DBT en Audiofielen....

[Guest Kraus vonBentinck]

@ Spido;

eigenlijk is het in dit verband off-topic maar wat betreft de opmerking over het niet kwantitatief kunnen rechttrekken van kwalitatieve tekortkomingen heb je natuurlijk gelijk.

Het is in de praktijk wel een makkelijke en voordelige weg uit een moeilijk aan te pakken probleem. Vrijwel altijd is de akoestiek het zwakke punt en aanpassingen op dit terrein moeilijk realiseerbaar.

Het is een beetje hetzelfde als wanneer je muziek wilt luisteren. Maak het zelf of ga naar de concertzaal; als je thuis naar muziek uit de concertzaal wilt luisteren dan gaat dat natuurlijk niet echt. Daarom gebruik je maar een apparaat en of er nou 1 apparaat meer of minder aan te pas komt, eigenlijk maakt dat zoveel niet uit. Het blijft toch behelpen.

Maar, terug on topic want de suggestie van een meetbaar totaalplaatje van een muziekfragment intrigeert mij veel meer.

[ravon]

Heb je even? Voordat ik antwoord geef heb ik nog een paar opmerkingen en vragen:

 

Ten eerste kan ik me weinig voorstellen bij een "plakje muziek", wat dat is zul je aan Spido moeten vragen. Ook interessant is wat hij onder "moderne techniek" verstaat maar dat is voor dit moment niet belangrijk.

 

Het totaalplaatje kan ik me iets bij voorstellen. Wat bedoel je met de samenstellende delen in het geluid? Bedoel je de afzonderlijke instrumenten en stemmen?

 

Wat betreft dat beoordelen wil ik graag van je weten wat het doel van de meting is. Je schreef eerder in deze draad over het registreren van de "warmte" van een klank.

[Guest Kraus vonBentinck]

Ik kan mij iets voorstelling bij een meting van een onderdeel van geluid, de frequentie, het aantal decibellen enz.

Het gaat hierbij om vergelijking van 2 muziekfragmenten; daarbij is het lastig dat je niet synchroon gehoormatig iets kunt vergelijken (zoals met het kleuren voorbeeld van de kleuren) maar altijd diachroon, door de tijd heen, moet beoordelen. Daarbij speelt het geheugen een rol en dat is een uitermate zwak punt in de beoordeling.

Bij een meting/vergelijking in decibellen bijvoorbeeld schakel je die tijdsfactor uit. Je meet de geluidssterkte van fragment A en B en legt de uitslag naast elkaar voor een ondubbelzinnige conclusie.

Zo'n meting is feilloos en volledig oninteressant.

Waar wij hier een uitspraak over willen doen is: klinkt de ene speaker/installatie beter dan een ander en voor de beoordeling zou dan de DBT test, in welke opzet dan ook, het meest betrouwbare middel zijn.

Zo kan ik mij voorstellen dat je metingen verricht op allerlei manieren (uitslag conus, het signaal aan de uitgang, de toonsoort, galm enz) maar ga je naar een bepaalde zaal dan heeft die zaal in combinatie met een orkest een bepaalde klank.

Een microfoon registreert dat allemaal maar als je nou 2 opnames wilt vergelijken en het totaalplaatje ( alleen de galm is makkelijk zat) wil vergelijken met een meting, hoe pak mje dat dan aan? Ik neem aan dat dit is waar Spido op doelt met zijn "plakje muziek". Hoe analyseer je dat dan en in welke eenheden meet je dan om te vergelijken.

Of heel simpel gezegd: kun je anders dan met het oor het verschil meten tussen een Stradivarius en een Guarneri, een Bechstein en een Yamahavleugel enz.

[Pjotr]

Of heel simpel gezegd: kun je anders dan met het oor het verschil meten tussen een Stradivarius en een Guarneri, een Bechstein en een Yamahavleugel enz.

