음원의 분리를 이용한 대중 음악의 구조 분석 연구

Abstract

수많은 음악 중에서 자신의 취향에 맞는 음악을 찾는 일은 쉽지 않다. 많은 음원 사이트에서는 미리 듣기 서비스를 통해 소비자들에게 음악을 미리 접할 수 있는 기회를 제공하고 구매 여부를 결정할 수 있게 해 주지만, 곡의 처음부터 일정 시간만을 들려준다는 한계를 가지고 있다. 도입부에는 곡을 대표하는 부분이 나오지 않는 경우가 대부분이기 때문에, 소비자들이 해당 노래의 특성을 파악하기 힘들다는 단점이 있다.

기존의 많은 연구들은 이러한 문제점을 해결하기 위하여 음악의 가장 대표되는 구간을 자동으로 찾을 수 있는 방법을 모색해왔다. 이들은 음악 안에서 화성 진행이나 음색 등의 속성이 유지되고 반복된다는 특징을 활용하여, 음악 신호의 분석을 통해 후렴구 등 음악의 각 악구(key phrase)가 어느 부분에 위치하는지를 찾아내고자 하였다. 그러나 이러한 연구들은 유독 대중 음악에 대해서 명확한 경계를 검출하는 데 방법론적인 한계를 지니고 있다고 할 수 있다. 대중 음악이 보컬과 반주로 구성된 혼합 음악이라는 점과 보컬의 중요성, 장르에 따라 구성의 특징이 달라진다는 점을 고려하지 못하고 있기 때문이다.

이러한 점에 입각하여 본 연구에서는 보컬과 반주가 혼합되어 있는 대중 음악에서 발생하는 특성 벡터의 왜곡의 영향을 최소화하고, 각 부분이 지닌 특성을 좀 더 명확하게 활용하기 위하여 보컬과 반주를 따로 분리하여 음악 속성 정보를 이용하는 방법을 제안해 보고자 한다. 또한 이 방법은 장르에 따라 차이가 있는 보컬, 반주 등의 곡 구성의 특징과 메인 멜로디에 집중하는 사람의 인지적인 특징을 음악 구조 분석에 더욱 적합하게 활용할 수 있다는 장점을 갖는다.

음악 구조 분석의 정확도를 향상시킬 수 있는 알고리즘을 개발하는 것을 목표로, 음원의 분리를 전처리 과정에 도입하여 특성 벡터를 추출하고, 적응적 부스팅 방법(adaptive, boosting, Adaboost)을 통해 경계를 잘 표현하는 특성 벡터를 학습하여 구조 분석의 정확도를 향상시키고자 하였다. 최신 알고리즘과의 비교 결과 제안하는 방식에서 구조 분석의 정확도가 향상되었음을 확인하였고, 음원의 분리가 긍정적인 영향을 미치고 있다는 점을 확인하였다. 또한 장르별 학습과 결과의 분석을 통해 장르별 구조 분석의 가능성에 대해서 살펴보았다.