IA et créativité dans la musique métal progressif

Ces dernières années, les gens se sont penchés sur comment la technologie peut aider à créer de la musique. Un domaine de recherche super excitant concerne l'utilisation de systèmes informatiques avancés pour générer de la musique. Ce papier parle d'un projet qui combine la créativité humaine avec de la musique générée par ordinateur, en particulier dans le genre Metal Progressif.

#Contexte

Le metal progressif est un type de musique connu pour ses structures complexes et ses sons uniques. Les méthodes traditionnelles d'écriture et de production musicale reposent souvent sur des musiciens humains. Cependant, avec les avancées de la technologie informatique, il est désormais possible d'utiliser des programmes informatiques pour aider dans le processus de création musicale.

Ce projet s'appuie sur des travaux antérieurs qui utilisaient différents styles de création musicale. Les chercheurs se sont concentrés sur plusieurs méthodes pour générer de la musique automatiquement, y compris des techniques d'apprentissage profond. En entraînant un programme informatique sur un ensemble de données de chansons existantes, le programme peut créer de la nouvelle musique qui ressemble au style de ces chansons.

#L'ensemble de données

Pour ce projet, un ensemble de données spécial appelé ProgGP a été créé. Cet ensemble contient 173 chansons du genre metal progressif. Les chansons ont été choisies soigneusement pour capturer les caractéristiques de ce style musical. En utilisant cet ensemble, les chercheurs visaient à entraîner un programme informatique pour générer de la musique dans un style similaire.

Les chansons de l'ensemble ne sont pas des partitions officielles créées par les artistes d'origine. Au lieu de cela, elles ont été créées et partagées par des fans. Bien qu'il puisse y avoir quelques inexactitudes dans les partitions, elles reflètent principalement l'essence des performances originales. Cet ensemble de données est essentiel pour entraîner le modèle de génération musicale.

#Le modèle de génération musicale

Le cœur de ce projet est le modèle informatique, qui est basé sur une technologie appelée Transformer. Ce modèle a été entraîné en utilisant l'ensemble de données ProgGP pour apprendre comment la musique metal progressif est structurée et sonne. En entraînant le modèle sur des chansons existantes, il apprend les motifs et les styles associés au metal progressif.

Le modèle fonctionne en prenant un point de départ sous la forme d'un prompt musical, qui est un ensemble d'instructions. Par exemple, un prompt peut consister en quelques notes ou un rythme simple. Le modèle utilise cette information pour générer de la nouvelle musique qui continue depuis le prompt. Il peut créer des parties pour différents instruments, y compris la guitare, la basse, la batterie et le piano.

#Création de musique avec le modèle

Après avoir entraîné le modèle, la prochaine étape était d'évaluer sa capacité à générer de la musique. Les chercheurs ont utilisé une méthode qui combine à la fois des analyses objectives et subjectives. L'analyse objective consiste à utiliser des métriques spécifiques pour mesurer les caractéristiques de la musique générée. L'analyse subjective repose sur des opinions et des expériences personnelles pour évaluer la musique.

Pour s'assurer que la musique générée ressemble à de vraies chansons de metal progressif, les chercheurs ont comparé les sorties du modèle avec les chansons originales de l'ensemble de données ProgGP. Cette comparaison impliquait de regarder divers facteurs, tels que la complexité de la musique et son adhérence aux traits typiques trouvés dans le metal progressif.

#Évaluation de la musique générée

L'équipe de recherche a analysé la musique générée par le modèle pour comprendre ses forces et ses faiblesses. Cette analyse était essentielle pour affiner le modèle et améliorer la qualité de la musique qu'il produit.

Pour l'évaluation objective, des métriques courantes ont été utilisées pour évaluer la qualité de la musique générée. Ces métriques comprennent différentes mesures de structure musicale, de rythme et d'utilisation des notes. En examinant ces mesures objectives, les chercheurs pouvaient déterminer à quel point la musique générée correspondait aux chansons originales de metal progressif dans leur ensemble de données.

