論文の概要: BacHMMachine: An Interpretable and Scalable Model for Algorithmic Harmonization for Four-part Baroque Chorales

• arxiv url: http://arxiv.org/abs/2109.07623v1
• Date: Wed, 15 Sep 2021 23:39:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-18 04:41:00.483381
• Title: BacHMMachine: An Interpretable and Scalable Model for Algorithmic Harmonization for Four-part Baroque Chorales
• Title（参考訳）: BacHMMachine: 4部バロック合唱曲のアルゴリズム調和のための解釈可能かつスケーラブルなモデル
• Authors: Yunyao Zhu, Stephen Hahn, Simon Mak, Yue Jiang, Cynthia Rudin
• Abstract要約: BacHMMachineは、音楽作曲の原則によって導かれる「理論駆動」の枠組みを採用している。 与えられた旋律線から鍵変調と和音の進行を学習するための確率的フレームワークを提供する。 これにより計算負荷が大幅に減少し、解釈可能性も向上する。
• 参考スコア（独自算出の注目度）: 23.64897650817862
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Algorithmic harmonization - the automated harmonization of a musical piece given its melodic line - is a challenging problem that has garnered much interest from both music theorists and computer scientists. One genre of particular interest is the four-part Baroque chorales of J.S. Bach. Methods for algorithmic chorale harmonization typically adopt a black-box, "data-driven" approach: they do not explicitly integrate principles from music theory but rely on a complex learning model trained with a large amount of chorale data. We propose instead a new harmonization model, called BacHMMachine, which employs a "theory-driven" framework guided by music composition principles, along with a "data-driven" model for learning compositional features within this framework. As its name suggests, BacHMMachine uses a novel Hidden Markov Model based on key and chord transitions, providing a probabilistic framework for learning key modulations and chordal progressions from a given melodic line. This allows for the generation of creative, yet musically coherent chorale harmonizations; integrating compositional principles allows for a much simpler model that results in vast decreases in computational burden and greater interpretability compared to state-of-the-art algorithmic harmonization methods, at no penalty to quality of harmonization or musicality. We demonstrate this improvement via comprehensive experiments and Turing tests comparing BacHMMachine to existing methods.
• Abstract（参考訳）: アルゴリズム的調和 - 旋律的線に基づく楽曲の自動調和 - は、音楽理論家とコンピュータ科学者の両方から多くの関心を集めている困難な問題である。 特に興味のあるジャンルはj・s・バッハの4部構成のバロック調弦楽団である。 アルゴリズム的コラール調和法は一般にブラックボックスの「データ駆動」アプローチを採用しており、音楽理論の原理を明示的に統合するのではなく、大量のコラールデータで訓練された複雑な学習モデルに依存している。 そこで我々は,音楽合成原理に導かれた「理論駆動」フレームワークと,このフレームワークにおける構成特徴を学習するための「データ駆動」モデルを用いる,bachmmachineと呼ばれる新しい調和モデルを提案する。 名前の通り、BacHMMachineは鍵と和音の遷移に基づく新しい隠れマルコフモデルを使用し、鍵変調と和音の進行を与えられた旋律線から学習するための確率的枠組みを提供する。 これは創造的だが音楽的にコヒーレントなコラール調和を発生させることを可能にし、構成原理の統合は計算の負担を大幅に削減し、最先端のアルゴリズム的調和法に比べて解釈性を高める、より単純なモデルを可能にする。 本研究では,BacHMMachineを既存手法と比較した総合実験およびチューリング試験により,この改善を実証する。

