РАСПРЕДЕЛЕННАЯ ГЕНЕРАЦИЯ КОМПЬЮТЕРНОЙ МУЗЫКИ В ИНТЕРНЕТЕ ВЕЩЕЙ

Постановка проблемы. Рассмотрена распределенная интеллектуальная система для генерации компьютерной музыки в сети автономных вычислительных агентов. В качестве решения одной из задач, связанных с реализацией такой системы, предложена математическая модель извлечения данных из окружающей среды для использования их в

процессе генерации музыки. Методы. Для представления данных о тембральных характеристиках в описываемой системе используется Resource Description Framework. В качестве подсистемы синтеза и обработки звука используется специальный язык музыкального программирования Csound. Генерация звука происходит в соответствии с параметрами композиционной модели, извлекающей данные из окружающего мира. Результаты. Предложена архитектура распределенной системы генерации компьютерной музыки. Представлен пример ядра синтеза звука. Предложен метод отображения характеристик окружающего мира в пространство сигналов композиционной модели, имитирующей вдохновение у творческого индивидуума. Система генерации музыки была представлена в качестве экспоната в Центральном музее связи им. А.С. Попова в рамках акции «Ночь музеев». В ходе публичного эксперимента установлено, что система в целом проявляет тенденцию к быстрому установлению нейтрального состояния, при котором не генерируются музыкальные события, что говорит о необходимости разработки алгоритмов поддержания активного состояния сети агентов в целом. Практическая значимость. Реализация описываемой системы позволит создать технологическую платформу для целого класса новых приложений, связанных с дополненной акустической реальностью и алгоритмической композицией.

1. Edwards M. Algorithmic composition: computational thinking in music // Communications of the ACM. 2011. V. 54. N 7. P. 58–67. doi: 10.1145/1965724.1965742

2. Kortuem G., Kawsar F., Sundramoorthy V., Fitton D. Smart objects as building blocks for the internet of things // IEEE Internet Computing. 2010. V. 14. N 1. P. 44–51. doi: 10.1109/MIC.2009.143

3. Гольдштейн Б.С., Кучерявый А.Е. Сети связи пост-NGN. СПб.: БХВ-Петербург, 2014. 160 с.

4. Berners-Lee T., Hendler J., Lassila O. The semantic web // Scientific American. 2001. V. 284. N 5. P. 34–43. doi: 10.1038/scientificamerican0501-34

5. Dadzie A.-S., Rowe M., Petrelli D. Hide the stack: toward usable linked data // Lecture Notes in Computer Science. 2011. V. 6643. P. 93–107. doi: 10.1007/978-3-642-21034-1_7

6. Colton S., Wiggins G.A. Computational creativity: the final frontier? // Frontiers in Artificial Intelligence and Applications. 2012. V. 242. P. 21–26. doi: 10.3233/978-1-61499-098-7-21

7. McDermott J. Functional representations of music // Proc. 3rd Int. Conf. on Computational Creativity. Dublin, Ireland, 2012. P. 224.

8. Draves S. The electric sheep screen-saver: a case study in aesthetic evolution // Lecture Notes in Computer Science. 2005. V. 3449. P. 458–467.

9. Cope D. Computer Models of Musical Creativity. Cambridge: MIT Press, 2005. 456 p.

10. Jones D., Gregson P. The listening machine: generating complex musical structure from social network communications // Proc. 50th Anniversary Convention of the AISB. London, 2014. 6 p.

11. Hermann T., Nehls A.V., Eitel F., Barri T., Gammel M. Tweetscapes – real-time sonification of twitter data streams for radio broadcasting // Proc. 18th Int. Conf. on Auditory Display. Atlanta, USA, 2012. P. 113–120.

12. Vercoe B. Csound: A Manual for the Audio-Processing System. MIT Media Lab, 1995.

13. Boulanger R. The Csound Book: Perspectives in Software Synthesis, Sound Design, Signal Processing, and Programming. Cambridge: MIT Press, 2000. 782 p.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License