JP2663705B2

JP2663705B2 - リズムパターン生成装置

Info

Publication number: JP2663705B2
Application number: JP2293058A
Authority: JP
Inventors: 健一大矢; 博文向野
Original assignee: Yamaha Corp
Current assignee: Yamaha Corp
Priority date: 1990-10-29
Filing date: 1990-10-29
Publication date: 1997-10-15
Anticipated expiration: 2012-10-15
Also published as: JPH04163596A

Description

【発明の詳細な説明】（ａ）産業上の利用分野この発明は、ニューラルネット計算手段を使用してリ
ズムパターンを自動的に生成する装置に関する。

（ｂ）従来の技術従来のリズムパターン生成装置は、予め何通りかのリ
ズムパターンをメモリなどに記憶しておき、演奏者の選
択したリズムパターンを出力するようにしている。

（ｃ）発明が解決しようとする課題しかし、このような装置では、予め記憶させてあるリ
ズムパターンの中から演奏者が任意のものを選ぶ構成で
あるために、限られたリズムパターンしか出力すること
ができず、出力の変化に乏しいという不都合があった。

この発明の目的は、演奏者が入力手段によってデジタ
ル値を与えるだけで自動的にリズムパターンを合成して
出力するリズムパターン自動生成装置を提供することに
ある。

（ｄ）課題を解決するための手段この発明は、複数の入力パラメータに応じてリズムパ
ターンに変換するための出力パラメータを出力するよう
に学習されたニューラルネットワークと、該複数の出力
パラメータをリズムパターンに変換する変換手段と、該
変換手段が変換したリズムパターンを補正するための補
正知識を記憶する補正知識メモリと、前記変換手段が変
換したリズムパターンを前記補正知識に基づいて修正す
る修正手段とを備えたことを特徴とする。

（ｅ）作用この発明では、予めリズムパターンが学習されている
ニューラルネットワークを使用しているために、学習し
たパターンの再生だけでなくその中間的なものも合成さ
れる。また、演奏者が入力パターンを入力する入力手段
に代えて、入力パターンとして乱数デジタル値を発生す
る乱数発生手段を使用すれば、演奏者が入力操作を行わ
なくともパターンが自動的に変化する。

（ｆ）実施例第１図はこの発明の実施例の全体図である。

このリズムパターン生成装置は、パラメータ指定手段１、正規化手段２、ニューラルネット計算手段３、重みデータ４、重みデータ切替手段５、出力解釈手段６、解釈知識７、出力解釈切替手段８、出力補正手段９、補正知識10、出力補正切替手段11、演奏データ合成手段12、キーコード指定手段13、演奏手段14、で構成される。

パラメータ指定手段１は４つのボリュームつまみから
なり、ADコンバータによりデジタルな値を出力する。

正規化手段２はパラメータ指定手段１の出力をニュー
ラルネットの入力として用いるように値の変換を行い、
データをニューラルネット計算手段３のニューラルネッ
トの入力層の各ニューロンに送るニューラルネット計算手段３はニューラルネットの計
算の仕組みである。実施例として３層の階層型のものを
示した。この場合、各層内のニューロンは隣接した全て
のニューロンとある重みで結合される。入力層のニュー
ロンの数は演奏者が指定できるパラメータと対応する。
中間層のニューロンの数は学習の具合によって適宜決定
する。ここでは20とする。

出力層のニューロンの数はシステムの出力の時間解像
度に依存し、Ｎ分音符刻みでＭ小節分出力させるなら、
１系列当たりＮ＊Ｍ個になる。実施例では第１系列でバ
スドラムとハイハットを生成し、第２系列でスネアドラ
ムとタムを生成するようにしている。時間解像度は16分
音符で１小節分のパターンを生成するので16＊１＊２＝
32個のニューロンが必要になる。

ニューラルネット重みデータ４は複数のデータからな
る。色々なデータを異なった配置で学習させると別々の
重みデータが生成されるので、実施例では複数の重みデ
ータを保持することで異なったジャンルの音楽への対応
を実現している。

重みデータ切替手段５は上記重みデータ４のうち１つ
を演奏者に指定させる手段である。

出力解釈手段６は後述の解釈知識を利用して、ニュー
ラルネットの出力層に現れる値を解釈し、音楽的な意味
を持った形に変換する。ここでは基本的には１つのニュ
ーロンの値が１つの出力になり、ニューロン同士の関係
は考慮されない。

解釈知識７は異なったジャンルの音楽への対応を実現
するためのもので、ここでは複数の出力解釈知識を備え
ている。

出力解釈切替手段８は、上記希釈知識７のうち１つを
演奏者に指定させる手段である。

出力補正手段９は、後述の知識10を利用して、出力解
釈手段６の出力の値を補正し、音楽的に許容できないも
のは許容できる形に変換する。ここでは入力の全てを考
慮した上で補正が行われる。

