On Gestural Variation and Coarticulation Effects in Sound Control

Abstract

In this paper we focus on the analysis of sound producing gestures in the musical domain. We investigate the behavior of intraoral pressure exerted by a trumpet performer in the production of single and concatenated notes. Investigation is carried out with functional data analysis techniques. Results show that different variation patterns occur for single note production, which depend on dynamic level, suggesting the hypothesis that two different motor control programs are available. Results from analysis on consecutive notes give evidence that the coarticulation between two gesture curves cannot be modelled by linear superposition, and that local coarticulation is affected by contiguous units.

A Machine Learning Approach to Violin Bow Technique Classification

“…It describes the similitude between two gestures (template vs new drawing) with a minimum alignment cost between the curvature functions of both gestures [24]. Bianco et al (2009) address the question of how to describe acoustic sound variations directly mapped to its unique gesture performance within its articulations based on PCA and segmentation in their sound analysis. They have focused on the study of a professional trumpet player, performing a set of exercises with specific dynamical changes [2].…”

The influence of cellist's postural movements on their musical expressivity

“…Le développement des capacités d'anticipation corporelle du pianiste semble ainsi lié à différents niveaux de contraintes temporelles, et principalement celle du respect du tempo [Drake 2000]. D'autres études ont révélé l'importance de l'anticipation pour une bonne coordination des gestes effecteurs, telles que l'accélération des doigts du clarinettiste [Palmer 2009b], la pression du souffle du trompettiste [Bianco 2009], ou les vitesses de la baguette du percussioniste [Dahl 2000].…”

“…L'étude conduite dans cette partie est basée sur une analyse extrinsèque [Bianco 2009], c'est-à-dire l'analyse d'une séquence musicale de plusieurs notes. En raison de la quantité de données à pré-traiter pour effectuer cette analyse (cf chapitre 4), nous avons dû faire des choix et sélectionner une partie de la partition expérimentale, sur laquelle les violoncellistes ont dans l'ensemble produit des différences d'expressivité notables.…”

“…On effectue ici une analyse intrinsèque [Bianco 2009] du phénomène de décharnement perçu sur une note, par un traitement fin du signal acoustique. Comme décrit dans l'état de l'art (cf section 2.1.8.1), le décharnement (harshness) fait partie des adjectifs qualitatifs utilisés dans la littérature, pour caractériser la dégradation du timbre acoustique d'un instrument à corde et notamment du violon.…”

“…On parle alors de fonctions propres (eigenfunctions) et non plus de vecteurs propres, reflétant les instants auxquels se produisent les plus grandes variations dans le jeu de courbes. De nombreuses études ont recours à la technique FPCA pour interpréter les variations de données collectées par dispositif physique ou de suivi du mouvement [Bianco 2009, Dalca 2013, Amelynck 2014, Visi 2015. Notre approche est originale dans le sens où l'on utilise la FPCA pour comparer des données fonctionnelles de mouvement et de son.…”