Показати скорочену інформацію

dc.contributor.authorЯнковський, Б. П.uk
dc.contributor.authorМедведєва, С. О.uk
dc.date.accessioned2024-04-30T14:05:38Z
dc.date.available2024-04-30T14:05:38Z
dc.date.issued2024
dc.identifier.citationЯнковський Б., Медведєва С. О. Research on possibilities of application of artificial intelligence in music generation. Матеріали LІII науково-технічної конференції підрозділів ВНТУ, Вінниця, 20-22 березня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/all-fbtegp/all-fbtegp-2024/paper/view/20312.uk
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/42311
dc.description.abstractГенерація музики є перспективною областю застосування штучного інтелекту. Вона ставить перед науковцями певні унікальні завдання. Серед них - здатність поєднувати короткострокові та довгострокові залежності, такі як загальний темп і тональність пісні, генерація конкретних мелодій, миттєве створення високоякісного аудіо. Ця робота досліджує існуючі підходи до генерації музики за допомогою штучного інтелекту, оцінює їх за критеріями швидкості, гнучкості та якості.uk
dc.description.abstractMusic generation is a promising area of application for artificial intelligence. It provides certain unique challenges for the scientists to solve. Among them are the ability to combine short term and long term dependencies, such as both the overall tempo and key of the song, generation of specific melodies, creating high-fidelity audio on the fly. This work explores the existing approaches to music generation using artificial intelligence, evaluates them based on the criteria of speed, flexibility and quality.en
dc.language.isoenen
dc.publisherВНТУuk
dc.relation.ispartofМатеріали LІII науково-технічної конференції підрозділів ВНТУ, Вінниця, 20-22 березня 2024 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fbtegp/all-fbtegp-2024/paper/view/20312
dc.subjectштучний інтелектuk
dc.subjectнейронні мережіuk
dc.subjectтрансформерuk
dc.subjectмузикаuk
dc.subjectстиснення данихuk
dc.subjectartificial intelligenceuk
dc.subjectneural networksuk
dc.subjecttransformeren
dc.subjectmusicen
dc.subjectMIDIen
dc.subjectdata compressionen
dc.titleResearch on possibilities of application of artificial intelligence in music generationen
dc.typeThesis
dc.identifier.udc004.8:78.02=111
dc.relation.referencesMiguel Civit, Javier Civit-Masot, Francisco Cuadrado, Maria J. Escalona, A systematic review of artificial intelligence-based music generation: Scope, applications, and future trends. Expert Systems with Applications, Volume 209, 2022, 118190, ISSN 0957-4174en
dc.relation.referencesTHE MIDI ASSOCIATION, Craig Anderton's Brief History Of MIDI [Електронний ресурс]. – Режим доступу: https://www.midi.org/articles/a-brief-history-of-midien
dc.relation.referencesPodcastle Team, Introduction to Audio File Formats: Which Audio File to Choose, Nov 01, 2023 [Електронний ресурс]. – Режим доступу: https://podcastle.ai/blog/which-audio-file-to-choose/en
dc.relation.referencesAshish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkorei, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin. Attention is all you need. NIPS (2017)en
dc.relation.referencesPayne, Christine. "MuseNet." OpenAI, 25 Apr. 2019, openai.com/blog/museneten
dc.relation.referencesJade Copet, Felix Kreuk, Itai Gat Tal Remez David Kant, Gabriel Synnaeve, Yossi Adi, Alexandre Défossez. Simple and Controllable Music Generation. 8 Meta AI, Jun 2023.en
dc.relation.referencesEvelina Fedorenko, Josh H McDermott, Sam Norman-Haignere, and Nancy Kanwisher. “Sensitivity to musical structure in the human brain. Journal of neurophysiology”, 108(12):3289–3300, 2012.en
dc.relation.referencesAaron van den Oord, Oriol Vinyals, Koray Kavukcuoglu, "Neural Discrete Representation Learning", DeepMind, 30 May 2018en
dc.relation.referencesAlexandre Défossez, Jade Copet, Gabriel Synnaeve, Yossi Adi. High Fidelity Neural Audio Compression. Meta AI 24 Oct 2022.en
dc.relation.referencesRachel Manzelli, Vijay Thakkar , Ali Siahkamari, Brian Kulis. An End to End Model for Automatic Music Generation: Combining Deep Raw and Symbolic Audio Networks. Department of Electrical and Computer Engineering Boston University, 2018.en


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію