähnlichkeits-Mittelwert berechnet worden ist, zu dessen Berechnung die Anzahl der Segmente und die Ähnlichkeitswerte der dem Segment zugeordneten Mehrzahl von Ähnlichkeitswerten benötigt werden, wird dann die tatsächliche Zuweisung eines Segments zu einer Segmentklasse, also zu einem Cluster, auf der Basis dieses Ähnlichkeits-Mittelwerts durchgeführt. Liegt ein Ähnlichkeitswert eines Segments zu dem gerade betrachteten Segment beispielsweise oberhalb des Ähnlichkeits-Mittelwerts, so wird das Segment als zu der gerade betrachteten Segmentklasse zugehörig zugewiesen. Liegt der Ähnlichkeitswert eines Segments zu dem gerade betrachteten Segment dagegen unterhalb dieses Ähnlichkeits-Mittelwerts, so wird es nicht der Segmentklasse zugewiesen.Of the The present invention is based on the finding that the assignment a segment to a segment class based on an adaptive similarity mean for a Segment to perform is such that by the similarity mean considered which overall similarity score has a segment throughout the piece. After for a segment such a mean of similarity has been calculated, for the calculation of which the number of segments and the similarity values the plurality of similarity values associated with the segment are needed, then becomes the actual Assignment of a segment to a segment class, ie to a cluster, on the basis of this similarity mean carried out. Is a similarity value a segment to the currently considered segment, for example above the similarity mean, thus, the segment is considered to be the segment class currently considered assigned. Is the similarity value a segment to the currently considered segment, however, below this similarity mean, so it will not be assigned to the segment class.

In anderen Worten ausgedrückt bedeutet dies, dass die Zuweisung nicht mehr abhängig von der absoluten Größe der Ähnlichkeitswerte durchgeführt wird, sondern relativ zu dem Ähnlichkeits-Mittelwert. Dies bedeutet, dass für ein Segment, das einen relativ geringen Ähnlichkeits-Score hat, also z. B. für ein Segment, das ein Intro oder Outro hat, der Ähnlichkeits-Mittelwert niedriger sein wird als für ein Segment, das eine Strophe oder ein Refrain ist. Damit werden die starken Abweichungen der Ähnlichkeiten von Segmenten in Stücken bzw. der Häufigkeit des Auftretens von bestimmten Segmenten in Stücken berücksichtigt, wobei z. B. numerische Probleme und damit auch Mehrdeutigkeiten und damit verbundene Falsch-Zuweisungen vermieden werden können.In in other words This means that the assignment is no longer dependent on the absolute size of the similarity values carried out but relative to the mean of similarity. This means that for a segment that has a relatively low similarity score, ie z. For example Segment having an intro or outro, the similarity mean lower will be as for a segment that is a stanza or chorus. With that the strong deviations of the similarities of Segments in pieces or the frequency the occurrence of certain segments in pieces, where z. Numeric Problems and thus also ambiguities and associated wrong assignments can be avoided.

Das erfindungsgemäße Konzept eignet sich besonders für Musikstücke, die nicht nur aus Strophen und Refrains bestehen, also die Segmente haben, die zu Segmentklasse gehören, die gleich große Ähnlichkeitswerte haben, sondern auch für Stücke, die neben Strophe und Refrain auch andere Teile haben, nämlich eine Einführung (Intro), ein Zwischenspiel (Bridge) oder einen Ausklang (Outro).The inventive concept is particularly suitable for Pieces of music, not just stanzas and choruses, so the segments that belong to segment class, the same similarity values have, but also for Pieces that besides stanza and chorus also have other parts, namely one introduction (Intro), an interlude (Bridge) or a finale (Outro).

Bei einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung werden die Berechnung des adaptiven Ähnlichkeits-Mittelwertes und das Zuweisen eines Segments iterativ durchgeführt, wobei zugewiesene Segmente beim nächsten Iterationsdurchgang ignoriert werden. Damit ändert sich für den nächsten Iterationsdurchgang wieder der Ähnlichkeits-Absolutwert, also die Summe der Ähnlichkeitswerte in einer Spalte der Ähnlichkeitsmatrix, da bereits zugewiesene Segmente zu 0 gesetzt worden sind.at a preferred embodiment of present invention, the calculation of the adaptive similarity mean and assigning a segment iteratively, assigning segments at the next Iterationsdurchgang be ignored. This changes for the next iteration again the similarity absolute value, so the sum of the similarity values in a column of the similarity matrix, since already assigned segments have been set to 0.

Bei einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung wird eine Segmentierungs-Nachkorrektur durchgeführt, und zwar dahingehend, dass nach der Segmentierung z. B. auf Grund des Neuheitswertes (der lokalen Maxima des Neuheitswertes) und nach einer anschließenden Zuordnung zu Segmentklassen relativ kurze Segmente untersucht werden, um zu sehen, ob sie dem Vorgänger-Segment oder dem Nachfolger-Segment zugeordnet werden können, da Segmente unterhalb einer minimalen Segmentlänge mit hoher Wahrscheinlichkeit auf eine Übersegmentierung hindeuten.at a preferred embodiment of present invention, a segmentation post-correction is performed, and Although to the effect that after the segmentation z. B. due to the Novelty value (the local maxima of novelty value) and after a subsequent Assignment to segment classes relatively short segments are examined to see if they are the predecessor segment or the successor segment can be assigned as segments below a minimum segment length highly likely to indicate over-segmentation.

Bei einem alternativen bevorzugten Ausführungsbeispiel der vorliegenden Erfindung wird nach der abschließenden Segmentierung und Zuordnung in die Segmentklassen ein Labeling durchgeführt, und zwar unter Verwendung eines speziellen Auswahlalgorithmus, um eine möglichst korrekte Kennzeichnung der Segmentklassen als Strophe oder Refrain zu erhalten.at an alternative preferred embodiment of the present invention Invention will after the final segmentation and assignment in the segment classes are labeling using a special selection algorithm to ensure that the labeling is as correct as possible the segment classes as a stanza or chorus.

Bevorzugte Ausführungsbeispiele der vorliegenden Erfindung werden nachfolgend Bezug nehmend auf die beiliegende Zeichnung detailliert erläutert. Es zeigen:preferred embodiments The present invention will be described below with reference to FIG the attached drawing explained in detail. Show it:

1 ein Blockschaltbild der erfindungsgemäßen Vorrichtung zum Gruppieren gemäß einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung; 1 a block diagram of the device according to the invention for grouping according to a preferred embodiment of the present invention;

2 ein Flussdiagramm zur Darstellung einer bevorzugten Ausführungsform der Erfindung zum iterativen Zuweisen; 2 a flow chart for illustrating a preferred embodiment of the invention for iterative assignment;

3 ein Blockdiagramm der Funktionsweise der Segmentierungskorrektureinrichtung; 3 a block diagram of Funktionswei se the segmentation correction device;

4a und 4b eine bevorzugte Ausführungsform der Segmentklassenbezeichnungseinrichtung; 4a and 4b a preferred embodiment of the segment class designator;

5 ein Gesamtblockschaltbild eines Audioanalysewerkzeugs; 5 an overall block diagram of an audio analysis tool;

6 eine Darstellung einer beispielhaften Merkmalsähnlichkeitsmatrix; 6 a representation of an exemplary feature similarity matrix;

7 eine beispielhafte Darstellung einer Segmentähnlichkeitsmatrix; 7 an exemplary representation of a segment similarity matrix;

8 eine schematische Darstellung zur Veranschaulichung der Elemente in einer Ähnlichkeitsmatrix S; und 8th a schematic representation for illustrating the elements in a similarity matrix S; and

9 eine schematische Darstellung eines geglätteten Neuheitswerts. 9 a schematic representation of a smoothed novelty value.

1 zeigt eine Vorrichtung zum Gruppieren von zeitlichen Segmenten eines Musikstücks, das in in dem Musikstück wiederholt auftretende Hauptteile gegliedert ist, in verschiedene Segmentklassen, wobei eine Segmentklasse einem Hauptteil zugeordnet ist. Die vorliegende Erfindung bezieht sich somit besonders auf Musikstücke, die einer gewissen Struktur unterliegen, in der ähnliche Abschnitte mehrmals erscheinen und sich mit anderen Abschnitten abwechseln. Die meisten Rock- und Popsongs besitzen eine klare Struktur in Bezug auf ihre Hauptteile. 1 shows a device for grouping temporal segments of a piece of music, which is divided into main parts repeatedly occurring in the piece of music, into different segment classes, one segment class being assigned to a main part. The present invention thus relates particularly to pieces of music which are subject to a certain structure in which similar sections appear several times and alternate with other sections. Most rock and pop songs have a clear structure in terms of their main parts.

Die Literatur behandelt das Thema der Musikanalyse hauptsächlich anhand klassischer Musik, davon gilt jedoch auch vieles für Rock- und Popmusik. Die Hauptteile eines Musikstücks werden auch „Großformteile" genannt. Unter einem Großformteil eines Stücks versteht man einen Abschnitt, der hinsichtlich verschiedener Merkmale, z. B. Melodik, Rhythmik, Textur, usw., eine relativ einheitliche Beschaffenheit hat. Diese Definition gilt allgemein in der Musiktheorie.The Literature deals mainly with the topic of music analysis classical music, but there is also a lot for rock and pop music. The main parts of a piece of music are also called "large moldings." Under one Large molding of a piece is understood a section which, in terms of various characteristics, z. As melody, rhythm, texture, etc., a relatively uniform Texture has. This definition applies generally in music theory.

Großformteile in der Rock- und Popmusik sind z. B. Strophe, Refrain, Bridge und Solo. In der klassischen Musik wird ein Wechselspiel von Refrain und anderen Teilen (Couplets) einer Komposition auch Rondo genannt. Im Allgemeinen kontrastieren die Couplets zum Refrain, beispielsweise hinsichtlich Melodik, Rhythmik, Harmonik, Tonart oder Instrumentation. Dies lässt sich auch auf moderne Unterhaltungsmusik übertragen. So wie es bei dem Rondo verschiedene Formen gibt (Kettenrondo, Bogenrondo, Sonatenrondo), bestehen auch in Rock- und Popmusik bewährte Muster zum Aufbau eines Liedes. Diese sind natürlich nur einige Möglichkeiten aus vielen. Letztendlich entscheidet natürlich der Komponist, wie sein Stück aufgebaut ist. Ein Beispiel für einen typischen Aufbau eines Rockliedes ist das Muster.
A-B-A-B-C-D-A-B,
wobei A gleich Strophe, B gleich Refrain, C gleich Bridge und D gleich Solo gilt. Oftmals wird ein Musikstück mit einem Vorspiel (Intro) eingeleitet. Intros bestehen häufig aus der gleichen Akkordfolge wie die Strophe, allerdings mit anderer Instrumentation, z. B. ohne Schlagzeug, ohne Bass oder ohne Verzerrung der Gitarre bei Rockliedern etc.
Large moldings in rock and pop music are z. Eg verse, chorus, bridge and solo. In classical music, an interplay of chorus and other parts (couplets) of a composition is also called rondo. In general, the couplets contrast with the chorus, for example in terms of melody, rhythm, harmony, key or instrumentation. This can also be transferred to modern light music. Just as there are different forms in the rondo (chain rondo, bowed rondo, sonata rondo), there are also proven patterns in rock and pop music for setting up a song. Of course these are just a few options out of many. Ultimately, of course, the composer decides how his piece is constructed. An example of a typical structure of a rock song is the pattern.
ABABCDAB,
where A equals strophe, B equals refrain, C equals bridge, and D equals solo. Often a piece of music is introduced with a prelude. Intros often consist of the same chord progression as the stanza, but with different instrumentation, eg. B. without drums, without bass or distortion of the guitar in rock songs etc.

Die erfindungsgemäße Vorrichtung umfasst zunächst eine Einrichtung 10 zum Bereitstellen einer Ähnlichkeitsdarstellung für die Segmente, wobei die Ähnlichkeitsdarstellung für jedes Segment eine zugeordnete Mehrzahl von Ähnlichkeitswerten aufweist, wobei die Ähnlichkeitswerte angeben, wie ähnlich das Segment zu jedem anderen Segment ist. Die Ähnlichkeitsdarstellung ist vorzugsweise die in 7 gezeigte Segment-Ähnlichkeitsmatrix. Sie hat für jedes Segment (in 7 Segmente 1-10) eine eigene Spalte, die den Index „j" hat. Ferner hat die Ähnlichkeitsdarstellung für jedes Segment eine eigene Zeile, wobei eine Zeile mit einem Zeilenindex i bezeichnet ist. Dies wird nachfolgend anhand des beispielhaften Segments 5 bezeichnet. Das Element (5,5) in der Hauptdiagonale der Matrix von 7 ist der Ähnlichkeitswert des Segments 5 mit sich selbst, also der maximale Ähnlichkeitswert. Ferner ist das Segment 5 noch mittelähnlich zum Segment Nr. 6, wie es durch das Element (6,5) oder durch das Element (5,6) der Matrix in 7 bezeichnet ist. Darüber hinaus hat das Segment 5 noch Ähnlichkeiten zu den Segmenten 2 und 3, wie es durch die Elemente (2,5) oder (3,5) oder (5,2) oder (5,3) in 7 gezeigt ist. Zu den anderen Segmenten 1, 4, 7, 8, 9, 10 hat das Segment Nr. 5 eine Ähnlichkeit, die in 7 nicht mehr sichtbar ist.The device according to the invention initially comprises a device 10 for providing a similarity representation for the segments, wherein the similarity representation for each segment has an associated plurality of similarity values, the similarity values indicating how similar the segment is to each other segment. The similarity representation is preferably that in 7 shown segment similarity matrix. It has for each segment (in 7 Segments 1-10) has its own column, which has the index "j." Furthermore, the similarity representation has a separate row for each segment, one row being denoted by a row index i, hereinafter referred to as the exemplary segment 5. The element (5,5) in the main diagonal of the matrix of 7 is the similarity value of the segment 5 with itself, ie the maximum similarity value. Furthermore, the segment 5 is still medium-like to the segment No. 6, as it is by the element (6,5) or by the element (5,6) of the matrix in 7 is designated. In addition, the segment has 5 similarities to the segments 2 and 3, as represented by the elements (2,5) or (3,5) or (5,2) or (5,3) in 7 is shown. As for the other segments 1, 4, 7, 8, 9, 10, the segment No. 5 has a similarity as described in FIG 7 is no longer visible.

