科研 Skill
演奏录音表演分析
arts-performance-recording-analysis
在Sonic Visualiser标注拍点,计算速度弹性与力度曲线并用DTW对齐多版本演奏。适用于名家录音诠释风格的比较研究。
发布者 Codar安全审核通过v0.1.0更新于 2026-11-18
SKILL.md
演奏录音的表演分析(Performance Recording Analysis)
适用场景
- 比较同一作品多位演奏家录音的速度处理(如肖邦夜曲、《梅花三弄》《十面埋伏》不同版本)。
- 绘制“速度—力度”联合曲线(tempo-loudness trajectory),讨论乐句塑形与高潮安排。
- 研究演奏风格的历史变迁(早期录音 vs 当代录音)或流派差异(如古琴不同琴派、二胡不同学派)。
- 演奏教学研究:学生与教师录音的速度稳定性、乐句末渐慢幅度对比。
- 为音乐学论文提供可复核的标注数据和图表,而非仅凭听感描述。
边界与不适用
- 通用音频特征(MFCC、色度、频谱质心)提取由 librosa 相关 Skill 覆盖;本 Skill 聚焦“以乐谱时间为参照”的表演参数。
- 乐谱本体分析(和声、曲式)用 music21 相关 Skill;中国传统记谱见
arts-chinese-traditional-music。 - 自动拍点检测对散板、自由节奏(如古琴散起、戏曲散板)不可靠,必须人工标注。
- 不对演奏水平做“好坏”价值评判,结论以描述性、比较性为主。
- 商业录音受版权保护,只做研究分析,不公开分发音频。
工作流
-
确定作品与录音样本
- 输入:作品、版本清单(演奏者、录音年份、唱片公司/编号、来源介质)。
- 操作:记录采样率、是否为再版重制(remaster)、是否存在变速(早期 78 转唱片转录常有音高/速度偏差)。
- 决策点:音高明显偏离标准时,先估计转速偏差并校正或注明。
-
建立乐谱参照
- 将乐谱拍点编号为“小节.拍”,作为所有版本的共同时间轴。反复记号、版本删节需事先确认。
-
拍点标注(Sonic Visualiser)
- 加载音频,新建 Time Instants 图层,边听边敲击(tap)生成拍点,再逐个微调到起音位置;可叠加 Spectrogram 与 Onset 类 Vamp 插件辅助定位。
- 也可用 BeatRoot 或 Vamp 插件生成初始拍点后人工修正。
- 导出为 CSV(时间戳 + 标签)。决策点:同一标注者重复标注一个片段,若拍点偏差系统性大于约 30–50 ms,需改进标注规则。
-
速度与弹性计算
- 拍间隔 IOI = t(i+1) − t(i);局部速度 BPM = 60 / IOI(按拍单位换算)。
- 归一化:用每个版本的平均速度除,得到相对速度曲线,便于跨版本比较“弹性形状”。
- 平滑:可用 3 拍移动平均,但需同时保留原始值。
-
力度曲线
- 计算 RMS 或感知响度(如 ITU-R BS.1770 LUFS 短时响度,或 Sonic Visualiser/MATCH 相关插件),按拍点区间求均值,转换为 dB。
- 注意:录音电平、话筒距离、母带压缩会改变绝对响度,只比较版本内的相对变化。
-
多版本对齐与比较
- 若只标注了一个参照版本,可用 MATCH Vamp 插件或 DTW(基于色度特征)把其他版本对齐到参照版本,再人工抽检。
- 比较指标:整体平均速度、速度变异系数、乐句末渐慢比例、速度曲线间相关系数、聚类结果。
- 可视化:Langner 和 Goebl 提出的“表演蠕虫”(Performance Worm,速度—响度二维轨迹)。
-
解释
- 将数据与乐句结构、乐谱表情记号、演奏者言论或教学传承对应;避免把单一录音的偶然性当作风格。
工具与数据源
- Sonic Visualiser(伦敦玛丽女王大学 C4DM 开发,sonicvisualiser.org)及 Vamp 插件(如 MATCH、QM Vamp Plugins、BeatRoot)。
- Python:librosa(色度、onset、DTW:
librosa.sequence.dtw)、numpy、pandas、matplotlib;pyloudnorm(BS.1770 响度)。 - R:可用于混合模型统计(lme4)。
- 数据与项目:CHARM(AHRC Research Centre for the History and Analysis of Recorded Music)及其 Mazurka Project(肖邦玛祖卡多版本标注数据);Cook 等人的相关研究。
- 中国录音来源:中国唱片集团历史录音、各音乐院校音像资料馆;需遵守使用协议。
最小示例:从 Sonic Visualiser 导出的拍点 CSV 计算速度曲线
# pip install pandas numpy matplotlib
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
versions = {"Rubinstein_1965": "rub.csv", "Pollini_1990": "pol.csv"}
fig, ax = plt.subplots(figsize=(9, 3))
summary = []
for name, path in versions.items():
beats = pd.read_csv(path, header=None).iloc[:, 0].to_numpy() # 第一列为秒
ioi = np.diff(beats)
bpm = 60.0 / ioi
rel = bpm / bpm.mean()
ax.plot(np.arange(1, len(rel) + 1), rel, label=name)
