1

5
2

文字

分享

1
5
2

是誰在跳舞,電腦掐指一算就知道!

波留先生 M. Beaulieu_96
・2021/03/13 ・2945字 ・閱讀時間約 6 分鐘 ・SR值 517 ・六年級

隨著機器學習(machine learning)技術的進步,我們能透過聲波的特徵將音樂分門別類,甚至找出一首歌的原唱是誰也早已不是什麼難事。

綜觀人類在音樂上的發展,應該不難發現,音樂是一門與舞蹈密切相關的藝術領域,也是舞蹈創作相當重要的元素之一。

如果我們已經可以用人工智慧分類音樂,那麼舞蹈是不是也能走上這條不歸路

音樂風格,決定你舞動的姿態!

音樂世界之大,存在各式各樣的風格與流派,人們可以透過節拍、配器、音色甚至氛圍來分辨華爾滋、巴薩諾瓦、倫巴、民謠、搖滾樂、迪斯可和電子樂等不同的音樂風格,並產生不同的身體律動。

萊莎菲爾(Micheline Lesaffre)等人於 2008 年的研究指出,多數人會以某種運動來詮釋自己所聽到的音樂,簡單如拍手或用腳打節拍,複雜一點,還可以根據音樂的不同跳著各種華麗的舞蹈。[1]

我們聽到不同的音樂時,通常會演繹出不同風格的舞蹈。圖/Giphy

此外,過去幾項研究發現,音樂裡的所摻雜的各種聲音特質,也會造成自然的肢體動作大小與型態有所不同,例如,大鼓音量會影響舞者動作的程度與節奏[2],而貝斯與吉他在高低頻上的走勢與節奏型態,也和人們跳舞時頭部的旋轉速度、手伸展的距離、肩膀擺動的幅度等動作有關[3]

但是,這件事情並非全然與音樂的本質或生理因素有關,部分曲風或作品也會受到特殊文化或特定事件影響,而有不同的⋯⋯儀式化行為(X)!像是當人們聽到爵士樂時會不自覺地跳起搖擺舞(swing dancing),或在金屬搖滾樂現場熱血地在大肆衝撞。

更近一點的例子是荷蘭電音二人組 Vicetone 的爆紅單曲 Astronomia,聽到這首歌,你大概只會想著要跳黑人抬棺舞(Coffin Dance),才不會有自然舞動這種事咧!

2020年4月,抬棺舞(Coffin Dance)在全球爆紅,成為盛極一時的網路迷因。影/DigiNeko

隨音樂起舞的身心理過程

我們從聽到音樂刺激的輸入(input),到手舞足蹈的輸出(output),絕對少不了腦神經的各項指揮與指令傳輸。

然而,音樂畢竟是充滿感情的產物,這種「一個指令、一個動作」的說法,似乎還是不足以回答「人們為何會自然而然地隨著音樂起舞」這個問題。

心理學中有一派的說法是,大腦並非決定認知的唯一器官,身體本身的感知與經驗,也會影響認知的判斷結果與行動,即所謂的體現認知(embodied cognition)[4]

舉例來說,當你手裡拿著一杯熱飲時,你可能會覺得眼前的人十分溫暖,換句話說,在描繪眼前景象的當下,身體其實也參了一咖。

曾有文獻指出,比起手握冰咖啡,當我們拿著熱咖啡時,比較容易覺得眼前的人讓人感到溫暖。圖/Pixabay

人們對音樂的體驗也是如此。

比利時根特大學(Ghent University)系統音樂學(systematic musicology)教授萊曼(Marc Leman)曾於 2008 年發表《體現音樂認知與冥想技術》(Embodied music cognition and mediation technology[5]一書。

其中,針對音樂的體現認知,萊曼教授大致上的定義是:聽眾接收變化萬千的聲音形式後,透過內心、肢體或任何可行的方式分析與模仿,由此可知,當我們隨著音樂不自主地擺弄身軀時,也符合這樣的概念。

比起分析曲風,演算法更擅長分辨舞者本人

既然音樂與肢體動作間蘊藏著某種關聯性,如果今天某個人戴著耳機,自顧自地跳著舞,我們是否也能透過人工智慧(artifitial intelligence, AI),從舞者的動作型態分析他正在聽什麼樣的音樂?

