|
|
Tvorba hudby počítačem
Chmelka, Jakub ; Polok, Lukáš (oponent) ; Fapšo, Michal (vedoucí práce)
Tato bakalářská práce se zabývá tvorbou hudby počítačem. Systém využívá k tvorbě hudby umělé neuronové sítě, které se zákonitostem zvoleného hudebního žánru učí z nahrávek ve formátu MIDI. Kromě melodie klade velký důraz na rytmus nově vzniklých skladeb. Mimo problematiky neuronových sítí se zde pojednává o vhodné reprezentaci vstupních dat a zpětné transformaci do MIDI formátu. Systém je implementován jako sada skriptů, převážně v matematickém softwaru Matlab.
|
|
|
Tvorba hudby počítačem
Lanc, Jakub ; Štancl, Vít (oponent) ; Fapšo, Michal (vedoucí práce)
Práce se zabývá tvorbou hudby počítačem, konkrétně využitím neuronových sítí pro generování melodií. Nejprve stručně mapuje současné přístupy ke generování hudby a charakteristiky některých užívaných typů neuronových sítí pro tento účel. Na problém nahlíží z širšího úhlu - od získání dat, po jejich transformaci, vhodnou reprezentaci, až po trénování pomocí sítě. Následně popisuje implementaci experimentu pomocí skriptů v prostředí Matlab.
|
|
|
Artificial Composition of Multi-Instrumental Polyphonic Music
Samuel, David ; Pilát, Martin (vedoucí práce) ; Neruda, Roman (oponent)
David Samuel Představujeme generativní model pro skládání klasické i populární hudby, jehož cílem je vytvářet hudbu na lidské úrovni. Hlavní překážkou je její složitá hierarchická struktura a absence rozumného automatického vyhodnocení její kvality. Na rozdíl od ostatních prací na podobné téma se snažíme generovat symbolickou reprezentaci hudby o více nástrojích hrajících současně, abychom pokryli širší hudební spektrum. Pro samotné skládání využíváme tři moduly založené na LSTM neuronových sítích; velké úsilí je vynaloženo na zjednodušení vstupní hudební reprezentace důkladnou analýzou dostupných dat. Naše práce slouží především jako ukázka toho, že současné technologie umožňují skládání hudby. Věříme, že námi navržený hudební analyzátor a generátor poslouží jako základ pro další výzkum v této oblasti. 1
|
|
|
Statistical machine learning with applications in music
Janásková, Eliška ; Večeř, Jan (vedoucí práce) ; Hlávka, Zdeněk (oponent)
Cílem této práce je vytvořit strojově generovanou hudbu na základě písní od Beatles s využitím výzkumného projektu Magenta od týmu Google Brain, odvodit vzorce pro backpropagaci v rekurentní neuronové síti s LSTM buňkami, kterou Magenta využívá, přiblížit techniky strojového učení a srovnat je s metodami matematické statistiky. Pro podrobnější rozbor uměle vytvořených skladeb se omezíme pouze na monofonní melodie. Natrénujeme tři modely hlubokého učení se třemi různými konfiguracemi (Basic, Lookback, and Atten- tion) a porovnáme jednotlivé výsledky. I přes to, že uměle vytvořené skladby nejsou tak poutavé jako původní Beatles, jsou docela líbivé. Na základě analýzy založené na hudebně informačních metrikách se uměle vygenerované melodie liší od těch originálních zejména v délce not a rozdílech výšek mezi po sobě jdoucími notami. Umělé vytvořené melodie používají kratší noty a rozdíly ve výškách po sobě jdoucích not jsou větší. 1
|
|
|
Statistical machine learning with applications in music
Janásková, Eliška ; Večeř, Jan (vedoucí práce) ; Hlávka, Zdeněk (oponent)