summary.append({"version": name, "mean_bpm": bpm.mean(),
"cv": bpm.std(ddof=1) / bpm.mean()})
ax.axhline(1.0, color="grey", lw=0.5)
ax.set_xlabel("beat index"); ax.set_ylabel("relative tempo"); ax.legend()
plt.tight_layout(); plt.savefig("tempo_curves.png", dpi=200)
print(pd.DataFrame(summary))
前提:各版本拍点数相同且一一对应同一乐谱拍;否则先对齐或剔除删节段落。
质量检查
- 每个录音有完整出处元数据(演奏者、录音年份、唱片编号、来源)。
- 已检查并记录转速/音高偏差及处理方式。
- 拍点标注规则成文,报告标注者内/标注者间一致性。
- 自动对齐结果经过人工抽检,误对齐段落已修正或剔除。
- 力度只做版本内相对比较,注明母带处理的影响。
- 原始拍点 CSV 与分析脚本一同存档,可复现图表。
- 不公开分发受版权保护的音频,引用片段符合合理使用。
输出格式
- 版本信息表:版本ID、演奏者、录音年份、唱片编号、时长、采样率、备注。
- 拍点数据:每版本一份 CSV(小节、拍、时间秒)。
- 指标表:版本ID、平均 BPM、速度 CV、乐句末渐慢幅度、与参照版本速度曲线相关系数。
- 图:相对速度曲线叠加图、力度曲线、表演蠕虫图、版本聚类树。
- 报告:样本与方法 → 标注可靠性 → 速度/力度结果 → 版本比较 → 结合乐谱与传承的讨论。
参考规范与文献
- Cook, N. (2013). Beyond the Score: Music as Performance. Oxford University Press.
- Repp, B. H. (1992). Diversity and commonality in music performance: An analysis of timing microstructure in Schumann's "Träumerei". JASA.
- Dixon, S., & Widmer, G. (2005). MATCH: A music alignment tool chest. ISMIR.
- Langner, J., & Goebl, W. (2003). Visualizing expressive performance in tempo-loudness space. Computer Music Journal.
- Cannam, C., Landone, C., & Sandler, M. (2010). Sonic Visualiser: An open source application for viewing, analysing, and annotating music audio files. ACM Multimedia.
- ITU-R BS.1770 响度测量标准。
示例提示词
我在 Sonic Visualiser 里标注了三位钢琴家演奏肖邦《夜曲》Op.9 No.2 的拍点,请计算并比较他们的速度弹性曲线和力度变化。
所属插件
安装该插件会一并获得同领域的 11 个 Skill / MCP。
同插件的其他科研 Skill
- 书画著录流传考证整理题跋印鉴、检索著录书与博物馆开放数据,建立带证据等级的流传链条。适用于书画鉴藏史与流散文物追索研究,不做真伪鉴定。
- 中国传统音乐数字化将简谱、工尺谱、减字谱转写为MusicXML/kern,做宫调判别与旋律统计分析。适用于民歌色彩区划、曲牌比较与古谱打谱研究。
- 色彩构图计算分析在CIELAB空间用k-means提取主色、计算显著性图与构图线指标。适用于绘画设计作品的形式分析与风格量化研究。
- 设计评价与用户实验用SUS、NASA-TLX、语义差异法与眼动追踪设计用户实验并做统计分析。适用于产品界面包装设计的效果评价研究。
- 设计研究方法按双钻模型组织设计民族志、文化探针与用户旅程图,提炼可迁移知识贡献。适用于设计学论文与研究型设计的过程记录。
- 民族音乐学田野采录规范田野录音设备参数、元数据与长期保存格式,处理知情同意与传承人权益。适用于少数民族音乐田野调查与资料库建设。
- 影视产业票房数据整合官方与平台票房数据,辨析统计口径差异并做回归面板分析。适用于档期效应、口碑传播与电影政策研究,须遵守爬取合规。
- 电影镜头计算分析用PySceneDetect自动切镜并人工校正,计算镜头长度分布与剪辑节奏曲线。适用于导演风格与类型片剪辑节奏的电影学研究。
- 图像志与图像学分析按潘诺夫斯基三层次组织图像释读,用Iconclass与自定义编码表考证母题谱系。适用于美术史图像释读与跨文化图像比较。
- 技术美术史材料分析用红外、X光、多光谱成像与XRF/拉曼光谱做绘画材料无损检测。适用于书画材料研究与修复前评估,不单独构成真伪定论。
常见问题
演奏录音表演分析能做什么?
在Sonic Visualiser标注拍点,计算速度弹性与力度曲线并用DTW对齐多版本演奏。适用于名家录音诠释风格的比较研究。
如何安装演奏录音表演分析?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「演奏录音表演分析」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
演奏录音表演分析需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
演奏录音表演分析经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。