論文の概要: MCMChaos: Improvising Rap Music with MCMC Methods and Chaos Theory

• arxiv url: http://arxiv.org/abs/2401.07967v1
• Date: Mon, 15 Jan 2024 21:10:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-17 15:48:39.426296
• Title: MCMChaos: Improvising Rap Music with MCMC Methods and Chaos Theory
• Title（参考訳）: MCMChaos:MCMC法とカオス理論によるラップ音楽の改善
• Authors: Robert G. Kimelman
• Abstract要約: このソフトウェアはPython Text-to-Speech処理(pyttxs)を実装し、MCFlowコーパスから読み上げられたテキストを英語の音声に変換する。 ソフトウェア利用者は、読み取った初期値を数学的シミュレーション手法に即時に変更するリアルタイムグラフィカルユーザインタフェース(GUI)を提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A novel freestyle rap software, MCMChaos 0.0.1, based on rap music transcriptions created in previous research is presented. The software has three different versions, each making use of different mathematical simulation methods: collapsed gibbs sampler and lorenz attractor simulation. As far as we know, these simulation methods have never been used in rap music generation before. The software implements Python Text-to-Speech processing (pyttxs) to convert text wrangled from the MCFlow corpus into English speech. In each version, values simulated from each respective mathematical model alter the rate of speech, volume, and (in the multiple voice case) the voice of the text-to-speech engine on a line-by-line basis. The user of the software is presented with a real-time graphical user interface (GUI) which instantaneously changes the initial values read into the mathematical simulation methods. Future research might attempt to allow for more user control and autonomy.
• Abstract（参考訳）: 従来の研究で作成されたラップ音楽の書き起こしに基づく新しいフリースタイルのラップソフトウェアMCMChaos 0.0.1について述べる。 ソフトウェアには3つの異なるバージョンがあり、それぞれ異なる数学的シミュレーション手法であるcrashed gibbs samplerとlorenz attractor simulationを使用している。 われわれが知る限り、これらのシミュレーション手法はラップ音楽の生成に一度も使われていない。 このソフトウェアはPython Text-to-Speech処理(pyttxs)を実装し、MCFlowコーパスから読み上げられたテキストを英語の音声に変換する。 各バージョンでは、各数学モデルからシミュレーションされた値は、テキスト対音声エンジンの音声の音声、ボリューム、および(複数音声の場合)の速度を、ラインバイラインで変更する。 ソフトウェアのユーザは、読み取った初期値を数学的シミュレーション手法に即時に変更するリアルタイムグラフィカルユーザインタフェース(GUI)を提示する。 今後の研究は、より多くのユーザー制御と自律性の実現を目指すかもしれない。

