알고리즘 구성

Algorithmic composition
"음악 신시사이저"는 여기서 리다이렉트 됩니다.사운드 신시사이저는 신시사이저를 참조해 주세요.

알고리즘 작곡은 알고리즘을 사용하여 음악을 만드는 기술이다.

알고리즘(또는 적어도 형식적인 규칙 세트)은 수세기 동안 작곡에 사용되어 왔습니다.예를 들어, 서양의 대위법에서 음성 주도도를 플롯하기 위해 사용되는 절차는 종종 알고리즘 결정성으로 축소될 수 있습니다.이 용어는 예를 들어 우연 절차의 도입을 통해 지속적인 인간의 개입 없이 실행되는 음악 생성 기술을 설명하는 데 사용될 수 있다.그러나 라이브 코딩 및 기타 대화형 인터페이스를 통해 알고리즘 구성에 대한 완전한 인간 중심적 접근이 가능하다.[1]

음악적인 관련성이 없는 알고리즘이나 데이터는 작곡가에 의해[2] 음악에 대한 창조적 영감으로 사용됩니다.프랙탈, L-시스템, 통계 모델, 심지어 임의 데이터(예: 인구조사 수치, GIS 좌표 또는 자기장 측정)와 같은 알고리즘이 소스 재료로 사용되었다.

알고리즘 구성 모델

구성 알고리즘은 일반적으로 사용하는 특정 프로그래밍 기법에 따라 분류됩니다.그 결과는 1)컴퓨터로 작곡한 음악과 2)컴퓨터의 도움으로 작곡한 음악으로 나눌 수 있다.음악은 알고리즘이 생성 과정에서 스스로 선택을 할 수 있을 때 컴퓨터에 의해 작곡된 것으로 간주될 수 있다.

구성 알고리즘을 정렬하는 또 다른 방법은 구성 과정의 결과를 검사하는 것입니다.알고리즘은 1) 다른 악기에 대한 알림 정보(악보 또는 MIDI)를 제공하거나 2) 독립적인 사운드 합성 방법(작곡 자체 재생)을 제공할 수 있습니다.또한 알림 데이터와 소리 합성을 모두 생성하는 알고리즘도 있습니다.

구성 알고리즘을 분류하는 한 가지 방법은 다음과 같은 [3]6가지 유형이 부분적으로 중복되는 모델에서 볼 수 있듯이 알고리즘의 구조와 데이터 처리 방법에 따라 분류하는 것입니다.

  • 번역 모델
  • 수학적 모형
  • 지식 기반 시스템
  • 문법
  • 최적화 어프로치
  • 진화적 방법
  • 학습 시스템
  • 하이브리드 시스템

번역 모델

이는 기존의 비음악 매체에서 새로운 소리로 정보를 "변환"하는 음악 합성에 대한 접근법입니다.번역은 규칙 기반 또는 확률적 중 하나입니다.예를 들어 화상을 음성으로 변환할 때 수평선의 jpeg 화상을 음성으로 일정한 피치로 해석하고, 상향 경사선을 상승 축척으로 해석해도 된다.종종 소프트웨어는 매체에서 개념이나 은유(키나 감정 등)를 추출하고 추출된 정보를 음악 이론이 전형적으로 그러한 개념을 나타내는 방법을 사용하여 노래를 생성하기 위해 적용합니다.또 다른 예로는 텍스트에서 [4][5]음악으로의 번역이 있는데, 이는 감정 분석과 같은 기계 학습 방법을 사용하여 텍스트에서 감정(긍정 또는 부정)을 추출함으로써 작곡에 접근할 수 있으며 생성되는 [6]음악 출력의 마이너(슬픈) 또는 메이저(행복한) 코드 품질 측면에서 그러한 감정을 나타낸다.

수학적 모델

수학 모형은 수학 방정식과 랜덤 사건에 기초한다.수학을 통해 작문을 만드는 가장 일반적인 방법은 확률 과정이다.확률적 모델에서 음악은 비결정론적 방법의 결과로 구성된다.작곡 과정은 무작위 사건의 가능성에 무게를 둠으로써 작곡가에 의해 부분적으로만 제어된다.확률 알고리즘의 대표적인 예는 마르코프 연쇄와 가우스 분포의 다양한 사용이다.확률 알고리즘은 다양한 의사결정 과정에서 다른 알고리즘과 함께 사용되는 경우가 많다.

음악 또한 자연현상을 통해 작곡되었다.이 혼돈된 모형들은 자연의 조화롭고 부조화적인 현상들로부터 구성을 만들어냅니다.예를 들어, 1970년대부터 프랙탈은 알고리즘 구성 모델로도 연구되어 왔다.

수학적 모델을 통한 결정론적 구성의 예로서 온라인 정수 시퀀스 백과사전은 정수 시퀀스를 12음 등성 음악으로 재생할 수 있는 옵션을 제공합니다.(처음에는 정수 모듈로 88을 일정한 리듬으로 연산함으로써 88키 음악 키보드의 음표로 각 정수를 변환하도록 설정되어 있다.따라서 자연수인 123456은 반음계의 절반과 같다.)또 다른 예로, 전체 간격 시리즈는 컴퓨터 지원 구성에 사용되었습니다.