Eine dem Segment zugeordnete Mehrzahl von Ähnlichkeitswerten ist beispielsweise eine Spalte oder eine Zeile der Segment-Ähnlichkeitsmatrix in 7, wobei diese Spalte oder Zeile auf Grund ihres Spalten-/Zeilen-Indexes angibt, auf welches Segment sie sich bezieht, nämlich beispielsweise auf das fünfte Segment, und wobei diese Zeile/Spalte die Ähnlichkeiten des fünften Segments zu jedem anderen Segment in dem Stück umfasst. Die Mehrzahl von Ähnlichkeitswerten ist also beispielsweise eine Zeile der Ähnlichkeitsmatrix oder, alternativ, eine Spalte der Ähnlichkeitsmatrix von 7.A plurality of similarity values associated with the segment is, for example, a column or a row of the segment similarity matrix in FIG 7 , which column or row indicates by its column / row index which segment it refers to, namely for example the fifth segment, and which row / column comprises the similarities of the fifth segment to each other segment in the piece , Thus, the plurality of similarity values is, for example, a row of the similarity matrix or, alternatively, a column of the similarity matrix of 7 ,

Die Vorrichtung zum Gruppieren von zeitlichen Segmenten des Musikstücks umfasst ferner eine Einrichtung 12 zum Berechnen eines Ähnlichkeits-Mittelwertes für ein Segment, unter Verwendung der Segmente und der Ähnlichkeitswerte der dem Segment zugeordneten Mehrzahl von Ähnlichkeitswerten. Die Einrichtung 12 ist ausgebildet, um z. B. für die Spalte 5 in 7 einen Ähnlichkeits-Mittelwert zu berechnen. Wird bei einem bevorzugten Ausführungsbeispiel der arithmetische Mittelwert verwendet, so wird die Einrichtung 12 die Ähnlichkeitswerte in der Spalte addieren und durch die Anzahl der Segmente insgesamt teilen. Um die Selbstähnlichkeit zu eliminieren, könnte von dem Additionsergebnis auch die Ähnlichkeit des Segments mit sich selbst abgezogen werden, wobei natürlich dann auch eine Teilung nicht mehr durch sämtliche Elemente, sondern durch sämtliche Elemente weniger 1 durchzuführen ist.The device for grouping temporal segments of the piece of music further comprises a device 12 for calculating a similarity mean for a segment, using the segments and the similarity values of the plurality of similarity values associated with the segment. The device 12 is designed to z. For column 5 in 7 a similarity agent to calculate value. In a preferred embodiment, when the arithmetic mean is used, the device becomes 12 add the similarity values in the column and divide by the total number of segments. In order to eliminate self-similarity, the similarity of the segment to itself could also be deducted from the result of the addition, whereby, of course, a division should no longer be performed by all elements, but by all elements less 1.

Die Einrichtung 12 zum Berechnen könnte alternativ auch den geometrischen Mittelwert berechnen, also jeden Ähnlichkeitswert einer Spalte für sich quadrieren, um die quadrierten Ergebnisse zu summieren, um dann eine Wurzel aus dem Summationsergebnis zu berechnen, welche durch die Anzahl der Elemente in der Spalte (bzw. die Anzahl der Elemente in der Spalte weniger 1) zu teilen ist. Beliebige andere Mittelwerte, wie beispielsweise der Median-Wert etc. sind verwendbar, so lange der Mittelwert für jede Spalte der Ähnlichkeitsmatrix adaptiv berechnet wird, also ein Wert ist, der unter Verwendung der Ähnlichkeitswerte der dem Segment zugeordneten Mehrzahl von Ähnlichkeitswerten berechnet wird.The device 12 Alternatively, to calculate, one could also calculate the geometric mean, that is, square each similarity value of a column to sum the squared results, and then calculate a root from the summation result represented by the number of elements in the column (or number the elements in the column less 1) is to divide. Any other mean values, such as the median value, etc., are usable as long as the mean value for each column of the similarity matrix is adaptively calculated, that is, a value calculated using the similarity values of the plurality of similarity values associated with the segment.

Der adaptiv berechnete Ähnlichkeits-Schwellenwert wird dann einer Einrichtung 14 zum Zuweisen eines Segments zu einer Segmentklasse geliefert. Die Einrichtung 14 zum Zuweisen ist ausgebildet, um ein Segment einer Segmentklasse zuzuordnen, wenn der Ähnlichkeitswert des Segments eine vorbestimmte Bedingung bezüglich des Ähnlichkeits-Mittelwerts erfüllt. Ist beispielsweise der Ähnlichkeits-Mittelwert so, dass ein größerer Wert auf eine größere Ähnlichkeit und ein kleinerer Wert auf eine geringere Ähnlichkeit hinweist, so wird die vorbestimmte Beziehung darin bestehen, dass der Ähnlichkeitswert eines Segments gleich oder oberhalb des Ähnlichkeits-Mittelwerts sein muss, damit das Segment einer Segmentklasse zugewiesen wird.The adaptively calculated similarity threshold then becomes a device 14 to assign a segment to a segment class. The device 14 The assignment is adapted to assign a segment to a segment class if the similarity value of the segment satisfies a predetermined condition with respect to the mean of similarity. For example, if the similarity mean is such that a larger value indicates greater similarity and a smaller value indicates lesser similarity, then the predetermined relationship will be that the similarity value of a segment must be equal to or above the similarity mean, thus the segment is assigned to a segment class.

Bei einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung existieren noch weitere Einrichtungen, um spezielle Ausführungsformen zu verwirklichen, auf die später eingegangen wird. Diese Einrichtungen sind eine Segmentauswahleinrichtung 16, eine Segmentzuweisungskonflikteinrichtung 18, eine Segmentierungskorrektureinrichtung 20 sowie eine Segmentklassen-Bezeichnungseinrichtung 22.In a preferred embodiment of the present invention, there are still other devices to realize specific embodiments, which will be discussed later. These devices are a segment selector 16 , a segment allocation conflicting device 18 , a segmentation correction device 20 and a segment class designator 22 ,

Die Segmentauswahleinrichtung 16 in 1 ist ausgebildet, um zunächst für jede Spalte in der Matrix von 7 einen Gesamt-Ähnlichkeitswert V(j) zu berechnen, der folgendermaßen ermittelt wird:

Figure 00160001
The segment selection device 16 in 1 is trained to look for each column in the matrix first 7 to calculate an overall similarity value V (j), which is determined as follows:
Figure 00160001

P ist die Anzahl der Segmente. SÄ ist der Wert der Selbstähnlichkeit eines Segments mit sich selbst. Je nach verwendeter Technik kann der Wert z. B. Null oder Eins sein. Die Segmentauswahleinrichtung 16 wird zunächst den Wert V(j) für jedes Segment berechnen, um dann das Vektorelement i des Vektors V mit maximalem Wert herauszufinden. Anders ausgedrückt bedeutet dies, dass die Spalte in 7 gewählt wird, die bei der Aufaddition der einzelnen Ähnlichkeitswerte in der Spalte den größten Wert oder Score erreicht. Dieses Segment könnte beispielsweise das Segment Nr. 5 bzw. die Spalte 5 der Matrix in 7 sein, da dieses Segment mit drei anderen Segmenten zumindest eine gewisse Ähnlichkeit hat. Ein anderer Kandidat bei dem Beispiel von 7 könnte auch das Segment mit der Nr. 7 sein, da dieses Segment ebenfalls zu drei anderen Segmenten eine gewisse Ähnlichkeit hat, die zudem noch größer ist als die Ähnlichkeit des Segments 5 zu den Segmenten 2 und 3 (höhere Grauschattierung in 7).P is the number of segments. SÄ is the value of self-similarity of a segment to itself. Depending on the technique used, the value z. B. zero or one. The segment selection device 16 will first calculate the value V (j) for each segment to then find the vector element i of the maximum value vector V. In other words, this means that the column in 7 is chosen, which achieves the greatest value or score when adding up the individual similarity values in the column. For example, this segment could be segment no. 5 or column 5 of the matrix in 7 be, since this segment has at least a certain similarity with three other segments. Another candidate in the example of 7 could also be the segment with the number 7, since this segment also has a certain similarity to three other segments, which is even greater than the similarity of the segment 5 to the segments 2 and 3 (higher shade of gray in FIG 7 ).

Für das nachfolgende Beispiel wird nunmehr angenommen, dass die Segmentauswahleinrichtung 16 das Segment Nr. 7 auswählt, da es den höchsten Ähnlichkeits-Score auf Grund der Matrixelemente (1,7), (4,7) und (10,7) hat. Dies bedeutet in anderen Worten, dass V(7) die Komponente des Vektors V ist, die den maximalen Wert unter allen Komponenten von V hat.For the following example, it is now assumed that the segment selector 16 select segment # 7 because it has the highest similarity score due to matrix elements (1,7), (4,7) and (10,7). In other words, this means that V (7) is the component of the vector V which has the maximum value among all the components of V.

Nunmehr wird der Ähnlichkeits-Score der Spalte 7, also für das Segment Nr. 7 noch durch die Zahl „9" geteilt, um aus der Einrichtung 12 den Ähnlichkeits-Schwellwert für das Segment zu erhalten.Now, the similarity score of column 7, that is, for segment # 7, is still divided by the number "9" to get out of the facility 12 get the similarity threshold for the segment.

Hierauf wird in der Segment-Ähnlichkeitsmatrix für die siebte Zeile bzw. Spalte überprüft, welche Segmentähnlichkeiten über dem berechneten Schwellwert liegen, d. h. mit welchen Segmenten das i-te Segment eine überdurchschnittliche Ähnlichkeit aufweist. All diese Segmente werden nunmehr ebenfalls wie das siebte Segment einer ersten Segmentklasse zugewiesen.hereupon becomes in the segment similarity matrix for the seventh row or column checks which segment similarities above the calculated threshold value, d. H. with which segments the i-th Segment has an above-average similarity. All these segments will now be the same as the seventh segment assigned to a first segment class.

Für das vorliegende Beispiel wird angenommen, dass die Ähnlichkeit des Segments 10 zum Segment 7 unterdurchschnittlich ist, dass jedoch die Ähnlichkeiten des Segments 4 und des Segments 1 zum Segment 7 überdurchschnittlich sind. Daher werden in die erste Segmentklasse neben dem Segment Nr. 7 auch das Segment Nr. 4 und das Segment Nr. 1 eingeordnet. Dagegen wird das Segment Nr. 10 auf Grund der unterdurchschnittlichen Ähnlichkeit zum Segment Nr. 7 nicht in die erste Segmentklasse eingeordnet.For the present For example, it is assumed that the similarity of the segment 10 to the segment 7 is below average, but that the similarities of segment 4 and segment 1 to segment 7 are above average. Therefore, be in the first segment class in addition to segment no. 7 also the segment No. 4 and segment No. 1. In contrast, the segment No. 10 due to the below-average similarity to segment no. 7 not classified in the first segment class.

Nach der Zuweisung werden die korrespondierenden Vektorelemente V(j) aller Segmente, die in dieser Schwellwertuntersuchung einem Cluster zugeordnet wurden, zu 0 gesetzt. Im Beispiel sind dies neben V(7) auch die Komponenten V(4) und V(1). Dies bedeutet unmittelbar, dass die 7., 4. und 1. Spalte der Matrix nicht mehr für eine spätere Maximalsuche zur Verfügung stehen werden, das sie Null sind, also keinesfalls ein Maximum sein können.After the assignment, the corresponding vector elements V (j) of all the segments which in this threshold value investigation become a cluster were set to 0. In the example these are beside V (7) also the components V (4) and V (1). This immediately implies that the 7th, 4th, and 1st columns of the matrix will no longer be available for a later maximum search, that they are zero, so they can not be a maximum.

Dies ist in etwa gleichbedeutend damit, dass die Einträge (1,7), (4,7), (7,7) und (10,7) der Segmentähnlichkeitsmatrix zu 0 gesetzt werden. Dasselbe Prozedere wird für die Spalte 1 (Elemente (1, 1) , (4, 1) und (7, 1)) und die Spalte 4 (Elemente (1,4), (4,4), (7,4) und (10, 4)) durchgeführt. Aufgrund der einfacheren Handhabbarkeit, wird jedoch die Matrix nicht verändert, sondern werden die Komponenten von V, die zu einem zugewiesenen Segment gehören, bei der nächsten Maximumsuche in einem späteren Iterationsschritt ignoriert.This is roughly equivalent to the entries (1,7), (4,7), (7,7) and (10,7) of the segment similarity matrix are set to 0 become. The same procedure is used for column 1 (elements (1, 1), (4, 1) and (7, 1)) and the column 4 (elements (1,4), (4,4), (7,4) and (10, 4)). Due to the easier handling, however, the matrix becomes not changed, but become the components of V that are assigned to one Belonging to the segment, at the next Maximum search in a later Iteration step ignored.

In einem nächsten Iterationsschritt wird nunmehr ein neues Maximum unter den noch verbleibenden Elementen von V, also unter V(2), V(3), V(5), V(6,), V(8), V(9) und V(10) gesucht. Voraussichtlich wird dann das Segment Nr. 5, also V(5), den größten Ähnlichkeits-Score ergeben. Die zweite Segmentklasse erhält dann die Segmente 5 und 6. Auf Grund der Tatsache, dass die Ähnlichkeiten zu den Segmenten 2 und 3 unterdurchschnittlich sind, werden die Segmente 2 und 3 nicht in den Cluster zweiter Ordnung gebracht. Damit werden die Elemente V(6) und V(5) vom Vektor V auf Grund der erfolgten Zuweisung zu 0 gesetzt, während noch die Komponenten V(2), V(3), V(8), V(9) und V(10) des Vektors für die Auswahl des Clusters dritter Ordnung verbleiben.In one next Iteration step will now be a new maximum among the still remaining elements of V, thus under V (2), V (3), V (5), V (6,), V (8), V (9) and V (10) are searched. Probably the segment will be # 5, which is V (5), the largest similarity score result. The second segment class then receives the segments 5 and 6. Due to the fact that the similarities to the segments 2 and 3 are below average, segments 2 and 3 become not placed in the second-order cluster. This will be the Elements V (6) and V (5) of vector V due to the assignment made set to 0 while nor the components V (2), V (3), V (8), V (9) and V (10) of the vector for the Selection of third order cluster remains.