Ach met spectogramplaatjes kun je best die verschillen zichtbaar maken. Maar wat het nut ervan is is geheel aan degene die er naar kijkt en hoe ie dat interpreteert. Het zegt niets over de klank. Dat komt pas al bepaalde kenmerken van die plaatjes geassocieerd kunnen worden met wat men hoort EN als dat consistent mogelijk is. Dwz wanneer verschillende en onafhankelijke personen dezelfde associaties hebben bij bepaalde gemeten kenmerken.

 

Maar zelfs al zou een violist op een Stradivarius twee keer exact dezelfde toon spelen dan zullen zelfs die in een spectogram veschillend zijn als je nauwkeurig kijkt.

 

[Guest Kraus vonBentinck]

Maar wat het nut ervan is is geheel aan degene die er naar kijkt en hoe ie dat interpreteert. Het zegt niets over de klank. Dat komt pas al bepaalde kenmerken van die plaatjes geassocieerd kunnen worden met wat men hoort EN als dat consistent mogelijk is. DWz wanneer verschillend en onafhankelijk personen dezelfde associaties hebben bij bepaalde gemeten kenmerken.

Dat lijkt mij "des Pudels Kern" zogezegd. Zover is het ook naar mijn amateuristische mening nog lang niet.

[Jurgenvanes]

@ s0000884,

Wat klopt er niet aan?

Wat er niet aan klopt is dat je geheugen helemaal geen factor zou moeten zijn in het vergelijken van 2 stukken muziek. De vervorming van je korte dan wel lange termijn geheugen maakt jouw meting met je oren nog onbetrouwbaarder dan die al is.

 

Je gaat gewoon zitten. Je weet niet wat je hoort maar beoordeelt dat. Je toetst hoeveel je van de weergave geniet. Bij het tweede fragment uit de andere bron doe je precies hetzelfde (je denkt totaal niet meer aan het eerstse fragment). Je gaat niet 2 geluidsfragmenten vergelijken; dat heeft geen zin. Je toetst beide af aan je persoonlijke smaak en geeft cijfers. Als je dit maar vaak genoeg doet, en consequent komt bijv. A beter uit de bus dan B, dan kun je stellen dat je verschil hoort. Wat je niet moet doen is 2 fragmenten vergelijken. Dan zou je inderdaad een stuk audio moeten onthouden en dat kan niet.

Het geheugen zou geen factor mogen zijn, het is het toch en dus klopt heteen Kraus schreef.

[Guest Kraus vonBentinck]

Een tijdje geleden was Jan Vayne op tv met een spectakelstukje: hij speelde geblinddoekt op een stuk of vijf verschillende vleugels en benoemde feilloos het merk; kun je dit meettechnisch nadoen?

Of, om het iets ingewikkelder te maken: kun je meettechnisch een uitvoering onderscheiden van de Wiener of Berliner Philharmoniker en het Concertgebouworkest?

[Pjotr]

Een tijdje geleden was Jan Vayne op tv met een spectakelstukje: hij speelde geblinddoekt op een stuk of vijf verschillende vleugels en benoemde feilloos het merk; kun je dit meettechnisch nadoen?

Denk dat met een modern zelflerend computerprogramma (Artificial Intelligence) best een heel eind te komen is als dat op de juiste manier gedaan wordt.

 

De crux daarbij is dan hoe je zo'n programma moet inleren.

 

Leuk promotieonderzoek.

 

[erik klijnsmit]

Een tijdje geleden was Jan Vayne op tv met een spectakelstukje: hij speelde geblinddoekt op een stuk of vijf verschillende vleugels en benoemde feilloos het merk; kun je dit meettechnisch nadoen?

Of, om het iets ingewikkelder te maken: kun je meettechnisch een uitvoering onderscheiden van de Wiener of Berliner Philharmoniker en het Concertgebouworkest?

sjonge

 

laat mij geblindoekt zes verschillende automotoren horen en ik zeg zo welke het is

[Guest Kraus vonBentinck]

Een tijdje geleden was Jan Vayne op tv met een spectakelstukje: hij speelde geblinddoekt op een stuk of vijf verschillende vleugels en benoemde feilloos het merk; kun je dit meettechnisch nadoen?

