20.500.12556/RUL-152754 Pogojeno generiranje glasbenega zapisa z difuzijskimi modeli Conditioned symbolic music generation with diffusion models Računalniško generirana glasba lahko skladateljem služi kot pomembno orodje za krepitev glasbene ustvarjalnosti in širjenje znanja o glasbeni kompoziciji. Zaradi tega je računalniško generiranje glasbe dobro raziskano področje, ki se je z razvojem globokih nevronskih mrež močno razcvetelo. Trenutno predstavlja velik izziv na tem področju generiranje daljših stilsko konsistentnih glasbenih sekvenc. Drug izziv, s katerim se pogosto srečamo, je nadzor nad lastnostmi generirane glasbe. Obeh omenjenih izzivov smo se lotili z implementacijo difuzijskega verjetnostnega modela za odpravljanje šuma, sposobnega ustvarjanja izvirnega glasbenega zapisa, ki sledi obliki glasbenih spremljav videoiger igralne konzole NES, hkrati pa je proces generiranja mogoče voditi s pomočjo avtomatsko pridobljenih čustvenih oznak. V okviru magistrskega dela nam je uspelo implementirati difuzijski model, ki smo ga ovrednotili s pomočjo glasbenega Turingovega testa, v katerem so računalniško generirane melodije anketirance v 43% primerih preslepile za melodije, ki jih je napisal človek. Computer generated music can serve as an important tool for composers to enhance their musical creativity and expand their knowledge about musical composition. This makes computer music generation a well researched field that has expanded greatly with the development of deep neural networks. Currently, generating longer stylistically consistent music sequences is a big challenge. Another challenge we often encounter is controlling the properties of the generated music. We tackled both of the mentioned challenges by implementing a denoising diffusion probabilistic model capable of generating original music notation that follows the form of the soundtracks for the NES game console, while the generation process can be guided by automatic emotion annotations. We managed to implement a diffusion model, which we evaluated with the help of a musical Turing test, where in 43% cases computer generated melodies confused the test subjects for human written melodies. globoko učenje pogojeni generativni modeli difuzijski modeli generiranje glasbenega zapisa deep learning conditioned generational models diffusion models symbolic music generation true false false Slovenski jezik Angleški jezik Magistrsko delo/naloga 2023-12-06 09:45:00 2023-12-06 09:45:07 2023-12-22 08:47:37 0000-00-00 00:00:00 2023 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 35376 178611715 Kleine_Ziga_-_Pogojeno_generiranje_glasbenega_zapisa_z_difuzijskimi_modeli.pdf Kleine_Ziga_-_Pogojeno_generiranje_glasbenega_zapisa_z_difuzijskimi_modeli.pdf 1 7BA0312F7446AD64ACF4291C107F40B9 517e43f34e9f996cc8bde2c4b1db7b373d5a119a3b82aaa6e62ecd9bc565648f c255ee7b-9413-11ee-ac6f-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=178388 Fakulteta za računalništvo in informatiko 0 0 0