キーとBPM判定：音声ファイルから調と速さを読む

解析器はまずクロマベクトルを作ります。五オクターブにわたる十二の音階クラスごとにエネルギー量を測り、すべてのドをひとつの箱に、すべてのド♯を次の箱にまとめていきます。得られるのは、どのオクターブで弾かれたかに関係なく、その曲が実際にどの音に寄りかかっているかの分布です。

次にこの分布を二十四のクラムハンスル=シュマックラー型と相関させます。十二の主音それぞれに長調と短調の重みが一つずつある形です。これらの型は聴取実験から得られたもので、ある調の中で各音度がどれだけ強く感じられるかを符号化しています。最も相関の高い型が勝ち、その相関係数が答えの隣に出る確度になります。

これは「最も大きい音を主音と呼ぶ」という素朴なやり方を意図的に避けた設計です。ミックスで最も大きい音高はたいてい強拍のベース音で、それは根音ではなく五度や三度であることが多いのです。分布全体を既知の形と相関させるほうが、はるかに頑健です。

確度は、その曲の音高分布と勝った型との相関です。おおむね 70 パーセントを超えていればキーはほぼ確実に正しいです。50 から 70 の間ならおそらく正しいものの、耳で取れる和音と照らす価値があります。50 パーセントを下回るなら推測として扱ってください。

確度が低いのは失敗ではなく情報です。そもそも単一のキーを持たない音楽もあります。無調の書法、半音階の濃いジャズ、長調とその平行短調の間に座る旋法的な作品、途中で転調する曲。いずれも平坦な分布になり、どの型とも強く一致しません。打楽器だけの素材には解析できる音高成分がほとんどありません。

ある調の平行長調と短調は七音すべてを共有するため、分布が非常によく似ます。確度が中くらいのとき最も多い誤りは、ハ長調の曲をイ短調と報告する、あるいはその逆です。曲がどの音に落ち着くかを聴けば数秒で決着します。

DJ は両方を使って繋ぎを設計します。テンポが合うことがビートマッチを成立させ、キーが同じか関係調であることが重なりの濁りを防ぎます。五度離れた曲や、平行長調と短調は、たいていよく馴染みます。

素材をサンプリングする制作者は、自分の作品に移すためにキーが必要で、グリッドに合わせて伸縮するためにテンポが必要です。どちらかが半音やわずか数 BPM ずれるだけで、伸びたサンプルでは即座に聞き分けられます。

歌う人はキーで、その曲が自分の音域に収まるかを判断し、収まらなければ何度動かすかを決めます。ギタリストはカポの位置選びに使います。セットリストを組む人はテンポで一晩の流れを設計し、キーで同じ調の曲が二曲続くのを避けます。

テンポだけ欲しいのに解析できるファイルがない場合、たとえば部屋の向こうで鳴っている曲や生の演奏なら、BPM タップが自分のタップから測ってくれます。