Μουσική παραγωγή με τη χρήση Μηχανικής Μάθησης

Abstract

Η μουσική, ιδίως η κλασσική μουσική, είναι αναγκαία για τους ανθρώπους, αφού καταργεί τα πολιτισμικά σύνορα και αγγίζει τους ανθρώπους σε όλες τις πτυχές της ζωής τους εδώ και αιώνες. Στην εποχή μας, η σύνθεση μουσικής με τις μεθόδους της τεχνητής νοημοσύνης έχει κερδίσει τον δικό της χώρο ως επιστημονικός τομέας έχοντας τραβήξει το ενδιαφέρον πολλών ερευνητών. Η εφαρμογή που πραγματεύεται η εργασία βοηθάει τον καλλιτέχνη να μπορεί να προσδιορίσει μια ιδέα/κομμάτι του, με βάση έναν από τους συνθέτες Mozart, Bach, Haydn ή Chopin, και να παραχθεί ένα μουσικό κομμάτι βασισμένο στα χαρακτηριστικά που χαρακτηρίζουν τον συνθέτη, που είναι πιο κοντά στο στυλ του καλλιτέχνη, με σκοπό την ενσωμάτωση του στυλ του συνθέτη στην σύνθεση του καλλιτέχνη. Για την κατηγοριοποίηση χρησιμοποιούνται και αξιολογούνται διάφοροι αλγόριθμοι Μηχανικής Μάθησης όπως Decision Trees, Random Forest, Support Vector Machine κ.α., ενώ για την παραγωγή μουσικής χρησιμοποιούνται τα δυο μοντέλα βαθιάς μάθησης, το Long short-term memory (LSTM) και το WaveNet. Εμβαθύνοντας στα δυο μοντέλα, πραγματοποιείται διερεύνηση πάνω στην εκπαίδευση αυτών των μοντέλων σε τέσσερα διαφορετικά σύνολα δεδομένων, διαφόρων μεγεθών και μουσικών συνθέσεων. Με την εκτέλεση της παραγωγής κομματιών, παράγονται συνθέσεις για κάθε εκπαιδευμένο μοντέλο και αξιολογούνται. Τέλος, τονίζονται οι περιορισμοί, οι πιθανές βελτιώσεις αυτών και τα πεδία μελλοντικής έρευνας.