[논문 리뷰] Computoser - rule-based, probability-driven algorithmic music composition

Bozhidar Bozhanov|arXiv (Cornell University)|2014. 12. 09.

Music Technology and Sound Studies참고 문헌 5인용 수 3

한 줄 요약

Computoser는 500편 이상의 음악 작품을 분석하여 유도된 데이터 기반 확률 모델과 규칙 기반 음악 구성 방식을 융합한 하이브리드 알고리즘 음악 창작 시스템을 제안한다. 음계, 템포, 간격 등의 음악적 요소에 대한 통계적 확률와 기존 음악 이론과 교육적 관행에서 유도된 구조적 규칙을 결합함으로써, 음악적으로 타당하고 다양한 곡을 생성하며, 평가에서 청취자 만족도 58.4%를 달성하였다.

ABSTRACT

This paper presents the Computoser hybrid probability/rule based algorithm for music composition (http://computoser.com) and provides a reference implementation. It addresses the issues of unpleasantness and lack of variation exhibited by many existing approaches by combining the two methods (basing the parameters of the rules on data obtained from preliminary analysis). A sample of 500+ musical pieces was analyzed to derive probabilities for musical characteristics and events (e.g. scale, tempo, intervals). The algorithm was constructed to produce musical pieces using the derived probabilities combined with a large set of composition rules, which were obtained and structured after studying established composition practices. Generated pieces were published on the Computoser website where evaluation was performed by listeners. The feedback was positive (58.4% approval), asserting the merits of the undertaken approach. The paper compares this hybrid approach to other approaches to algorithmic composition and presents a survey of the pleasantness of the resulting music.

연구 동기 및 목표

• 기존 알고리즘 음악 창작 방법의 한계를 해결하기 위해, 자주 불쾌하거나 반복적인 음악을 생성하는 문제를 해결한다.
• 실제 음악 데이터로부터 유도된 통계적 확률을 통합하여 규칙 기반 시스템의 다양성 부족 문제를 줄인다.
• 데이터 기반 규칙 적용을 통해 음악적 일관성과 창의적 다양성의 균형을 이루는 하이브리드 접근법을 개발한다.
• 청취자 피드백을 통한 평가를 통해 생성된 음악의 지각된 품질을 점검함으로써 실용적인 음악성 확보.

제안 방법

• 시스템은 음악 작품 500편 이상의 코퍼스를 분석하여 음악적 특성(예: 음계, 템포, 간격 관계 등)에 대한 통계적 확률를 추출한다.
• 기존 음악 이론과 교육적 관행에서 유도된 광범위한 규칙 세트를 적용하여 구조적 및 화성적 결정을 안내한다.
• 유도된 통계 기반으로 음악적 요소를 확률적으로 선택함으로써, 음향적 일관성과 리듬적 일관성을 유지하면서도 데이터 기반의 다양성을 확보한다.
• 알고리즘은 다중 음악 차원에 걸쳐 확률적 선택과 규칙 기반 제약 조건을 반복적으로 적용함으로써 완전한 음악 곡을 생성한다.
• 구현체는 공개되어 있어 재현 가능성과 향후 연구를 지원한다.
• 청취자 평가는 Computoser 웹사이트를 통해 수행되어 음악의 질과 수용 가능성에 대한 지각된 품질을 평가한다.

실험 결과

연구 질문

• RQ1 규칙 기반 창작 방식과 데이터 기반 확률를 융합한 하이브리드 접근법이 음악적으로 타당하고 다양한 곡을 생성할 수 있는가?
• RQ2 통계적 확률의 통합이 순수 규칙 기반 시스템 대비 알고리즘적으로 생성된 음악의 지각된 쾌적함을 어떻게 향상시키는가?
• RQ3 청취자들이 생성된 곡들을 얼마나 음악적으로 타당하고 즐거운 것으로 인식하는가?
• RQ4 실제 음악 데이터를 활용해 확률 분포를 유도함으로써 생성된 곡의 다양성과 표현력이 어떻게 향상되는가?
• RQ5 청취자 만족도와 음악 품질 측면에서 시스템의 출력은 기존 알고리즘 음악 창작 방법과 비교해 어떻게 다를까?

주요 결과

• 청취자 평가에서 시스템은 58.4%의 승인률을 기록하여 생성된 음악의 품질과 쾌적함에 대한 긍정적인 인식을 보였다.
• 하이브리드 모델은 순수 규칙 기반 또는 순수 확률 기반 접근법에서 흔히 볼 수 있는 반복성과 불쾌감을 효과적으로 줄였다.
• 500편 이상의 음악 작품에 대한 통계 분석을 통해 음계, 템포, 간격 사용과 같은 핵심 음악 매개변수에 대한 신뢰할 수 있는 확률 분포를 확보하였다.
• 음악 이론 규칙과 데이터 기반 확률의 통합은 구조적으로 타당하고 리듬적으로 다양성이 있는 곡 생성을 가능케 하였다.
• 참고 구현체는 공개되어 있어 재현 가능성과 알고리즘 음악 창작 분야의 향후 발전을 지원한다.