Using Physical Modeling, Machine Learning, and Virtual Reality for Replicating the Ancient Greek Lyre: A New Method for Emulation and Exhibition
Translated title
Using Physical Modeling, Machine Learning, and Virtual Reality for Replicating the Ancient Greek Lyre
Author
Stein, Benjamin Melvin
Term
4. Term
Education
Publication year
2026
Submitted on
2026-06-08
Pages
96
Abstract
Museums often cannot let visitors handle rare or fragile instruments, which makes it hard to convey how they sound. This thesis explores an end-to-end way to turn audio recordings of an instrument into a playable digital twin, an interactive model that responds like the original. The work focuses on the ancient Greek lyre, using recordings provided by the Seikilo Museum of Ancient Music. The system combines three parts. First, a body impulse-response extractor learns how the instrument’s body shapes sound (its resonances) and reproduces that effect. Second, a machine-learning optimizer uses differentiable digital signal processing (DSP), formulated so it can be trained directly from audio, to estimate parameters of a physics-based model. Third, a virtual reality (VR) tool lets users play the resulting digital instruments. Each component is evaluated with objective measures and listening-based assessments. The impulse-response extractor convincingly matches the target body. The parameter optimizer struggles to recover stable, physically interpretable values, but shows promise on a problem with little prior work. The VR tool reaches an average usability benchmark, and its sound quality is a clear strength. Together, these results provide a workable foundation for turning historical instruments into interactive digital experiences.
Museer kan ofte ikke lade besøgende håndtere sjældne eller skrøbelige instrumenter, og derfor er det svært at formidle, hvordan de lyder. Denne afhandling undersøger en end-to-end metode, der omsætter lydoptagelser af et instrument til en spilbar digital tvilling, en interaktiv model der reagerer som originalen. Arbejdet tager udgangspunkt i den antikke græske lyre med optagelser fra Seikilo Museum of Ancient Music. Systemet samler tre dele. For det første udtrækker en impulsrespons-komponent for instrumentkroppen, hvordan instrumentkroppen farver lyden (dens resonanser), og genskaber denne effekt. For det andet anvender en maskinlæringsoptimering differentierbar digital signalbehandling (DSP), formuleret så den kan trænes direkte på lyd, til at estimere parametre i en fysikbaseret model. For det tredje giver et virtual reality (VR) værktøj mulighed for at spille på de resulterende digitale instrumenter. Hver del vurderes med objektive målinger og lyttebaserede vurderinger. Impulsrespons-udtrækkeren matcher den målte instrumentkrop overbevisende. Parameteroptimeringen har svært ved at finde stabile, fysisk fortolkelige værdier, men viser lovende takter på et område med begrænset forudgående arbejde. VR-værktøjet når et gennemsnitligt brugervenligheds-benchmark, og lydkvaliteten er en tydelig styrke. Samlet set etablerer resultaterne et brugbart fundament for at gøre historiske instrumenter til interaktive digitale oplevelser.
[This apstract has been rewritten with the help of AI based on the project's original abstract]
Keywords