Ч а с т ь I главный редактор
жүктеу/скачать 7,26 Mb. Pdf көрінісі
|
moluch 366 ch1
- Бұл бет үшін навигация:
- Автоматизированная генерация композиции
| .
№ 24 (366) . Июнь 2021 г. 38 Информационные технологии произведения из изображения — темное изображение связано с медленной мелодией; яркое и цветное — с быстрой компози- цией. Автоматизированная генерация композиции В качестве языка программирования был выбран язык Py- thon. Важной особенностью этого языка является кроссплат- форменность, а также ориентация на повышение производи- тельности труда разработчиков и читаемости кода. Для разработки веб-сайта для создания музыкальной после- довательности была предложена и реализована следующая ар- хитектура: — модуль анализа изображения: содержит блок для не- посредственного извлечения художественных характеристик из исходного изображения; блок преобразования художе- ственных характеристик в музыкальные; — модуль работы с нейронной сетью: блок выбора модели (используется для определения наиболее подходящей модели для генерации композиции); блок прогнозирования компо- зиции (используется для построения мелодической последо- вательности на основе входных музыкальных характеристик, а также обученной модели); вспомогательный блок для обу- чения и сохранения моделей в базе данных; — модуль генерации звуков: содержит блок для генерации мелодического компонента (синтез мелодического компонента в формате mp3 из входящего текста в музыкальной нотации); синтез гармонической составляющей; блок окончательного синтеза композиции. Также в этом модуле находится база му- зыкальных образцов для синтеза. Литература: 1. Розалиев, В. Л. Methods and Models for Identifying Human Emotions by Recognition Gestures and Motion / Розалиев В. Л., Забо- леева-Зотова А. В. // The 2013 2nd International Symposium on Computer, Communication, Control and Automation 3CA 2013, December 1–2, 2013, Singapore: Papers. — [Amsterdam — Beijing — Paris]: Atlantis Press, 2013. — P. 67–71. 2. Xiaoying Wu. A study on image-based music generation. Master’s thesis. Simon Fraser University, Burnaby, 2008. 3. Szeliski R. Computer Vision: Algorithms and Applications / R. Szeliski. — Springer, 2010. — 979 p. 4. Li Y., Wu H. A Clustering Method Based on K-Means Algorithm / Y. Li, H. Wu // Physics Procedia, 2012. — Vol. 26. — P. 1104–1109. 5. Oyelade O., Oladipupo O., Obagbuwa I. Application of k-Means Clustering algorithm for prediction of Students Academic Perfor- mance. / O. Oyelade, O. Oladipupo, I. Obagbuwa // International Journal of Computer Science and Information Security, 2010. — Vol. 7. — № 1. — P. 292–295 6. Caivano J. L., Colour and sound: Physical and Psychophysical Relations /J. L. Caivano // Colour Research and Application, 1994. — № 12(2). — pp. 126–132 7. Афанасьев, В. В. Светозвуковой музыкальный строй. Элементарная теория аудиовизуальных стимулов / В. В. Афанасьев. — М.: Музыка, 2002. — 70 с. 8. Kania, A. The philosophy of music. [Электронный ресурс]. — 2007. — Режим доступа: https://plato.stanford.edu/entries/music/ (Дата обращения: 02.12.2019). 9. Davies, S. Artistic Expression and the Hard Case of Pure Music. // Kieran, M. (Ed.), Contemporary Debates in Aesthetics and the Philosophy of Art. — 2005. — pp. 179–91. 10. Robinson, J. Deeper than Reason: Emotion and its Role in Literature //Music, and Art. — Oxford: Oxford University Press. — 2005. — pp. 310–13 11. Gabrielle, A., Stromboli, E. The influence of musical structure on emotional expression. //Music and Emotion: Theory and Re- search. — 2001. — pp. 223–243. 12. Susino, M., Schubert, S. Cross-cultural anger communication in music: Towards a stereotype theory of emotion in music. //Musicae Scientiae. — 2017. — pp. 60–74. 13. Scherer, K. R., Zentner, M. R. Emotional effects of music: production rules. //Music and Emotion: Theory and Research. — 2001. — pp. 361–387. |