Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 رد پای فناوری جدیدی در ترانه سازی

رد پای فناوری جدیدی در ترانه سازی

فناوری جدید دانشگاه واترلو می‌تواند برای ترانه سازی و ایجاد مسیرهای خلاقانه در آهنگسازی، الهام‌بخش هنرمندان موسیقی باشد.

محققان آزمایشگاه پردازش زبان طبیعی دانشگاه واترلو، فناوری‌ای به نام LyricJam طراحی کردند. سیستم بی‌درنگ LyricJam از هوش مصنوعی برای تولید متن موسیقی استفاده می‌کند.

اکنون، چندین سال است که این آزمایشگاه در مورد کاربردهای خلاقانه هوش مصنوعی تحقیق ‌می‌کند. اولگا وَکتومووا ، استاد مهندسی دانشگاه واترلو و عضو فعال دانشکده علوم کامپیوتر، سرپرستی این آزمایشگاه را بر عهده دارد.

نتیجه تحقیقات اولیه این آزمایشگاه طراحی سیستمی بود که بیان موسیقیایی هنرمندان را می‌آموزد و اشعاری به سبک آن‌ها تولید می‌کند.

وَکتومووا، به همراه دو دانشجوی تحصیلات تکمیلی دانشگاه واترلو، گورِو ساهو و دراو کومر ، این فناوری را توسعه دادند. آن‌ها بر جنبه‌های مختلف موسیقی مانند توالی آکورد، تمپو و تنظیم سازها برای تولید اشعاری که منعکس‌کننده حالات و احساسات بیان شده در موسیقی زنده پرداختند.

ترانه سازی

همچنان‌که یک آهنگساز یا گروه موسیقی به نواختن موسیقی بی‌کلام می‌پردازد، سیستم پیوسته کلیپ‌های صوتی خام را دریافت می‌کند؛ سپس، شبکه عصبی این کلیپ‌های صوتی را برای ترانه سازی و نوشتن ترانه جدید پردازش ‌می‌کند. هنرمند سپس ‌می‌تواند از این متن تولید شده برای نوشتن اشعار آهنگ خود استفاده کند.

وَکتومووا می‌گوید: « این سیستم به دنبال ایفای نقش آهنگسازی نیست. در عوض، ‌می‌خواهیم به هنرمندان کمک کنیم تا خلاقیت خود را بهتر درک کنند. این سیستم اشعاری با استعاره‌ها و عبارات جدید می‌نویسد و احتمالاً هنرمندان را به مسیرهای خلاقانه‌ای سوق ‌می‌دهد که پیشتر با آن روبرو نشده‌اند».

این شبکه عصبی قادر است موضوعات غنایی، کلمات و صنایع ادبی مرتبط با جنبه‌های موسیقی شناخته شده در هر کلیپ صوتی را پیدا کند.

برای نمونه، محققان دریافتند که اشعار این نرم‌افزار برای موسیقی امبینت (ambient) با اشعار آهنگ‌های شاد بسیار متفاوت است.

الهام گرفتن از شعرهای سیستم

این محققان طی پژوهشی از نوازندگان مختلف خواستند از این سیستم استفاده کرده و برای آن آهنگی بنوازند. طبق توضیحات وَکتومووا «یکی از یافته‌های غیرمنتظره‌ این پژوهش، الهام گرفتن شرکت‌کنندگان از شعرهای سیستم برای بداهه‌نوازی بود. برای مثال، این اشعار هنرمندان را ترغیب کرد که آکوردها را کمی‌ متفاوت بنوازند و بداهه‌نوازی خود را در مسیر جدیدی پیش ببرند. برخی از نوازندگان نیز از این اشعار برای بررسی تأثیرات احساسی بداهه‌نوازی خود استفاده می‌کردند».

یکی دیگر از یافته‌های این پژوهش بر جنبه هم‌آفرینی این تجربه دلالت داشت. شرکت‌کنندگان اظهار داشتند که سیستم را به مثابه شریکی می‌دانستند که موضعی غیرانتقادی دارد و آن‌ها را برای نواختن ساز بیشتر ترغیب ‌می‌‌‌کند، حتی زمانی که به دنبال ترانه سازی نبودند.

از زمان عرضه این نرم‌افزار در ژوئن 2021، بیش از 1،500 کاربر از سرتاسر دنیا آن را امتحان کرده‌اند.
این تیم قرار است نتایج تحقیقات خود را در کنفرانس بینالمللی خلاقیت محاسباتی در ماه سپتامبر ارائه کنند. نسخه اولیه این پژوهش در arXiv منتشر شده است.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

مقاله ما چطور بود؟

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.