論文の概要: Supporting Creative Ownership through Deep Learning-Based Music Variation
- arxiv url: http://arxiv.org/abs/2509.25834v1
- Date: Tue, 30 Sep 2025 06:18:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-01 17:09:04.449799
- Title: Supporting Creative Ownership through Deep Learning-Based Music Variation
- Title（参考訳）: 深層学習に基づく音楽変化による創造的オーナーシップ支援
- Authors: Stephen James Krol, Maria Teresa Llano, Jon McCormack,
- Abstract要約: 本稿では,音楽AI設計における個人所有の重要性について考察する。
作曲過程を創造的に制御する上で,ミュージシャンの実践がいかに有効かを検討する。
発見は、音楽表現の人間性を維持するツールの設計の重要性を強調している。
- 参考スコア（独自算出の注目度）: 4.71547360356314
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper investigates the importance of personal ownership in musical AI design, examining how practising musicians can maintain creative control over the compositional process. Through a four-week ecological evaluation, we examined how a music variation tool, reliant on the skill of musicians, functioned within a composition setting. Our findings demonstrate that the dependence of the tool on the musician's ability, to provide a strong initial musical input and to turn moments into complete musical ideas, promoted ownership of both the process and artefact. Qualitative interviews further revealed the importance of this personal ownership, highlighting tensions between technological capability and artistic identity. These findings provide insight into how musical AI can support rather than replace human creativity, highlighting the importance of designing tools that preserve the humanness of musical expression.
- Abstract（参考訳）: 本稿では,音楽AI設計における個人所有の重要性を考察し,演奏者が作曲過程に対する創造的な制御をいかに維持できるかを検討する。
4週間のエコロジー評価を通じて,作曲環境の中で演奏者のスキルに依存した音楽変化ツールがどのように機能するかを検討した。
その結果,ツールが演奏者の能力に依存していること,強い初期音楽入力を提供し,モーメントを完全な音楽アイデアに転換すること,プロセスとアーティファクトの両方のオーナシップを促進すること,などが示唆された。
質的なインタビューは、この個人所有の重要性をさらに明らかにし、技術的能力と芸術的アイデンティティの緊張を強調した。
これらの発見は、人間の創造性を置き換えるのではなく、音楽AIがどのようにサポートできるかについての洞察を与え、音楽表現の人間性を維持するツールの設計の重要性を強調している。
関連論文リスト
- Exploring the Needs of Practising Musicians in Co-Creative AI Through Co-Design [0.27309692684728604]
本稿では,音楽変化システムの共同設計を通じて,ミュージシャンの実践ニーズを探求するケーススタディを提案する。
これは2つのワークショップと2週間の生態学的評価を通じて達成され、様々な音楽的背景を持つミュージシャンが貴重な洞察を提供した。
論文 参考訳（メタデータ） (2025-02-13T08:10:07Z) - 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) - Foundation Models for Music: A Survey [77.77088584651268]
ファンデーションモデル(FM)は音楽を含む様々な分野に大きな影響を与えている。
本総説では,音楽の事前学習モデルと基礎モデルについて概観する。
論文 参考訳（メタデータ） (2024-08-26T15:13:14Z) - ComposerX: Multi-Agent Symbolic Music Composition with LLMs [51.68908082829048]
音楽の構成は、長い依存と調和の制約で情報を理解し、生成する能力を必要とする複雑なタスクである。
現在のLLMは、このタスクで簡単に失敗し、In-Context-LearningやChain-of-Thoughtsといったモダンな技術が組み込まれても、不適切な曲を生成する。
エージェントベースのシンボリック音楽生成フレームワークであるComposerXを提案する。
論文 参考訳（メタデータ） (2024-04-28T06:17:42Z) - Interactive Melody Generation System for Enhancing the Creativity of
Musicians [0.0]
本研究では,人間同士の協調構成の過程を列挙するシステムを提案する。
複数のリカレントニューラルネットワーク(RNN)モデルを統合することにより、このシステムは、複数の作曲家とのコラボレーションに似たエクスペリエンスを提供する。
論文 参考訳（メタデータ） (2024-03-06T01:33:48Z) - Redefining Relationships in Music [55.478320310047785]
私たちは、AIツールが音楽文化を根本的に変えてくれると論じています。
この分野で働く人々は、音楽の実践、消費、意味に対するネガティブな影響を減らすことができる。
論文 参考訳（メタデータ） (2022-12-13T19:44:32Z) - Affective Idiosyncratic Responses to Music [63.969810774018775]
本研究では,中国社会音楽プラットフォーム上での403万以上のリスナーコメントから,音楽に対する感情応答を測定する手法を開発した。
我々は,聴取者の感情反応を促進する音楽的,歌詞的,文脈的,人口動態的,精神的健康的効果をテストした。
論文 参考訳（メタデータ） (2022-10-17T19:57:46Z) - Generating Music and Generative Art from Brain activity [0.0]
本研究は,脳-コンピュータインタフェース(BCI)を用いた生成アート作成のための計算システムを提案する。
生成されたアートワークは、脳信号と幾何学、色、空間的位置の概念を使って、自律的な構築に複雑さを与えます。
論文 参考訳（メタデータ） (2021-08-09T19:33:45Z)
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。