Of, om het iets ingewikkelder te maken: kun je meettechnisch een uitvoering onderscheiden van de Wiener of Berliner Philharmoniker en het Concertgebouworkest?

sjonge

 

laat mij geblindoekt zes verschillende automotoren horen en ik zeg zo welke het is

ja, koud kunstje; maar ontwerp nu eens apparatuur/software die dat ook kan

[SpeedyAndr]

laat mij geblindoekt zes verschillende automotoren horen en ik zeg zo welke het is

Ik had 6 verschillende orgels verwacht, maar nee hoor daar komt ie niet mee

 

Andr

[cgm]

Een tijdje geleden was Jan Vayne op tv met een spectakelstukje: hij speelde geblinddoekt op een stuk of vijf verschillende vleugels en benoemde feilloos het merk; kun je dit meettechnisch nadoen?

Of, om het iets ingewikkelder te maken: kun je meettechnisch een uitvoering onderscheiden van de Wiener of Berliner Philharmoniker en het Concertgebouworkest?

Misschien dat JV niet alleen zijn gehoor gebruikte, maar dat die piano's ook anders aanvoelen?

En, als je verschillen kunt horen, dan zijn ze ook meetbaar. Kwestie van luchtdrukverschillen op de trommelvliezen, eigenlijk heel simpel.. Het wordt hear soms v

[ravon]

Of heel simpel gezegd: kun je anders dan met het oor het verschil meten tussen een Stradivarius en een Guarneri, een Bechstein en een Yamahavleugel enz.

Ja, dat kan.

 

Herkenning van die instrumenten zal altijd gebeuren op basis van unieke kenmerken in het geluid wat ze voortbrengen (geur kan natuurlijk ook maar da's een ander onderwerp). De truuk is om die kenmerken te achterhalen en om een analyse methode te gebruiken die die kenmerken kan herkennen.

 

Een FFT analyzer digitaliseert een stukje geluid, rafelt het uiteen in frequentiecomponenten en zet deze componenten neer in een frequentiespectrum, het bijbehorende fasespectrum wordt meestal niet gebruikt. Het FFT algoritme gaat ervan uit dat een signaal periodiek is.

 

Nu is muziek een aperiodiek of niet-stationair signaal en heeft FFT een nadeel dat heeft te maken met tijdresolutie. Je kunt in een gewoon spectrum wel zien welke componenten in een signaal aanwezig zijn, je kunt niet zien wanneer die componenten optreden en dat is voor de karakterisering van een instrument essentieel.

 

In een watervalplot of in een spectrogram kun je de variaties in een FFT spectrum in de tijd w

[WanFie]

Interessant allemaal.

 

Zou zo'n wavelet-geval ook een DBT kunnen doen...???

 

Dan kun je n.l. de effecten van Cd-spelers en bekabeling beter in beeld krijgen.

Dus niet het meten van

[Pjotr]

Zoals eerder geschreven:

 

Maar wat het nut ervan is is geheel aan degene die er naar kijkt en hoe ie dat interpreteert. Het zegt niets over de klank. Dat komt pas al bepaalde kenmerken van die plaatjes geassocieerd kunnen worden met wat men hoort EN als dat consistent mogelijk is. Dwz wanneer verschillende en onafhankelijke personen dezelfde associaties hebben bij bepaalde gemeten kenmerken.

Met hoe je het ook meet, wavelets of wat dan ook, hoe gaan we bovenstaande oplossen?

 

Van versterkers kun je iets zeggen over de klank adh van vervormingsprofielen en dat is gebaseerd op 50 jaar werken ermee door heel veel verschillende mensen. En dan nog is het maar een heel beperkt subonderdeel.

