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 столетий; процедуры, используемые для построения голосоведения в западном контрапункте , например, часто можно свести к алгоритмической определенности. Этот термин может использоваться для описания методов создания музыки, которые работают без постоянного вмешательства человека, например, путем введения случайных процедур. Однако посредством живого кодирования и других интерактивных интерфейсов возможен полностью человеко-центричный подход к алгоритмическому сочинению. [1]

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

Модели для алгоритмической композиции

Композиционные алгоритмы обычно классифицируются по конкретным используемым ими методам программирования . Результаты этого процесса можно разделить на 1) музыку, сочиненную компьютером, и 2) музыку, сочиненную с помощью компьютера. Музыку можно считать сочиненной компьютером , когда алгоритм способен делать собственный выбор в процессе создания.

Другой способ сортировки композиционных алгоритмов — это изучение результатов их композиционных процессов. Алгоритмы могут либо 1) предоставлять нотную информацию ( ноты или MIDI ) для других инструментов, либо 2) предоставлять независимый способ синтеза звука (исполнение 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 включает в себя «перевод» информации из существующего немузыкального носителя в новый звук. Перевод может быть либо основанным на правилах, либо стохастическим . Например, при переводе изображения в звук изображение JPEG горизонтальной линии может быть интерпретировано в звуке как постоянная высота тона, в то время как наклонная вверх линия может быть восходящей шкалой. Часто программное обеспечение стремится извлечь концепции или метафоры из носителя (например, высоту или настроение) и применить извлеченную информацию для создания песен, используя способы, которыми музыкальная теория обычно представляет эти концепции. Другим примером является перевод текста в музыку, [4] [5] , который может подойти к композиции, извлекая настроение (положительное или отрицательное) из текста, используя методы машинного обучения , такие как анализ настроений , и представляет это настроение с точки зрения качества аккордов, таких как минорные (грустные) или мажорные (счастливые) аккорды в сгенерированном музыкальном выводе.

Математические модели

Математические модели основаны на математических уравнениях и случайных событиях. Наиболее распространенным способом создания композиций с помощью математики являются стохастические процессы . В стохастических моделях музыкальное произведение сочиняется в результате недетерминированных методов . Процесс сочинения лишь частично контролируется композитором путем взвешивания возможностей 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 посредством природных явлений. Эти хаотические модели создают композиции из гармонических и негармонических явлений природы. Например, с 1970-х годов фракталы изучались также как модели для алгоритмической композиции.

В качестве примера детерминированных композиций с помощью математических моделей, On-Line Encyclopedia of Integer Sequences предоставляет возможность воспроизвести целочисленную последовательность как 12-тоновую равномерно темперированную музыку. (Изначально она настроена на преобразование каждого целого числа в ноту на 88-клавишной музыкальной клавиатуре путем вычисления целого числа по модулю 88 в устойчивом ритме. Таким образом, 123456, натуральные числа, равны половине хроматической гаммы.) В качестве другого примера, полностью интервальная серия использовалась для компьютерной композиции. [6]

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 могут быть использованы для создания новых произведений того же стиля или жанра. Обычно это достигается с помощью набора тестов или правил, выполнение которых требуется для завершения композиции. [7]

Грамматики

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

Подходы к оптимизации

При создании четко определенных стилей музыку можно рассматривать как задачу комбинаторной оптимизации, в которой цель состоит в том, чтобы найти правильную комбинацию нот, чтобы минимизировать целевую функцию. Эта целевая функция обычно содержит правила определенного стиля, но может быть изучена с использованием методов машинного обучения, таких как модели Маркова. [8] Исследователи создали музыку, используя множество различных методов оптимизации, включая целочисленное программирование, [9] поиск переменного соседства, [10] и эволюционные методы, упомянутые в следующем подразделе.

Эволюционные методы

Эволюционные методы сочинения музыки основаны на генетических алгоритмах . [11] Композиция создается посредством эволюционного процесса. Благодаря мутации и естественному отбору различные решения эволюционируют в сторону подходящего музыкального произведения. Итеративное действие алгоритма отсекает плохие решения и создает новые из тех, которые выживают в процессе. Результаты процесса контролируются критиком, важной частью алгоритма, контролирующей качество создаваемых композиций.

Подход Эво-Дево

Эволюционные методы в сочетании с процессами развития составляют подход evo-devo для генерации и оптимизации сложных структур. Эти методы также были применены к музыкальным композициям, где музыкальная структура получается итеративным процессом, который преобразует очень простую композицию (состоящую из нескольких нот) в сложное полноценное произведение (будь то партитура или MIDI-файл). [12] [13]

Системы, которые обучаются

Системы обучения — это программы, которые не имеют никаких данных о жанре музыки, с которым они работают. Вместо этого они собирают учебный материал самостоятельно из образцового материала, предоставленного пользователем или программистом. Затем материал преобразуется в музыкальное произведение, похожее на образец материала. Этот метод алгоритмической композиции тесно связан с алгоритмическим моделированием стиля, [14] машинной импровизацией и такими исследованиями, как когнитивная наука и изучение нейронных сетей . Ассайаг и Дубнов [15] предложили марковскую модель переменной длины для изучения продолжений мотивов и фраз разной длины. Марчини и Пурвинс [16] представили систему, которая изучает структуру аудиозаписи ритмического ударного фрагмента с использованием неконтролируемой кластеризации и марковских цепей переменной длины и которая синтезирует из нее музыкальные вариации.

