Starting from radio Disk Jockeys (DJs) in the early 20th century, the role of DJs has evolved, and they are now capable of headlining festivals in large stadiums. However, despite the significance of DJs in contemporary culture, the field of Music Information Retrieval (MIR) lacks an understanding of DJ techniques. The primary reasons for this include the absence of datasets and the lack of advanced analytic tools. Therefore, this thesis proposes a dataset and analytic tools, and using those, computationally analyzes DJ techniques, with a focus on mix point selection and DJ mixing.
The proposed dataset, Raveform, comprises DJ mixes, tracks played in the mixes, and structural annotations for a subset of the tracks. Using the dataset, we develop and evaluate analytic tools for 1) metrical and functional structure analysis, 2) mix-to-track alignment, 3) mix point extraction, and 4) mixing estimation. With the built analytic tools, we provide various computational analyses of DJ techniques. Finally, we propose an interactive AI DJ demo using the structure analysis model.
20세기 초 라디오 디스크 자키(DJ)들부터 시작하여 DJ들의 역할이 발전하였고, 이제는 큰 스타디움에서 페스티벌을 주도하는 능력을 가지고 있습니다. 그러나 현대 문화에서 DJ의 중요성에도 불구하고, 음악 정보 검색(Music Information Retrieval, MIR) 분야는 DJ 기술에 대한 이해가 부족합니다. 이의 주된 이유는 데이터셋의 부재와 분석 도구의 부족 때문입니다. 따라서, 이 논문은 데이터셋과 분석 도구를 제안하고, 이를 사용하여 DJ 기법에 대한 컴퓨터 분석을 수행합니다. 이때, 믹스 포인트 선정과 DJ 믹싱에 중점을 둡니다.
제안된 데이터셋인 'Raveform'은 DJ 믹스, 믹스에서 재생된 트랙, 그리고 일부 트랙의 구조적 주석으로 구성됩니다. 이 데이터셋을 사용하여, 1) 메트릭 및 기능 구조 분석, 2) 믹스-트랙 정렬, 3) 믹스 포인트 추출, 4) 믹싱 추정을 위한 분석 도구를 개발하고 평가합니다. 또한, 구축된 분석 도구를 통해, 다양한 컴퓨터 분석을 제공합니다. 마지막으로, 구조 분석 모델을 사용한 인터랙티브 AI DJ 데모를 제안합니다.