 

De vraag is niet zozeer of je verschillen kunt meten maar meer welke verschillen?

 

[ravon]

Tuurlijk. Met mooie analysetechnieken ben je er nog niet maar die technieken helpen bij het vinden en isoleren van de kenmerken die maken dat geluid klinkt zoals het klinkt. Zijn die kenmerken eenmaal ge

[Pjotr]

Dat is waar Ravon. Maar tot een soort unificatie van klank zoals Hans voorstaat zal het nooit komen.

 

En de techniek van neurale netwerken is best wel opgeschoten de laatse jaren maar dan nog moet je exact weten wat je er in stopt en wat je er uit wilt krijgen. Veel meer dan een zelflerend filter voor bepaalde kenmerken is het uiteindelijk ook niet.

 

En dan nog gaat het niet altijd goed. Kan mij de bouw van de concertzalen van het nieuwe conservatorium in de Haag nog wel herinneren. Na veel meten en reken en "alles" in ogenschouw nemend zijn daar zalen gebouwd die werkelijk voor geen meter klonken zoals men wilde. Daar is later nog heel wat aan "gemod" moeten worden om het een beetje goed te laten klinken.

 

[Guest Kraus vonBentinck]

Zo'n wavelet zou wel een interessant hulpmiddel kunnen zijn bij de beoordeling en vergelijking; het is toch een soort vingerafdruk van het geluid.

Het wel of niet hoorbare effect van een (kabel)verandering zou daaruit toch moeten of kunnen blijken.

 

Ik neem aan dat zo'n wavelet toch een gedigitaliseerde opslagvorm is die je eventueel via een microfoon en AD conversie op de harde schijf krijgt maar ook zo uit de installatie kunt "tappen" ?

Ook bestaat er inmiddels zoiets als spraakherkenning en naar ik meen werkt dat vrij bevredigend. De software daarvoor bestaat toch zeker ook uit wavelets?

Ik vraag me ook af via welke parameters zo'n programma te werk gaat.

[Pjotr]

Ook bestaat er inmiddels zoiets als spraakherkenning en naar ik meen werkt dat vrij bevredigend. De software daarvoor bestaat toch zeker ook uit wavelets?

Ik vraag me ook af via welke parameters zo'n programma te werk gaat.

Het gaat er daarbij om om de essentieele kenmerken van een gesproken woord te kunnen herkennen. Daarbij moet je de kenmerken eerst weten voordat je een computer daarmee kan programmeren. Zoiets moet dan ook nog eens onafhankleijk zijn van de persoon, man of vrouw, via de telefoon of direct via een goede microfoon enz.

 

Techniek en methoden zijn een hulpmiddel maar de essentieele kenmerken zijn het doel. Pas als je die weet en ze consistent zijn kun je die ook gaan gebruiken.

 

Als niet eens goed en herhaalbaar omschreven is van wat wij goed vinden klinken en wat niet, waar moeten we dan naar zoeken? Het onderzoek in de link die Ravon gaf, behelst hoofdzakelijk dat laatste.

 

[ravon]

Veel meer dan een zelflerend filter voor bepaalde kenmerken is het uiteindelijk ook niet.

Als je wilt kun je alle techniek de grond inpraten. Een kenmerk van alle technologie is dat er expertise voor nodig is om het succesvol in te zetten. Waarom je zo negatief bent over neurale netwerken begrijp ik niet want die dingen functioneren prima.

Als je een machine wilt bouwen die de klank van piano's herkent, dan vormen wavelets in combinatie met een neuraal netwerk de oplossing want dat is technologie die het in dat soort toepassingen heel leuk doet.

[ravon]

Ook bestaat er inmiddels zoiets als spraakherkenning en naar ik meen werkt dat vrij bevredigend. De software daarvoor bestaat toch zeker ook uit wavelets?

Ik vraag me ook af via welke parameters zo'n programma te werk gaat.

