Алгоритмическая композиция

редактировать
Техника использования алгоритмов для создания музыки

Алгоритмическая композиция - это метод использования алгоритмов для создания музыки.

На протяжении столетий для сочинения музыки использовались алгоритмы (или, по крайней мере, формальные наборы правил); процедуры, используемые для построения голосового предварения в западном контрапункте, например, часто могут быть сведены к алгоритмической определенности. Этот термин может использоваться для описания методов создания музыки, которые выполняются без постоянного вмешательства человека, например, посредством введения процедур случай. Однако с помощью живого кодирования и других интерактивных интерфейсов возможен полностью ориентированный на человека подход к алгоритмической композиции.

Некоторые алгоритмы или данные, не имеющие непосредственного музыкального значения, используются композиторами в качестве вдохновения для творчества за их музыку. Такие алгоритмы, как фракталы, L-системы, статистические модели и даже произвольные данные (например, данные переписи, координаты GIS или измерения магнитного поля ).

Содержание

  • 1 Модели для алгоритмической композиции
    • 1.1 Трансляционные модели
    • 1.2 Математические модели
    • 1.3 Системы, основанные на знаниях
    • 1.4 Грамматики
    • 1.5 Подходы к оптимизации
    • 1.6 Эволюционные методы
    • 1.7 Подход Evo-Devo
    • 1.8 Системы, обучающие
    • 1.9 Гибридные системы
  • 2 См. Также
  • 3 Ссылки
  • 4 Источники
    • 4.1 Статьи
  • 5 Дополнительная литература
  • 6 Внешние ссылки

Модели для алгоритмической композиции

Композиционные алгоритмы обычно классифицируются по конкретным методам программирования, которые они используют. Затем результаты процесса можно разделить на 1) музыку, сочиненную с помощью компьютера, и 2) музыку, сочиненную с помощью компьютера. Музыка может считаться составленной компьютером, если алгоритм может делать выбор самостоятельно в процессе создания.

Еще один способ сортировки композиционных алгоритмов - изучить результаты их композиционных процессов. Алгоритмы могут либо 1) предоставлять условную информацию (ноты или MIDI ) для других инструментов, либо 2) обеспечивать независимый способ синтеза звука (воспроизведение композиции с помощью сам). Также существуют алгоритмы, создающие как условные данные, так и синтез звука.

Один из способов классификации композиционных алгоритмов - по их структуре и способу обработки данных, как видно в этой модели шести частично перекрывающихся типов:

  • трансляционные модели
  • математические модели
  • системы, основанные на знаниях
  • грамматики
  • подходы к оптимизации
  • эволюционные методы
  • системы, которые изучают
  • гибридные системы

трансляционные модели

Это подход к синтезу музыки, который включает в себя «перевод» информации с существующего немузыкального носителя в новый звук. Преобразование может быть основанным на правилах или стохастическим. Например, при преобразовании изображения в звук изображение горизонтальной линии jpeg может быть интерпретировано в звуке как постоянный шаг, а наклонная вверх линия может быть восходящей шкалой. Часто программное обеспечение пытается извлечь из носителя концепции или метафоры (например, высоту или настроение) и применить извлеченную информацию для создания песен, используя способы, которыми теория музыки обычно представляет эти концепции. Другим примером является перевод текста в музыку, который может приближаться к композиции путем извлечения настроения (положительного или отрицательного) из текста с помощью методов машинного обучения, таких как анализ тональности, и представляет это настроение в терминах качества аккордов, таких как минорные (грустные) или мажорные (счастливые) аккорды в музыкальном продукте.

Математические модели

Математические модели основаны на математических уравнениях и случайных События. Самый распространенный способ создания композиций с помощью математики - это случайные процессы. В стохастических моделях музыкальное произведение создается в результате недетерминированных методов. Композитор лишь частично контролирует композиционный процесс, взвешивая возможности случайных событий. Яркими примерами стохастических алгоритмов являются цепи Маркова и различные варианты использования гауссовых распределений. Стохастические алгоритмы часто используются вместе с другими алгоритмами в различных процессах принятия решений.

Музыка также создавалась с помощью природных явлений. Эти хаотические модели создают композиции из гармонических и негармонических явлений природы. Например, с 1970-х годов фракталы изучаются также как модели для алгоритмической композиции.

