Magenta musik herunterladen

Sie können jetzt unsere verschiedenen Modelle trainieren und sie verwenden, um Musik, Audio und Bilder zu erzeugen. Sie können Anweisungen für jedes der Modelle finden, indem Sie das Modellverzeichnis untersuchen. Magenta ist ein Forschungsprojekt, das die Rolle des maschinellen Lernens bei der Schaffung von Kunst und Musik untersucht. In erster Linie geht es darum, neue Deep Learning- und Verstärkungslernalgorithmen für die Generierung von Songs, Bildern, Zeichnungen und anderen Materialien zu entwickeln. Aber es ist auch eine Erkundung beim Aufbau intelligenter Tools und Schnittstellen, die es Künstlern und Musikern ermöglichen, ihre Prozesse mit diesen Modellen zu erweitern (nicht zu ersetzen). Magenta wurde von einigen Forschern und Ingenieuren des Google Brain-Teams ins Leben gerufen, aber viele andere haben wesentlich zum Projekt beigetragen. Wir verwenden TensorFlow und veröffentlichen unsere Modelle und Tools in Open Source auf diesem GitHub. Wenn Sie mehr über Magenta erfahren möchten, besuchen Sie unseren Blog, wo wir technische Details veröffentlichen. Sie können auch unserer Diskussionsgruppe beitreten. Passen Sie Timing und Geschwindigkeit an, um einen Clip an ein bestimmtes Gefühl anzupassen. Dies ist vielleicht das interessanteste des Loses, weil es ein bisschen fokussierter ist – und sofort ein Problem löst, das Software in der Vergangenheit nicht so gut gelöst hat.

Da sich der Datensatz auf 15 Stunden echter Schlagzeuger konzentriert, klingen die Ergebnisse hier musikalisch spezifischer. Und Sie erhalten eine „Humanisierung“, die (vermutlich) näher an dem ist, was Ihre Ohren erwarten würden, als die groben prozentual basierten Vorlagen der Vergangenheit. Und ja, es macht quantisierte Aufnahmen interessanter klingen. Es mag unmenschlich oder unmusikalisch erscheinen, jede Art von maschinellem Lernen in Software zu verwenden. Aber von dem Moment an, in dem Sie ein Instrument aufnehmen oder Notation lesen, arbeiten Sie mit einem Musikmodell. Und dieses Modell wird sich darauf auswirken, wie du spielst und denkst. Beachten Sie, dass Sie Magenta jedes Mal ausführen müssen, wenn Sie ein neues Terminalfenster öffnen, um Magenta zu aktivieren. Magenta Studio hat ein paar verschiedene Werkzeuge. Viele basieren auf MusicVAE – einem aktuellen Forschungsmodell, das untersuchte, wie maschinelles Lernen auf die Beziehung verschiedener Melodien zueinander angewendet werden könnte. Musiktheoretiker haben sich seit langem melodische und rhythmische Transformationen angeschaut und verwenden sehr oft mathematische Modelle, um anspruchsvollere Beschreibungen zu machen, wie diese funktionieren.

Machine Learning ermöglicht es Ihnen, aus großen Datensätzen zu arbeiten und dann nicht nur ein Modell zu erstellen, sondern zwischen Mustern zu morphen und sogar neue zu generieren – weshalb dies für Musiksoftware interessant wird. Hier sind einige Beispiele für Anwendungen, die mit @magenta/Musik erstellt wurden. Eine vollständigere Liste finden Sie auf der Magenta-Website. Ich erwerre das nicht, weil ich das Magenta-Projekt abtun möchte – im Gegenteil, wenn man sich dieser Dinge bewusst ist, macht es noch mehr Spaß, ein musikmusikalisches Spiel wie dieses zu haben. Und für diese Angelegenheit, auch wenn Sie mit Magenta Studio für ein Wochenende spielen, dann langweilen und wieder Ihre eigene Musik zu üben, auch das ist ein Vorteil. Wenn Sie @magenta/Musik als Abhängigkeit in einem TypeScript-Projekt verwenden möchten, finden Sie hier ein Beispielprojekt, das dies tut und Webpack zum Erstellen und Transpileieren verwendet. Ein einfaches Problem hier ist, dass ein Modell einer Sequenz kein vollständiges Musikmodell ist. Selbst monophone Musik kann mit Gewicht, Ausdruck, Klangfarbe umgehen.

Ja, theoretisch können Sie jedes dieser Elemente als neue Dimensionen anwenden und sie in Machine Learning-Modelle einspeisen, aber – nehmen wir zum Beispiel Gesangsmusik. Komponisten arbeiteten auch mit weniger quantifizierbaren Elementen, wie Sinn und Klang des Textes, Positionen in der Liturgie, vielschichtigen Zitaten und Verweisen auf andere Kompositionen. Und das ist der einfachste Fall – Musik von Punk über Techno bis hin zu Klaviersonaten wird diese Modelle in Magenta herausfordern. Die Daten, auf denen diese Werkzeuge trainiert wurden, stellen Millionen von Melodien und Rhythmen dar. Das heißt, sie haben einen Datensatz ausgewählt, der Ihnen ziemlich generische Vanille-Ergebnisse liefert – natürlich im Kontext westlicher Musik.

Comments

comments

Portfolio
Kontaktujte mě
Zpět na začátek
breaker

Comments are closed.