stringtranslate.com

Алгоритмическая композиция

Алгоритмическая композиция — это метод использования алгоритмов для создания музыки .

Алгоритмы (или, по крайней мере, формальные наборы правил) использовались для сочинения музыки на протяжении веков; Например, процедуры, используемые для построения голосового ведения в западном контрапункте , часто могут быть сведены к алгоритмической определенности. Этот термин можно использовать для описания методов создания музыки, которые работают без постоянного вмешательства человека, например, за счет внедрения случайных процедур. Однако благодаря живому кодированию и другим интерактивным интерфейсам возможен полностью ориентированный на человека подход к составлению алгоритмов. [1]

Некоторые алгоритмы или данные, не имеющие непосредственного музыкального значения, используются композиторами [2] в качестве творческого вдохновения для своей музыки. В качестве исходных материалов использовались такие алгоритмы, как фракталы , L-системы , статистические модели и даже произвольные данные (например , данные переписи населения , координаты ГИС или измерения магнитного поля ).

Модели алгоритмической композиции

Композиционные алгоритмы обычно классифицируются по конкретным методам программирования , которые они используют. Результаты процесса можно разделить на 1) музыку, написанную на компьютере, и 2) музыку, созданную с помощью компьютера. Музыку можно считать сочиненной компьютером , если алгоритм может делать собственный выбор в процессе создания.

Другой способ сортировки композиционных алгоритмов — изучить результаты их композиционных процессов. Алгоритмы могут либо 1) предоставлять нотную информацию ( ноты или MIDI ) для других инструментов, либо 2) обеспечивать независимый способ синтеза звука (воспроизведение композиции отдельно). Существуют также алгоритмы, создающие как нотные данные, так и синтез звука.

Одним из способов классификации композиционных алгоритмов является их структура и способ обработки данных, как показано в этой модели из шести частично перекрывающихся типов: [3]

Трансляционные модели

Это подход к синтезу музыки, который предполагает «перевод» информации с существующего немузыкального носителя в новый звук. Перевод может быть либо основанным на правилах, либо стохастическим . Например, при переводе изображения в звук JPEG- изображение горизонтальной линии может интерпретироваться в звуке как постоянный шаг, а наклоненная вверх линия может быть восходящей шкалой. Часто программное обеспечение пытается извлечь концепции или метафоры из среды (например, рост 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, [4] [5] который может приблизиться к композиции путем извлечения настроения (положительного или отрицательного) из текста с использованием методов машинного обучения, таких как анализ настроений , и представляет это настроение с точки зрения качества аккорда, например минорного. (грустные) или мажорные (веселые) аккорды в создаваемом музыкальном произведении. [6]

Математические модели

Математические модели основаны на математических уравнениях и случайных событиях. Самый распространенный способ создания композиций с помощью математики — это случайные процессы . В стохастических моделях музыкальное произведение создается с помощью недетерминированных методов . Композиционный процесс лишь частично контролируется композитором путем взвешивания возможностей случайных событий. Яркими примерами стохастических алгоритмов являются цепи Маркова и различные варианты использования распределений Гаусса . Стохастические алгоритмы часто используются вместе с другими алгоритмами в различных процессах принятия решений.

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

В качестве примера детерминированных композиций с помощью математических моделей Интернет-энциклопедия целочисленных последовательностей предоставляет возможность воспроизводить целочисленную последовательность как 12-тональную музыку с одинаковой темперацией. (Изначально оно настроено на преобразование каждого целого числа в ноту на музыкальной клавиатуре с 88 клавишами путем вычисления целого числа по модулю 88 в устойчивом ритме. Таким образом, 123456, натуральные числа, равны половине хроматической гаммы.) Другой пример: Всеинтервальная серия использовалась для компьютерной композиции. [7]

Системы, основанные на знаниях

Один из способов создания композиций — выделить эстетический код определенного музыкального жанра и использовать этот код для создания новых подобных композиций. Системы, основанные на знаниях, основаны на заранее подготовленном наборе аргументов, которые можно использовать для создания новых произведений того же стиля или жанра. Обычно это достигается с помощью набора тестов или правил, выполнение которых необходимо для того, чтобы композиция была полной. [8]

Грамматика

Музыку также можно рассматривать как язык с особым грамматическим набором. Композиции создаются путем построения музыкальной грамматики, которая затем используется для создания понятных музыкальных произведений. Грамматики часто включают правила сочинения макроуровня, например, гармонии и ритма , а не отдельные ноты.

