2P-08
LSTMを用いたリカレントニューラルネットワークによる自動作曲
近年、ニューラルネットワークを用いて自動作曲を行おうとする試
みが多く行われている。そのような手法の1つとしてリカレントニュ
ーラネットワークを用いた自動作曲が提案されている。この手法では、
LSTMを用いたリカレントニューラルネットワークを用いて、既存の
曲の音の高さの遷移の特徴を学習し、それを利用して曲の生成を
行っているが、それぞれのデータが小節内のどの位置のものであるか
が考慮されていないため、拍を考慮することができていない、音高を
決定する際に調などが考慮されていないといった問題もある。本研究
では、これらの問題点を考慮したLSTMを用いたリカレントニューラル
ネットワークによる自動作曲を提案する。音高が同じ音が連続する場
合と1つの音が続いている場合が区別できないという問題に対しては、
音が継続しているのか、新たに始まったのかという情報を音形に追加
することで解決する。また、小節内での位置の情報に関してもリカレ
ントニューラルネットワークへの入力として用いることで拍を考慮で
きるようにする。音高に関してもリカレントニューラルネットワーク
の出力として音形と同時に出力することで決定し、学習曲の調を移調
して調を揃えて扱うようにすることで調が考慮されていないという
問題も解決する。
みが多く行われている。そのような手法の1つとしてリカレントニュ
ーラネットワークを用いた自動作曲が提案されている。この手法では、
LSTMを用いたリカレントニューラルネットワークを用いて、既存の
曲の音の高さの遷移の特徴を学習し、それを利用して曲の生成を
行っているが、それぞれのデータが小節内のどの位置のものであるか
が考慮されていないため、拍を考慮することができていない、音高を
決定する際に調などが考慮されていないといった問題もある。本研究
では、これらの問題点を考慮したLSTMを用いたリカレントニューラル
ネットワークによる自動作曲を提案する。音高が同じ音が連続する場
合と1つの音が続いている場合が区別できないという問題に対しては、
音が継続しているのか、新たに始まったのかという情報を音形に追加
することで解決する。また、小節内での位置の情報に関してもリカレ
ントニューラルネットワークへの入力として用いることで拍を考慮で
きるようにする。音高に関してもリカレントニューラルネットワーク
の出力として音形と同時に出力することで決定し、学習曲の調を移調
して調を揃えて扱うようにすることで調が考慮されていないという
問題も解決する。