지식 기반 시스템

작곡을 하는 한 가지 방법은 특정 음악 장르의 미적 코드를 분리하고 이 코드를 사용하여 새로운 유사한 작곡을 만드는 것입니다.지식 기반 시스템은 동일한 스타일 또는 장르의 새로운 작품을 구성하기 위해 사용할 수 있는 사전 설정된 일련의 주장을 기반으로 합니다.일반적으로 이것은 구성이 [8]완성되기 위해 이행이 필요한 일련의 테스트 또는 규칙에 의해 수행됩니다.

문법

음악은 또한 독특한 문법 세트를 가진 언어로서 검토될 수 있다.작곡은 먼저 음악 문법을 구성함으로써 만들어지고, 그 다음에 이해할 수 있는 음악 작품을 만드는 데 사용된다.문법에는 종종 단일 음표가 아닌, 예를 들어 하모니나 리듬과 같은 매크로 수준의 작곡 규칙이 포함됩니다.

최적화 어프로치

잘 정의된 스타일을 생성할 때 음악은 조합 최적화 문제로 간주될 수 있으며, 그 목적은 목적 함수를 최소화하도록 음표의 올바른 조합을 찾는 것입니다.이 목적 함수는 일반적으로 특정 스타일의 규칙을 포함하지만 마르코프 모델과 [9]같은 기계 학습 방법을 사용하여 학습할 수 있습니다.연구자들은 정수 프로그래밍,[10] 가변 근린 탐색 [11]및 다음 하위 섹션에서 설명하는 진화 방법을 포함하여 무수히 다양한 최적화 방법을 사용하여 음악을 생성했다.

진화적 방법

음악을 작곡하는 진화적 방법은 유전 알고리즘에 [12]기초한다.그 구성은 진화 과정에 의해 만들어지고 있다.돌연변이와 자연 도태를 통해 다양한 솔루션이 적합한 음악 작품을 향해 진화합니다.알고리즘의 반복적인 동작은 잘못된 솔루션을 제거하고 프로세스에서 살아남은 솔루션에서 새로운 솔루션을 만듭니다.프로세스의 결과는 생성된 구성의 품질을 제어하는 알고리즘의 중요한 부분인 비평가가 감독합니다.

Evo-Devo 접근법

개발 프로세스와 결합된 진화적 방법은 복잡한 구조의 생성 및 최적화를 위한 evo-devo 접근 방식을 구성합니다.이 방법들은 음악 작곡에도 적용되어 왔으며, 음악 구조는 매우 단순한 작곡(음표로 이루어진)을 복잡한 완전한 곡(악보 또는 MIDI 파일)[13][14]으로 변환하는 반복적인 과정을 통해 얻어진다.

학습 시스템

상세 정보:기계 즉흥 연주, 기계 듣기 및 기계 학습

학습 시스템은 그들이 다루는 음악의 장르에 대한 지식이 전혀 없는 프로그램입니다.대신 사용자 또는 프로그래머가 제공한 예제 자료에서 학습 자료를 직접 수집합니다.그런 다음 재료는 샘플 재료와 유사한 음악으로 처리됩니다.알고리즘 구성의 이 방법은 [15]스타일의 알고리즘 모델링, 기계 즉흥 연주, 그리고 인지 과학 및 신경 네트워크의 연구와 강하게 연관되어 있습니다.아세이그와 두브노프는 길이가 다른 모티브와 구절 연속을 배우기 위해 가변 길이 마르코프 모델을 제안했다.Marchini와 Purwins는[17] 감독되지 않은 클러스터링과 가변 길이 마르코프 체인을 사용하여 리드미컬한 타악기 조각의 오디오 녹음 구조를 학습하고 그에 따른 음악적 변형을 합성하는 시스템을 제시했다.

하이브리드 시스템

단일 알고리즘 모델에 기반한 프로그램은 미적으로 만족스러운 결과를 만드는 데 성공하는 경우가 거의 없습니다.그 때문에, 다른 타입의 알고리즘은, 강점을 조합해 이러한 알고리즘의 약점을 경감하기 위해서 함께 사용되는 경우가 많다.작곡을 위한 하이브리드 시스템을 만드는 것은 알고리즘 작곡의 분야를 열었고 또한 알고리즘으로 작곡을 구성하는 많은 새로운 방법들을 만들어냈다.하이브리드 시스템의 유일한 큰 문제는 복잡성이 증가하고 이러한 알고리즘을 조합하고 테스트하기 위한 리소스가 필요하다는 것입니다.

