論文の概要: Bach Style Music Authoring System based on Deep Learning

• arxiv url: http://arxiv.org/abs/2110.02640v1
• Date: Wed, 6 Oct 2021 10:30:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-08 00:35:12.253861
• Title: Bach Style Music Authoring System based on Deep Learning
• Title（参考訳）: ディープラーニングに基づくバッハスタイルの音楽オーサリングシステム
• Authors: Minghe Kong and Lican Huang
• Abstract要約: 本研究の目的は,ディープラーニングに基づくバッハスタイルの音楽オーサリングシステムを設計することである。 LSTMニューラルネットワークを用いて、シリアライズおよび標準化された音楽特徴データをトレーニングする。 Bach 音楽の模倣を生成できる最適な LSTM モデルを見いだす。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the continuous improvement in various aspects in the field of artificial intelligence, the momentum of artificial intelligence with deep learning capabilities into the field of music is coming. The research purpose of this paper is to design a Bach style music authoring system based on deep learning. We use a LSTM neural network to train serialized and standardized music feature data. By repeated experiments, we find the optimal LSTM model which can generate imitation of Bach music. Finally the generated music is comprehensively evaluated in the form of online audition and Turing test. The repertoires which the music generation system constructed in this article are very close to the style of Bach's original music, and it is relatively difficult for ordinary people to distinguish the musics Bach authored and AI created.
• Abstract（参考訳）: 人工知能分野における様々な面での継続的な改善により、音楽分野への深層学習能力を備えた人工知能の勢いが高まっている。 本研究の目的は,ディープラーニングに基づくバッハスタイルの音楽オーサリングシステムを設計することである。 LSTMニューラルネットワークを用いて、シリアライズおよび標準化された音楽特徴データをトレーニングする。 繰り返し実験により,バッハ音楽の模倣を生成できる最適LSTMモデルが得られた。 最後に、生成された音楽は、オンラインオーディションとチューリングテストの形式で包括的に評価される。 本稿で構築された音楽生成システムのレパートリーは、バッハのオリジナル音楽のスタイルに非常に近いものであり、一般人がバッハの作曲した楽曲やAIを区別することは比較的困難である。

関連論文リスト

• A Survey of Foundation Models for Music Understanding [60.83532699497597]
  この研究は、AI技術と音楽理解の交差に関する初期のレビューの1つである。 音楽理解能力に関して,近年の大規模音楽基盤モデルについて検討,分析,検証を行った。
  論文  参考訳（メタデータ） (2024-09-15T03:34:14Z)
• Quantifying the Corpus Bias Problem in Automatic Music Transcription Systems [3.5570874721859016]
  AMT(Automatic Music Transcription)は、音楽の音声録音における音符認識のタスクである。 我々は、音楽と音の2つの主要な分布シフト源を同定する。 2つの新しい実験セットにおいて,複数のSotA AMTシステムの性能評価を行った。
  論文  参考訳（メタデータ） (2024-08-08T19:40:28Z)
• Self-Supervised Contrastive Learning for Robust Audio-Sheet Music Retrieval Systems [3.997809845676912]
  自己指導型コントラスト学習は、実際の音楽コンテンツからの注釈付きデータの不足を軽減することができることを示す。 クロスモーダルなピース識別の高レベルなタスクにスニペットを埋め込む。 本研究では,実際の音楽データが存在する場合,検索品質が30%から100%に向上することが観察された。
  論文  参考訳（メタデータ） (2023-09-21T14:54:48Z)
• MusicBERT: Symbolic Music Understanding with Large-Scale Pre-Training [97.91071692716406]
  シンボリック・ミュージックの理解(シンボリック・ミュージックの理解)とは、シンボリック・データから音楽を理解することを指す。 MusicBERTは、音楽理解のための大規模な事前訓練モデルである。
  論文  参考訳（メタデータ） (2021-06-10T10:13:05Z)
• Music Harmony Generation, through Deep Learning and Using a Multi-Objective Evolutionary Algorithm [0.0]
  本稿では,ポリフォニック音楽生成のための遺伝的多目的進化最適化アルゴリズムを提案する。 ゴールの1つは音楽の規則と規則であり、他の2つのゴール、例えば音楽の専門家や普通のリスナーのスコアとともに、最も最適な反応を得るために進化のサイクルに適合する。 その結果,提案手法は,聞き手を引き寄せながら文法に従う調和音とともに,所望のスタイルや長さの難易度と快適さを生み出すことができることがわかった。
  論文  参考訳（メタデータ） (2021-02-16T05:05:54Z)
• Research on AI Composition Recognition Based on Music Rules [7.699648754969773]
  モーメント抽出による楽曲ルール識別アルゴリズムを構築する。 それは、機械生成音楽のモードの安定性を特定し、それが人工知能であるかどうかを判断する。
  論文  参考訳（メタデータ） (2020-10-15T14:51:24Z)
• Incorporating Music Knowledge in Continual Dataset Augmentation for Music Generation [69.06413031969674]
  Aug-Genは、リソース制約のあるドメインでトレーニングされた任意の音楽生成システムに対するデータセット拡張の方法である。 我々は、Aug-Gen をトランスフォーマーベースのコラール生成に J.S. Bach のスタイルで適用し、これによりより長いトレーニングが可能となり、より優れた生成出力が得られることを示す。
  論文  参考訳（メタデータ） (2020-06-23T21:06:15Z)
• 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)
• Artificial Musical Intelligence: A Survey [51.477064918121336]
  音楽は、機械学習と人工知能研究の領域としてますます広まりつつある。 この記事では、音楽知能の定義を提供し、その構成成分の分類を導入し、その追求に耐えうる幅広いAI手法を調査します。
  論文  参考訳（メタデータ） (2020-06-17T04:46:32Z)
• 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)

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。