文件名称：CreativeGAN节奏：用于生成舞蹈音乐节奏模式的Creative Adversarial网络
文件大小：22.17MB
文件格式：ZIP
更新时间：2024-03-20 05:37:34
JupyterNotebook
适用于新型节奏产生的Creative-GAN RhythmCAN –使用具有流派歧义性损失的GAN生成新颖的节奏模式 我们是否可以使用AI（尤其是GAN）来创作新的电子舞蹈音乐流派？ 自从引入深度学习以来，研究人员已经提出了使用深度学习的内容生成系统，并证明他们有能力生成令人信服的内容和包括音乐在内的艺术作品。 但是，可以说这些基于深度学习的系统模仿并重现了人类创造的固有模式，而不是产生新的创造力。 在本文中，我们将重点放在音乐的产生上，尤其是电子舞蹈音乐的节奏模式，并讨论是否可以使用深度学习来产生新颖的节奏，而这种有趣的模式在训练数据集中是找不到的。 我们扩展了通用对抗网络（GAN）的框架，并通过向框架中添加其他分类器，鼓励其与数据集中的固有分布相区别。 本文表明，我们提出的GAN可以生成听起来像音乐节奏但不属于训练数据集任何流派的节奏模式。 项目页面 要求 在进行pip insta
【文件预览】：
CreativeGAN-Rhythm-master
----2_drum_gan-gm.ipynb(187KB)
----.gitattributes(42B)
----0_preprocess_midi-gm.ipynb(9.07MB)
----models()
--------creative-gans()
--------can2_generator-epoch-079-0.74809.h5(132B)
--------c_discriminator-epoch-024-0.69037.h5(132B)
--------c_gan-epoch-024-0.92261.h5(133B)
--------c_generator-epoch-024-0.92261.h5(132B)
--------6_midi_drum_model_playback.ipynb(5.67MB)
--------can2_generator-epoch-084-0.80139.h5(132B)
----1_rhythm_classification-gm.ipynb(5.1MB)
----rhythm_can()
--------utils.py(3KB)
--------analysis.py(2KB)
--------constants.py(1KB)
----requirements.txt(270B)
----3_drum_gan_conditioned-gm.ipynb(9.09MB)
----README.md(4KB)
----4_midi_drum_creativegan-gm.ipynb(9.53MB)
----.gitignore(1KB)
----audio_samples()
--------Genre-Conditioned-GAN()
--------Creative-GAN()