컴퓨터 지원 구성이라고 할 수 있는 또 다른 접근법은 알고리즘으로 최종 "수작업" 구성을 위한 특정 구조를 만드는 것입니다.1960년대에 Gottfried Michael Koenig는 앨리어틱 음악을 위한 컴퓨터 프로그램 Project 1과 Project 2를 개발했습니다.프로젝트의 출력은 퍼포먼스 지시에 의해 「수동으로」구축되었습니다.2000년대에 Andranik Tangian은 리드미컬 캐논과 [18][19]리드미컬 푸그의 시간 이벤트 구조를 결정하는 컴퓨터 알고리즘을 개발했고, 그런 다음 하모닉 구성인 Eine Kleine Mathmusik I과 Eine Kleine Mathmusik II로 계산되었습니다. 점수와 녹음은 [20]을 참조하십시오.

「 」를 참조해 주세요.

레퍼런스

  1. ^ The Oxford Handbook of Algorithmic Music. Oxford Handbooks. Oxford, New York: Oxford University Press. 2018-02-15. ISBN 9780190226992.
  2. ^ Jacob, Bruce L. (December 1996). "Algorithmic Composition as a Model of Creativity". Organised Sound. 1 (3): 157–165. doi:10.1017/S1355771896000222. hdl:1903/7435.
  3. ^ Papadopoulos, George; Wiggins, Geraint (1999). "AI Methods for Algorithmic Composition: A Survey, a Critical View and Future Prospects" (PDF). Proceedings from the AISB'99 Symposium on Musical Creativity, Edinburgh, Scotland: 110–117.
  4. ^ Davis, Hannah (2014). "Generating Music from Literature". Proceedings of the EACL Workshop on Computational Linguistics for Literature: 1–10. arXiv:1403.2124. Bibcode:2014arXiv1403.2124D. doi:10.3115/v1/W14-0901. S2CID 9028922.
  5. ^ "Generating Music from Text".
  6. ^ "Tambr Music From Literature". Archived from the original on 2018-12-29. Retrieved 2019-05-14.
  7. ^ Mauricio Toro, Carlos Agen, Camilo Ruea, Gerard Assayag. "GELISP: 음악적 제약 만족 문제와 검색 전략을 나타내는 프레임워크"이론 및 응용 정보기술 저널 86 (2). 2016. 327~331.
  8. ^ Brown, Silas (1997). "Algorithmic Composition and Reductionist Analysis: Can a Machine Compose?". CamNotes. Cambridge University New Music Society. Retrieved 28 October 2016.
  9. ^ Herremans, D.; Weisser, S.; Sörensen, K.; Conklin, D. (2015). "Generating structured music for bagana using quality metrics based on Markov models" (PDF). Expert Systems with Applications. 42 (21): 7424–7435. doi:10.1016/j.eswa.2015.05.043. hdl:10067/1274260151162165141.
  10. ^ Cunha, Nailson dos Santos; Anand Subramanian; Dorien Herremans (2018). "Generating guitar solos by integer programming" (PDF). Journal of the Operational Research Society. 69:6 (6): 971–985. doi:10.1080/01605682.2017.1390528. S2CID 51888815.
  11. ^ Herremans, D.; Sörensen, K. (2013). "Composing fifth species counterpoint music with a variable neighborhood search algorithm" (PDF). Expert Systems with Applications. 40 (16): 6427–6437. doi:10.1016/j.eswa.2013.05.071.
  12. ^ Charles Fox 2006 유전자 계층 음악 구조 (미국 인공지능 협회)
  13. ^ Ball, Philip (2012). "Algorithmic Rapture". Nature. 188 (7412): 456. doi:10.1038/488458a.
  14. ^ Fernandez, JD; Vico, F (2013). "AI Methods in Algorithmic Composition: A Comprehensive Survey". Journal of Artificial Intelligence Research. 48: 513–582. doi:10.1613/jair.3908.
  15. ^ S. Dubnov, G. Asyag, O. Lartillot, G. Bejerano, "뮤지컬 스타일 모델링을 위한 기계학습 방법 사용", IEEE Computers, 36(10), 페이지 73-80, 2003년 10월.
  16. ^ G. Asayag, S. Dubnov, O. Delerue, "작곡가의 정신에 대한 추측: 음악 스타일에 보편적 예측 적용", 베이징, 1999.
  17. ^ Marchini, Marco; Purwins, Hendrik (2011). "Unsupervised Analysis and Generation of Audio Percussion Sequences". Exploring Music Contents. Lecture Notes in Computer Science. 6684: 205–218. doi:10.1007/978-3-642-23126-1_14. ISBN 978-3-642-23125-4.
  18. ^ Tangian, Andranik (2003). "Constructing rhythmic canons" (PDF). Perspectives of New Music. 41 (2): 64–92. Retrieved January 16, 2021.
  19. ^ Tangian, Andranik (2010). "Constructing rhythmic fugues (unpublished addendum to Constructing rhythmic canons)". IRCAM, Seminaire MaMuX, 9 February 2002, Mosaïques et pavages dans la musique (PDF). Retrieved January 16, 2021.
  20. ^ Tangian, Andranik (2002–2003). "Eine kleine Mathmusik I and II". IRCAM, Seminaire MaMuX, 9 February 2002, Mosaïques et pavages dans la musique. Retrieved January 16, 2021.

추가 정보

외부 링크

Wikimedia Commons에는 알고리즘 구성과 관련된 미디어가 있습니다.