Подходы к оптимизации

При создании четко определенных стилей музыку можно рассматривать как задачу комбинаторной оптимизации, цель которой состоит в том, чтобы найти правильную комбинацию нот, при которой целевая функция будет минимизирована. Эта целевая функция обычно содержит правила определенного стиля, но ее можно изучить с помощью методов машинного обучения, таких как модели Маркова. [9] Исследователи создавали музыку, используя множество различных методов оптимизации, включая целочисленное программирование, [10] поиск переменных окрестностей, [11] и эволюционные методы, как упомянуто в следующем подразделе.

Эволюционные методы

Эволюционные методы сочинения музыки основаны на генетических алгоритмах . [12] Композиция строится путем эволюционного процесса. Путем мутации и естественного отбора различные решения превращаются в подходящее музыкальное произведение. Итеративное действие алгоритма отсекает плохие решения и создает новые из уцелевших в процессе. За результатами процесса следит критик — важная часть алгоритма, контролирующего качество создаваемых композиций.

Эво-Дево подход

Эволюционные методы в сочетании с процессами развития составляют подход «эво-дево» для создания и оптимизации сложных структур. Эти методы также применяются к музыкальной композиции, где музыкальная структура получается в результате итеративного процесса, преобразующего очень простую композицию (состоящую из нескольких нот) в сложное полноценное произведение (будь то партитура или MIDI-файл). ). [13] [14]

Системы, которые обучаются

Системы обучения — это программы, которые не имеют никаких знаний о музыкальном жанре, с которым они работают. Вместо этого они сами собирают учебный материал из примеров материалов, предоставленных пользователем или программистом. Затем материал преобразуется в музыкальное произведение, аналогичное материалу примера. Этот метод алгоритмической композиции тесно связан с алгоритмическим моделированием стиля, [15] машинной импровизацией и такими исследованиями, как когнитивная наука и изучение нейронных сетей . Ассаяг и Дубнов [16] предложили марковскую модель переменной длины для изучения продолжений мотивов и фраз разной длины. Марчини и Первинс [17] представили систему, которая изучает структуру аудиозаписи ритмического ударного фрагмента с использованием неконтролируемой кластеризации и цепей Маркова переменной длины и синтезирует на ее основе музыкальные вариации.

Гибридные системы

Программам, основанным на одной алгоритмической модели, редко удается создать эстетически удовлетворительные результаты. По этой причине алгоритмы разных типов часто используются вместе, чтобы объединить сильные стороны и уменьшить недостатки этих алгоритмов. Создание гибридных систем музыкальной композиции открыло область алгоритмической композиции, а также создало множество совершенно новых способов алгоритмического построения композиций. Единственная серьезная проблема гибридных систем — это их растущая сложность и потребность в ресурсах для объединения и тестирования этих алгоритмов. [18]

Другой подход, который можно назвать компьютерной композицией , заключается в алгоритмическом создании определенных структур для окончательно «сделанных вручную» композиций. Еще в 1960-х годах Готфрид Михаэль Кениг разработал компьютерные программы «Проект 1» и «Проект 2» для алеаторической музыки , выходные данные которых разумно структурировались «вручную» с помощью инструкций по исполнению. В 2000-х годах Андраник Тангян разработал компьютерный алгоритм для определения временных событийных структур для ритмических канонов и ритмических фуг, [19] [20] которые затем были преобразованы в гармонические композиции Eine kleine Mathmusik I и Eine kleine Mathmusik II ; партитуры и записи см. [21]

