Deep learning’s shallow gains: a comparative evaluation of algorithms for automatic music generation

Eckdaten

Typ

Forschung

Land

AT

Letzte Aktivität

März 2023

Beschreibung

Hierbei handelt es sich um eine Forschungsarbeit, die mehrere Verfahren zur automatischen Musikerzeugung vergleichend bewertet und der Frage nachgeht, ob Deep-Learning-Methoden anderen Ansätzen überlegen sind. Untersucht wurden computererzeugte 30-Sekunden-Ausschnitte im Stil klassischer Streichquartette und Klavierimprovisationen, die 50 musikalisch versierte Teilnehmende entlang von sechs Dimensionen wie Stiltreue, Melodie, Harmonie und Rhythmus bewerteten. Die Auswertung erfolgte mit nichtparametrischen bayesianischen Testverfahren. Das stärkste Deep-Learning-Verfahren, eine Neuimplementierung des Music Transformer, schnitt dabei gleichwertig zur nicht auf Deep Learning beruhenden Methode MAIA Markov ab; zu von Menschen komponierten Ausschnitten blieb ein deutlicher Abstand bestehen.

Relevanz-Score