Hudební kompozice s využitím metod umělé inteligence

Abstract

Tato studie se věnuje metodám automatické kompozice hudby (AMC), s kon- krétním zaměřením na evoluční algoritmy a neuronové sítě. Potenciální dialog mezi muzikologickými teoriemi a AMC jsou analyzovány, spolu s otázkou jejího základu v hudební tradici. Byly zkoumány tři algoritmy pro tvoření krátkých jednohlasých melodií založených na stylu daného datasetu nebo požadavcích uživatele: pravdě- podobnostní gramatická evoluce, genetické algoritmy a LSTM modely. Praktická část práce představuje aplikace těchto algoritmů a výsledky testování jejich výhod a předností. Dále je představena implementace pro analýzu MIDI datasetů z hudební perspektivy. V poslední řadě jsou představeny možnosti budoucího vylepšení a roz- šiření zkoumaných algoritmů v oblasti automatické hudební analýzy a kompozice.This research delves into methods for automatic music composition, with a spe- cific emphasis on evolutionary algorithms and neural networks. It examines the potential correlation and discourse between musicology theories and automatic mu- sic composition, as well as its foundation in musical tradition. The study focuses on three algorithms utilized for generating short monophonic melodies stylistically based on given datasets or the user’s requirments: probabilistic grammar evolution, genetic algorithms, and LSTM models. The practical part of this work showcases the application of these algorithms and presents results from testing their efficacy and capabilities. Furthermore, it introduces an implementation for analyzing MIDI datasets from a musical perspective. Ultimately the study highlights the potential for future enhancements and broader applications in the field of automatic music analysis and composition.