Resumen

Esta tesis propone un nuevo método para la composición de música basada en inteligencia artificial. El método estc basado en memorias asociativas, un tipo de red neuronal recurrente que se usa principalmente para la reconstrucción de imagenes binarias. Al representar una composición como una imagen binaria, es posible usar las memorias asociativas para composición musical. El propósito de este método es resolver el problema de la composición algorítmica, es decir, desarrollar un sistema que pueda generar música aunque sea de forma semi-automática.

El método es capaz de generar una nueva composición al entrenar una memoria asociativa con otras composiciones. Luego, el método se asegura de que una entrada aleatoria dada a la red no pueda ser reconstruida de forma completa en una de las composiciones usadas para entrenar a la red. Al hacer esto, una variación de las composiciones originales puede ser obtenida.

Una primera versión de este método fue evaluada con una encuesta respondida por 30 individuos con antecedentes musicales distintos. Esta primera versión sólo trabajaba con ritmo, pues el ritmo es más fundamental que la melodía o la armonía, siendo por lo tanto más fácil de trabajar. La encuesta ayudó a mitigar la naturaleza subjetiva de la apreciación musical y llevó a la conclusión de que el método era capaz de generar resultados aceptables.

Una vez hecho esto, el método fue generalizado para trabajar con melodías cortas llamadas motivos. Se implementó el método en un plugin que funciona con estaciones de audio digitales. Este plugin es capaz de correr en un a librería de sonidos popular y sin costo.

Este plugin está destinado a ayudar a cualquier compositor a crear ideas musicales nuevas. Además, el plugin mejora la creatividad del compositor y actúa como una herramienta que tanto compositores novatos como experimentados puedan usar.

Palabras Clave: Inteligencia Artificial, Composición Algorítmica, Redes Neuronales Recurrentes, Memorias Asociativas

Summary. This thesis proposes a new approach for artificial intelligence-based music composition using a novel method. The method is based on associative memories, a type of recurrent neural network used mostly for binary image reconstruction. By representing a composition as a binary image, it is possible to use associative memories for music composition. The purpose of this method is to solve the algorithmic composition problem, that is, to develop a system that can generate music even if only in a semi-automatic way.

The method is able to generate a new composition by training an associative memory with other compositions. Then, the method ensures that a random input given to the network cannot be reconstructed fully into one of the compositions used to train the network. By doing this, a variation of the original compositions can be obtained.

A first version of the method was evaluated with a survey answered by 30 individuals of different musical backgrounds. This first version only worked with rhythm, as rhythm is more fundamental than melody or harmony, thus being easier to work with. The survey helped alleviate the subjective nature of music appreciation and led to the conclusion that the method was able to generate acceptable results.

After doing this, the method was generalized to work with short melodies called motifs. The method was implemented in a plugin that works with digital audio workstations. This plugin is able to run on a freely-available and popular sound library software.

The plugin is intended to help any composer create new musical ideas. Furthermore, the plugin enhances the creativity of the composer and acts as a tool that both experienced and novice composers may use.

Key words: Artificial Intelligence, Algorithmic Composition, Recurrent Neural Networks, Associative Memories

Full document (archivo pdf, 1 mb)

Table of content

Portada

Índices

Glosario

Capítulo 1. Overview of Algorithmic Composition

Capítulo 2. Involved Technologies and Techniques

Capítulo 3. Proposed Solution Methodology

Capítulo 4. Results and Evaluation

Capítulo 5. Conclusions

Referencias

Apéndice A. Glossary of Acronyms

Apéndice B. Rights Letter

Apéndice C. Participation Consent

Full document (archivo pdf, 1 mb)

Gutiérrez Cárdenas, M. A. 2021. Music Composition using Associative Memories: a Virtual Studio Technology Plugin Implementation. Tesis Licenciatura. Ingeniería en Sistemas Computacionales. Departamento de Ingeniería en Computación, Electrónica y Mecatrónica, Escuela de Ingeniería, Universidad de las Américas Puebla. Mayo. Derechos Reservados © 2021.