補正知識10は異なったジャンルの音楽への対応を実現
するためのもので、ここでは複数の出力補正知識を有し
ている。

出力補正切替手段11は、上記補正知識10のうち１つを
演奏者に指定される手段である。

演奏データ合成手段12は、上記出力補正手段９の出力
を元に実際の演奏データを生成する。

キーコード指定手段13は、各楽器に対して実際のキー
コードを割り当てる。ここで、いろいろなメーカの色々
なドラムマシンの違いを吸収する。

演奏手段14は演奏データを実際に出力する手段であ
る。例としてはMIDIなどが考えられる。

次に上記のリズムパターン生成装置の動作を説明す
る。

（Step1）各種の設定演奏者が適当にパラメータをパラメータ指定手段１を
通じて入力する。

そして、演奏されている音楽の種類に合わせて重みデ
ータ切替手段５を通じて、重みデータ４のうちの１つを
選択する。

同様に、演奏されている音楽の種類に合わせて、出力
解釈切替手段８を通じて出力解釈知識のうちの１つを選
択する。

最後に、演奏されている音楽の種類に合わせて、出力
補正切替手段11を通じて、出力補正知識10のうちの１つ
を選択する。

（Step2）ニューラルネットへの入力演奏者がパラメータ指定手段１で指定したパラメータ
は、正規化手段２によって変換されたのち、ニューラル
ネット計算手段３の入力層内のニューロンに送られる。

（Step3）ニューラルネット内の計算重みデータ切替手段５によって指定された重みデータ
４を用いて、先ず中間層のニューロンの値を計算する。
そして、次に中間層のニューロンの値を用いて出力層の
ニューロンの値を計算する。

中間ニューロンｊ＝sigmoid（Σ入力ニューロンｉ＊重みデータij）出力ニューロンｋ＝sigmoid（Σ中間ニューロンｊ＊重みデータik） sigmoid（ｘ）＝1/（１＋exp（−ｘ））（Step4）出力ニューロンの解釈ニューラルネット計算手段３で計算された出力層のニ
ューロンの値を、出力解釈切替手段８により指定された
解釈知識７を用いて音楽的に意味のある形に変換する。
例えば、０〜１の出力に対して以下のような解釈知識が
考えられる。出力層のニューロンは時系列的に解釈され
る。実施例では最初の16個のニューロンが第１系列を形
成し、後の16個は第２系列を形成する。それぞれのニュ
ーロンは16分音符に相当する。ニューロンの値は論理上
は0/1の実数であるが、計算の都合上、０〜127などの整
数に変換している。

第１系列（第２図参照）出力ニューロン変換後の値 0〜５無音 6〜31 ハイハットクローズ 32〜56 ハイハットオープン 57〜63 バスドラム（弱） 64〜69 バスドラム（強） 70〜95 ハイハットクローズ＋バスドラム（強） 96〜127 ハイハットオープン＋バスドラム（強）第２系列（第３図参照）出力ニューロン変換後の値 0〜18 無音 19〜37 ロータム 38〜41 スネアドラム（弱） 42〜60 ミドルタム 61〜64 スネアドラム（弱） 65〜83 ハイタム 84〜87 スネアドラム（弱） 88〜127 スネアドラム（強）なお、ハイハット，スネアドラム，各タムのベロシテ
ィはニューロンの値に応じて決定される。

第２図，第３図はそれぞれ第１系列ニューロンとパラ
メータの対応，第２系列とニューロンとパラメータの対
応を示している。番号の０〜31は出力ニューロンの番号
を示している。

（Step5）出力の補正出力解釈手段６で変換された形を、出力補正切替手段
11により指定された補正知識10を用いて音楽的に許容で
きる形に補正する。例えば、８ビートの曲で16ビートの
裏に相当するタイミングで音が出たときはその音を消す
ことなどが考えられる。あるいはハイハットが開きっぱ
なしになるときはオープンせず予めクローズに変えるこ
とも行っている。

（Step6）演奏データの合成出力補正手段９で補正されたデータは楽器毎のベロシ
ティで表現されているので、これにキーコード指定手段
13で指定された各楽器のキーコードを与えて実際に演奏
できる形に直し、演奏手段14を通じて演奏する。

以上の動作によってパラメータ指定手段１の各ボリュ
ームのつまみの位置を変えることにより、さまざまなリ
ズムパターンが出力されるようになる。

第４図はこの発明の他の実施例を示している。

同実施例のリズムパターン生成装置は、乱数発生器群
1Aを備えている。このリズムパターン生成装置は、ニュ
ーラルネット計算手段３の前段に、乱数発生群1A、乱数
切替手段1B、前回のパラメータ記憶手段1C、加算手段1D
を備えている点で第１図に示す実施例と相違している。

乱数発生器群1Aはいろいろな分布を持つ乱数発生器で
デジタルな値を出力する。乱数切替手段1Bは、乱数発生
器群1Aの中で１つの乱数発生器を選択する。前回のパラ
メータ記憶手段1Cは、前回のパラメータを記憶してい
る。

