[论文解读] Computoser - rule-based, probability-driven algorithmic music composition

Bozhidar Bozhanov|arXiv (Cornell University)|Dec 9, 2014

Music Technology and Sound Studies参考文献 5被引用 3

一句话总结

Computoser 提出了一种混合式算法音乐创作系统，将基于规则的作曲与基于分析500多首乐曲所获得的数据驱动概率模型相结合。通过结合音乐元素（如调式、节拍、音程关系）的统计概率与源自既定作曲实践的结构化规则，该系统能够生成在音乐上连贯且富于变化的作品，在评估中获得了58.4%的听众认可率。

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.

研究动机与目标

• 解决现有算法作曲方法的局限性，这些方法常产生不悦耳或单调的音乐。
• 通过整合源自真实音乐数据的统计概率，减少基于规则系统中缺乏变化的问题。
• 开发一种混合方法，通过数据驱动的规则应用，在音乐连贯性与创造性多样性之间取得平衡。
• 通过听众反馈评估生成音乐的感知质量，确保其具备实际的音乐性。

提出的方法

• 该系统分析500多首乐曲的乐曲库，提取调式、节拍和音程关系等音乐特征的统计概率。
• 应用大量源自既定音乐理论和教学实践的作曲规则，以指导结构与和声决策。
• 基于推导出的统计数据，以概率方式选择音乐元素，确保在保持调性与节奏一致性的同时实现数据驱动的多样性。
• 通过在多个音乐维度上迭代应用概率选择与基于规则的约束，该算法生成完整的音乐作品。
• 该实现已公开发布，作为参考，以支持可复现性与进一步研究。
• 通过Computoser网站开展听众评估，以衡量生成音乐的感知质量与可接受度。

实验结果

研究问题

• RQ1 结合基于规则的作曲与数据衍生概率的混合方法，能否生成在音乐上连贯且多样的作品？
• RQ2 与纯基于规则的系统相比，统计概率的整合在多大程度上提升了算法生成音乐的感知愉悦度？
• RQ3 听众在多大程度上认为生成的作品在音乐上有效且令人愉悦？
• RQ4 利用真实音乐数据来指导概率分布，是否增强了生成作品的多样性与表现力？
• RQ5 与现有算法作曲方法相比，该系统在听众认可率与音乐质量方面表现如何？

主要发现

• 该系统在听众中获得了58.4%的认同率，表明生成音乐的质量与愉悦感获得积极评价。
• 混合模型成功减少了纯基于规则或仅依赖概率方法中常见的单调与不悦耳问题。
• 对500多首乐曲的统计分析，为调式、节拍和音程使用等关键音乐参数提供了可靠的概率分布。
• 将音乐理论规则与数据驱动的概率相结合，实现了结构连贯且节奏多样的作品生成。
• 参考实现已公开，支持可复现性与算法作曲领域的进一步发展。