Cílem této práce je shrnout současný stav strojového učení pro skládání hudby a natrénovat model na písních od Beatles s využitím výzkumného pro- jektu Magenta od Google Brain týmu k tvorbě vlastní hudby. Abychom mohli provést důkladný rozbor vygenerované hudby, omezili jsme se pouze na mono- fonní melodie Natrénujeme celkem tři různé modely na základě tří různých konfigurací (Basic, Lookback a Attention) a porovnáme vygenerované výsledky. I přes to, že se vygenerovaná hudba původním Beatles příliš nepodobá, je docela líbivá. Podle naší analýzy založené na hudebně informativních metrikách se vygenerované melodie liší od těch původních zejména v délce not a v rozdílech výšky po sobě jdoucích tónů. Vygenerované melodie obsahují kratší noty a větší rozdíly mezi jednotlivými výškami. V teoretickém pozadí se věnujeme nejčastěji používaným algoritmům stro- jového učení, zavádíme neuronové sítě a shrnujeme důležité milníky strojového učení pro generování hudby. 1
|
|
|
Artificial Composition of Multi-Instrumental Polyphonic Music
Samuel, David ; Pilát, Martin (vedoucí práce) ; Neruda, Roman (oponent)
David Samuel Představujeme generativní model pro skládání klasické i populární hudby, jehož cílem je vytvářet hudbu na lidské úrovni. Hlavní překážkou je její složitá hierarchická struktura a absence rozumného automatického vyhodnocení její kvality. Na rozdíl od ostatních prací na podobné téma se snažíme generovat symbolickou reprezentaci hudby o více nástrojích hrajících současně, abychom pokryli širší hudební spektrum. Pro samotné skládání využíváme tři moduly založené na LSTM neuronových sítích; velké úsilí je vynaloženo na zjednodušení vstupní hudební reprezentace důkladnou analýzou dostupných dat. Naše práce slouží především jako ukázka toho, že současné technologie umožňují skládání hudby. Věříme, že námi navržený hudební analyzátor a generátor poslouží jako základ pro další výzkum v této oblasti. 1
|
|
|
Komponování hudby pomocí programovacího jazyka
Pavlín, Tomáš ; Maršík, Ladislav (vedoucí práce) ; Hajič, Jan (oponent)
Komponování hudby pomocí počítače přináší mnoho problémů a dá se zrea- lizovat mnoha různými postupy. Existující programy na skládání hudby nedávají příliš volnosti skladatelům nebo jsou příliš komplikované pro uživatele bez tech- nického zázemí. V této práci přicházíme s intuitivním programovacím jazykem navrženým pro komponování hudby. Přikládáme také interpret tohoto jazyka, který je reprezentovaný přehledným grafickým uživatelským rozhraním umožňu- jícím komponovat a produkovat hudbu i uživateli bez technického či hudebního zaměření. Program přináší nový postup, kterým mohou skladatelé komponovat hudbu, umožňuje snadné vytváření hudby například do her a dá se využít k do- provodu ke zpěvu. 1
|
|
|
Tvorba hudby počítačem
Chmelka, Jakub ; Polok, Lukáš (oponent) ; Fapšo, Michal (vedoucí práce)
Tato bakalářská práce se zabývá tvorbou hudby počítačem. Systém využívá k tvorbě hudby umělé neuronové sítě, které se zákonitostem zvoleného hudebního žánru učí z nahrávek ve formátu MIDI. Kromě melodie klade velký důraz na rytmus nově vzniklých skladeb. Mimo problematiky neuronových sítí se zde pojednává o vhodné reprezentaci vstupních dat a zpětné transformaci do MIDI formátu. Systém je implementován jako sada skriptů, převážně v matematickém softwaru Matlab.
|
|
|
Tvorba hudby počítačem
Lanc, Jakub ; Štancl, Vít (oponent) ; Fapšo, Michal (vedoucí práce)
Práce se zabývá tvorbou hudby počítačem, konkrétně využitím neuronových sítí pro generování melodií. Nejprve stručně mapuje současné přístupy ke generování hudby a charakteristiky některých užívaných typů neuronových sítí pro tento účel. Na problém nahlíží z širšího úhlu - od získání dat, po jejich transformaci, vhodnou reprezentaci, až po trénování pomocí sítě. Následně popisuje implementaci experimentu pomocí skriptů v prostředí Matlab.
|
host ::
RSS.