Het gaat er daarbij om om de essentieele kenmerken van een gesproken woord te kunnen herkennen. Daarbij moet je de kenmerken eerst weten voordat je een computer daarmee kan programmeren. Zoiets moet dan ook nog eens onafhankleijk zijn van de persoon, man of vrouw, via de telefoon of direct via een goede microfoon enz.

 

Techniek en methoden zijn een hulpmiddel maar de essentieele kenmerken zijn het doel. Pas als je die weet en ze consistent zijn kun je die ook gaan gebruiken.

 

Als niet eens goed en herhaalbaar omschreven is van wat wij goed vinden klinken en wat niet, waar moeten we dan naar zoeken? Het onderzoek in de link die Ravon gaf, behelst hoofdzakelijk dat laatste.

 

Wavelets lijken mij nou juist het gereedschap wat nodig is om die essenti

[Pjotr]

Veel meer dan een zelflerend filter voor bepaalde kenmerken is het uiteindelijk ook niet.

Waarom je zo negatief bent over neurale netwerken begrijp ik niet want die dingen functioneren prima. Als je wilt kun je alle techniek wel de grond inpraten.

Het was niet negatief bedoeld hoor. Maar we moeten het ook niet mooier voorstellen dan het is.

 

Bij spraakherkenning gaat het juist om de minimale en essenti

[ravon]

Kijk het bijt zichzelf natuurlijk ook in zijn staart. Je zult eerst eens zo moeten gaan meten om te zien of je een dataset krijgt waar je wat zinnigs mee krijgt en adh daarvan kun je dan misschien nieuwe meetmethoden ontwikkelen en daar weer mee gaan meten enz. enz.

Ja, het zal stapje voor stapje moeten. Het leuke is dat wavelet analyse zich op de PC afspeelt. Ik ben bijvoorbeeld benieuwd wat die vergelijking van geluidsfragmenten van LP en CD (was dat niet Kraus die daarmee kwam??) oplevert als ie door een wavelet analyzer gehaald wordt.

[dekkersj]

Voor zover ik weet, is een wavelet niets anders dan een set van orthogonale functies waarmee je een functie kunt beschrijven, uiteindelijk. De Fourierreeks is eigenlijk een generalisatie van een wavelet, waarbij een sinus en een cosinus als ortgonale basis is gekozen. Dat wist meneer fourier toen nog niet natuurlijk. Best interessant, die wavelets, maar het is zoeken naar antwoord waarbij je van te voren al een verwachting hebt van dat antwoord. Wavelets worden ook gebruikt om een functiebeschrijving te geven dmv reeksen die sneller convergeren dan de Fourierreeks. Scheelt weer rekentijd en/of geheugenopslag. Ik heb ooit eens gespeeld met het idee een hele grote basisfunctie voor een wavelet, die op haar beurt weer afhankelijk was van een sleutel, in te zetten in de kopieerbeveiliging van bv een cd. De informatie op de cd staat dan als coefficienten die door de wavelet getransformeerd moeten worden, met die sleutel uiteraard.

 

Groet,

Jacco

[Guest Kraus vonBentinck]

[. Ik ben bijvoorbeeld benieuwd wat die vergelijking van geluidsfragmenten van LP en CD (was dat niet Kraus die daarmee kwam??) oplevert als ie door een wavelet analyzer gehaald wordt.

Ik had toen een topic "weet wat je meet"en daarin stonden afbeeldingen van wavefiles in Adobe Audtion van hetzelfde fragment met twee verschillende arm/element-combinaties; dat waren amplitude en spectraal-analyseplaatjes. Er zat wel verschil in maar het is mij nooit duidelijk geworden hoe je dat moest interpreteren, exact zoals Pjotr hiervoor stelde.

Daar komt bij dat de afbeeldingen betrekking hadden op 300/96000sec of iets in die orde van grootte. Daar werd ik niet veel wijzer van.