Гибридные системы

Программы, основанные на одной алгоритмической модели, редко добиваются эстетически удовлетворительных результатов. 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 и создало также много совершенно новых способов построения композиций алгоритмически. Единственная серьезная проблема с гибридными системами — их растущая сложность и потребность в ресурсах для объединения и тестирования этих алгоритмов. [17]

Другой подход, который можно назвать композицией с помощью компьютера , заключается в алгоритмическом создании определенных структур для окончательно «сделанных вручную» композиций. Еще в 1960-х годах Готфрид Михаэль Кёниг разработал компьютерные программы Project 1 и Project 2 для алеаторической музыки , выходные данные которых были разумно структурированы «вручную» с помощью инструкций по исполнению. В 2000-х годах Андраник Тангиан разработал компьютерный алгоритм для определения структур событий времени для ритмических канонов и ритмических фуг, [18] [19] которые затем были преобразованы в гармонические композиции Eine kleine Mathmusik I и Eine kleine Mathmusik II ; партитуры и записи см. [20]

Смотрите также

Ссылки

  1. ^ Оксфордский справочник по алгоритмической музыке. Oxford Handbooks. Оксфорд, Нью-Йорк: Oxford University Press. 2018-02-15. ISBN 9780190226992.
  2. ^ Jacob, Bruce L. (декабрь 1996 г.). «Алгоритмическая композиция как модель творчества». Organised Sound . 1 (3): 157–165. doi :10.1017/S1355771896000222. hdl : 1903/7435 . S2CID  15546277.
  3. ^ Пападопулос, Джордж; Виггинс, Герайнт (1999). «Методы искусственного интеллекта для алгоритмической композиции: обзор, критический взгляд и будущие перспективы» (PDF) . Труды симпозиума AISB'99 по музыкальному творчеству, Эдинбург, Шотландия : 110–117.
  4. ^ Дэвис, Ханна (2014). «Создание музыки из литературы». Труды семинара EACL по компьютерной лингвистике для литературы : 1–10. arXiv : 1403.2124 . Bibcode : 2014arXiv1403.2124D. doi : 10.3115/v1/W14-0901. S2CID  9028922.
  5. ^ «Создание музыки из текста».
  6. ^ Маурисио Торо, Карлос Агон, Камило Руэда, Жерар Ассайаг. «GELISP: Структура для представления проблем удовлетворения музыкальных ограничений и стратегий поиска». Журнал теоретических и прикладных информационных технологий 86 (2). 2016. 327–331.
  7. ^ Браун, Сайлас (1997). «Алгоритмическая композиция и редукционистский анализ: может ли машина сочинять?». CamNotes . Cambridge University New Music Society . Получено 28 октября 2016 г.
  8. ^ 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. doi :10.1016/j.eswa.2015.05.043. hdl : 10067/1274260151162165141 .
  9. ^ Кунья, Наилсон дос Сантос; Ананд Субраманиан; Дориен Херреманс (2018). «Генерация гитарных соло с помощью целочисленного программирования» (PDF) . Журнал Общества операционных исследований . 69 (6): 971–985. doi :10.1080/01605682.2017.1390528. S2CID  51888815.
  10. ^ Херреманс, Д.; Сёренсен, К. (2013). «Сочинение контрапунктной музыки пятого вида с помощью алгоритма поиска переменного соседства» (PDF) . Экспертные системы с приложениями . 40 (16): 6427–6437. doi :10.1016/j.eswa.2013.05.071.
  11. ^ Чарльз Фокс 2006 Генетические иерархические музыкальные структуры ( Американская ассоциация искусственного интеллекта )
  12. ^ Болл, Филип (2012). «Алгоритмический восторг». Nature . 188 (7412): 456. doi : 10.1038/488458a .
  13. ^ Фернандес, Дж. Д.; Вико, Ф. (2013). «Методы ИИ в алгоритмической композиции: всеобъемлющий обзор». Журнал исследований искусственного интеллекта . 48 : 513–582. arXiv : 1402.0585 . doi : 10.1613/jair.3908 .
  14. ^ С. Дубнов, Г. Ассайаг, О. Лартильот, Г. Бехерано, «Использование методов машинного обучения для моделирования музыкального стиля». Архивировано 10 августа 2017 г. в Wayback Machine , IEEE Computers , 36 (10), стр. 73–80, октябрь 2003 г.
  15. ^ Г. Ассайаг, С. Дубнов, О. Делерю, «Угадывание мыслей композитора: применение универсального предсказания к музыкальному стилю», в трудах Международной конференции по компьютерной музыке , Пекин, 1999.
  16. ^ Marchini, Marco; Purwins, Hendrik (2011). «Unsupervised Analysis and Generation of Audio Percussion Sequences». Exploring Music Contents . Lecture Notes in Computer Science. Vol. 6684. pp. 205–218. doi :10.1007/978-3-642-23126-1_14. ISBN 978-3-642-23125-4.
  17. ^ Харенберг, Майкл (1989). Новая музыка лучше новой техники? : Музыкальный компьютер как качественное средство для новой музыки. Кассель: Бэренрейтер. ISBN 3-7618-0941-7. OCLC  21132772.
  18. ^ Тангиан, Андраник (2003). «Построение ритмических канонов» (PDF) . Перспективы новой музыки . 41 (2): 64–92 . Получено 16 января 2021 г.
  19. ^ 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.
  20. ^ 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

На Викискладе есть медиафайлы по теме Алгоритмические композиции .