論文の概要: Arabic Music Classification and Generation using Deep Learning

• arxiv url: http://arxiv.org/abs/2410.19719v1
• Date: Fri, 25 Oct 2024 17:47:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-28 13:33:43.396236
• Title: Arabic Music Classification and Generation using Deep Learning
• Title（参考訳）: 深層学習を用いたアラビア音楽の分類と生成
• Authors: Mohamed Elshaarawy, Ashrakat Saeed, Mariam Sheta, Abdelrahman Said, Asem Bakr, Omar Bahaa, Walid Gomaa,
• Abstract要約: 本稿では,古典・新エジプト音楽の作曲家による分類と類似音楽の生成のための機械学習手法を提案する。 提案システムは,畳み込みニューラルネットワーク(CNN)を分類に用い,CNNオートエンコーダを生成に用いた。 81.4%の精度で作曲者による楽曲の分類を行い,提案手法の有効性を実証した。
• 参考スコア（独自算出の注目度）: 1.4721222689583375
• License:
• Abstract: This paper proposes a machine learning approach for classifying classical and new Egyptian music by composer and generating new similar music. The proposed system utilizes a convolutional neural network (CNN) for classification and a CNN autoencoder for generation. The dataset used in this project consists of new and classical Egyptian music pieces composed by different composers. To classify the music by composer, each sample is normalized and transformed into a mel spectrogram. The CNN model is trained on the dataset using the mel spectrograms as input features and the composer labels as output classes. The model achieves 81.4\% accuracy in classifying the music by composer, demonstrating the effectiveness of the proposed approach. To generate new music similar to the original pieces, a CNN autoencoder is trained on a similar dataset. The model is trained to encode the mel spectrograms of the original pieces into a lower-dimensional latent space and then decode them back into the original mel spectrogram. The generated music is produced by sampling from the latent space and decoding the samples back into mel spectrograms, which are then transformed into audio. In conclusion, the proposed system provides a promising approach to classifying and generating classical Egyptian music, which can be applied in various musical applications, such as music recommendation systems, music production, and music education.
• Abstract（参考訳）: 本稿では,古典・新エジプト音楽の作曲家による分類と類似音楽の生成のための機械学習手法を提案する。 提案システムは,畳み込みニューラルネットワーク(CNN)を分類に用い,CNNオートエンコーダを生成に用いた。 このプロジェクトで使用されたデータセットは、異なる作曲家によって作られた新しいエジプト音楽と古典音楽で構成されている。 楽曲を作曲家によって分類するために、各サンプルは正規化され、メルスペクトログラムに変換される。 CNNモデルは、メルスペクトルを入力として、作曲家ラベルを出力クラスとして、データセット上で訓練される。 このモデルは,作曲家による楽曲の分類において81.4\%の精度を達成し,提案手法の有効性を実証する。 オリジナルの曲に似た新しい曲を生成するために、CNNオートエンコーダが同様のデータセットで訓練される。 モデルは、元の部品のメルスペクトルを低次元の潜在空間にエンコードし、元のメルスペクトルに復号するように訓練される。 生成された音楽は、潜伏空間からサンプリングしてサンプルをメルスペクトログラムに復号し、その後オーディオに変換する。 提案システムは,音楽推薦システムや音楽制作,音楽教育など,様々な音楽応用に適用可能な,古典エジプト音楽の分類・生成のための有望なアプローチを提供する。

関連論文リスト

• Audio-to-Score Conversion Model Based on Whisper methodology [0.0]
  この論文は、音楽情報をトークンに変換するカスタム表記システムである"Orpheus' Score"を革新的に導入している。 実験によると、従来のアルゴリズムと比較して、モデルは精度と性能を大幅に改善した。
  論文  参考訳（メタデータ） (2024-10-22T17:31:37Z)
• Music Genre Classification using Large Language Models [50.750620612351284]
  本稿では,音楽ジャンル分類のための事前学習された大規模言語モデル(LLM)のゼロショット機能を利用する。 提案手法は、音声信号を20ミリ秒のチャンクに分割し、畳み込み特徴エンコーダで処理する。 推論中、個々のチャンクの予測は最終ジャンル分類のために集約される。
  論文  参考訳（メタデータ） (2024-10-10T19:17:56Z)
• Music Genre Classification: Training an AI model [0.0]
  音楽ジャンル分類は、音声信号の処理に機械学習モデルと技法を利用する分野である。 本研究では,音楽ジャンル分類のための機械学習アルゴリズムについて,音声信号から抽出した特徴を用いて検討する。 ジャンル分類のための機械学習モデルの堅牢性を評価し、その結果を比較することを目的としている。
  論文  参考訳（メタデータ） (2024-05-23T23:07:01Z)
• 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)
• GETMusic: Generating Any Music Tracks with a Unified Representation and Diffusion Framework [58.64512825534638]
  シンボリック・ミュージック・ジェネレーションは、ユーザーが音楽を作るのに役立つ音符を作成することを目的としている。 私たちは「GETMusic」と呼ばれるフレームワークを紹介します。「GET'」は「GEnerate Music Tracks」の略です。 GETScoreは、音符をトークンとして表現し、2D構造でトークンを整理する。 提案する表現は,非自己回帰生成モデルと組み合わせて,任意のソース・ターゲットトラックの組み合わせでGETMusicに音楽を生成する。
  論文  参考訳（メタデータ） (2023-05-18T09:53:23Z)
• A Dataset for Greek Traditional and Folk Music: Lyra [69.07390994897443]
  本稿では,80時間程度で要約された1570曲を含むギリシャの伝統音楽と民俗音楽のデータセットについて述べる。 このデータセットにはYouTubeのタイムスタンプ付きリンクが組み込まれており、オーディオやビデオの検索や、インスツルメンテーション、地理、ジャンルに関する豊富なメタデータ情報が含まれている。
  論文  参考訳（メタデータ） (2022-11-21T14:15:43Z)
• Symphony Generation with Permutation Invariant Language Model [57.75739773758614]
  変分不変言語モデルに基づくシンフォニーネットという記号的シンフォニー音楽生成ソリューションを提案する。 シンフォニートークンの超長いシーケンスをモデル化するためのバックボーンとして、新しいトランスフォーマーデコーダアーキテクチャが導入された。 実験結果から,提案手法は人間の構成と比べ,コヒーレント,新規,複雑,調和的な交響曲を生成できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-10T13:08:49Z)
• Evaluating Deep Music Generation Methods Using Data Augmentation [13.72212417973239]
  我々は,アルゴリズムによって生成された楽曲のサンプルを評価するための,均質で客観的な枠組みに焦点をあてる。 生成した楽曲の楽譜評価は行わず,感情や気分やテーマに関する意味のある情報が含まれているかを探る。
  論文  参考訳（メタデータ） (2021-12-31T20:35:46Z)
• 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)
• Tr\"aumerAI: Dreaming Music with StyleGAN [2.578242050187029]
  本稿では, ディープ・ミュージックの埋め込みをスタイルGANの埋め込みに直接マッピングするニューラル・ミュージック・ビジュアライザーを提案する。 アノテータは10秒の100曲のクリップを聴き、StyleGANが生成した例の中で音楽に合ったイメージを選択した。 生成した例は、音声と映像のマッピングが、あるレベルのセグメント内類似性とセグメント間異同を生じさせることを示している。
  論文  参考訳（メタデータ） (2021-02-09T07:04:22Z)

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。