深層学習による自動作曲入門

購入済み

シリーズ

全1冊

作品情報

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。人工知能は作曲家の夢を見るか?【本書のポイント】・深層学習による自動作曲技術の全体像を知る・Colaboratoryを使った自動作曲のお試し・データセットを多数紹介 機械学習による自動作曲(AI作曲)技術を解説した専門書です。機械学習やメディアアート関係の研究者、学生、音楽産業の技術者を主な読者対象として、現在の自動作曲技術をまとめています。また、実践要素(Python/Colaboratoryを使った自動作曲の実践)を設けて、情報科学の知識のないクリエイターやアマチュア作曲者、動画制作者などが自動作曲にチャレンジできるようにしました。 近年、画像生成を中心にAI(機械学習)によるメディア生成が注目を集めています。自動作曲はその名の通り、音楽を生成する技術で、近年では機械学習・深層学習による自動作曲・音楽分析が盛んに研究されています。 本書では、言語・音声などの従来の時系列データと異なる音楽データの特徴に基づく分析や、音声の生成のような「それっぽい」にとどまらない美的な質の学習方法や評価といった、音楽に特化した機械学習のアプローチを解説します。 読者は本書によって、現時点での深層学習による自動作曲の全体図を理解でき、またGoogleのMusic TransformerやOpenAIのJukeboxなど、最先端の重要モデルの仕組みや性能を学ぶことができます。自身のAI作曲の性能向上や実用性の改善を図ることが可能となります。第 1 章 AI による自動作曲とは1.1 背景 ── AI と作曲1.2 自動作曲の歴史1.3 本書の目的と構成1.4 本章のまとめ第 2 章 音楽の基礎知識2.1 音楽の存在形式2.2 平面的な要素2.3 立体的な要素2.4 音楽制作の流れ2.5 本章のまとめ第3章 AI モデル3.1 時系列モデル3.1.1 RNN・LSTM・GRU3.2 畳み込みネットワークネット (CNN)3.3 生成モデル3.4 強化学習3.5 本章のまとめ第4章 楽譜(MIDI)としての自動作曲 1:時系列学習による自動作曲4.1 RNN 基盤の自動作曲4.2 トランスフォーマー基盤の自動作曲4.3 本章のまとめ第5章 楽譜(MIDI)としての自動作曲 2:生成モデルによる自動楽曲5.1 GAN 基盤の自動作曲5.2 VAE 基盤の自動作曲5.3 拡散モデルによる自動作曲5.4 本章のまとめ第6章 楽譜(MIDI)としての自動作曲 3:強化学習による自動作曲6.1 報酬の設定6.2 他モデルとの融合6.3 強化学習の二つのアプローチ6.4 本章のまとめ第7章 波形としての自動作曲7.1 なぜ難しいのか7.2 音声生成7.3 波形としての音楽生成7.4 本章のまとめ第 8 章 データセットおよび評価指標8.1 データセット8.2 評価指標8.3 本章のまとめ第 9 章 前処理とデータ拡張9.1 前処理9.2 データ拡張9.3 本章のまとめ第 10 章 AIの他の音楽分野への応用10.1 音源推薦10.2 ジャンル識別10.3 音源分離10.4 自動ミックスダウンおよびマスタリング10.5 本章のまとめ第 11 章 まとめと今後の課題11.1 今後の課題11.2 音楽への関わり方の変化と意義11.3 本章のまとめ参考文献索引

作品をシェアする

同じ作者の本

オーム社のおすすめ本

スマホ・PC・ITのおすすめ本

チェックリストに追加しました
クリップボードにURLをコピーしました
カートに追加しました
お気に入りに登録しました
作者をフォローしました

ポイント詳細

  • 通常ポイント

    pt

    ご購入額に応じて、dポイントを還元いたします。還元するdポイント数はご購入代金100円(税抜)につき1ポイントです。

【dカードならさらにおトク!】

さらにdカードをご利用の場合、ご購入代金100円(税込)につき2ポイントを加算し還元いたします。

  • dポイントによるお支払いはポイント進呈の対象外となります。
  • 開催中のキャンペーンにより、還元されるdポイント数は変動いたします。
dカードのお申込みはこちら

お手数ですが、ログイン後に再度登録をお試しください