関連論文リスト

• Promises and Pitfalls of Generative Masked Language Modeling: Theoretical Framework and Practical Guidelines [74.42485647685272]
  GMLM(Generative Masked Language Models)に焦点を当てる。 我々は,マルコフ連鎖の入力として使用されるマスキングにより,データ分布の条件付き確率に適合するモデルを訓練し,モデルからサンプルを抽出する。 我々は,T5モデルを並列デコーディングに適応させ,最小品質の犠牲を伴って機械翻訳における2～3倍の高速化を実現した。
  論文  参考訳（メタデータ） (2024-07-22T18:00:00Z)
• A Survey of Music Generation in the Context of Interaction [3.6522809408725223]
  機械学習は、メロディーとポリフォニックの両方の曲の作曲と生成に成功している。 これらのモデルのほとんどは、ライブインタラクションによる人間と機械の共創には適していない。
  論文  参考訳（メタデータ） (2024-02-23T12:41:44Z)
• Simple and Controllable Music Generation [94.61958781346176]
  MusicGenは単一の言語モデル(LM)であり、圧縮された離散的な音楽表現、すなわちトークンの複数のストリームで動作する。 以前の作業とは異なり、MusicGenはシングルステージのトランスフォーマーLMと効率的なトークンインターリービングパターンで構成されている。
  論文  参考訳（メタデータ） (2023-06-08T15:31:05Z)
• Emotion-Conditioned Melody Harmonization with Hierarchical Variational Autoencoder [11.635877697635449]
  LSTMに基づく階層的変分自動エンコーダ(LHVAE)を提案する。 LHVAEは、グローバル音楽とローカル音楽の特性をモデル化するために、潜伏変数と感情条件を異なるレベルで組み込んでいる。 目的実験の結果,提案モデルが他のLSTMモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-06T14:28:57Z)
• A framework to compare music generative models using automatic evaluation metrics extended to rhythm [69.2737664640826]
  本稿では,前回の研究で提示された,リズムを考慮せず,設計決定を下すための枠組みを取り上げ,単音素音楽作成における2つのrnnメモリセルの性能評価のためにリズムサポートを付加した。 モデルでは,音素変換の処理を考慮し,リズムサポートを付加した幾何学に基づく自動計測値を用いて,生成した楽曲の質を評価する。
  論文  参考訳（メタデータ） (2021-01-19T15:04:46Z)
• Bach or Mock? A Grading Function for Chorales in the Style of J.S. Bach [74.09517278785519]
  本稿では,J.S.バッハ様式の4パート合唱曲を重要な音楽的特徴とともに評価するグレーディング機能を提案する。 この機能は,Bach合唱曲とモデル生成の合唱曲を区別する上で,人間専門家より優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-23T21:02:55Z)
• Learning Gaussian Graphical Models via Multiplicative Weights [54.252053139374205]
  乗算重み更新法に基づいて,Klivans と Meka のアルゴリズムを適用した。 アルゴリズムは、文献の他のものと質的に類似したサンプル複雑性境界を楽しみます。 ランタイムが低い$O(mp2)$で、$m$サンプルと$p$ノードの場合には、簡単にオンライン形式で実装できる。
  論文  参考訳（メタデータ） (2020-02-20T10:50:58Z)
• RL-Duet: Online Music Accompaniment Generation Using Deep Reinforcement Learning [69.20460466735852]
  本稿では,オンライン伴奏生成のための深層強化学習アルゴリズムを提案する。 提案アルゴリズムは人体に応答し,メロディック,ハーモニック,多種多様な機械部品を生成する。
  論文  参考訳（メタデータ） (2020-02-08T03:53:52Z)
• Continuous Melody Generation via Disentangled Short-Term Representations and Structural Conditions [14.786601824794369]
  ユーザが指定したシンボリックシナリオと過去の音楽コンテキストを組み合わせることで,メロディーを構成するモデルを提案する。 本モデルでは,8拍子の音符列を基本単位として長い旋律を生成でき,一貫したリズムパターン構造を他の特定の歌と共有することができる。 その結果,本モデルが生成する音楽は,顕著な繰り返し構造,豊かな動機,安定したリズムパターンを有する傾向が示唆された。
  論文  参考訳（メタデータ） (2020-02-05T06:23:44Z)
• Modeling Musical Structure with Artificial Neural Networks [0.0]
  音楽構造モデリングのさまざまな側面に対する人工知能の適用について検討する。 Gated Autoencoder(GAE)というコネクショナリストモデルを用いて,楽曲の断片間の変換を学習する方法を示す。 本稿では,ポリフォニック・ミュージックを区間の連続として表現するGAEの特別な予測訓練を提案する。
  論文  参考訳（メタデータ） (2020-01-06T18:35:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。