딥러닝 기반 음고 추출을 활용한 가야금 산조 농현의 시각화 및 정량 분석

AI-based Visualization and Quantitative Analysis of Gayageum Sanjo Vibrato Using CREPE and FFT for Traditional Korean Music Education

본 연구는 국악 실기교육의 핵심 요소인 ‘농현’을 장단의 소박 단위로 구체화하여 학습자와 연주자가 연습과정에서 참고할 수 있는 기준을 마련하고자 하였으며, 이를 위해 딥러닝 기반 분석 방식을 적용하였다. 연구방법으로는 음고 추출(CREPE)과 고속 푸리에 변환(FFT)을 활용하여 가야금 산조의 농현을 분석하고 이를 시각화하였다. 주기성이 뚜렷한 소박 단위 안에서 농현의 세그먼트를 구분하고, 각 구간의 음고, 깊이, 속도, 농현 횟수를 산출하였다. 분석 결과 진양조에서는 소박당 약 세 차례, 중모리에서는 두 차례 정도의 농현이 지속적으로 나타났으며, 줄의 위치나 본청⋅변청, 프레이징, 추임새 등 조건이 달라져도 리듬 단위의 주기성은 대체로 유지되었다. 향후에는 세그먼트 기준을 명확히 표준화하고 다양한 산조와 연주자를 포함하는 확장 연구가 요구된다.

This study aimed to establish reference criteria for learners and performers by defining nonghyun—a core expressive element in Korean traditional music—within rhythmic sobak units. Using deep learning-based analysis with pitch extraction (CREPE) and Fast Fourier Transform (FFT), gayageum sanjo performances were analyzed and visualized. Within clearly periodic rhythmic units, nonghyun segments were identified and measured in pitch, depth, speed, and frequency. The analysis showed that Jinyangjo exhibited about three nonghyun per beat and Jungmori about two, maintaining rhythmic periodicity despite tonal or phrasing variations. Future research should refine segmentation criteria and extend to diverse sanjo repertoires and performers.