芬蘭于韋斯屈萊大學(Jyväskylän yliopisto)跨域音樂研究中心團隊找來 73 名受試者,讓他們隨著藍調、鄉村、電子舞曲、爵士、金屬、流行、雷鬼以及饒舌等八個曲風自然擺動身體,並以好萊塢等級的動作捕捉技術(motion capture technology)搭配機器學習(machine learning)分析,試圖從人們的動作區分出舞蹈背後的音樂風格。[6]

研究結果顯示,雖然難以透過機器學習區分舞者搭配的音樂風格,但卻能分析出是誰在跳舞!

他們發現,當受試者在熱舞的時候,對於「肢體動作所對應的曲風」,演算法可準確分辨的時間不到三成,反而有將近 94% 的時間卻能判斷「是誰在跳舞」。

比起舞蹈背後的音樂,演算法分析結果指出,不同人之間的舞蹈動作可能更加獨特而明顯。圖/Giphy

對此,研究協同作者兼資料分析師薩里(Pasi Saari)表示,舞蹈就像是人的另一副「指紋」,即便他們聽到的音樂不同,卻仍能保持著獨特的動作特徵。[7]

去(2020)年年初,研究團隊將這份研究結果發表於《新音樂研究期刊》(Journal of New Music Research),隨後獲選為計量學(Altmetrics)的 2020 年百大研究,排名 92。

舞步辨識大未來,有可能發生嗎?

等等,這是否意味著,如同手機上的指紋或臉部辨識,「舞蹈動作辨識系統」也將應運而生?

想像一下,人們站在手機面前大跳熱舞,只為了解鎖裝置,這個功能好像有點荒謬 XD

即便這個發現可能開啟生物辨識的另一種可能性,但可惜的是,卡爾森與團隊可能對於非音樂性的知識探討興趣缺缺,反倒比較想深入探討一些很根本的問題,包括:舞蹈模式是否會在生命週期裡發生改變、舞蹈動作的分析是否能找出文化之間的微妙差異,以及人們評鑑舞蹈動作的方式與電腦有何不同。

雖然卡爾森並不打算藉此探索「舞蹈辨識」的未來,但不妨我們自己腦洞大開——假如有一天,這類「舞蹈辨識技術」發達到足以開發更實際的應用,也許我們會創造出到處都在 battle 的世界吧?XDDD

參考文獻

  1. Lesaffre, M., Voogdt, L. D., Leman, M., Baets, B. D., Meyer, H. D., & Martens, J. P. (2008). How potential users of music search and retrieval systems describe the semantic quality of musicJournal of the American Society for Information Science and Technology59(5), 695-707.
  2. Van Dyck, E., Moelants, D., Demey, M., Deweppe, A., Coussement, P., & Leman, M. (2012). The impact of the bass drum on human dance movement. Music Perception: An Interdisciplinary Journal30(4), 349-359.
  3. Burger, B., Thompson, M. R., Luck, G., Saarikallio, S., & Toiviainen, P. (2013). Influences of rhythm-and timbre-related musical features on characteristics of music-induced movement. Frontiers in psychology4, 183.
  4. Embodied cognition – Wikipedia
  5. Embodied Music Cognition and Mediation Technology – Marc Leman, Research Professor and Head of the Department of Musicology Marc Leman – Google Books
  6. Carlson, E., Saari, P., Burger, B., & Toiviainen, P. (2020). Dance to your own drum: Identification of musical genre and individual dancer from motion capture using machine learning. Journal of New Music Research49(2), 162-177.

數感宇宙探索課程,現正募資中!

文章難易度
所有討論 1
波留先生 M. Beaulieu_96
8 篇文章 ・ 9 位粉絲
曾當過兩三年的職能治療師,在體力正式走下波前轉戰出版業,現為出版社圖文編輯,並斜槓各式聲音工作。


0

0
0

文字

分享

0
0
0

一生可以聆聽的聲音總量是註定的?戴上你的聽力計算機!