加算器1Dは、前回のパラメータ記憶手段1Cの値と乱数
切替手段1Bの出力とを加算し、今回のパラメータを生成
する。この値は再び前回のパラメータ記憶手段1Cに記憶
される。

正規化手段２は乱数切替手段1Bの出力と前回のパラメ
ータ記憶手段1Cの値とを加算した結果をニューラルネッ
トの入力として用いるように値の変換を行い、その変換
データをニューラルネット計算手段３の入力層の各ニュ
ーロンに送る。

ニューラルネット計算手段３以降の構成については第
１図と全く同一である。

次に上記の実施例の動作を説明する。

（Step1）各種の設定演奏者が適当に初期パラメータを前回のパラメータ記
憶手段1Cを通じて入力する。

そして、欲しいパターン変化の個性を指定するため
に、乱数切替手段1Bを通じて乱数発生器群1Aの中の１つ
を選択する。

そして、演奏されている音楽の種類に合わせて、重み
データ切替手段５を通じて重みデータ４の中の１つを選
択する。

同様に、演奏されている音楽の種類に合わせて、出力
解釈切替手段８を通じて、出力解釈知識７の中の１つを
選択する。

最後に、演奏されている音楽の種類に合わせて、出力
補正切替手段11を通じて、出力補正知識10の中の１つを
選択する。

（Step2）ニューラルネットへの入力演奏者が前回のパターン記憶手段1Cで指定したパター
ンは、乱数切替手段1Bで選択された乱数発生器の生成す
る乱数と加算器1Dにおいて加算される。そしてその結果
は正規化手段２に送られる。同時にその値は前回のパタ
ーン記憶手段1Cにも送られ、次回のために記憶される。
そして、次回のパターン生成にはこの値が使われる。従
って、乱数が均等でない分布をしていると最初に使用者
が与えたパラメータから段々離れていくことになる。加
算器IDの出力は正規手段２において変換されたのち、ニ
ューラルネット計算手段３の入力層内のニューロンに送
られる。

以下Step3〜Step6は上記第１の実施例のそれと全く同
様である。

この実施例では、乱数によって入力パターンを変化さ
せるので演奏者がつまみを触らなくても出力パターンが
自動的に変化する。そして、分布の異なった乱数を用い
ていろいろなパターンの癖を作り出すことができる。例
えば−４〜＋３に分布している乱数を１小節毎に現在の
パラメータに加えて次々と変化させてやると、パターン
のパラメータは次第に減少していく。実験によると、第
１パラメータはほぼリズムの性質を決定するので（０〜
40＝８ビート、50〜70＝16ビート、80〜100裏のり16ビ
ート）、予め第１パラメータを100位にセットしたあと
で、このマイナス側に偏った乱数でパラメータを変動さ
せていくと第１パラメータが減少し、それにつれリズム
は音数の少ないものになり、まるでドラムを叩き疲れた
人間のようになっていく。それが、０からアンダーフロ
ーして再び大きい値になると、再び元気を取り戻したよ
うに聞こえる。第５図はこの様子を示している。当然、
別の分布をする乱数を用いれば別のパターン特性が得ら
れる。

（ｇ）発明の効果この発明によれば、ニューラルネットは学習したパタ
ーンを再生するだけではなくその中間的なものも合成で
きるために、出力されるパターンは非常に変化に富んだ
ものとなる。しかも、各ニューロンの出力の細かな違い
でベロシティの変化を付けることができるために生成さ
れたパターンは抑揚に富んだものとなる。また、入力パ
ラメータを与えるために乱数発生手段を用いれば、演奏
者がつまみを触らなくても自動的にパターンが変化して
いく。さらに、その乱数発生手段を時系列的に偏りのあ
るものとすれば、パターンの変化自体にも個性を持たせ
ることができる。

【図面の簡単な説明】

第１図はこの発明の第１の実施例のリズムパターン生成
装置の全体図を示す。第２図，第３図は第１系列ニュー
ロン，第２系列ニューロンとパターンの対応の一例を示
す図である。第４図はこの発明の第２の実施例の全体図
を示し、第５図は同実施例の出力特性を示す図である。１……パラメータ指定手段（入力手段）、３……ニューラルネット計算手段、６……出力解釈手段（ニューラルネット出力をリズムパ
ターンに変換する手段）、 1A……乱数発生器群。

Claims

(57)【特許請求の範囲】

【請求項１】複数の入力パラメータに応じてリズムパタ
ーンに変換するための出力パラメータを出力するように
学習されたニューラルネットワークと、該複数の出力パラメータをリズムパターンに変換する変
換手段と、該変換手段が変換したリズムパターンを補正するための
補正知識を記憶する補正知識メモリと、前記変換手段が変換したリズムパターンを前記補正知識
に基づいて修正する修正手段と、を備えたことを特徴とするリズムパターン生成装置。