Subjectivement, les chercheurs ont écouté la musique générée et évalué dans quelle mesure elle capturait l'essence du metal progressif. Ils ont cherché des traits tels que des signatures temporelles inhabituelles, des rythmes complexes, et l'utilisation de plusieurs parties de guitare. L'évaluation subjective a fourni des informations précieuses sur l'attrait de la musique pour les auditeurs.

#Collaboration entre humains et IA

Un des principaux objectifs de ce projet était de favoriser la collaboration entre les musiciens humains et l'intelligence artificielle (IA). L'idée n'est pas de remplacer la créativité humaine mais de l'améliorer. Les chercheurs ont travaillé avec un producteur de musique pour créer de vraies chansons en utilisant la musique générée par le modèle IA.

Le processus de collaboration impliquait plusieurs étapes. D'abord, le producteur sélectionnait une chanson générée qui l'inspirait. Ensuite, il chargeait la musique générée dans un logiciel de montage musical pour faire des ajustements. Le producteur pouvait changer des parties de la chanson, comme les riffs de guitare et les motifs de batterie, pour mieux correspondre à sa vision.

En intégrant la musique générée par l'IA dans la production réelle, les chercheurs voulaient montrer comment l'IA peut inspirer la créativité et simplifier le processus de création musicale. Cette méthode permet aux musiciens de se concentrer sur leur direction artistique tout en utilisant la technologie comme un outil qui améliore leur flux de travail.

#Processus de création de chansons

Pour illustrer la collaboration entre humains et IA, les chercheurs ont enregistré une courte chanson de metal progressif en utilisant la musique générée. Le processus a commencé par la sélection d'un prompt musical et la génération de chansons en utilisant le modèle. Le producteur a choisi l'une des chansons générées comme point de départ pour son projet.

Ensuite, le producteur a utilisé un logiciel musical pour exporter les parties de batterie et de basse générées vers une station de travail audio numérique. Les parties de guitare ont été apprises par le producteur puis enregistrées. Pendant le processus d'enregistrement, il a fait des ajustements pour correspondre à son intention artistique. Ce processus de va-et-vient a permis au producteur de peaufiner davantage la chanson.

La flexibilité d'utiliser de la musique générée par l'IA permet aux musiciens d'itérer rapidement sur des idées et de développer des chansons complètes tout en maintenant leur contrôle créatif. Cette approche collaborative met en avant le potentiel de l'IA dans la création musicale.

#Analyse de la chanson finale

La chanson finale produite grâce à cette collaboration mettait en valeur un mélange d'idées générées par l'IA avec la touche artistique du producteur. La structure de la chanson était largement basée sur le contenu généré, mais des modifications ont été apportées pour améliorer sa musicalité et sa cohérence.

Les chercheurs ont noté que, bien que la chanson générée fournisse de fortes idées, certaines sections nécessitaient une intervention humaine pour s'assurer qu'elles soient jouables et efficaces. Les parties de batterie, par exemple, nécessitaient souvent des ajustements pour mieux compléter les parties de guitare et de basse. Ce processus a montré que l'IA peut générer d'impressionnantes idées initiales, mais que les musiciens humains sont nécessaires pour peaufiner et affiner le produit final.

#Conclusion et perspectives d'avenir

Ce projet démontre le potentiel d'utiliser l'IA pour générer de la musique dans le genre metal progressif. La création de l'ensemble de données ProgGP et l'entraînement d'un modèle d'apprentissage profond ont ouvert de nouvelles voies pour la composition musicale. En analysant à la fois les métriques objectives et les qualités subjectives de la musique générée, l'équipe de recherche a fourni des informations précieuses sur les capacités de l'IA dans la création musicale.

À l'avenir, les chercheurs espèrent continuer à explorer les possibilités de collaboration entre musiciens humains et IA. Cette collaboration pourrait mener à de nouvelles approches créatives dans la production musicale, y compris le potentiel pour des albums enregistrés professionnellement et des performances en direct featuring des chansons assistées par l'IA. Le chemin de l'intégration de l'IA dans la musique ne fait que commencer, et il y a encore beaucoup à découvrir dans ce domaine passionnant.