Generatives Deep Learning, 2. Auflage

Kapitel 11. Musikerzeugung

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Kapitel Ziele

In diesem Kapitel lernst du:

• Verstehe, wie wir die Musikerzeugung als ein Sequenzvorhersageproblem behandeln können, damit wir autoregressive Modelle wie Transformers anwenden können.

• Hier erfährst du, wie du mit dem Paket music21 MIDI-Dateien parsen und tokenisieren kannst, um ein Trainingsset zu erstellen.

• Lerne, wie man die Sinus-Positionskodierung verwendet.

• Trainiere einen musikerzeugenden Transformator mit mehreren Ein- und Ausgängen, um Noten und Dauer zu steuern.

• Verstehe, wie du mit mehrstimmiger Musik umgehst, einschließlich Raster-Tokenisierung und ereignisbasierter Tokenisierung.

• Trainiere ein MuseGAN-Modell, um mehrspurige Musik zu erzeugen.

• Verwende das MuseGAN, um verschiedene Eigenschaften der erzeugten Balken anzupassen.

Musikalische Komposition ist ein komplexer und kreativer Prozess, bei dem verschiedene musikalische Elemente wie Melodie, Harmonie, Rhythmus und Klangfarbe kombiniert werden. Während dies traditionell als eine ausschließlich menschliche Tätigkeit angesehen wird, ist es dank der jüngsten Fortschritte möglich, Musik zu erzeugen, die sowohl dem Ohr gefällt als auch eine langfristigeStruktur aufweist.

Eine der beliebtesten Techniken zur Musikerzeugung ist der Transformer, da Musik als ein Sequenzvorhersageproblem betrachtet werden kann. Diese Modelle wurden ...