В качестве примера детерминированных композиций с помощью математических моделей Он-лайн энциклопедия целочисленных последовательностей предоставляет возможность воспроизводить целочисленную последовательность как 12- тон ровный темперамент музыка. (Первоначально он настроен на преобразование каждого целого числа в ноту на 88-клавишной музыкальной клавиатуре путем вычисления целого числа по модулю 88 в постоянном ритме. Таким образом, 123456, натуральные числа, равняется половине хроматической гаммы.) В качестве другого примера, серия из всех интервалов использовалась для компьютерной композиции

Системы, основанные на знаниях

Один из способов создания композиций - изолировать эстетический код определенного музыкального жанра и использовать этот код для создания новых подобных композиций. Системы, основанные на знаниях, основаны на заранее заданном наборе аргументов, которые можно использовать для создания новых произведений того же стиля или жанра. Обычно это достигается с помощью набора тестов или правил, требующих выполнения для завершения композиции.

Грамматика

Музыка также может рассматриваться как язык с отличительной грамматикой установить. Композиции создаются путем построения музыкальной грамматики, которая затем используется для создания понятных музыкальных произведений. Грамматики часто включают правила для сочинения на макроуровне, например гармонии и ритм, а не отдельные ноты.

Оптимизационные подходы

При создании четко определенных стилей музыку можно рассматривать как задачу комбинаторной оптимизации, цель которой состоит в том, чтобы найти правильную комбинацию нот, чтобы минимизировать целевую функцию. Эта целевая функция обычно содержит правила определенного стиля, но ее можно изучить с помощью методов машинного обучения, таких как модели Маркова. Исследователи создали музыку, используя множество различных методов оптимизации, включая целочисленное программирование, поиск по переменным окрестностям и эволюционные методы, упомянутые в следующем подразделе.

Эволюционные методы

Эволюционные методы сочинения музыки основаны на генетических алгоритмах. Композиция строится посредством эволюционного процесса. Посредством мутации и естественного отбора различные решения развиваются в направлении подходящего музыкального произведения. Итеративное действие алгоритма отсекает плохие решения и создает новые из оставшихся в процессе. За результатами процесса следит критик - важная часть алгоритма, контролирующего качество создаваемых композиций.

Подход Evo-Devo

Эволюционные методы в сочетании с процессами развития составляют подход evo-DevO для создания и оптимизации сложных структур. Эти методы также были применены к музыкальной композиции, где музыкальная структура получается с помощью итеративного процесса, который преобразует очень простую композицию (состоящую из нескольких нот) в сложную полноценную пьесу (будь то партитура или MIDI-файл.

Системы, обучающие

Системы обучения - это программы, которые не имеют данных о жанре музыки, с которой они работают. Вместо этого они сами собирают учебные материалы из примеров материалов, предоставленных пользователем или программистом. Затем материал преобразуется в музыкальное произведение, аналогичное материалу в примере. Этот метод алгоритмической композиции прочно связан с алгоритмическим моделированием стиля, машинной импровизацией и такими исследованиями, как когнитивная наука и изучение нейронных сетей. Ассаяг и Дубнов предложили переменную длину Марковскую модель для изучения продолжений мотивов и фраз разной длины. Маркини и Пурвинс представили систему, которая изучает структуру аудиозаписи ритмического фрагмента ударных, используя неконтролируемую кластеризацию и цепи Маркова переменной длины, и которая синтезирует из нее музыкальные вариации.

Гибридные системы

Программы, основанные на единственной алгоритмической модели, редко дают эстетически удовлетворительные результаты. По этой причине алгоритмы разных типов часто используются вместе, чтобы объединить сильные стороны и уменьшить слабые стороны этих алгоритмов. Создание гибридных систем для музыкальной композиции открыло область алгоритмической композиции, а также создало множество совершенно новых способов алгоритмического построения композиций. Единственная серьезная проблема гибридных систем - их возрастающая сложность и потребность в ресурсах для объединения и тестирования этих алгоритмов.

См. Также

Ссылки

  1. ^Оксфордский справочник по алгоритмической музыке. Оксфордские справочники. Oxford, New York: Oxford University Press. 2018-02-15. ISBN 9780190226992.
  2. ^Джейкоб, Брюс Л. (декабрь 1996 г.). "Алгоритмическая композиция как модель творчества". Звук. 1 (3): 157–165. doi : 10.1017 / S1355771896000222. hdl : 1903/7435.
  3. ^Пападопулос, Джордж; Виггинс, Герайнт (1999). «Методы ИИ для алгоритмической композиции: обзор, критический взгляд и перспективы на будущее» (PDF). Материалы симпозиума AISB'99 по музыкальному творчеству, Эдинбург, Шотландия: 110–117.
  4. ^Дэвис, Ханна (2014). «Создание M usic из литературы ". Труды семинара EACL по компьютерной лингвистике для литературы: 1–10. arXiv : 1403.2124. Bibcode : 2014arXiv1403.2124D. doi : 10.3115 / v1 / W14-0901.
  5. ^«Создание музыки из текста».
  6. ^«Tambr Music From Literature». Архивировано с оригинального 29 декабря 2018 года. Проверено 14 мая 2019.
  7. ^Маурисио Торо, Карлос Агон, Камило Руэда, Жерар Ассаяг. "GELISP: ОСНОВА ДЛЯ ИЗОБРАЖЕНИЯ ПРОБЛЕМ УДОВЛЕТВОРЕНИЯ МУЗЫКАЛЬНЫХ ОГРАНИЧЕНИЙ И СТРАТЕГИЙ ПОИСКА." Журнал теоретических и прикладных информационных технологий 86 (2). 2016. 327-331.
  8. ^Браун, Сайлас (1997). «Алгоритмическая композиция и редукционистский анализ: может ли машина составлять?». CamNotes. Общество новой музыки Кембриджского университета. Проверено 28 октября 2016 г.
  9. ^Herremans, D.; Weisser, S.; Sörensen, K.; Конклин, Д (2015). «Создание структурированной музыки для баганы с использованием показателей качества на основе моделей Маркова» (PDF). Экспертные системы с приложениями. 42 (21): 7424–7435. дои : 10.1016 / j.eswa.2015.05.043.
  10. ^Кунья, Нейлсон душ Сантуш; Ананд Субраманян; Дориен Херреманс (2018). «Создание гитарных соло с помощью целочисленного программирования» (PDF). Журнал Общества оперативных исследований. 69: 6 (6): 971–985. doi : 10.1080 / 01605682.2017.1390528.
  11. ^Herremans, D.; Соренсен, К. (2013). «Составление контрапунктной музыки пятого вида с помощью алгоритма переменного поиска по соседству» (PDF). Экспертные системы с приложениями. 40 (16): 6427–6437. doi : 10.1016 / j.eswa.2013.05.071.
  12. ^Чарльз Фокс 2006 Генетические иерархические музыкальные структуры (Американская ассоциация искусственного интеллекта)
  13. ^Болл, Филип ( 2012). "Алгоритмическое восхищение". Природа. 188 (7412): 456. doi : 10.1038 / 488458a.
  14. ^Фернандес, Джеймс; Вико, Ф (2013). «Методы искусственного интеллекта в алгоритмической композиции: всесторонний обзор» (PDF). Журнал исследований искусственного интеллекта. 48 : 513–582. doi : 10.1613 / jair.3908. Архивировано из оригинального (PDF) 17 ноября 2016 года. Проверено 22 марта 2015.
  15. ^S. Дубнов, Г. Ассаяг, О. Лартилло, Г. Бежерано, «Использование методов машинного обучения для моделирования музыкального стиля », IEEE Computers, 36 (10), стр. 73-80, октябрь 2003 г.
  16. ^Г. Ассаяг, С. Дубнов, О. Делеру, «Угадай разум композитора: применение универсального предсказания к музыкальному стилю », В материалах Международной конференции компьютерной музыки, Пекин, 1999.
  17. ^Марчини, Марко; Пурвинс, Хендрик (2011). «Неконтролируемый анализ и генерация звуковых последовательностей ударных». Изучение музыкального содержания. Конспект лекций по информатике. 6684 . С. 205–218. DOI : 10.1007 / 978-3-642-23126-1_14. ISBN 978-3-642-23125-4.

Источники

Статьи

Дополнительная литература

  • Фил Уинзор и Джин Де Лиза : Компьютерная музыка в C. Windcrest 1990. ISBN 978-1-57441-116-4
  • Curtis Roads: The Computer Music Tutorial. MIT Press 1996
  • Эдуардо Рек Миранда: сочинение музыки с помощью компьютеров. Focal Press 2001
  • Карлхайнц Эссл : Алгоритмическая композиция. в: Cambridge Companion to Electronic Music, ed. Н. Коллинз и Дж. д'Эскриван, Cambridge University Press, 2007. - ISBN 978-0-521-68865-9. - Abstract
  • Герхард Нирхаус: Алгоритмическая композиция - парадигмы автоматизированной генерации музыки. Springer 2008. - ISBN 978-3-211-75539-6
  • Шерсть, Рене, Браун, Эндрю Р., Миранда, Эдуардо, Дидерих, Иоахим, и Берри, Родни (2005) Основа для сравнения процесса в алгоритмических музыкальных системах. В: Практика генеративного искусства, 5–7 декабря 2005 г., Сидней, Австралия. [1]
  • Функциональная систематика систем генерации музыки от Дориен Херреманс, Чинг-Хуа Чуанг и Элейн Чу. ACM Computing Surveys, Vol. 55 No. 5, Pages 69: 1-30 10.1145 / 3108242.

Внешние ссылки

На Викискладе есть медиафайлы, связанные с Алгоритмическими композициями.
Последняя правка сделана 2021-06-10 22:44:36
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте