JPH09325769A - リズムパターン生成装置 - Google Patents
リズムパターン生成装置Info
- Publication number
- JPH09325769A JPH09325769A JP9009469A JP946997A JPH09325769A JP H09325769 A JPH09325769 A JP H09325769A JP 9009469 A JP9009469 A JP 9009469A JP 946997 A JP946997 A JP 946997A JP H09325769 A JPH09325769 A JP H09325769A
- Authority
- JP
- Japan
- Prior art keywords
- output
- parameter group
- rhythm pattern
- random number
- rhythm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Electrophonic Musical Instruments (AREA)
Abstract
(57)【要約】
【課題】データ量や演算処理を複雑化しないで多種多様
なリズムパターンを生成する。 【解決手段】入力パラメータ群の入力に応じてリズムパ
ターン変換用の出力パラメータ群を出力するように学習
されているニューラルネット計算手段３を用いる。そし
て、入力パラメータ群を前記ニューラルネット計算手段
３に与える手段として乱数発生器群１ａを設ける。ニュ
ーラルネット計算手段３が出力した出力パラメータ群は
出力解釈手段６によってリズムパターンに変換され、音
楽的に不都合な点を出力補正手段９が補正する。入力パ
ラメータ群として乱数を用いることにより、ニューラル
ネットワークの学習内容を用いて多種多様なリズムパタ
ーンを生成することができる。
なリズムパターンを生成する。 【解決手段】入力パラメータ群の入力に応じてリズムパ
ターン変換用の出力パラメータ群を出力するように学習
されているニューラルネット計算手段３を用いる。そし
て、入力パラメータ群を前記ニューラルネット計算手段
３に与える手段として乱数発生器群１ａを設ける。ニュ
ーラルネット計算手段３が出力した出力パラメータ群は
出力解釈手段６によってリズムパターンに変換され、音
楽的に不都合な点を出力補正手段９が補正する。入力パ
ラメータ群として乱数を用いることにより、ニューラル
ネットワークの学習内容を用いて多種多様なリズムパタ
ーンを生成することができる。
Description
【０００１】
【発明の属する技術分野】この発明は、ニューラルネッ
トワーク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。
トワーク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。
【０００２】
【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、そのなかから１つのリズムパターンを選択して出力
するようにしている。
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、そのなかから１つのリズムパターンを選択して出力
するようにしている。
【０００３】
【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、演奏者がマニュアルで選択する場合でも装置が
自動的に選択する場合でも予め記憶させてあるリズムパ
ターンの中からしか選択することができなかったため
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。
置では、演奏者がマニュアルで選択する場合でも装置が
自動的に選択する場合でも予め記憶させてあるリズムパ
ターンの中からしか選択することができなかったため
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。
【０００４】この発明の目的は、与えられた入力パラメ
ータに基づいて自動的に新たなリズムパターンを合成し
て出力するリズムパターン生成装置を提供することにあ
る。
ータに基づいて自動的に新たなリズムパターンを合成し
て出力するリズムパターン生成装置を提供することにあ
る。
【０００５】
【課題を解決するための手段】この発明は、入力パラメ
ータ群の入力に応じてリズムパターン変換用の出力パラ
メータ群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、複数の乱数値を発生し前記ニューラルネット
ワークに入力パラメータ群として出力する乱数発生手段
と、該出力パラメータ群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。
ータ群の入力に応じてリズムパターン変換用の出力パラ
メータ群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、複数の乱数値を発生し前記ニューラルネット
ワークに入力パラメータ群として出力する乱数発生手段
と、該出力パラメータ群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。
【０００６】この発明では、入力パラメータ群の入力に
応じてリズムパターン変換用の出力パラメータ群を出力
するように学習されたニューラルネットワークを使用
し、このニューラルネットワークが出力した出力パラメ
ータ群を変換手段および修正手段を用いて適当なリズム
パターンに変換する。上記のように予めリズムパターン
に基づく学習を施されたニューラルネットワークであれ
ば、どのような入力パラメータ群を入力しても、それに
応じて適当な出力パラメータ群を出力する。この出力さ
れた出力パラメータ群に対して上記変換手段を適用すれ
ば前記入力パラメータ群に対応するリズムパターンを生
成することができ、さらに、このリズムパターンに対し
て修正手段を適用することにより、補正知識によりリズ
ムとして不都合な部分を修正した適切なリズムパターン
を生成することができる。そして、入力パラメータ群と
して、乱数発生手段が発生する複数の乱数値を用いたこ
とにより、演奏者がパラメータを決定して入力操作をし
なくても自動的に新たなリズムパターンを生成すること
ができ、また、ランダムに決定される入力パラメータ群
に基づいてリズムパターンが生成されるため、演奏者が
思いつかない入力パラメータ群に基づいて、適当且つ新
鮮なリズムパターンを生成することができる。
応じてリズムパターン変換用の出力パラメータ群を出力
するように学習されたニューラルネットワークを使用
し、このニューラルネットワークが出力した出力パラメ
ータ群を変換手段および修正手段を用いて適当なリズム
パターンに変換する。上記のように予めリズムパターン
に基づく学習を施されたニューラルネットワークであれ
ば、どのような入力パラメータ群を入力しても、それに
応じて適当な出力パラメータ群を出力する。この出力さ
れた出力パラメータ群に対して上記変換手段を適用すれ
ば前記入力パラメータ群に対応するリズムパターンを生
成することができ、さらに、このリズムパターンに対し
て修正手段を適用することにより、補正知識によりリズ
ムとして不都合な部分を修正した適切なリズムパターン
を生成することができる。そして、入力パラメータ群と
して、乱数発生手段が発生する複数の乱数値を用いたこ
とにより、演奏者がパラメータを決定して入力操作をし
なくても自動的に新たなリズムパターンを生成すること
ができ、また、ランダムに決定される入力パラメータ群
に基づいてリズムパターンが生成されるため、演奏者が
思いつかない入力パラメータ群に基づいて、適当且つ新
鮮なリズムパターンを生成することができる。
【０００７】
【発明の実施の形態】図１はこの発明の基本構成例の全
体図である。
体図である。
【０００８】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１
４、で構成される。
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１
４、で構成される。
【０００９】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。
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。
【００１０】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。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。
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。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。
【００１１】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。この例では第
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。
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。この例では第
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。
【００１２】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、この例では複
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。
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、この例では複
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。
【００１３】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。
のうち１つを演奏者に指定させる手段である。
【００１４】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。
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。
【００１５】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。
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。
【００１６】出力解釈切替手段８は、上記解釈知識７の
うち１つを演奏者に指定させる手段である。
うち１つを演奏者に指定させる手段である。
【００１７】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。
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。
【００１８】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。
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。
【００１９】出力補正切替手段１１は、上記補正知識１
０のうち１つを演奏者に指定させる手段である。
０のうち１つを演奏者に指定させる手段である。
【００２０】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。
手段９の出力を元に実際の演奏データを生成する。
【００２１】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。
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。
【００２２】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。
る手段である。例としてはＭＩＤＩなどが考えられる。
【００２３】次に上記のリズムパターン生成装置の動作
を説明する。
を説明する。
【００２４】（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。
じて入力する。
【００２５】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。
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。
【００２６】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。
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。
【００２７】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１
０のうちの１つを選択する。
せて、出力補正切替手段１１を通じて、出力補正知識１
０のうちの１つを選択する。
【００２８】（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。
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。
【００２９】（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。
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。
【００３０】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。この例では最初の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
理論上は０／１の実数であるが、計算の都合上、０〜１
２７などの整数に変換している。
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。この例では最初の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
理論上は０／１の実数であるが、計算の都合上、０〜１
２７などの整数に変換している。
【００３１】第１系列（図２参照） 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（図３参照） 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。
（強） ９６〜１２７ ハイハットオープン＋バスドラム
（強） 第２系列（図３参照） 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。
【００３２】図２，図３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。
とパラメータの対応，第２系列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。
【００３３】（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１
１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。例えは、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。
１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。例えは、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。
【００３４】（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１
３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。
ィで表現されているので、これにキーコード指定手段１
３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。
【００３５】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。
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。
【００３６】図４はこの発明の実施形態であるリズムパ
ターン生成装置を示す図である。こ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、乱数発生器群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
図１に示す構成例と相違している。
ターン生成装置を示す図である。こ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、乱数発生器群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
図１に示す構成例と相違している。
【００３７】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１
ｂ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。
乱数発生器でデジタルな値を出力する。乱数切替手段１
ｂ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。
【００３８】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。
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。
【００３９】ニューラルネット計算手段３以降の構成に
ついては図１と全く同一である。
ついては図１と全く同一である。
【００４０】次に上記の実施形態の動作を説明する。
【００４１】（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。
手段１ｃを通じて入力する。
【００４２】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１
ａの中の１つを選択する。
するために、乱数切替手段１ｂを通じて乱数発生器群１
ａの中の１つを選択する。
【００４３】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。
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。
【００４４】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。
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。
【００４５】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１
０の中の１つを選択する。
せて、出力補正切替手段１１を通じて、出力補正知識１
０の中の１つを選択する。
【００４６】（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１ｄの出力は正規化手段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。
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１ｄの出力は正規化手段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。
【００４７】以下Ｓｔｅｐ３〜Ｓｔｅｐ６は上記基本構
成例のそれと全く同様である。
成例のそれと全く同様である。
【００４８】この実施形態では、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。この
実施形態のニューラルネット計算手段３は、第１パラメ
ータがほぼリズムの性質を決定するよう学習されている
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。図５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。
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。この
実施形態のニューラルネット計算手段３は、第１パラメ
ータがほぼリズムの性質を決定するよう学習されている
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。図５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。
【００４９】
【発明の効果】この発明によれば、入力パラメータ群を
与えるために乱数発生手段を用いたことにより、演奏者
が入力操作をしなくても自動的にリズムパターンを生成
することができ、且つ、ランダムに値が変化する乱数に
より変化に富んだリズムパターンを生成することができ
る。また、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。また、各ニューロンの出力の細かな違いで
ベロシティなどの楽音発生態様に変化を付けることがで
きるため、入力パラメータ群の微妙に変化させるだけで
生成されるパターンを抑揚に富んだものとすることがで
きる。
与えるために乱数発生手段を用いたことにより、演奏者
が入力操作をしなくても自動的にリズムパターンを生成
することができ、且つ、ランダムに値が変化する乱数に
より変化に富んだリズムパターンを生成することができ
る。また、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。また、各ニューロンの出力の細かな違いで
ベロシティなどの楽音発生態様に変化を付けることがで
きるため、入力パラメータ群の微妙に変化させるだけで
生成されるパターンを抑揚に富んだものとすることがで
きる。
【図１】この発明のリズムパターン生成装置の基本構成
例を示す図
例を示す図
【図２】第１系列ニューロンとパターンの対応の一例を
示す図
示す図
【図３】第２系列ニューロンとパターンの対応の一例を
示す図
示す図
【図４】この発明の実施形態であるリズムパターン生成
装置の全体図
装置の全体図
【図５】同実施形態の出力特性を示す図
１…パラメータ指定手段、１ａ…乱数発生器群、３…ニ
ューラルネット計算手段、６…出力解釈手段
ューラルネット計算手段、６…出力解釈手段
Claims (1)
- 【請求項１】 入力パラメータ群の入力に応じてリズム
パターン変換用の出力パラメータ群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、 複数の乱数値を発生し、前記ニューラルネットワークに
入力パラメータ群として出力する乱数発生手段と、 該出力パラメータ群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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9009469A JP2743919B2 (ja) | 1997-01-22 | 1997-01-22 | リズムパターン生成装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9009469A JP2743919B2 (ja) | 1997-01-22 | 1997-01-22 | リズムパターン生成装置 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2293058A Division JP2663705B2 (ja) | 1990-10-19 | 1990-10-29 | リズムパターン生成装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09325769A true JPH09325769A (ja) | 1997-12-16 |
| JP2743919B2 JP2743919B2 (ja) | 1998-04-28 |
Family
ID=11721136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9009469A Expired - Fee Related JP2743919B2 (ja) | 1997-01-22 | 1997-01-22 | リズムパターン生成装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2743919B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000163052A (ja) * | 1998-11-25 | 2000-06-16 | Yamaha Corp | 楽曲生成装置および楽曲生成プログラムを記録した記録媒体 |
| JPWO2018193590A1 (ja) * | 2017-04-20 | 2020-02-27 | ヤマハ株式会社 | 情報処理装置及び情報処理方法 |
-
1997
- 1997-01-22 JP JP9009469A patent/JP2743919B2/ja not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000163052A (ja) * | 1998-11-25 | 2000-06-16 | Yamaha Corp | 楽曲生成装置および楽曲生成プログラムを記録した記録媒体 |
| JPWO2018193590A1 (ja) * | 2017-04-20 | 2020-02-27 | ヤマハ株式会社 | 情報処理装置及び情報処理方法 |
| US11715013B2 (en) | 2017-04-20 | 2023-08-01 | Yamaha Corporation | Machine learning device, information processing device and output device |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2743919B2 (ja) | 1998-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3812328B2 (ja) | 自動伴奏パターン発生装置及び方法 | |
| US5308915A (en) | Electronic musical instrument utilizing neural net | |
| JP2583347B2 (ja) | 演奏操作パターン情報生成装置 | |
| JPH07219536A (ja) | 自動編曲装置 | |
| JP2820205B2 (ja) | 楽音合成装置 | |
| JP2743919B2 (ja) | リズムパターン生成装置 | |
| JPH0363078B2 (ja) | ||
| Moroni et al. | Evolutionary computation applied to algorithmic composition | |
| JP2663705B2 (ja) | リズムパターン生成装置 | |
| JP3724347B2 (ja) | 自動作曲装置及び方法並びに記憶媒体 | |
| US4178825A (en) | Musical tone synthesizer for generating a marimba effect | |
| JP2643582B2 (ja) | 自動リズム生成装置 | |
| Unemi | A design of genetic encoding for breeding short musical pieces | |
| Johnson et al. | Evolutionary computation applied to melody generation | |
| JP7173107B2 (ja) | 電子楽器、方法、プログラム | |
| Ostermann et al. | Evaluation rules for evolutionary generation of drum patterns in jazz solos | |
| JP3651241B2 (ja) | 音列合成装置 | |
| JPH0720865A (ja) | 電子楽器 | |
| De Felice et al. | Genorchestra: An interactive evolutionary agent for musical composition | |
| JPS637396B2 (ja) | ||
| JPH064079A (ja) | 楽音合成装置 | |
| Enyang et al. | A research about automatical music generation by computer | |
| JP2605477B2 (ja) | ベースパターン生成装置およびベースパターン生成方法 | |
| JPH0734158B2 (ja) | 自動演奏装置 | |
| JP2000172253A (ja) | 電子楽器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |