感知你的声音:利用肌电图和超声成像探索声带肌肉活动进行音高评估
荣誉提名作者
生物传感器与生理监测情绪识别与检测情感反馈与情绪调节界面音乐人、DJ 与声音设计师物理治疗师与康复治疗师医生、护士、临床医生
文献标题
Sensing Your Vocals: Exploring the Activity of Vocal Cord Muscles for Pitch Assessment Using Electromyography and Ultrasonography
出版信息
- 主题领域: 利用生理传感技术提升声乐训练。
- 关键词: 声乐训练, 肌电图 (EMG), 超声成像 (UI), 声带肌肉, 音高评估, 声乐教学法, 生理传感, 人机交互 (HCI), 歌唱功率比 (SPR), 声乐表现。
背景与问题
- 问题/挑战: 传统声乐训练方法依赖听觉反馈和声谱图,无法直接揭示控制音高的肌肉机制。这使得歌者只能通过反复试验来达到预期的声乐效果。
- 重要性: 理解并可视化声带肌肉活动能够通过提供更直观且精准的反馈来改善声乐训练,从而弥补现有方法的不足。
- 动机与相关研究: 先前研究探讨了如歌唱功率比 (SPR) 和呼吸肌训练等指标,但缺乏声音与肌肉活动之间的直观联系。新兴的传感技术如EMG和UI在声乐教学领域具有潜力,但尚未被充分探索。
解决方案
- 提出的方法: 利用肌电图 (EMG) 和超声成像 (UI) 可视化和评估声带肌肉活动,以改善声乐训练。
- 创新点:
- 使用EMG和UI从不同技能水平的歌者中创建声带传感数据集 (VCSD)。
- 开发并评估针对初学者和经验丰富歌者的反馈系统,比较EMG和UI与传统方法的效果。
- 提出将传感技术整合到声乐训练系统中的建议,并探讨其广泛应用的可能性。
- 流程与关键技术:
- 研究1: 从16名歌者中收集并分析EMG和UI数据,以建立声带肌肉活动的基线模式并区分技能水平。
- 研究2: 评估EMG和UI反馈对12名初学者的影响,重点关注技能发展和可用性。
- 研究3: 研究便携式EMG设备在15名经验丰富歌者中的表现,并与传统反馈方法进行比较。
结果
- 具体发现:
- EMG有效捕捉声带肌肉的时间稳定性,而UI提供了声带动态的详细可视化。
- 初学者在两种方法下表现出更好的声乐控制,EMG增强了感知可控性,UI改善了声带长度控制。
- 经验丰富的歌者表现出EMG与SPR之间的强协调性,其中男高音歌者的肌肉参与度比男低音歌者更一致。
- 相较基线的优势:
- EMG和UI提供了比传统听觉方法更精准且可操作的反馈。
- EMG减少了声带疲劳并增强了实时控制能力,而UI则提供了直观的肌肉活动视觉线索。
- 实验/评估:
- 研究1: 16名参与者;分析不同技能水平的EMG和UI数据。
- 研究2: 12名初学者;使用NASA-TLX和SoAS指标比较音频反馈、EMG反馈和UI反馈。
- 研究3: 15名经验丰富歌者;研究EMG-SPR相关性并进行焦点小组讨论。
- 局限性与未来工作:
- 短期训练效果;需要长期研究。
- 反馈解读的认知负担;需开发更直观的界面。
- 专家基线比较中的性别和发展因素干扰。
- 样本量较小且组间表现存在差异。
总结
本文通过提供声带肌肉活动的详细反馈,展示了EMG和UI在提升声乐训练中的潜力。EMG在捕捉时间稳定性和提升感知控制方面表现出色,而UI则提供了声带动态的直观可视化。通过涉及43名参与者的三项研究,作者证明了这些方法优于传统听觉反馈,并指出其应用可扩展至语言治疗和音乐教育领域。未来工作将重点放在优化界面、解决认知负担以及探索长期训练效果上。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3790965
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
荣誉提名
group
作者
12 位作者
sell
研究子方向
生物传感器与生理监测、情绪识别与检测、情感反馈与情绪调节界面
work
职业/产业
音乐人、DJ 与声音设计师、物理治疗师与康复治疗师、医生、护士、临床医生
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文