関連論文リスト

• FLUX that Plays Music [33.92910068664058]
  本稿では,FluxMusicと呼ばれるテキストから音楽への変換のための拡散型整流変換器の簡易拡張について検討する。 まず、二重テキスト-音楽ストリームに独立して注意を向け、続いて1つの音楽ストリームを積み重ねて、通知されたパッチ予測を行う。
  論文  参考訳（メタデータ） (2024-09-01T02:43:33Z)
• ChatSUMO: Large Language Model for Automating Traffic Scenario Generation in Simulation of Urban MObility [5.111204055180423]
  大規模言語モデル(LLM)は、テキスト、音声、画像、ビデオなどのマルチモーダルな入力と出力を扱うことができる。 本稿では,言語処理スキルを統合し,抽象的および実世界のシミュレーションシナリオを生成するLLMベースのエージェントChatSUMOを提案する。 シミュレーション生成のために,オールバニ市における実世界のシミュレーションを96%の精度で作成した。
  論文  参考訳（メタデータ） (2024-08-29T03:59:11Z)
• EMTeC: A Corpus of Eye Movements on Machine-Generated Texts [2.17025619726098]
  The Eye Movements on Machine-Generated Texts Corpus (EMTeC)は、英語母語話者107人が機械生成テキストを読んでいる自然主義的な眼球運動コーパスである。 EMTeCは、前処理の全段階での眼球運動データ、すなわち2000Hzでサンプリングされた生の座標データ、固定シーケンス、読取手段を包含する。
  論文  参考訳（メタデータ） (2024-08-08T08:00:45Z)
• Can Language Beat Numerical Regression? Language-Based Multimodal Trajectory Prediction [23.45902601618188]
  言語モデルは、文脈理解と生成性能において印象的な能力を示してきた。 LMTraj (Language-based Multimodal Trajectory predictor) を提案する。 本稿では,言語に基づくモデルが,歩行者の軌道予測に有効なことを示し,既存の数値ベースの予測手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-27T11:06:44Z)
• Beyond Language Models: Byte Models are Digital World Simulators [68.91268999567473]
  bGPTは、デジタルワールドをシミュレートする次のバイト予測モデルである。 これは、テキスト、オーディオ、画像など、様々なモダリティにわたるパフォーマンスの特殊なモデルと一致している。 シンボリックな音楽データを変換する過程をほぼ完璧に再現し、1バイトあたり0.0011ビットの誤り率を達成した。
  論文  参考訳（メタデータ） (2024-02-29T13:38:07Z)
• Masked Audio Generation using a Single Non-Autoregressive Transformer [90.11646612273965]
  MAGNeTは、複数のオーディオトークンストリーム上で直接動作するマスク付き生成シーケンスモデリング手法である。 テキスト・トゥ・ミュージック・アンド・テキスト・トゥ・オーディオ・ジェネレーションのタスクにおけるMAGNeTの有効性を実証する。 我々は、自己回帰と非自己回帰モデリングのトレードオフを指摘するとともに、MAGNeTを構成する各コンポーネントの重要性を強調した。
  論文  参考訳（メタデータ） (2024-01-09T14:29:39Z)
• TextrolSpeech: A Text Style Control Speech Corpus With Codec Language Text-to-Speech Models [51.529485094900934]
  リッチテキスト属性を付加した最初の大規模音声感情データセットであるTextrolSpeechを提案する。 本稿では,GPTモデルを利用した多段階プロンプトプログラミング手法を提案する。 そこで我々は,より多様なスタイルで音声を生成する必要性に対処するため,Salleと呼ばれる効率的なアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-08-28T09:06:32Z)
• Rhythm Modeling for Voice Conversion [23.995555525421224]
  リズム変換のための教師なし手法であるUrhythmicを導入する。 まず、音源音声をソノアリ、偽音、沈黙を近似したセグメントに分割する。 次に,各セグメントの発話速度や時間分布を推定し,リズムをモデル化する。 実験により、Urhythmicは、品質と韻律の観点から、既存の教師なしの手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-12T09:35:16Z)
• Textually Pretrained Speech Language Models [107.10344535390956]
  本稿では、事前訓練されたテキスト言語モデルからウォームスタートを用いたSpeechLMの訓練方法であるTWISTを提案する。 我々は、TWISTがボード全体のコールドスタートSpeechLMより優れる自動評価と人的評価の両方を用いて示す。
  論文  参考訳（メタデータ） (2023-05-22T13:12:16Z)
• BARTScore: Evaluating Generated Text as Text Generation [89.50052670307434]
  我々は、事前学習されたシーケンス・ツー・シーケンスモデルを用いてモデル化されたテキスト生成問題として、生成されたテキストの評価を概念化する。 我々は、エンコーダ-デコーダベースの事前学習モデルであるBARTを用いて、このアイデアを運用する。 本稿では,様々な視点からテキストの評価に柔軟に適用可能な,数多くの変種を持つメトリクスBARTScoreを提案する。
  論文  参考訳（メタデータ） (2021-06-22T03:20:53Z)
• WaveGrad 2: Iterative Refinement for Text-to-Speech Synthesis [80.60577805727624]
  WaveGrad 2は音声合成のための非自己回帰生成モデルである。 最先端のニューラルTSシステムの性能に近づき、高忠実度オーディオを生成することができる。
  論文  参考訳（メタデータ） (2021-06-17T17:09:21Z)

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。