Hierauf wird wieder ein neues Maximum unter den genannten verbleibenden Elementen von V gesucht. Das neue Maximum könnte V(10) sein, also die Komponente von V für das Segment 10. Segment 10 kommt also in die Segmentklasse dritter Ordnung. So könnte sich ferner herausstellen, dass das Segment 7 auch zum Segment 10 eine überdurchschnittliche Ähnlichkeit hat, obgleich das Segment 7 bereits der ersten Segmentklasse zugehörig gekennzeichnet ist. Es entsteht somit ein Zuweisungskonflikt, der durch die Segmentzuweisungskonflikteinrichtung 18 von 1 aufgelöst wird.Then again a new maximum among the mentioned remaining elements of V is searched for. The new maximum could be V (10), ie the component of V for segment 10. Segment 10 thus comes in the segment class of third order. Thus, it could also be found that the segment 7 also has an above-average similarity to the segment 10, although the segment 7 is already identified as belonging to the first segment class. Thus, an allocation conflict arises that is caused by the segment assignment conflicting mechanism 18 from 1 is resolved.

Eine einfache Art der Auflösung könnte sein, einfach in die dritte Segmentklasse das Segment 7 nicht zuzuweisen und z. B. statt dessen das Segment 4 zuzuweisen, falls für das Segment 4 nicht ebenfalls ein Konflikt existieren würde.A simple way of dissolution could be just to not assign segment 7 into the third segment class and Z. For example, instead assign the segment 4 if for the segment 4 would not also conflict.

Vorzugsweise wird jedoch, um die Ähnlichkeit zwischen dem Segment 7 und dem Segment 10 nicht unberücksichtigt zu lassen, die Ähnlichkeit zwischen 7 und 10 in nachfolgendem Algorithmus berücksichtigt.Preferably However, the similarity between the segment 7 and the segment 10 is not taken into account to let the similarity between 7 and 10 in the following algorithm.

Allgemein ist die Erfindung ausgelegt, um die Ähnlichkeit zwischen i und k nicht unberücksichtigt zu lassen. Daher werden die Ähnlichkeitswerte Ss(i,k) von Segment i und k mit dem Ähnlichkeitswert Ss(i*, k) verglichen, wobei i* das erste Segment ist, das dem Cluster C* zugeordnet wurde. Der Cluster bzw. die Segmentklasse C* ist der Cluster, dem das Segment k bereits auf Grund einer vorherigen Untersuchung zugeordnet ist. Der Ähnlichkeitswert Ss(i*, k) ist ausschlaggebend dafür, dass das Segment k dem Cluster C* zugehörig ist. Ist Ss(i*, k) größer als Ss(i,k), so bleibt das Segment k im Cluster C*. Ist Ss(i*, k) kleiner als Ss(i,k), so wird das Segment k aus dem Cluster C* herausgenommen und dem Cluster C zugewiesen. Für den ersten Fall, also wenn das Segment k nicht die Clusterzugehörigkeit wechselt, wird für das Segment i eine Tendenz zum Cluster C* vermerkt. Vorzugsweise wird diese Tendenz jedoch auch dann vermerkt, wenn das Segment k die Clusterzugehörigkeit wechselt. In diesem Fall wird eine Tendenz dieses Segments zum Cluster, in den es ursprünglich aufgenommen wurde, vermerkt. Diese Tendenzen können vorteilhafterweise bei einer Segmentierungskorrektur, die durch die Segmentierungskorrektureinrichtung 20 ausgeführt wird, verwendet werden.Generally, the invention is designed not to discount the similarity between i and k. Therefore, the similarity values S s (i, k) of segment i and k are compared with the similarity value S s (i *, k), where i * is the first segment assigned to the cluster C *. The cluster or the segment class C * is the cluster to which segment k is already assigned on the basis of a previous examination. The similarity value S s (i *, k) is decisive for the fact that the segment k belongs to the cluster C *. If S s (i *, k) is greater than S s (i, k), segment k remains in cluster C *. If S s (i *, k) is smaller than S s (i, k), the segment k is taken out of the cluster C * and assigned to the cluster C. For the first case, ie if the segment k does not change the cluster membership, a tendency towards the cluster i is noted for the cluster C *. Preferably, however, this tendency is also noted when segment k changes cluster membership. In this case, a tendency of this segment to the cluster in which it was originally recorded is noted. These tendencies can advantageously be achieved with a segmentation correction performed by the segmentation correction device 20 is executed, used.

Die Ähnlichkeitswertüberprüfung wird, auf Grund der Tatsache, dass das Segment 7 das „Ursprungssegment" in der ersten Segmentklasse ist, zugunsten der ersten Segmentklasse ausgehen. Das Segment 7 wird also seine Clusterzugehörig keit (Segmentzugehörigkeit) nicht ändern, sondern es wird in der ersten Segmentklasse verbleiben. Diese Tatsache wird jedoch dadurch berücksichtigt, dass dem Segment Nr. 10 in der dritten Segmentklasse ein Trend zur ersten Segmentklasse attestiert wird.The similarity value check is due to the fact that segment 7 is the "originating segment" in the first segment class is in favor of the first segment class. Segment 7 becomes its cluster affiliation (segment affiliation) do not change, but it will remain in the first segment class. this fact but it is taken into account that segment no. 10 in the third segment class is a trend towards first segment class is attested.

Erfindungsgemäß wird damit berücksichtigt, dass insbesondere für die Segmente, deren Segment-Ähnlichkeiten zu zwei unterschiedlichen Segmentklassen existieren, diese Ähnlichkeiten dennoch nicht ignoriert werden, sondern gegebenenfalls später durch den Trend bzw. die Tendenz doch noch berücksichtigt werden.According to the invention is thus takes into account that especially for the segments, their segmental similarities to two different segment classes exist, these similarities nevertheless not be ignored, but possibly later the trend or tendency is still taken into account.

Das Prozedere wird so lange fortgeführt, bis alle Segmente in der Segment-Ähnlichkeitsmatrix zugeordnet sind, was der Fall ist, wenn alle Elemente vom Vektor V zu Null gesetzt sind.The Procedure will continue for so long until all segments in the segment similarity matrix are assigned are what is the case when all elements from vector V to zero are set.

Dies würde für das in 7 gezeigte Beispiel bedeuten, dass als nächstes, in die vierte Segmentklasse, das Maximum von V(2), V(3), V(8), V(9), also das Segment 2 und 3 eingeordnet werden, um dann, in einer fünften Segmentklasse, die Segmente 8 bzw. 9 einzuordnen, bis alle Segmente zugeordnet worden sind. Damit ist der in 2 gezeigte iterative Algorithmus beendet.This would be for the in 7 shown example mean that next, in the fourth segment class, the maximum of V (2), V (3), V (8), V (9), so the segment 2 and 3 are classified, then, in a fifth segment class, segments 8 and 9, respectively, until all segments have been assigned. This is the in 2 shown iterative algorithm finished.

Nachfolgend wird detailliert auf die bevorzugte Implementierung der Segmentierungskorrektureinrichtung 20 anhand von 3 eingegangen.The following details the preferred implementation of the segmentation correction device 20 based on 3 received.

So ergibt sich, dass bei der Berechnung der Segmentgrenzen mittels der Kernel-Korrelation, jedoch auch bei der Berechnung von Segmentgrenzen mittels anderer Maßnahmen häufig eine Übersegmentierung eines Stücks entsteht, d. h. es werden zu viele Segmentgrenzen bzw. allgemein zu kurze Segmente berechnet. Eine Übersegmentierung, z. B. hervorgerufen durch eine falsche Unterteilung der Strophe, wird erfindungsgemäß dadurch korrigiert, dass auf Grund der Segment länge und der Information, in welche Segmentklasse ein Vorgänger- oder Nachfolger-Segment einsortiert worden ist, korrigiert wird. In anderen Worten ausgedrückt dient die Korrektur dazu, zu kurze Segmente vollständig zu eliminieren, also mit benachbarten Segmenten zu verschmelzen, und um Segmente, die kurz sind, jedoch nicht zu kurz sind, also die eine kurze Länge haben, jedoch länger als die Minimallänge sind, noch einer besonderen Untersuchung zu unterziehen, ob sie vielleicht nicht doch noch mit einem Vorgängersegment oder einem Nachfolgersegment verschmolzen werden können. Grundsätzlich werden erfindungsgemäß aufeinander folgende Segmente, die der gleichen Segmentklasse angehören, immer verschmolzen. Ergibt das in 7 gezeigte Szenario z. B., dass die Segmente 2 und 3 in dieselbe Segmentklasse kommen, so werden diese automatisch miteinander verschmolzen, während die Segmente in der ersten Segmentklasse, also die Segmente 7, 4, 1 voneinander beabstandet sind und daher (wenigstens zunächst) nicht verschmelzbar sind. Dies wird in 3 durch einen Block 30 angedeutet. Nunmehr wird in einem Block 31 untersucht, ob Segmente eine Segmentlänge haben, die kleiner als eine Mindestlänge ist. So existieren vorzugsweise verschiedene Mindestlängen.Thus, when calculating the segment boundaries by means of the kernel correlation, but also when calculating segment boundaries by means of other measures, an over-segmentation of a piece often occurs, ie too many segment boundaries or generally too short segments are calculated. An over-segmentation, z. B. caused by an incorrect subdivision of the stanza is inventively corrected by the fact that due to the segment length and the information in which class segment a predecessor or successor segment has been sorted, is corrected. In other words, the correction serves to completely eliminate segments that are too short, ie to merge with adjacent segments, and segments that are short but are not too short, ie that are short in length but longer than the minimum length to undergo a special investigation into whether they may not yet be merged with a predecessor segment or a successor segment. In principle, successive segments belonging to the same segment class are always fused together. Results in 7 shown scenario z. B. that the segments 2 and 3 come in the same segment class, they are automatically merged together, while the segments in the first segment class, ie the segments 7, 4, 1 are spaced apart and therefore (at least initially) are not merged. This will be in 3 through a block 30 indicated. Now it is in a block 31 examines whether segments have a segment length smaller than a minimum length. Thus, there are preferably different minimum lengths.

Es werden relativ kurze Segmente, die kürzer als 11 Sekunden (eine erste Schwelle) sind, überhaupt nur untersucht, während später noch kürzere Segmente (eine zweite Schwelle, die kleiner als die erste ist), die kürzer als 9 Sekunden sind, untersucht werden, und später noch verbleibende Segmente, die kürzer als 6 Sekunden (eine dritte Schwelle, die kürzer als die zweite Schwelle ist) sind, wieder alternativ behandelt werden.It be relatively short segments shorter than 11 seconds (a first threshold) are, at all only examined while later even shorter segments (a second threshold that is smaller than the first one), which is shorter than 9 seconds are to be examined, and later remaining segments, the shorter than 6 seconds (a third threshold, which is shorter than the second threshold ) are treated again alternatively.

Bei dem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung, bei dem diese gestaffelte Längenüberprüfung stattfindet, ist die Segmentlängenüberprüfung im Block 31 zunächst darauf gerichtet, dass die Segmente kürzer als 11 Sekunden gefunden werden. Für die Segmente, die länger als 11 Sekunden sind, wird keine Nachbearbeitung vorgenommen, wie es durch ein „Nein" am Block 31 erkennbar ist. Für Segmente, die kürzer als 11 Sekunden sind, wird zunächst eine Tendenzenüberprüfung (Block 32) durchgeführt. So wird zunächst untersucht, ob ein Segment auf Grund der Funktionalität der Segmentzuweisungskonflikteinrichtung 18 von 1 einen zugeordneten Trend bzw. eine zugeordnete Tendenz hat. Bei dem Beispiel von 7 wäre dies das Segment 10, das einen Trend zu dem Segment 7 bzw. einen Trend zur ersten Segmentklasse hat. Ist das zehnte Segment kürzer als 11 Sekunden, so würde bei dem in 7 gezeigten Beispiel dennoch auch auf Grund der Tendenzüberprüfung nichts geschehen, da eine Verschmelzung des betrachteten Segments nur dann stattfindet, wenn es eine Tendenz nicht zu irgendeinem Cluster, also zu irgendeiner Segmentklasse hat, sondern eine Tendenz zu einem Cluster eines angrenzenden (vorher oder nachher) Segments. Dies ist jedoch für das Segment 10 bei dem in 7 gezeigten Beispiel nicht der Fall.In the preferred embodiment of the present invention where this staggered length check occurs, the segment length check is in the block 31 initially aimed at finding the segments shorter than 11 seconds. For the segments that are longer than 11 seconds, no post processing is done, as indicated by a "No" on the block 31 is recognizable. For segments shorter than 11 seconds, a trend check (Block 32 ) carried out. Thus, it is first examined whether a segment is due to the functionality of the segment allocation conflicting device 18 from 1 has an associated trend or an associated trend. In the example of 7 this would be the segment 10 that has a trend towards the segment 7 or a trend towards the first segment class. If the tenth segment is shorter than 11 seconds, the in 7 Nevertheless, due to the trend check, nothing is done, since a fusion of the considered segment takes place only if it has a tendency not to any cluster, ie to any segment class, but a tendency to a cluster of an adjacent (before or after) segment , However, this is for the segment 10 in the in 7 example not shown.

