Rhythmic compatibility for music mixing

DJs are music performers which are able to maintain the excitement of the audience by continuously playing songs with the utilization of various techniques and by means of specialized equipment. The advent of digital audio has given easy access to huge collections of songs and has enhanced the portability of music. In order to let DJs use this collections avoiding the costs and physical obstacles of traditional equipment a new set of technologies have been developed. These aim to automate the original mixing techniques of DJs by means of software algorithms. The purpose of this thesis is to define a model that explains how two audio files are rhythmically compatible when mixed together in correlation with human perception. We believe, in fact, that in the context of automatic music mixing it is not just important to have two beat matched songs but is also of great relevance to have compatible rhythms in order for the mix to sound good. Furthermore having automatic tools for the suggestion of the best matches between rhythms of audio files could be very helpful in other contexts such as music recommendation or music composition. For these reasons in this novel system we go beyond simple beat-matching by analyzing all the possible shifts (or rotations) of the drum pattern bar in relation to rhythm. After an accurate description of the rhythmic patterns has been outlined, feature extraction techniques are adopted to further investigate the inputs. By measuring properties such as similarity, density and syncopation, we can define the compatibility of any of the shifts of the two drum loops. Finally a listening test is undertaken and its results used to both train the statistical model of compatibility and validate the research. These results show how listeners do not prefer the first beat of the measure as the time position to mix rhythmic patterns, but they consider as more relevant the other beats of the measure. Furthermore the subdivisions of the beats are considered as valid alternatives for the final mix.

I DJ sono esecutori musicali in grado di mantenere l’eccitazione del pubblico miscelando musica in modo continuo con l’utilizzo di varie tecniche e medi- ante attrezzature specializzate. L’avvento dell’ audio digitale ha fornito un facile accesso a enormi collezioni di canzoni e ha migliorato la portabilità della musica. Al fine di consentire ai DJ di usare queste collezioni evitando i costi e gli ostacoli fisici delle apparecchiature tradizionali è stata sviluppata una nuova serie di tecnologie. Queste hanno lo scopo di automatizzare le tecniche di miscelazione originali dei DJ per mezzo di algoritmi software. Lo scopo di questa tesi è quello di definire un modello che spieghi come due file audio sono ritmicamente compatibili quando sono mescolati insieme in correlazione con la percezione umana. Crediamo, infatti, che nel contesto del mixaggio automatico di musica non è solo importante avere due canzoni allineate sugli stessi beat ma è anche di grande rilevanza avere ritmi com- patibili per creare un mix che risulti piacevole all’ascolto. Inoltre avere strumenti automatici per il suggerimento delle migliori combinazioni tra ritmi di diversi file audio potrebbe essere molto utile anche in altri contesti, come nella raccomandazione di musica o nella composizione musicale. Per questi motivi in questo nuovo sistema si va oltre il semplice beat-matching analizzando tutti i possibili spostamenti (o rotazioni) della barra del pattern percussivo in relazione al ritmo. Dopo che una descrizione accurata dei pattern ritmici è stata delineata, tecniche di estrazione di feature sono state adottate per approfondire lo studio degli input. Misurando propri- età come similitudine, densità e sincope, possiamo definire la compatibilità di qualsiasi spostamento dei due loop. Alla fine un test d’ascolto è stato intrapreso ed i suoi risultati sono stati utilizzati sia per la fase di training del modello statistico di compatibilità sia per convalidare la ricerca. Questi risultati mostrano come gli ascoltatori non preferiscono il primo beat della misura come posizione temporale sul quale effettuare l’allineamento tra i due input, ma considerano come più rilevanti gli altri beat della misura. Inoltre le suddivisioni dei beat sono considerate valide alternative per il mix finale.