Les chercheurs ont entraîné plusieurs modèles d'apprentissage supervisé pour reconnaître 20usiciens de jazz emblématiques. Pour ce faire, ils ont utilisé un ensemble préparé d'enregistrements d'une durée totale de 84 heures.
Les auteurs considèrent les particularités musicales comme des « empreintes digitales » propres au style de l'auteur. Selon la description des travaux, ces caractéristiques pourraient être appliquées à l'établissement de la paternité des œuvres, à l'éducation, à la recherche sur le patrimoine culturel et à l'analyse historique.
Cette publication est importante car elle relie l'apprentissage automatique à l'étude formalisée du style musical. Cependant, le matériel disponible se limite à une description éditoriale: il ne contient aucune donnée sur la précision des modèles, la composition des enregistrements ni les résultats des tests de validation.
commentaire éditorial
Pourquoi c’est important
Une conséquence probable est le développement d'outils d'analyse de la paternité et du patrimoine musical, si les modèles démontrent une robustesse au-delà de l'ensemble initial. Le prochain signal observable sera la publication des métriques, la description des données et les résultats des tests sur de nouveaux enregistrements. Une incertitude substantielle subsiste car ces informations sont absentes du matériel accessible.