Um auch die zu kurzen Segmente zu vermeiden, die keine Tendenz zu dem Cluster eines benachbarten Segments aufweisen, wird vorgegangen, wie es in den Blöcken 33a, 33b, 33c und 33d in 3 dargestellt ist. So wird an Segmenten, die länger als 9 Sekunden, jedoch kürzer als 11 Sekunden sind, nichts mehr gemacht. Sie werden belassen. In einem Block 33a wird nun jedoch für Segmente aus dem Cluster X, die kürzer als 9 Sekunden sind, und bei denen sowohl das Vorgänger-Segment als auch das Nachfolge-Segment zum Cluster Y gehören, eine Zuweisung zum Cluster Y vorgenommen, was automatisch bedeutet, dass ein solches Segment mit sowohl dem Vorgänger- als auch dem Nachfolger-Segment verschmolzen wird, so dass ein insgesamt längeres Segment entsteht, das sich aus dem betrachteten Segment sowie dem Vorgänger- als auch dem Nachfolger-Segment zusammensetzt. Somit kann durch eine nachfolgende Verschmelzung eine Zusammenfassung von zunächst getrennten Segmenten über ein zu verschmelzendes dazwischenliegendes Segment gelingen.In order to avoid too short segments which have no tendency to cluster an adjacent segment, the procedure is as in the blocks 33a . 33b . 33c and 33d in 3 is shown. Thus, nothing is done on segments longer than 9 seconds, but shorter than 11 seconds. They are left. In a block 33a however, for segments from cluster X that are shorter than 9 seconds, and where both the predecessor segment and the successor segment belong to cluster Y, an assignment to cluster Y is made, which automatically means that one Segment is merged with both the predecessor and the successor segment, so that an overall longer segment is formed, which consists of the considered segment as well as the predecessor and the successor segment. Thus, a subsequent merger may result in a combination of initially separate segments over an intervening segment to be merged.

In einem Block 33b ist ferner ausgeführt, was mit einem Segment geschieht, das kürzer als 9 Sekunden ist, und das das einzige Segment in einer Segmentgruppe ist. So ist in der dritten Segmentklasse das Segment Nr. 10 das einzige Segment. Wäre es nun kürzer als 9 Sekunden, so wird es automatisch der Segmentklasse zugeordnet, zu der das Segment Nr. 9 gehört. Dies führt automatisch zu einer Verschmelzung des Segments 10 mit dem Segment 9. Ist das Segment 10 länger als 9 Sekunden, so wird diese Verschmelzung nicht vorgenommen.In a block 33b is also what is done with a segment that is shorter than 9 seconds and that is the only segment in a segment group. For example, segment no. 10 is the only segment in the third segment class. If it was shorter than 9 seconds, it will automatically be assigned to the segment class to which segment no. 9 belongs. This automatically leads to a fusion of the segment 10 with the segment 9. If the segment 10 is longer than 9 seconds, then this merger is not performed.

In einem Block 33c wird dann eine Untersuchung vorgenommen für Segmente, die kürzer als 9 Sekunden sind, und die nicht das einzige Segment in einem entsprechenden Cluster X, als in einer entsprechenden Segmentgruppe sind. Sie werden einer genaueren Überprüfung unterzogen, in der eine Regelmäßigkeit in der Clusterabfolge festgestellt werden soll. Zunächst werden alle Segmente aus der Segmentgruppe X gesucht, die kürzer als die Mindestlänge sind. Im Anschluss wird für jedes dieser Segmente geprüft, ob die Vorgänger- und Nachfolge-Segmente jeweils zu einem einheitlichen Cluster gehören. Sind alle Vorgänger-Segmente aus einem einheitlichen Cluster, so werden alle zu kurzen Segmente aus dem Cluster X dem Vorgänger-Cluster zugeordnet. Sind dagegen alle Nachfolger-Segmente aus einem einheitlichen Cluster, werden die zu kurzen Segmente aus dem Cluster X jeweils dem Nachfolger-Cluster zugeordnet.In a block 33c then an examination is made for segments shorter than 9 seconds, which are not the only segment in a corresponding cluster X, than in a corresponding segment group. They are subjected to a closer examination, in which a Re regularity in the clustering sequence. First, all segments from segment group X shorter than the minimum length are searched for. Subsequently, it is checked for each of these segments whether the predecessor and successor segments each belong to one uniform cluster. If all predecessor segments are from a uniform cluster, all segments that are too short from cluster X are assigned to the predecessor cluster. If, on the other hand, all successor segments are from a uniform cluster, the segments too short from cluster X are each assigned to the successor cluster.

In einem Block 33d ist ausgeführt, was passiert, wenn auch diese Bedingung für Segmente nicht erfüllt ist, die kürzer als 9 Sekunden sind. In diesem Fall wird eine Neuheitswertüberprüfung durchgeführt, indem auf die Neuheitswertkurve zurückgegriffen wird, die in 9 dargestellt ist. Insbesondere wird die Neuheitskurve, die aus der Kernel-Korrelation entstanden ist, an den Stellen der betroffenen Segmentgrenzen ausgelesen, und das Maximum dieser Werte wird ermittelt. Tritt das Maximum an einem Segmentanfang auf, werden die zu kurzen Segmente dem Cluster des Nachfol ge-Segments zugeordnet. Tritt das Maximum an einem Segmentende auf, werden die zu kurzen Segmente dem Cluster des Vorgänger-Segments zugeordnet. Wäre das in 9 mit 90 bezeichnete Segment ein Segment, das kürzer als 9 Sekunden ist, so würde die Neuheitsüberprüfung am Anfang des Segments 90 einen höheren Neuheitswert 91 ergeben als am Ende des Segments, wobei der Neuheitswert am Ende des Segments mit 92 bezeichnet ist. Dies würde bedeuten, dass das Segment 90 dem Nachfolger-Segment zugeordnet werden würde, da der Neuheitswert zum Nachfolger-Segment geringer ist als der Neuheitswert zum Vorgänger-Segment.In a block 33d is executed, what happens, even if this condition is not fulfilled for segments that are shorter than 9 seconds. In this case, a novelty value check is performed by resorting to the novelty value curve, which in 9 is shown. In particular, the novelty curve, which resulted from the kernel correlation, is read out at the locations of the affected segment boundaries, and the maximum of these values is determined. If the maximum occurs at the beginning of a segment, the segments that are too short are assigned to the cluster of the successor segment. If the maximum occurs at a segment end, the segments that are too short are assigned to the cluster of the predecessor segment. Would that be in 9 With 90 If the segment has a segment that is shorter than 9 seconds, then the novelty check would be at the beginning of the segment 90 a higher novelty value 91 given as at the end of the segment, with the novelty value at the end of the segment with 92 is designated. This would mean that the segment 90 would be assigned to the successor segment because the novelty value to the successor segment is less than the novelty value to the predecessor segment.

Verbleiben nunmehr noch Segmente, die kürzer als 9 Sekunden sind und noch nicht verschmolzen werden durften, so wird unter diesen noch einmal eine gestaffelte Auswahl durchgeführt. Insbesondere werden nunmehr alle Segmente unter den verbleibenden Segmenten, die kürzer als 6 Sekunden sind, ausgewählt. Die Segmente, deren Länge zwischen 6 und 9 Sekunden aus dieser Gruppe sind, werden „unangetastet" zugelassen.Remain now still segments, the shorter than 9 seconds are and yet could not be merged so a staggered selection is made among them again. Especially now all the segments will be among the remaining segments, the shorter ones than 6 seconds are selected. The segments whose length is between 6 and 9 seconds out of this group are allowed "untouched".

Die Segmente, die kürzer als 6 Sekunden sind, werden nunmehr jedoch alle der anhand der Elemente 90, 91, 92 erklärten Neuheitsprüfung unterzogen und entweder dem Vorgänger- oder dem Nachfolger-Segment zugeordnet, so dass am Ende des in 3 gezeigten Nachkorrekturalgorithmus alle zu kurzen Segmente, nämlich alle Segmente unterhalb einer Länge von 6 Sekunden, mit Vorgänger- und Nachfolger-Segmenten intelligent verschmolzen worden sind.The segments that are shorter than 6 seconds, but now all of them are based on the elements 90 . 91 . 92 subjected to novelty examination and assigned to either the predecessor or the successor segment, so that at the end of the in 3 Correction algorithm shown all too short segments, namely all segments below a length of 6 seconds, have been merged intelligently with predecessor and successor segments.

Dieses erfindungsgemäße Prozedere hat den Vorteil, dass keine Elimination von Teilen des Stücks durchgeführt worden ist, dass also keine einfache Eliminierung der zu kurzen Segmente durch Zu-Null-Setzen durchgeführt worden ist, sondern dass nach wie vor das gesamte komplette Musikstück durch die Gesamtheit der Segmente repräsentiert ist. Durch die Segmentierung ist daher kein Informationsverlust aufgetreten, der jedoch sein würde, wenn man z. B. als Reaktion auf die Übersegmentierung einfach alle zu kurzen Segmente „ohne Rücksicht auf Verluste" einfach eliminieren würde.This inventive procedure has the advantage that no elimination of parts of the piece has been done So that's not a simple elimination of too short segments performed by zeroing but that is still the entire complete piece of music through represents the entirety of the segments is. Due to the segmentation is therefore no loss of information occurred, which would be, however, if one z. In response to the over-segmentation Simply eliminate all too short segments "regardless of losses" would.

Nachfolgend wird Bezug nehmend auf 4a und 4b eine bevorzugte Implementierung der Segmentklassen-Bezeichnungseinrichtung 22 von 1 dargestellt. Erfindungsgemäß werden beim Labeling zwei Clustern die Label „Strophe" und „Refrain" zugewiesen.Subsequently, reference will be made to 4a and 4b a preferred implementation of the segment class designator 22 from 1 shown. According to the invention, two clusters are assigned the labels "stanza" and "refrain" during labeling.

Erfindungsgemäß wird nun nicht etwa ein größter Singularwert einer Singularwertzerlegung und der dazugehörige Cluster als Refrain und der Cluster für den zweitgrößten Singularwert als Strophe verwendet. Ferner wird nicht grundsätzlich davon ausgegangen, dass jedes Lied mit einer Strophe anfängt, dass also der Cluster mit dem ersten Segment der Strophencluster ist und der andere Cluster der Refraincluster ist. Statt dessen wird erfindungsgemäß der Cluster in der Kandidatenauswahl, der das letzte Segment hat, als Refrain bezeichnet, und der andere Cluster wird als Strophe bezeichnet.According to the invention will now not a biggest singular value a singular value decomposition and the associated cluster as refrain and the cluster for the second largest singular value used as a stanza. Furthermore, it is not assumed in principle that every song begins with a stanza, that is, the cluster with the first segment of the stanza cluster is and the other cluster is the refrain cluster. Instead According to the invention, the cluster in the candidate selection, which has the last segment, as a refrain and the other cluster is called a stanza.

So wird also für die beiden letztendlich zur Strophe-/Refrain-Auswahl bereitstehenden Cluster überprüft (40), welcher Cluster das Segment hat, das als letztes Segment der Segmente der beiden Segmentgruppen im Liedverlauf vorkommt, um denselben als Refrain zu bezeichnen.Thus, for the two clusters finally available for the stanza / chorus selection ( 40 ), which cluster has the segment that occurs as the last segment of the segments of the two segment groups in the song history, to call the same as a refrain.

Das letzte Segment kann das tatsächlich im Lied letzte Segment sein oder aber ein Segment, das im Lied später auftritt als alle Segmente der anderen Segmentklasse. Ist dieses Segment nicht das tatsächlich letzte Segment im Lied, so bedeutet dies, dass noch ein Outro vorliegt.The last segment can actually be in the song last segment or a segment that occurs later in the song as all segments of the other segment class. Is this segment not that actually last segment in the song, this means that there is still an outro.

Diese Entscheidung basiert auf der Erkenntnis, dass der Refrain in den allermeisten Fällen in einem Lied hinter der letzten Strophe kommt, also direkt als letztes Segment des Liedes, wenn ein Stück z. B. mit dem Refrain ausgeblendet wird, oder als Segment vor einem Outro, das auf einen Refrain folgt und mit dem das Stück beendet wird.These Decision based on the realization that the refrain in the most cases comes in a song behind the last stanza, so directly as last segment of the song, if a piece z. B. is hidden with the chorus, or as a segment in front of an outro that follows a chorus and with that the piece is ended.

Ist das letzte Segment aus der ersten Segmentgruppe, dann werden alle Segmente dieser ersten (höchstwertigen) Segmentklasse als Refrain bezeichnet, wie es durch einen Block 41 in 4b dargestellt ist. Zusätzlich werden in diesem Fall alle Segmente der anderen Segmentklasse, die zur Auswahl steht, als „Strophe" gekennzeichnet, da typischerweise von den beiden Kandidaten-Segmentklassen eine Klasse der Refrain und damit unmittelbar die andere Klasse die Strophen haben wird.If the last segment is from the first segment group, then all segments of that first (most significant) segment class are referred to as a refrain, as it is by a block 41 in 4b is shown. In addition, in this case, all seg Elements of the other segment class to be selected are marked as "stanza", since typically of the two candidate segment classes one class will have the chorus and thus the other class will have the stanzas.

Ergibt dagegen die Untersuchung im Block 40, nämlich welche Segmentklasse in der Auswahl das letzte Segment im Musikstückverlauf hat, dass dies die zweite, also eher niederwertige Segmentklasse ist, so wird in einem Block 42 untersucht, ob die zweite Segmentklasse das erste Segment im Musikstück hat. Diese Untersuchung basiert auf der Erkenntnis, dass die Wahrscheinlichkeit sehr hoch ist, dass ein Lied mit einer Strophe, und nicht mit einem Refrain anfängt.On the other hand results in the investigation in the block 40 That is, which segment class in the selection has the last segment in the music track progression, that this is the second, that is rather low-valued segment class, is written in a block 42 examines whether the second segment class has the first segment in the piece of music. This investigation is based on the knowledge that the likelihood is very high that a song starts with a verse, not a chorus.

