Maximum Entropy Models Capture Melodic Styles

Par Jason Sakellariou, Francesca Tria, Vittorio Loreto et François Pachet

Jason Sakellariou, Francesca Tria, Vittorio Loreto, and François Pachet. “Maximum Entropy Models Capture Melodic Styles”. Scientific Reports, 7, article 9172, 2017.

François Pachet et Pierre Roy ont réimplémenté le modèle en Python. Le dépôt comprend une version pédagogique avec des boucles Python, une version NumPy plus rapide et des exemples de mélodies, de séquences d’accords et de texte.

À propos de l’article

Comment apprendre un style mélodique tout en produisant de nouvelles phrases ? Cette étude utilise l’entropie maximale pour modéliser les relations statistiques entre paires de symboles musicaux situés à différentes distances dans une mélodie.

Résumé de l’article

Les auteurs apprennent une distribution à partir des statistiques par paires d’un corpus de mélodies, puis en tirent de nouvelles séquences. Ils évaluent la reproduction des statistiques du style et mesurent la quantité de matériau copiée du corpus.

Recherches associées

L’étude a été soutenue par le projet Flow Machines. La synthèse Flow Machines et ses exemples la situent dans les recherches sur la création musicale assistée.