雅文兒童聽語文教基金會_96
・2022/05/17 ・3915字 ・閱讀時間約 8 分鐘
  • 文/黃上維 聽力師|雅文兒童聽語文教基金會

「早上跑了五圈操場,晚上吃個雞排加珍奶應該還好吧……」、「昨天買了一雙限量版精品鞋,這個月就不吃晚餐了……」,生活中充滿算數題,來決定我們的生活習慣與行為,其實,在聽力學領域中,也有類似概念哦!聽的刺激不夠,聽覺系統解析的功能會逐漸衰退;聽的刺激太多,聽覺系統也會感到疲勞或損傷。到底聽多少,才能剛剛好?今天就帶你揭密聆聽的守則。

世界衛生組織(World Health Organization,WHO)統計全球已超過 5% 人口有失能性聽力損失。然而,多數聽力損失可被預防,調查發現將近 50% 的年輕人使用過高的音量聆聽個人音訊設備,約 40% 經常去娛樂場所的人(包括演唱會、運動賽事)則暴露在過久的高音量下[1]。 WHO 為此著手訂定「安全聆聽」的保健策略,如同醫師及藥師給藥時會算劑量,安全聆聽需要計算聲音暴露容許量(sound allowance)。

聽得「過久」或「過大聲」都會造成傷害

聲音是一種能量,基於相等能量原理(equal energy principle),無論能量在時間上的分佈如何,相同聲能的聲音會造成一樣的永久性聽力變化,表示「長時間聆聽較低的音量」會產生與「短時間聆聽非常的大音量」相同的影響。

WHO 提出兩種標準,均以七天作為一周期[2]。當聲音能量加倍(以 3 分貝為級距),容許的時間要減半,如下圖所示,健康成人適用一般標準;「兒童、耳毒性藥物服用史」等對噪音更為脆弱的族群則適用敏感標準,其將風險起始點下修至 75 分貝(dBA)的聲音每周聆聽 40 小時。此外,視障、認知困難者及老年人,考量聽力一旦損失,對其產生的負向影響將更大,也應選用較嚴謹的標準[3]

WHO 聲音暴露容許量。分貝越高,容許時間越少。圖/作者,製作自參考資料 2

聽起來不難嗎?生活中的聲音有多大聲

當我們在身處安靜室內,隔著一張桌子與朋友聊天時,說話音量的分貝就已經有 55-60 分貝(dBA);此時若環境變得吵雜,我們也會不自覺提高說話音量,分貝來到 65 分貝,如此可見生活中的大聲音是無所不在。美國 3M 公司團隊針對超過 1700 種職業、娛樂、社區等噪音源進行實際量測或整理文獻,發表了各項分貝數值[4],本文整理生活常見情境,並將分貝範圍達 75 分貝以上者,標為警示音量。

常見聲音音量分布。淺色底表示範圍,深色底表示平均值。圖/作者,製作自參考資料 4

現在我們來將分貝數對應 WHO 的「成人聲音暴露容許量」,以果汁攪拌機為例,平均音量是 82 分貝,一周應避免超過 25 小時的從旁聆聽,這似乎是件輕鬆的事!(除非你家開果汁店那就另當別論);然而交通機車噪音平均達到 98 分貝,一周應避免超過 40 分鐘的騎乘,對被譽為「機車王國」的台灣而言,似乎就沒有那麼容易。

隱形聽力殺手:環境噪音及娛樂噪音

交通機車噪音除了來自周遭車輛與自體引擎外,氣流吹向安全帽框所產生的風切聲(wind noise)也是一來源,因此噪音量與車速、安全帽種類都有關。早在 30 年前就有研究發現,當騎乘車速約莫每小時 50 公里,佩戴全罩式安全帽的耳邊噪音量較高,為 95 分貝、佩戴 3/4 罩安全帽的耳邊噪音量較低,為 89 分貝;隨著車速提高至約莫 80 公里,兩者分別上升至 103、98 分貝(Ross B.C. , 1989)。看來,機車族不僅要思考哪種安全帽可以保護頭部安全,還得思考該如何在騎車時也保護耳朵的健康。

騎個車也可能會讓自己過度暴露在噪音中?圖/pexels

此外,隨著 3C 產品與藍芽技術推層出新,聽穿戴科技(hearable tech)結合音樂通話、健康追蹤、導航等需求,已成為「人耳兩機」的時尚趨勢,但常見智慧型手機連接耳機的最大輸出音量高達 113.1 分貝[6],當我們使用耳機聆聽,更應當留意音量大小,特別是周遭環境較吵雜時,若為了蓋過捷運、鐵路等交通噪音而不自覺加大音量,結果恐怕得不償失。

「相等能量原理」不是算命神器,你的聽力也要靠自己努力

噪音性聽損實為多重致因、複雜表徵的疾病,不單與聲音大小有關,也不單只損害「察覺」聲音的能力。首先是個體的易感性(susceptibility),基因變異或高血脂將使個人對噪音的暴露更脆弱,而營養均衡的飲食或自體生成的熱休克蛋白(能維持細胞活性、幫助細胞修復的蛋白質)則可提高個人的保護力[7][8];再者是細胞損傷的針對性,噪音導致的暫時性聽損雖有機會恢復,但長期來看恐加速與老化相關的聽損,且噪音對聽覺神經結構的破壞,將使「分辨」聲音的能力也退步[9]。因此雖單靠相等能量原理難以完美詮釋終身的噪音危害,但作為基礎的估算仍有其價值。

善用工具!落實安全聆聽

為了盡可能減少噪音性聽損的風險,許多防音防護具(hearing protection devices)已經上市,除了一般通用的耳塞、耳罩,依照不同款式與材質、正確配戴與否,所能帶來的噪音衰減評比值(Noise Reduction Rating,NRR)在 0-35 分貝間[10];臺灣亦有不少助聽器公司,能由專業聽力師為我們取下專屬耳型(ear impression),再製作成客製化耳塞,更貼合個人的耳道以提高舒適。

在特殊製防音具中,分為基於音量水平(level-dependent)或基於頻率均等的衰減(uniform attenuation)。音量水平僅針對高音量衰減,而能保留安靜情境中較低音量的語音溝通需求,通常可應用在營造、紡織、航空等高噪職業。簡單來說,這樣的技術可以過濾機械運作時產生的大聲噪音,讓作業員較輕鬆聽到其他同事的說話聲。均等的衰減技術則考慮傳統耳塞對高頻率音的衰減大於低頻率音,因此在設計上利用聲學特性對高頻音產生額外共振,這樣就能留有貼近原音的清晰音質,可供音樂家、音響工程師,及講求高音質的大眾使用[11]

客製化防噪耳塞,結合內部音管做濾音功能,預期能達到頻率均等的衰減。圖/作者

人人在手的安全聆聽幫手

響應 WHO 與國際電信聯盟(International Telecommunication Union)在 2019 年提出的安全聆聽設備標準[2],許多手機與耳機製造商已開始著手在軟硬體端導入 WHO 的聆聽標準,可由「設定」內的「聲音與觸覺回饋/音效與震動」或下載應用程式做設定,功能雖因廠牌有異,但多涵蓋下述項目:

  1. 耳機高音量通知:當聆聽超過聲音累積允許量時發出通知提醒。
  2. 降低耳機高音量:選定設備最高音量限制,系統會分析耳機音訊並降低任何超出的音訊。
  3. 即刻檢視耳機音量:在聆聽音訊時,查看當前的音量變化。
  4. 個人化音訊調節:輸入專屬的聽力圖,系統能根據個人在不同頻率的聽力程度客製化調整音訊,使聆聽感受更清晰,或許你就能稍微調降整體音量,延長聆聽的允許時間。
  5. 累積耳機音量:部分根據耳道聲學,自動計算一段時間的耳內音量,標示使用狀況屬於正常或大聲;或將聲音暴露容許量以百分比告知每日/每周聆聽的餘額。
  6. 累積環境音量:自動計算一段時間的環境音量,標示正常或大聲;或將聲音暴露容許量以百分比告知每日/每周接觸的餘額。
為了一生的聽覺健康,記得落實安全聆聽的守則。圖/pexels

噪音對健康的影響不止於聽覺,也與睡眠障礙、新陳代謝與心血管疾病、兒童的認知表現下降有關[12]。因此不論先天的聽力基礎如何,聽力保健是人人都要關心的健康議題。大家不妨現在就拿起手機與耳機、開始設定,讓智慧 3C 發揮「智慧生活」的價值,協助你我「落實安全聆聽」吧!

參考資料

  1. World Health Organization. (2021). World Report on Hearing, 40,65. Available at:https://www.who.int/publications/i/item/world-report-on-hearing
  2. World Health Organization. (2019). Safe listening devices and systems: a WHO-ITU standard, 15-16. Available at:https://www.who.int/publications/i/item/9789241515276
  3. Berglund, Birgitta, Lindvall, Thomas, Schwela, Dietrich H & World Health Organization. Occupational and Environmental Health Team. (‎1999)‎. Guidelines for community noise, 35. Available at:https://apps.who.int/iris/handle/10665/66217
  4. Elliott H. Berger, Rick Neitzel, & Cynthia A. Kladden. 3M Personal Safety Division. (2015). Noise Navigator: Sound Level Database, 39-46 Available at:https://multimedia.3m.com/mws/media/888553O/noise-navigator-sound-level-hearing-protection-database.pdf
  5. Ross B. C. (1989). Noise exposure of motorcyclists. The Annals of occupational hygiene, 33(1), 123–127. https://doi.org/10.1093/annhyg/33.1.123
  6. Kim, G., & Han, W. (2018). Sound pressure levels generated at risk volume steps of portable listening devices: types of smartphone and genres of music. BMC public health, 18(1), 481. https://doi.org/10.1186/s12889-018-5399-4
  7. Le, T. N., Straatman, L. V., Lea, J., & Westerberg, B. (2017). Current insights in noise-induced hearing loss: a literature review of the underlying mechanism, pathophysiology, asymmetry, and management options. Journal of otolaryngology – head & neck surgery, 46(1), 41. https://doi.org/10.1186/s40463-017-0219-x 
  8. 張寧家(2011)。 影響台灣勞工噪音性聽力障礙易感性相關因子之研究。高雄醫學大學醫學研究所博士學位論文。 
  9. Wu, P. Z., O’Malley, J. T., de Gruttola, V., & Liberman, M. C. (2021). Primary Neural Degeneration in Noise-Exposed Human Cochleas: Correlations with Outer Hair Cell Loss and Word-Discrimination Scores. The Journal of neuroscience, 41(20), 4439–4447. https://doi.org/10.1523/JNEUROSCI.3238-20.2021
  10. Centers for Disease Control and Prevention, USA. (December 11, 2018). How Do I Prevent Hearing Loss from Loud Noise? Retrieved from https://www.cdc.gov/nceh/hearing_loss/how_do_i_prevent_hearing_loss.html
  11. Patricia A. Niquette. (Mar 7, 2007). Uniform Attenuation Hearing Protection Devices. Retrieved from https://hearingreview.com/hearing-products/uniform-attenuation-hearing-protection-devices
  12. Basner, M., Babisch, W., Davis, A., Brink, M., Clark, C., Janssen, S., & Stansfeld, S. (2014). Auditory and non-auditory effects of noise on health. Lancet, 383(9925), 1325–1332. https://doi.org/10.1016/S0140-6736(13)61613-X

數感宇宙探索課程,現正募資中!

雅文兒童聽語文教基金會_96
9 篇文章 ・ 7 位粉絲
雅文基金會提供聽損兒早期療育服務,近年來更致力分享親子教養資訊、推動聽損兒童融合教育,並普及聽力保健知識,期盼在家庭、學校和社會埋下良善的種子,替聽損者營造更加友善的環境。