Wird die Frage im Block 42 mit „Nein" beantwortet, hat also die zweite Segmentklasse nicht das erste Segment im Musikstück, so wird die zweite Segmentklasse als Refrain bezeichnet, und wird die erste Segmentklasse als Strophe bezeichnet, wie es in einem Block 43 angedeutet ist. Wird dagegen die Abfrage im Block 42 mit „Ja" beantwortet, so wird entgegen der Regel die zweite Segmentgruppe als Strophe und die erste Segmentgruppe als Refrain bezeichnet, wie es in einem Block 44 angedeutet ist. Die Bezeichnung im Block 44 geschieht deswegen, da die Wahrscheinlichkeit, dass die zweite Segmentklasse dem Refrain entspricht, schon recht gering ist. Kommt nun noch die Unwahrscheinlichkeit hinzu, dass ein Musikstück mit einem Refrain eingeleitet wird, so deutet einiges auf einen Fehler im Clustering hin, z. B. dass das zuletzt betrachtete Segment fälschlicher Weise der zweiten Segmentklasse zugeordnet wurde.Will the question in the block 42 answered "No", so if the second segment class does not have the first segment in the piece of music, the second segment class is called a chorus, and the first segment class is called a stanza, as in a block 43 is indicated. If, on the other hand, the query is in the block 42 answered "Yes", contrary to the rule, the second segment group is called a stanza and the first segment group as a refrain, as it is in a block 44 is indicated. The name in the block 44 This happens because the probability that the second segment class corresponds to the refrain is already quite low. If the improbability that a piece of music is introduced with a refrain comes to the fore, there are some signs of an error in clustering. B. that the last considered segment was erroneously assigned to the second segment class.

In 4b wurde dargestellt, wie anhand von zwei zur Verfügung stehenden Segmentklassen die Strophe-/Refrain-Bestimmung durchgeführt worden ist. Nach dieser Strophe-/Refrain-Bestimmung können dann die restlichen Segmentklassen in einem Block 45 bezeichnet werden, wobei ein Outro gegebenenfalls die Segmentklasse sein wird, die das letzte Segment des Stücks an sich hat, während ein Intro die Segmentklasse sein wird, die das erste Segment eines Stücks an sich hat.In 4b It was shown how the stanza / chorus determination was performed on the basis of two available segment classes. After this stanza / refrain determination then the remaining segment classes in a block 45 Where appropriate, an outro will be the segment class having the last segment of the piece per se, while an intro will be the segment class having the first segment of a piece per se.

Nachfolgend wird anhand von 4a dargestellt, wie die beiden Segmentklassen ermittelt werden, die die Kandidaten für den in 4b gezeigten Algorithmus abgeben.The following is based on 4a It shows how to determine the two segment classes that represent the candidates for the in 4b given algorithm.

Allgemein wird im Labeling eine Zuweisung der Label „Strophe" und „Refrain" durchgeführt, wobei eine Segmentgruppe als Strophen-Segmentgruppe markiert wird, während die andere Segmentgruppe als Refrain-Segmentgruppe markiert wird. Grundsätzlich basiert dieses Konzept auf der Annahme (A1), dass die beiden Cluster (Segmentgruppen) mit den höchsten Ähnlichkeitswerten, also Cluster 1 und Cluster 2, den Refrain- und Strophenclustern entsprechen. Das von diesen beiden Clustern als letztes auftretende ist das Refrain-Cluster, wobei davon ausgegangen wird, dass eine Strophe auf einen Refrain folgt.Generally Labeling is used to assign the label "stanza" and "refrain", with a segment group is marked as a stanza segment group, while the other segment group marked as refrain segment group. Basically, this concept is based on the assumption (A1) that the two clusters (segment groups) with the highest similarity values, So cluster 1 and cluster 2, the chorus and stanza clusters correspond. The last of these two clusters is the refrain cluster, assuming that a stanza follows a chorus.

Die Erfahrung aus zahlreichen Tests hat gezeigt, dass Cluster 1 in den meisten Fällen dem Refrain entspricht. Für Cluster 2 wird die Annahme (A1) jedoch oftmals nicht erfüllt. Diese Situation tritt meistens dann auf, wenn es entweder noch einen dritten, sich häufig wiederholenden Teil im Stück gibt, z. B. eine Bridge, bei einer hohen Ähnlichkeit von Intro und Outro, oder aber für den nicht selten auftretenden Fall, dass ein Segment im Stück eine hohe Ähnlichkeit zum Refrain aufweist, somit auch eine hohe Ge samtähnlichkeit hat, die Ähnlichkeit zum Refrain aber gerade nicht groß genug ist, um noch zum Cluster 1 zu gehören.The Experience from numerous tests has shown that cluster 1 in the most cases corresponds to the refrain. For Cluster 2, the assumption (A1) is often not fulfilled. These The situation usually occurs when there is still a third one, either often repeating part in the piece there, z. B. a bridge, with a high similarity of intro and outro, or for the not uncommon case that a segment in the piece one high similarity to the chorus, thus a high overall similarity has, the similarity to the chorus but just not big enough to make it to the cluster 1 belong to.

Untersuchungen haben gezeigt, dass diese Situation häufig für Abwandlungen des Refrains am Ende des Stücks auftritt. Um mit möglichst hoher Sicherheit Refrain und Strophe richtig zu markieren (labeln), wird die in 4b beschriebene Segmentauswahl dahingehend verbessert, dass, wie es in 4a dargestellt wird, die beiden Kandidaten für die Strophe-Refrain-Auswahl abhängig von den in denselben vorhandenen Segmenten bestimmt wird.Research has shown that this situation often occurs for variations of the refrain at the end of the piece. In order to mark (label) chorus and stanza correctly with as high a certainty as possible, the in 4b described segment selection in that, as shown in 4a is shown, the two candidates for the verse-chorus selection is determined depending on the existing in the same segments.

Zunächst wird in einem Schritt 46 der Cluster bzw. die Segmentgruppe mit höchstem Ähnlichkeitswert (Wert der Komponente von V, die einmal ein Maximum für die zuerst bestimmte Segmentklasse, also Segment 7 bei dem Beispiel von 7, war), also die Segmentgruppe, die beim ersten Durchlauf von 1 ermittelt worden ist, in die Strophe-Refrain-Auswahl als erster Kandidat einbezogen.First, in one step 46 the cluster or the segment group with the highest similarity value (value of the component of V which is once a maximum for the segment class determined first, ie segment 7 in the example of FIG 7 , was), that is, the segment group that at the first pass of 1 has been identified as the first candidate included in the stanza refrain selection.

Fraglich ist nunmehr, welche weitere Segmentgruppe der zweite Teilnehmer an der Strophe-Refrain-Auswahl sein wird. Der wahrscheinlichste Kandidat ist die zweithöchste Segmentklasse, also die Segmentklasse, die beim zweiten Durchlauf durch das in 1 beschriebene Konzept gefunden wird. Dies muß jedoch nicht immer so sein. Daher wird zunächst für die zweithöchste Segmentklasse (Segment 5 in 7), also Cluster 2 überprüft, ob diese Klasse nur ein einziges Segment oder genau zwei Segment hat, wobei eines der beiden Segmente das erste Segment ist und das andere Segment der beiden das letzte Segment im Lied ist (Block 47).It is now questionable which other segment group will be the second participant in the verse-chorus selection. The most likely candidate is the second highest segment class, that is, the segment class that passes through the in 1 described concept is found. However, this does not always have to be this way. Therefore, for the second highest segment class (segment 5 in 7 ), so cluster 2 checks if this class has only a single segment or exactly two segments, one of the two segments being the first segment and the other segment of the two being the last segment in the song (block 47 ).

Wird die Frage dagegen mit „Nein" beantwortet, hat die zweithöchste Segmentklasse also z. B. wenigstens drei Segmente, oder zwei Segmente, von denen eines innerhalb des Stücks und nicht am „Rand" des Stücks ist, so bleibt die zweite Segmentklasse vorerst in der Auswahl und wird fortan als „Second Cluster" bezeichnet.If, on the other hand, the answer to the question is "no", then the second-highest segment class, for example, has at least three segments, or two segments, one of which is within the piece and not at the "edge" of the piece, so the second segment class remains in the selection and will henceforth be called "Se cond cluster ".

Wird die Frage im Block 47 dagegen mit „Ja" beantwortet, scheidet die zweithöchste Klasse also aus (Block 48a), so wird sie durch die Segmentklasse ersetzt, die am häufigsten im gesamten Lied vorkommt (anders ausgedrückt: die am meisten Segmente beinhaltet) und nicht der höchsten Segmentklasse (Cluster 1) entspricht. Diese Segmentklasse wird fortan als „Second Cluster" bezeichnet.Will the question in the block 47 on the other hand answered with "yes", the second highest class is eliminated (Block 48a ), it is replaced by the segment class that occurs most frequently in the entire song (in other words, that contains the most segments) and does not correspond to the highest segment class (cluster 1). This segment class will henceforth be referred to as "Second Cluster".

„Second Cluster" muss sich, wie es nachfolgend dargelegt wird, noch mit einer dritten Segmentklasse messen (48b), welche als „Third Cluster" bezeichnet wird, um am Ende als Kandidat den Auswahlprozess zu überstehen."Second Cluster" still has to compete with a third segment class, as explained below. 48b ), which is referred to as a "third cluster" to end up as a candidate to end the selection process.

Die Segmentklasse „Third Cluster" entspricht dem Cluster, welcher am häufigsten im gesamten Lied vorkommt, jedoch weder der höchsten Segmentklasse (Cluster 1) noch der Segmentklasse „Second Cluster" entspricht, sozusagen das am nächsthäufigsten (oftmals auch gleich häufig) vorkommende Cluster nach Cluster 1 und „Second Cluster".The Segment class "Third Cluster "corresponds to the Cluster, which is the most common occurs in the entire song, but neither the highest segment class (cluster 1) nor the segment class "Second Cluster "corresponds the next most common, so to speak (often the same) occurring clusters after cluster 1 and "second clusters".

Hinsichtlich der so genannten Bridge-Problematik wird nun für „Third Cluster" überprüft, ob es eher in die Strophe-Refrain-Auswahl gehört als „Second Cluster" oder nicht. Dies geschieht deshalb, da „Second Cluster" und „Third Cluster" oftmals gleich oft vorkommen, eins von beiden also evtl. eine Bridge oder ein anderes wiederkehrendes Zwischenteil darstellt. Um zu gewährleisten, dass die Segmentklasse von den beiden ausgewählt wird, die am ehesten der Strophe oder dem Refrain entspricht, also nicht einer Bridge oder einem anderen Zwischenstück, werden die in den Blöcken 49a, 49b, 49c dargestellten Untersuchungen durchgeführt.With regard to the so-called bridge problem, it is now checked for "third cluster" whether it belongs more in the stanza-refrain selection than "second cluster" or not. This happens because "Second Cluster" and "Third Cluster" often occur the same number of times, so one of them may represent a bridge or another recurring intermediate part. To ensure that the segment class is chosen by the two most likely to match the stanza or chorus, not a bridge or other intermediate, those in the blocks 49a . 49b . 49c performed investigations.

Die erste Untersuchung in Block 49a lautet dahingehend, dass untersucht wird, ob jedes Segment aus ThirdCluster ei ne gewisse Mindestlänge hat, wobei als Schwellwert z. B. 4% der gesamten Liedlänge bevorzugt wird. Andere Werte zwischen 2% und 10% können ebenfalls zu sinnvollen Ergebnissen führen.The first investigation in block 49a is to examine whether each segment of ThirdCluster ei ne ne certain minimum length has, as a threshold z. B. 4% of the total song length is preferred. Other values between 2% and 10% can also lead to meaningful results.

In einem Block 49b wird dann untersucht, ob ThirdCluster einen größeren Gesamtanteil am Lied hat als SecondCluster. Hierzu wird die Gesamtzeit aller Segmente in ThirdCluster aufaddiert und mit der entsprechend aufaddierten Gesamtzahl aller Segmente in SecondCluster verglichen, wobei dann ThirdCluster einen größeren Gesamtanteil am Lied als SecondCluster hat, wenn die aufaddierten Segmente in ThirdCluster einen größeren Wert ergeben als die aufaddierten Segmente in SecondCluster.In a block 49b then it is examined if ThirdCluster has a bigger total part of the song than SecondCluster. To do this, the total time of all segments in ThirdCluster is added up and compared to the corresponding total of all Segments in SecondCluster, where ThirdCluster has a larger overall song share than SecondCluster if the accumulated segments in ThirdCluster are greater than the accumulated SecondCluster segments.

In dem Block 49c wird schließlich überprüft, ob der Abstand der Segmente aus ThirdCluster zu den Segmenten aus Cluster 1, also dem häufigsten Cluster konstant sind, d. h. ob eine Regelmäßigkeit in der Abfolge ersichtlich ist.In the block 49c Finally, it is checked whether the distance of the segments from third cluster to the segments from cluster 1, ie the most frequent cluster, is constant, ie whether a regularity is evident in the sequence.

Sind alle diese drei Bedingungen mit „Ja" beantwortet, so kommt ThirdCluster in die Strophe-Refrain-Auswahl. Ist dagegen wenigstens eine dieser Bedingungen nicht erfüllt, so kommt ThirdCluster nicht in die Strophe-Refrain-Auswahl. Statt dessen kommt SecondCluster in die Strophe-Refrain-Auswahl, wie es durch einen Block 50 in 4a dargestellt ist. Damit ist die „Kandidatensuche" für die Strophe-Refrain-Auswahl beendet, und es wird der in 4b gezeigte Algorithmus gestartet, bei dem am Ende feststeht, welche Segmentklasse die Strophen umfasst, und welche Segmentklasse den Refrain umfasst.If all these three conditions are answered with "yes", ThirdCluster enters the stanza-refrain selection, but if at least one of these conditions is not met, ThirdCluster does not enter the stanza-refrain selection, instead SecondCluster is included in the stanza -Refrain selection as it is by a block 50 in 4a is shown. This completes the "Candidate search" for the verse-chorus selection, and the in 4b algorithm which finally determines which segment class comprises the stanzas and which segment class comprises the chorus.

An dieser Stelle sei darauf hingewiesen, dass die drei Bedingungen in den Blöcken 49a, 49b, 49c alternativ auch gewichtet werden könnten, so dass z. B. eine Nein-Antwort im Block 49a dann „überstimmt" wird, wenn sowohl die Abfrage im Block 49b als auch die Abfrage im Block 49c mit „Ja" beantwortet werden. Alternativ könnte auch eine Bedingung der drei Bedingungen hervorgehoben werden, so dass z. B. nur untersucht wird, ob es die Regelmäßigkeit der Abfolge zwischen der dritten Segmentklasse und der ersten Segmentklasse gibt, während die Abfragen in den Blöcken 49a und 49b nicht durchgeführt werden oder nur dann durchgeführt werden, wenn die Abfrage im Block 49c mit „Nein" beantwortet wird, jedoch z. B. ein relativ großer Gesamtanteil im Block 49b und relativ große Mindestmengen im Block 49a ermittelt werden.At this point it should be noted that the three conditions in the blocks 49a . 49b . 49c alternatively could be weighted so that z. Eg a no answer in the block 49a then "overruled" when both the query in the block 49b as well as the query in the block 49c Alternatively, a condition of the three conditions could be emphasized so that, for example, only the regularity of the sequence between the third segment class and the first segment class is checked, while the queries in the blocks 49a and 49b can not be performed or performed only if the query is in the block 49c is answered with "No", however, eg a relatively large total proportion in the block 49b and relatively large minimum quantities in the block 49a be determined.

Alternative Kombinationen sind ebenfalls möglich, wobei für eine Low-Level-Untersuchung auch nur die Abfrage eines der Blöcke 49a, 49b, 49c für bestimmte Implementierungen ausreichend sein wird.Alternative combinations are also possible, and for a low-level investigation only the query of one of the blocks 49a . 49b . 49c will be sufficient for certain implementations.

Nachfolgend werden beispielhafte Implementierungen des Blocks 526 zum Durchführen einer Music-Summary dargelegt. So existieren verschiedene Möglichkeiten, was als Music Summary abgespeichert werden kann. Zwei davon werden nachfolgend beschrieben, nämlich die Möglichkeit mit dem Titel „Refrain" und die Möglichkeit mit dem Titel „Medley".The following are exemplary implementations of the block 526 set out for performing a music summary. So there are different possibilities, which can be stored as music summary. Two of them are described below, namely the option entitled "Refrain" and the option entitled "Medley".

Die Refrain-Möglichkeit besteht darin, eine Version des Refrains als Summary zu wählen. Hierbei wird versucht, eine Ausführung des Refrains zu wählen, die möglichst zwischen 20 und 30 Sekunden lang ist. Ist ein Segment mit einer solchen Länge im Refrain-Cluster nicht enthalten, so wird eine Version gewählt, die eine möglichst geringe Abweichung zu einer Länge von 25 Sekunden hat. Ist der gewählte Refrain länger als 30 Sekunden, wird er bei diesem Ausführungsbeispiel über 30 Sekunden ausgeblendet und ist er kürzer als 20 Sekunden, so wird er mit dem darauf folgenden Segment auf 30 Sekunden verlängert.The refrain option is to choose a version of the chorus as a summary. This will attempt to choose a chorus version that lasts between 20 and 30 seconds if possible. If a segment with such a length is not contained in the refrain cluster, a version is chosen which has the smallest possible deviation to a length of 25 seconds. If the selected chorus is longer than 30 seconds, it will be blanked out over 30 seconds in this embodiment If it is shorter than 20 seconds, it will be extended to 30 seconds with the following segment.

Das Abspeichern eines Medleys für die zweite Möglichkeit entspricht noch eher einer tatsächlichen Zusammenfassung eines Musikstücks. Hierbei werden ein Ausschnitt der Strophe, ein Ausschnitt des Refrains und ein Ausschnitt eines dritten Segments in ihrer tatsächlichen chronologischen Reihenfolge als Medley konstruiert. Das dritte Segment wird aus einem Cluster ausgewählt, das den größten Gesamtanteil am Lied hat und nicht Strophe oder Refrain ist.The Storing a medley for the second possibility is more like an actual one Summary of a piece of music. Here are a section of the stanza, a section of the chorus and a section of a third segment in their actual chronological order constructed as a medley. The third segment is selected from a cluster, that's the biggest share has on the song and is not stanza or chorus.

Mit folgender Priorität wird nach der geeignetsten Abfolge der Segmente gesucht:

  • – „drittes Segment"-Strophe-Refrain;
  • – Strophe-Refrain-„drittes Segment"; oder
  • – Strophe-„drittes Segment"-Refrain.
The following priority is used to search for the most appropriate sequence of segments:
  • - "third segment" stanza refrain;
  • - stanza-chorus- "third segment"; or
  • - stanza "third segment" refrain.

Die gewählten Segmente werden nicht in ihrer vollen Länge in des Medley eingebaut. Die Länge ist vorzugsweise auf feste 10 Sekunden pro Segment festgelegt, damit insgesamt wieder eine Summary von 30 Sekunden entsteht. Alternative Werte sind jedoch ebenfalls ohne weiteres realisierbar.The selected Segments are not installed in their full length in the medley. The length is preferably set to fixed 10 seconds per segment so that Total again a summary of 30 seconds arises. alternative However, values are also readily feasible.

Vorzugsweise wird zur Rechenzeiteinsparung nach der Merkmalsextraktion im Block 502 bzw. nach dem Block 508 eine Gruppierung mehrerer Merkmalsvektoren im Block 510 durchgeführt, indem ein Mittelwert über die gruppierten Merkmalsvektoren gebildet wird. Die Gruppierung kann im nächsten Verarbeitungsschritt, der Berechnung der Ähnlichkeitsmatrix, Rechenzeit einsparen. Zur Berechnung der Ähnlichkeitsmatrix wird zwischen allen möglichen Kombinationen von je zwei Merkmalsvektoren eine Distanz ermittelt. Daraus ergeben sich bei n Vektoren über das gesamte Stück n x n Berechnungen. Ein Gruppierungsfaktor g gibt an, wie viele aufeinander folgende Merkmalsvektoren über die Mittelwertbildung zu einem Vektor gruppiert werden. Dadurch kann die Anzahl der Berechnungen reduziert werden.Preferably, the computation time savings after the feature extraction in the block 502 or after the block 508 a grouping of several feature vectors in the block 510 performed by averaging over the grouped feature vectors. In the next processing step, the calculation of the similarity matrix, the grouping can save computing time. To calculate the similarity matrix, a distance is determined between all possible combinations of two feature vectors. This results in n vectors over the entire piece of nxn calculations. A grouping factor g indicates how many consecutive feature vectors are grouped into a vector by averaging. This can reduce the number of calculations.

Die Gruppierung ist auch eine Art von Rauschunterdrückung, bei der kleine Änderungen in der Merkmalsausprägung von aufeinander folgenden Vektoren im Mittel kompensiert wer den. Diese Eigenschaft hat eine positive Auswirkung auf das Auffinden von großen Liedstrukturen.The Grouping is also a kind of noise reduction, with small changes in the characteristic expression of successive vectors compensated on average who the. This property has a positive effect on finding huge Song structures.

Das erfindungsgemäße Konzept ermöglicht es, mittels eines speziellen Music-Players durch die berechneten Segmente zu navigieren und gezielt einzelne Segmente anzuwählen, so dass ein Konsument in einem Musikladen durch beispielsweise Drücken einer bestimmten Taste oder durch Aktivieren eines bestimmten Software-Befehls ohne weiteres sofort zum Refrain eines Stücks springen kann, um festzustellen, ob der Refrain ihm gefällt, um dann, vielleicht noch eine Strophe anzuhören, damit der Konsument schließlich eine Kaufentscheidung treffen kann. Damit ist es einem Kaufinteressenten komfortabel möglich, von einem Stück genau das zu hören, was ihn besonders interessiert, während er sich z. B. das Solo oder die Bridge dann tatsächlich für den Hörgenuss zu Hause aufsparen kann.The inventive concept allows, using a special music player through the calculated segments to navigate and selectively select individual segments, so that a consumer in a music store by, for example, pressing a specific key or by activating a specific software command readily jump to the chorus of a piece immediately to determine if he likes the chorus, and then, maybe listen to a stanza, so that the consumer finally a Can make a purchase decision. So it is a prospective buyer comfortably possible, from one piece to hear exactly that what interests him particularly, while he z. B. the solo or the bridge then actually for the listening save at home.

Alternativ ist das erfindungsgemäße Konzept auch für einen Musikladen von großem Vorteil, da der Kunde gezielt und damit auch schnell reinhören und letztendlich kaufen kann, so dass die Kunden nicht lange auf ein Reinhören warten müssen, sondern ebenfalls schnell an die Reihe kommen. Dies liegt daran, dass ein Benutzer nicht ständig hin- und herspulen muss, sondern gezielt und schnell sämtliche Informationen des Stücks erhält, die er auch haben möchte.alternative is the concept according to the invention also for one Music shop of great Advantage, because the customer targeted and thus listen in quickly and ultimately can buy, so that customers do not wait long for a listen have to, but also quickly come to the series. This is because that a user is not constantly but must roll back and forth, but targeted and quickly all Information of the piece gets he also wants to have.

Ferner sei auf einen wesentlichen Vorteil des erfindungsgemäßen Konzepts hingewiesen, nämlich dass insbesondere auf Grund der Nachkorrektur der Segmentierung keine Informationen des Stücks verloren gehen. So werden zwar alle Segmente, die vorzugsweise kürzer als 6 Sekunden sind, mit dem Vorgänger- oder Nachfolger-Segment verschmolzen. Allerdings werden keine Segmente, so kurz sie auch sind, eliminiert. Dies hat den Vorteil, dass der Benutzer prinzipiell alles im Stück anhören kann, so dass ein zwar kurzes aber einem Benutzer doch sehr gut gefallendes markantes Stück, das bei einer Segmentierungs-Nachkorrektur weggefallen wäre, die tatsächlich einen Abschnitt des Stücks komplett eliminiert hätte, dennoch dem Benutzer zur Verfügung steht, damit er vielleicht gerade aufgrund des kurzen markanten Stücks eine wohl überlegte Kaufentscheidung treffen kann.Further be a significant advantage of the inventive concept pointed out, namely that especially due to the post-correction of the segmentation no Information of the piece get lost. Thus, although all segments, which are preferably shorter than 6 seconds are, with the predecessor or successor segment merged. However, no segments, as short as they are, eliminated. This has the advantage that the Users basically everything in the piece listen to can, so a short but a user but very good striking piece, which would have been omitted in a segmentation post-correction, which is actually a Section of the piece completely eliminated, nevertheless available to the user, perhaps he just because of the short distinctive piece one well considered Can make a purchase decision.

Die vorliegende Erfindung ist jedoch auch in anderen Anwendungsszenarien anwendbar, beispielsweise beim Werbe-Monitoring, also dort, wo ein Werbekunde überprüfen möchte, ob das Audiostück, für das er Werbezeit gekauft hat, auch tatsächlich über die gesamte Länge abgespielt worden ist. Ein Audiostück kann beispielsweise Musiksegmente, Sprechersegmente, und Geräuschsegmente umfassen. Der Segmentierungsalgorithmus, also die Segmentierung und nachfolgende Einordnung in Segmentgruppen ermöglicht dann eine schnelle und wesentlich weniger aufwendige Überprüfung als ein kompletter Sample-weiser Vergleich. Die effiziente Überprüfung würde einfach in einer Segmentklassen-Statistik bestehen, also einem Vergleich, wie viel Segmentklassen gefunden worden sind, und wie viel Segmente in den einzelnen Segmentklassen sind, mit einer Vorgabe aufgrund des idealen Werbestücks. Damit ist es einem Werbekunden ohne weiteres möglich, zu erkennen, ob ein Rundfunksender oder Fernsehsender tatsächlich alle Hauptteile (Abschnitte) des Werbesignals ausgestrahlt hat oder nicht.However, the present invention is also applicable in other application scenarios, for example in advertising monitoring, ie where an advertiser wants to check whether the audio piece for which he has bought advertising time, has actually been played over the entire length. An audio piece may include, for example, music segments, speaker segments, and noise segments. The segmentation algorithm, ie the segmentation and subsequent classification into segment groups, then makes it possible to carry out a quick and considerably less complicated check than a complete sample-wise comparison. The efficient checking would simply consist of segment class statistics, that is, a comparison of how many segment classes have been found and how many segments are in each segment class, with a default given the ideal ad item. Thus it is easily possible for an advertiser to recognize whether a broadcaster or television station actually has all the main parts (Ab sections) of the commercial signal has broadcast or not.

Die vorliegende Erfindung ist ferner dahingehend von Vorteil, dass sie zur Recherche in großen Musikdatenbanken eingesetzt werden kann, um beispielsweise nur die Refrains von vielen Musikstücken durchzuhören, um danach eine Musikprogrammauswahl durchzuführen. In diesem Fall würden nur einzelne Segmente aus der mit „Refrain" markierten Segmentklasse von vielen verschiedenen Stücken ausgewählt werden und von einem Programmanbieter bereitgestellt werden. Alternativ könnte auch ein Interesse dahingehend bestehen, von einem Interpreten alle z. B. Gitarrensolos miteinander zu vergleichen. Erfindungsgemäß können diese ebenfalls ohne weiteres bereitgestellt werden, indem immer eines oder mehrere Segmente (falls vorhanden) in der mit „Solo" bezeich neten Segmentklasse aus einer großen Anzahl von Musikstücken z. B. zusammengefügt und als ein File bereitgestellt werden.The The present invention is further advantageous in that it for research in large music databases can be used, for example, only the refrains of many Listen through music to then perform a music program selection. In this case, only would individual segments from the segment class marked "Refrain" to be selected from many different pieces and provided by a program provider. alternative could Also, there is an interest to all of one performer z. B. to compare guitar solo with each other. According to the invention, these also readily be provided by always one or multiple segments (if any) in the segment class called "Solo" from a big one Number of pieces of music z. B. joined together and provided as a file.

Wieder andere Anwendungsmöglichkeiten bestehen darin, aus verschiedenen Audiostücken Strophen und Refrains zu mischen, was insbesondere für DJs von Interesse sein wird und völlig neue Möglichkeiten der kreativen Musiksynthese eröffnet, welche einfach und vor allem automatisch zielgenau durchgeführt werden können. So ist das erfindungsgemäße Konzept ohne weiteres automatisierbar, da es an keiner Stelle eine Benutzerintervention erfordert. Dies bedeutet, dass Nutzer des erfindungsgemäßen Konzepts keineswegs eine besondere Ausbildung benötigen, außer z. B. eine übliche Geschicktheit im Umgang mit normalen Software-Benutzeroberflächen.Again other applications exist in it, stanzas from various audio pieces and choruses, which will be particularly interesting for DJs and completely New opportunities the creative music synthesis opens, which simple and, most of all, automatically accurate can. This is the concept according to the invention easily automatable, as there is nowhere a user intervention requires. This means that users of the inventive concept by no means need a special education, except z. B. a common skill in dealing with normal software user interfaces.

Je nach den praktischen Gegebenheiten kann das erfindungsgemäße Konzept in Hardware oder in Software implementiert werden. Die Implementierung kann auf einem digitalen Speichermedium, insbesondere einer Diskette oder CD mit elektronisch auslesbaren Steuersignalen erfolgen, die so mit einem programmierbaren Computersystem zusammenwirken können, dass das entsprechende Verfahren ausgeführt wird. Allgemein besteht die Erfindung somit auch in einem Computerprogrammprodukt mit einem auf einem maschinenlesbaren Träger gespeicherten Programmcode zur Durchführung des erfindungsgemäßen Verfahrens, wenn das Computerprogrammprodukt auf einem Rechner abläuft. In anderen Worten ausgedrückt stellt die Erfindung somit ein Computerprogramm mit einem Programmcode zur Durchführen des Verfahrens dar, wenn das Computerprogramm auf einem Computer abläuft.ever according to the practical conditions, the inventive concept be implemented in hardware or in software. The implementation can be on a digital storage medium, especially a floppy disk or CD with electronically readable control signals, the so can interact with a programmable computer system that the corresponding procedure is carried out. Generally exists The invention thus also in a computer program product with a stored on a machine-readable carrier Program code for execution of the method according to the invention, when the computer program product runs on a computer. In other In words Thus, the invention provides a computer program with a program code to perform of the procedure when the computer program is on a computer expires.

Claims (21)

Vorrichtung zum Gruppieren von zeitlichen Segmenten eines Audiostücks, das in in dem Audiostück wiederholt auftretende Hauptteile gegliedert ist, in verschiedene Segmentklassen, wobei eine Segmentklasse einem Hauptteil zugeordnet ist, mit folgenden Merkmalen: einer Einrichtung (10) zum Bereitstellen einer Ähnlichkeitsdarstellung für die Segmente, wobei die Ähnlichkeitsdarstellung für jedes Segment eine zugeordnete Mehrzahl von Ähnlichkeitswerten aufweist, wobei die Ähnlichkeitswerte angeben, wie ähnlich das Segment zu jedem anderen Segment des Audiostücks ist; einer Einrichtung (12) zum Berechnen eines Ähnlichkeits-Schwellwerts für ein Segment unter Verwendung der Mehrzahl der Ähnlichkeitswerte, die dem Segment zugeordnet sind; und einer Einrichtung (14) zum Zuweisen eines Segments zu einer Segmentklasse, wenn der Ähnlichkeitswert des Segments eine vorbestimmte Bedingung bezüglich des Ähnlichkeits-Schwellwerts erfüllt.Device for grouping temporal segments of an audio piece, which is subdivided into main parts which repeatedly occur in the audio piece, into different segment classes, one segment class being assigned to a main part, having the following features: 10 ) for providing a similarity representation for the segments, the similarity representation having for each segment an associated plurality of similarity values, the similarity values indicating how similar the segment is to each other segment of the audio piece; a facility ( 12 ) for calculating a similarity threshold for a segment using the plurality of similarity values associated with the segment; and a facility ( 14 ) for assigning a segment to a segment class if the similarity value of the segment satisfies a predetermined condition regarding the similarity threshold. Vorrichtung nach Anspruch 1, die ferner folgendes Merkmal aufweist: eine Segmentauswahleinrichtung (16) zum Ermitteln eines Extrem-Segments, dessen zugeordnete Mehrzahl von Ähnlichkeitswerten zusammen betrachtet ein Extremum aufweist, wobei die Einrichtung (12) zum Berechnen ausgebildet ist, um für das Extremsegment den Ähnlichkeits-Schwellwert zu berechnen, und wobei die Einrichtung (14) zum Zuweisen ausgebildet ist, um die Segmentklasse mit einem Hinweis auf das Extremsegment zu kennzeichnen.Apparatus according to claim 1, further comprising: a segment selector ( 16 ) for determining an extreme segment whose associated plurality of similarity values taken together has an extremum, the device ( 12 ) for calculating to calculate the similarity threshold for the extreme segment, and wherein the device ( 14 ) is adapted to assign to mark the segment class with an indication of the extreme segment. Vorrichtung nach Anspruch 1 oder 2, bei der die Einrichtung (14) zum Zuweisen ausgebildet ist, um ein Segment, das die vorbestimmte Bedingung bezüglich des Ähnlichkeits-Schwellwerts nicht erfüllt, der Segmentklasse nicht zuzuordnen sondern für eine Zuordnung zu einer anderen Segmentklasse zu belassen, und wobei die Einrichtung (14) zum Zuweisen ausgebildet ist, um für ein zugeordnetes Segment den Ähnlichkeitswert des zugeordneten Segments bei einer Zuweisung zu einer anderen Segmentklasse nicht mehr zu berücksichtigen.Device according to Claim 1 or 2, in which the device ( 14 ) is arranged to allocate a segment which does not satisfy the predetermined condition with respect to the similarity threshold, not to allocate the segment class but to leave for an assignment to another segment class, and wherein the device ( 14 ) is adapted to assign to no longer consider the similarity value of the associated segment in an assignment to another segment class for an associated segment. Vorrichtung nach einem der vorhergehenden Ansprüche, bei der die Einrichtung (12) zum Berechnen des Ähnlichkeits-Schwellwerts in einem späteren Durchgang ausgebildet ist, um nach einer früheren Zuweisung einer Segmentklasse Ähnlichkeitswerte für früher zugewiesene Segmente in der Mehrzahl von Ähnlichkeitswerten zu ignorieren, und bei der die Einrichtung (14) zum Zuweisen ausgebildet ist, um in einem späteren Durchgang eine Zuweisung zu einer anderen Segmentklasse als der Segmentklasse bei einem früheren Durchgang auszuführen.Device according to one of the preceding claims, in which the device ( 12 ) for calculating the similarity threshold in a later pass to ignore similarity values for earlier assigned segments in the plurality of similarity values after an earlier assignment of a segment class, and wherein the device ( 14 ) is arranged to assign to perform an assignment to a segment class other than the segment class in a later pass in a later pass. Vorrichtung nach einem der vorhergehenden Ansprüche, die ferner folgendes Merkmal aufweist: eine Segmentzuweisungskonflikteinrichtung (18), die ausgebildet ist, um in dem Fall, in dem durch die Einrichtung (14) zum Zuweisen ein Konfliktsegment zu zwei verschiedenen Segmentklassen zugeordnet werden sollte, einen ersten Ähnlichkeitswert des Konfliktsegments mit einem Segment einer ersten Segmentklasse zu ermitteln, und um einen zweiten Ähnlichkeitswert des Konfliktsegments mit einem Segment einer zweiten Segmentklasse zu ermitteln, und wobei die Einrichtung (14) zum Zuweisen ausgebildet ist, um in dem Fall, in dem der zweite Ähnlichkeitswert auf eine stärkere Ähnlichkeit des Konfliktsegments mit dem Segment der zweiten Segmentklasse hinweist, das Konfliktsegment aus der ersten Segmentklasse zu entfernen und der zweiten Segmentklasse zuzuweisen.Device according to one of the preceding Claim further comprising: a segment allocation conflicting device ( 18 ), which is designed to, in the case in which by the device ( 14 ) for assigning a conflict segment to two different segment classes, determining a first similarity value of the conflict segment with a segment of a first segment class, and determining a second similarity value of the conflict segment with a segment of a second segment class, and wherein the device ( 14 ) is arranged to assign, in the case where the second similarity value indicates a greater similarity of the conflict segment with the segment of the second segment class, to remove the conflict segment from the first segment class and assign it to the second segment class. Vorrichtung nach Anspruch 5, bei der die Segmentzuweisungskonflikteinrichtung (18) ausgebildet ist, um im Falle einer Entfernung des Segments aus der ersten Segmentklasse dem Segment eine Tendenz auf die erste Segmentklasse zuzuweisen, oder um im Falle einer nicht erfolgten Entfernung des Segments dem Segment eine Tendenz auf die zweite Segmentklasse zuzuweisen.Apparatus according to claim 5, wherein the segment allocation conflict means ( 18 ) is adapted, in the case of removal of the segment from the first segment class, to assign the segment a tendency to the first segment class or, in the case of an unsuccessful removal of the segment, to assign the segment a tendency to the second segment class. Vorrichtung nach einem der vorhergehenden Ansprüche, die ferner folgendes Merkmal aufweist: eine Segmentierungskorrektureinrichtung (20), die ausgebildet ist, um eine Segmentierung des Audiostücks zu korrigieren, wobei die Segmentierungskorrektureinrichtung (20) ausgebildet ist, um Segmente abhängig von Segmentklasseninformationen für die Segmente mit einem vorangehenden Segment oder einem nachfolgenden Segment zu verschmelzen.Device according to one of the preceding claims, further comprising: a segmentation correction device ( 20 ) which is adapted to correct a segmentation of the audio piece, wherein the segmentation correction device ( 20 ) is adapted to merge segments with a preceding segment or segment depending on segment class information for the segments. Vorrichtung nach Anspruch 7, bei der die Segmentierungskorrektureinrichtung (20) ausgebildet ist, um für ein Segment, das kürzer als eine vorbestimmte Minimallänge ist, festzustellen, ob eine Tendenz des Segments mit einer Segmentklasse übereinstimmt, der ein unmittelbar zeitlich vorausgehendes Segment angehört, und um in diesem Fall das Segment mit dem zeitlich unmittelbar vorausgehenden Segment zu verschmelzen, oder die ausgebildet ist, um für ein Segment, das kürzer als eine vorbestimmte Minimallänge ist, festzustellen, ob eine Tendenz des Segments auf eine Segmentklasse hinweist, der ein zeitlich unmittelbar nachfolgendes Segment angehört, und um in diesem Fall das Segment mit dem zeitlich unmittelbar nachfolgenden Segment zu verschmelzen.Device according to Claim 7, in which the segmentation correction device ( 20 ) is adapted to determine, for a segment shorter than a predetermined minimum length, whether a trend of the segment coincides with a segment class belonging to an immediately preceding temporal segment, and in this case the segment with the immediately preceding segment or for a segment shorter than a predetermined minimum length, determining whether a trend of the segment is indicative of a segment class belonging to a temporally succeeding segment, and in this case the segment having the segment temporally immediately following segment merge. Vorrichtung nach einem der vorhergehenden Ansprüche, die eine Segmentierungskorrektureinrichtung (20) aufweist, die ausgebildet ist, um zeitlich aufeinander folgende Segmente, die der gleichen Segmentklasse angehören, zu verschmelzen.Device according to one of the preceding claims, comprising a segmentation correction device ( 20 ), which is designed to fuse temporally successive segments belonging to the same segment class. Vorrichtung nach einem der Ansprüche 6 bis 9, bei der die Segmentierungskorrektureinrichtung (20) ausgebildet ist, um zum Korrigieren der Segmente lediglich Segmente auszuwählen, die eine zeitliche Segmentlänge haben, die kürzer als eine vorbestimmte Minimallänge ist.Device according to one of Claims 6 to 9, in which the segmentation correction device ( 20 ) is adapted to select only segments having a temporal segment length shorter than a predetermined minimum length for correcting the segments. Vorrichtung nach Anspruch 10, bei der die Segmentierungskorrektureinrichtung (20) ausgebildet ist, um ein ausgewähltes Segment aus einer zweiten Segmentklasse, dessen zeitliches Vorläufersegment, und dessen zeitliches Nachfolgersegment einer ersten Segmentklasse angehören, mit dem Vorgänger-Segment und dem Nachfolger-Segment zu verschmelzen.Device according to Claim 10, in which the segmentation correction device ( 20 ) is adapted to merge a selected segment of a second segment class, whose temporal precursor segment, and its temporal successor segment of a first segment class, with the predecessor segment and the successor segment. Vorrichtung nach Anspruch 10 oder 11, bei der die Segmentierungskorrektureinrichtung (20) ausgebildet ist, um ein Segment, das in einer Segmentklasse ist, die nur ein einziges Segment umfasst, mit dem vorausgehenden Segment oder dem nachfolgenden Segment zu verschmelzen.Device according to Claim 10 or 11, in which the segmentation correction device ( 20 ) is adapted to merge a segment, which is in a segment class comprising only a single segment, with the preceding segment or segment. Vorrichtung nach Anspruch 10, 11 oder 12, bei der die Segmentierungskorrektureinrichtung (20) ausgebildet ist, um mehrere ausgewählte Segmente, die in derselben Segmentklasse sind, mit jeweils einem zeitlich vorausgehenden Segment oder jeweils einem zeitlich nachfolgenden Segment zu verschmelzen, wenn sämtliche ausgewählten Segmente der Segmentklasse Vorläufer-Segmente aus ein und derselben Segmentklasse oder Nachfolger-Segmente aus ein und derselben Segmentklasse umfassen.Device according to Claim 10, 11 or 12, in which the segmentation correction device ( 20 ) is adapted to merge a plurality of selected segments that are in the same segment class, each with a temporally preceding segment or a temporally subsequent segment, if all selected segments of the segment class precursor segments from the same segment class or successor segments from and the same segment class. Vorrichtung nach einem der Ansprüche 7 bis 13, bei der die Segmentierungskorrektureinrichtung ausgebildet ist, um für ein Segment, das eine kleinere zeitliche Länge als eine vorbestimmte Minimallänge aufweist, einen ersten Neuheitswert an einem Anfang des Segments zu ermitteln, und einen zweiten Neuheitswert an einem Ende des Segments zu ermitteln, und um das Segment mit einem zeitlich folgenden Segment zu verschmelzen, wenn der erste Neuheitswert größer als der zweite Neuheitswert ist, oder um das Segment mit einem zeitlich vorhergehenden Segment zu verschmelzen, wenn der erste Neuheitswert kleiner als der zweite Neuheitswert ist.Device according to one of claims 7 to 13, wherein the Segmentierungskorrektureinrichtung formed is to go for a segment having a shorter time length than a predetermined minimum length, determine a first novelty value at a beginning of the segment and determine a second novelty value at one end of the segment and to merge the segment with a subsequent segment, if the first novelty value is greater than is the second novelty value, or around the segment with a time merging previous segment when the first novelty value less than the second novelty value. Vorrichtung nach einem der Ansprüche 7 bis 14, bei der die Segmentierungskorrektureinrichtung (20) ausgebildet ist, um abhängig von verschiedenen vorbestimmten Segmentlängen verschiedene Korrekturmaßnahmen durchzuführen.Device according to one of Claims 7 to 14, in which the segmentation correction device ( 20 ) is designed to perform various corrective actions depending on different predetermined segment lengths. Vorrichtung nach einem der vorhergehenden Ansprüche, die ferner eine Segmentklassen-Bezeichnungseinrichtung aufweist, die ausgebildet ist, um abhängig von einer zeitlichen Position von Segmenten in verschiedenen Segmentklassen eine Bezeichnung von Segmentklassen zu unterschiedlichen Hauptteilen durchzuführen.Device according to one of the preceding claims, further comprising a segment class designating means, which is designed to differentiate a designation of segment classes depending on a temporal position of segments in different segment classes To carry out major parts. Vorrichtung nach Anspruch 16, bei der die Segmentklassen-Bezeichnungseinrichtung (22) ausgebildet ist, um vor einer Segmentklassen-Bezeichnung in einen Hauptteil „Strophe" und in einen Hauptteil „Refrain" zwei Segmentklassen-Kandidaten zur Berücksichtigung der Segmente in den Segmentklassen auszuwählen.Device according to Claim 16, in which the segment class designator ( 22 ) is designed to select two segment class candidates before a segment class designation into a main part "stanza" and into a main part "chorus" for consideration of the segments in the segment classes. Vorrichtung nach Anspruch 16 oder 17, bei der die Segmentklassen-Bezeichnungseinrichtung (22) ausgebildet ist, um eine Kandidaten-Segmentklasse als Refrain-Klasse zu bezeichnen, wenn die Kandidaten-Segmentklasse das Segment umfasst, das in dem Audiostück zeitlich nach allen anderen Segmenten der anderen Kandidaten-Segmentklasse vorkommt.Device according to Claim 16 or 17, in which the segment class designation device ( 22 ) is adapted to designate a candidate segment class as a refrain class if the candidate segment class comprises the segment occurring in the audio piece after all other segments of the other candidate segment class in time. Vorrichtung nach einem der Anspruch 16 bis 18, bei der Segmentklassen-Bezeichnungseinrichtung (22) ausgebildet ist, um eine Kandidaten-Segmentklasse als Strophe-Klasse zu bezeichnen, wenn die Kandidaten-Segmentklasse nicht das Segment umfasst, das in dem Audiostück zeitlich nach allen anderen Segmenten der anderen Kandidaten-Segmentklasse vorkommt.Device according to one of the claims 16 to 18, wherein the segment class designation means ( 22 ) is adapted to designate a candidate segment class as a stanza class if the candidate segment class does not include the segment occurring in the audio piece after all other segments of the other candidate segment class in time. Verfahren zum Gruppieren von zeitlichen Segmenten eines Audiostücks, das in in dem Audiostück wiederholt auftretende Hauptteile gegliedert ist, in verschiedene Segmentklassen, wobei eine Segmentklasse einem Hauptteil zugeordnet ist, mit folgenden Schritten: Bereitstellen (10) einer Ähnlichkeitsdarstellung für die Segmente, wobei die Ähnlichkeitsdarstellung für jedes Segment eine zugeordnete Mehrzahl von Ähnlichkeitswerten aufweist, wobei die Ähnlichkeitswerte angeben, wie ähnlich das Segment zu jedem anderen Segment des Audiostücks ist; Berechnen (12) eines Ähnlichkeits-Schwellwerts für ein Segment unter Verwendung der Mehrzahl der Ähnlichkeitswerte, die dem Segment zugeordnet sind; und Zuweisen (14) eines Segments zu einer Segmentklasse, wenn der Ähnlichkeitswert des Segments eine vorbestimmte Bedingung bezüglich des Ähnlichkeits-Schwellwerts erfüllt.A method for grouping temporal segments of an audio piece, which is subdivided into main parts repeatedly occurring in the audio piece, into different segment classes, wherein a segment class is assigned to a main part, comprising the following steps: 10 ) a similarity representation for the segments, the similarity representation for each segment having an associated plurality of similarity values, the similarity values indicating how similar the segment is to each other segment of the audio piece; To calculate ( 12 ) a similarity threshold for a segment using the plurality of similarity values associated with the segment; and Assign ( 14 ) of a segment to a segment class when the similarity value of the segment satisfies a predetermined condition regarding the similarity threshold. Computer-Programm mit einem Programmcode zum Ausführen des Verfahrens nach Patentanspruch 20, wenn das Computer-Programm auf einem Rechner läuft.Computer program with a program code to run the Method according to claim 20, when the computer program up a computer is running.
DE102004047068A 2004-09-28 2004-09-28 Apparatus and method for grouping temporal segments of a piece of music Withdrawn DE102004047068A1 (en)

Priority Applications (4)

Application Number Priority Date Filing Date Title
DE102004047068A DE102004047068A1 (en) 2004-09-28 2004-09-28 Apparatus and method for grouping temporal segments of a piece of music
EP05760763.2A EP1794743B1 (en) 2004-09-28 2005-07-15 Device and method for arranging in groups temporal segments of a piece of music
PCT/EP2005/007751 WO2006034743A1 (en) 2004-09-28 2005-07-15 Device and method for arranging in groups temporal segments of a piece of music
JP2007533882A JP4775380B2 (en) 2004-09-28 2005-07-15 Apparatus and method for grouping time segments of music

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102004047068A DE102004047068A1 (en) 2004-09-28 2004-09-28 Apparatus and method for grouping temporal segments of a piece of music

Publications (1)

Publication Number Publication Date
DE102004047068A1 true DE102004047068A1 (en) 2006-04-06

Family

ID=35005745

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102004047068A Withdrawn DE102004047068A1 (en) 2004-09-28 2004-09-28 Apparatus and method for grouping temporal segments of a piece of music

Country Status (4)

Country Link
EP (1) EP1794743B1 (en)
JP (1) JP4775380B2 (en)
DE (1) DE102004047068A1 (en)
WO (1) WO2006034743A1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2180463A1 (en) * 2008-10-22 2010-04-28 Stefan M. Oertl Method to detect note patterns in pieces of music
CN109979418A (en) * 2019-03-06 2019-07-05 腾讯音乐娱乐科技(深圳)有限公司 Audio-frequency processing method, device, electronic equipment and storage medium

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4948118B2 (en) 2005-10-25 2012-06-06 ソニー株式会社 Information processing apparatus, information processing method, and program
JP4465626B2 (en) 2005-11-08 2010-05-19 ソニー株式会社 Information processing apparatus and method, and program
JP4906565B2 (en) * 2007-04-06 2012-03-28 アルパイン株式会社 Melody estimation method and melody estimation device
JP5083951B2 (en) * 2007-07-13 2012-11-28 学校法人早稲田大学 Voice processing apparatus and program
JP6784255B2 (en) * 2015-03-25 2020-11-11 日本電気株式会社 Speech processor, audio processor, audio processing method, and program
WO2017168644A1 (en) 2016-03-30 2017-10-05 Pioneer DJ株式会社 Musical piece development analysis device, musical piece development analysis method and musical piece development analysis program
JPWO2017195292A1 (en) * 2016-05-11 2019-03-07 Pioneer DJ株式会社 Music structure analysis apparatus, music structure analysis method, and music structure analysis program

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5918223A (en) * 1996-07-22 1999-06-29 Muscle Fish Method and article of manufacture for content-based analysis, storage, retrieval, and segmentation of audio information
US20030231775A1 (en) * 2002-05-31 2003-12-18 Canon Kabushiki Kaisha Robust detection and classification of objects in audio using limited training data

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6542869B1 (en) * 2000-05-11 2003-04-01 Fuji Xerox Co., Ltd. Method for automatic analysis of audio including music and speech
JP4243682B2 (en) * 2002-10-24 2009-03-25 独立行政法人産業技術総合研究所 Method and apparatus for detecting rust section in music acoustic data and program for executing the method
AU2003275618A1 (en) * 2002-10-24 2004-05-13 Japan Science And Technology Agency Musical composition reproduction method and device, and method for detecting a representative motif section in musical composition data
JP4203308B2 (en) * 2002-12-04 2008-12-24 パイオニア株式会社 Music structure detection apparatus and method
JP4079260B2 (en) * 2002-12-24 2008-04-23 独立行政法人科学技術振興機構 Music mixing apparatus, method and program

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5918223A (en) * 1996-07-22 1999-06-29 Muscle Fish Method and article of manufacture for content-based analysis, storage, retrieval, and segmentation of audio information
US20030231775A1 (en) * 2002-05-31 2003-12-18 Canon Kabushiki Kaisha Robust detection and classification of objects in audio using limited training data

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2180463A1 (en) * 2008-10-22 2010-04-28 Stefan M. Oertl Method to detect note patterns in pieces of music
WO2010045665A1 (en) * 2008-10-22 2010-04-29 Oertl Stefan M Method for recognizing note patterns in pieces of music
US8283548B2 (en) 2008-10-22 2012-10-09 Stefan M. Oertl Method for recognizing note patterns in pieces of music
CN109979418A (en) * 2019-03-06 2019-07-05 腾讯音乐娱乐科技(深圳)有限公司 Audio-frequency processing method, device, electronic equipment and storage medium
CN109979418B (en) * 2019-03-06 2022-11-29 腾讯音乐娱乐科技(深圳)有限公司 Audio processing method and device, electronic equipment and storage medium

Also Published As

Publication number Publication date
JP4775380B2 (en) 2011-09-21
EP1794743A1 (en) 2007-06-13
JP2008515012A (en) 2008-05-08
WO2006034743A1 (en) 2006-04-06
EP1794743B1 (en) 2013-04-24

Similar Documents

Publication Publication Date Title
EP1794745B1 (en) Device and method for changing the segmentation of an audio piece
EP1774527B1 (en) Device and method for labeling different segment classes
EP1794743B1 (en) Device and method for arranging in groups temporal segments of a piece of music
EP1523719B1 (en) Device and method for characterising an information signal
EP1407446B1 (en) Method and device for characterising a signal and for producing an indexed signal
DE102008013172B4 (en) Method for sound-object-oriented analysis and notation-oriented processing of polyphonic sound recordings
DE69908226T2 (en) Device and method for finding melodies
DE102004023436B4 (en) Apparatus and method for analyzing an information signal
EP1371055B1 (en) Device for the analysis of an audio signal with regard to the rhythm information in the audio signal using an auto-correlation function
DE69907498T2 (en) METHOD FOR QUICKLY DETECTING THE TONE HEIGHT
EP2351017B1 (en) Method for recognizing note patterns in pieces of music
DE10058811A1 (en) Method for identifying pieces of music e.g. for discotheques, department stores etc., involves determining agreement of melodies and/or lyrics with music pieces known by analysis device
WO2003007185A1 (en) Method and device for producing a fingerprint and method and device for identifying an audio signal
DE10123366C1 (en) Device for analyzing an audio signal for rhythm information
WO2006039993A1 (en) Method and device for smoothing a melody line segment
DE10223735B4 (en) Method and device for determining rhythm units in a piece of music
DE102004028693A1 (en) Apparatus and method for determining a chord type underlying a test signal
DE102007034031A1 (en) Method of determining similarity, device and use thereof
DE112018004578T5 (en) TARGET MANAGEMENT SYSTEM AND TARGET MANAGEMENT PROGRAM
WO2005122133A1 (en) Device and method for determining the tonality of an audio signal comprising musical information
DE10233609A1 (en) Probability determination method for determining a probability distribution in preset data uses an iterative process to calculate linkage probabilities to generic classes only up to a preset value
DE102007034030A1 (en) Method of performing an adaptation of descriptors, apparatus and use thereof
DE102021209612A1 (en) Device, computer-implemented method and computer program for the automatic analysis of data
DE102004052247A1 (en) Method for determining degree of similarity of tone information between two tone signals by cross correlation of both tone signals

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8127 New person/name/address of the applicant

Owner name: GRACENOTE, INC., (N. D .GES. D. STAATES DELAWA, US

8128 New person/name/address of the agent

Representative=s name: SCHOPPE, ZIMMERMANN, STOECKELER, ZINKLER & PARTNER

8128 New person/name/address of the agent

Representative=s name: MITSCHERLICH & PARTNER, PATENT- UND RECHTSANWAELTE

8127 New person/name/address of the applicant

Owner name: SONY CORP., TOKIO/TOKYO, JP

R081 Change of applicant/patentee

Owner name: SONY CORPORATION, JP

Free format text: FORMER OWNER: GRACENOTE, INC., (N. D .GES. D. STAATES DELAWARE), EMERYVILLE, CALIF., US

Effective date: 20110223

R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee

Effective date: 20140401