Смотрите также

Рекомендации

  1. ^ Оксфордский справочник по алгоритмической музыке. Оксфордские справочники. Оксфорд, Нью-Йорк: Издательство Оксфордского университета. 15 февраля 2018 г. ISBN 9780190226992.
  2. ^ Джейкоб, Брюс Л. (декабрь 1996 г.). «Алгоритмическая композиция как модель творчества». Организованный звук . 1 (3): 157–165. дои : 10.1017/S1355771896000222. hdl : 1903/7435 . S2CID  15546277.
  3. ^ Пападопулос, Джордж; Виггинс, Герайнт (1999). «Методы искусственного интеллекта 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 музыки из литературы». Материалы семинара EACL по компьютерной лингвистике в литературе : 1–10. arXiv : 1403.2124 . Бибкод : 2014arXiv1403.2124D. дои : 10.3115/v1/W14-0901. S2CID  9028922.
  5. ^ «Создание музыки из текста».
  6. ^ "Тамбрская музыка из литературы". Архивировано из оригинала 29 декабря 2018 г. Проверено 14 мая 2019 г.
  7. ^ Маурисио Торо, Карлос Агон, Камило Руэда, Жерар Ассаяг. «GELISP: Структура для представления проблем удовлетворения музыкальными ограничениями 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 сочинять?». CamNotes . Общество новой музыки Кембриджского университета . Проверено 28 октября 2016 г.
  9. ^ Херреманс, Д .; Вайссер, С.; Соренсен, К.; 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. hdl : 10067/1274260151162165141 .
  10. ^ Кунья, Нейлсон душ Сантос; Ананд Субраманян; Дориен Херреманс (2018). «Создание гитарных соло с помощью целочисленного программирования» (PDF) . Журнал Общества операционных исследований . 69 (6): 971–985. дои : 10.1080/01605682.2017.1390528. S2CID  51888815.
  11. ^ Херреманс, Д .; Соренсен, К. (2013). «Сочинение музыки-контрапункта пятого вида с использованием изменяемого алгоритма поиска окрестностей» (PDF) . Экспертные системы с приложениями . 40 (16): 6427–6437. дои : 10.1016/j.eswa.2013.05.071.
  12. ^ Чарльз Фокс, 2006 Генетические иерархические музыкальные структуры ( Американская ассоциация искусственного интеллекта )
  13. ^ Болл, Филип (2012). «Алгоритмический восторг». Природа . 188 (7412): 456. дои : 10.1038/488458a .
  14. ^ Фернандес, JD; Вико, Ф (2013). «Методы искусственного интеллекта в алгоритмической композиции: комплексный обзор». Журнал исследований искусственного интеллекта . 48 : 513–582. arXiv : 1402.0585 . дои : 10.1613/jair.3908 .
  15. ^ С. Дубнов, Г. Ассаяг, О. Лартильо, Г. Беджерано, «Использование методов машинного обучения для моделирования музыкальных стилей. Архивировано 10 августа 2017 г. в Wayback Machine », IEEE Computers , 36 (10), стр. 73. –80, октябрь 2003 г.
  16. ^ Г. Ассаяг, С. Дубнов, О. Делерю, «Угадывание мыслей композитора: применение универсального предсказания к музыкальному стилю», В материалах Международной компьютерной музыкальной конференции, Пекин, 1999.
  17. ^ Марчини, Марко; Пурвинс, Хендрик (2011). Неконтролируемый анализ и генерация аудио-перкуссионных последовательностей. Конспекты лекций по информатике. Том. 6684. стр. 205–218. дои : 10.1007/978-3-642-23126-1_14. ISBN 978-3-642-23125-4. {{cite book}}: |journal=игнорируется ( помощь )
  18. ^ Харенберг, Майкл (1989). Новая музыка и новая техника? : Музыкальный компьютер как качественное средство для новой музыки. Кассель: Бэренрейтер. ISBN 3-7618-0941-7. ОСЛК  21132772.
  19. ^ Тангиан, Андраник (2003). «Построение ритмических канонов» (PDF) . Перспективы новой музыки . 41 (2): 64–92 . Проверено 16 января 2021 г.
  20. ^ Тангиан, Андраник (2010). «Построение ритмических фуг (неопубликованное приложение к Построению ритмических канонов )». IRCAM, Семинар MaMuX, 9 февраля 2002 г., Mosaïques et pavages dans la musique (PDF) . Проверено 16 января 2021 г.
  21. ^ Тангиан, Андраник (2002–2003). «Eine kleine Mathmusik I и II». IRCAM, Семинар MaMuX, 9 февраля 2002 г., Mosaïques et pavages dans la musique . Проверено 16 января 2021 г.

дальнейшее чтение

Внешние ссылки

Викискладе есть медиафайлы, связанные с алгоритмическими композициями .