XiaoMi-AI文件搜索系统
World File Search System作曲家
视觉布局作曲家：设计布局生成的图像 - 矢量双扩散模型
本文提出了一个用于生成布局设计的图像矢量双扩散模型。与先前的努力不同，主要忽略了元素和整个画布的视觉信息，我们的方法将预先训练的大图扩散模型的力量集成了通过增强的明显区域的理解和高级元素间关系推理来指导矢量扩散模型中的布局组成。我们提出的模型同时在两个域中运行：它在图像do-main中的总体设计外观进行了优化，同时优化了向量域中每个demign元素的大小和位置。所提出的方法在几个数据集上实现了最新结果，并启用了新的布局设计应用程序。项目网页：https：//aminshabani.github.io/Visual Layout Composer。
SAR-Vivor Rap作曲家：MediaCorp TV S'Pore Pte Ltd
如果您咳嗽或打喷嚏，您认为每个人都想感染您的疾病？不要“ kak-pui”！到处都是我的脸上“ kak pui”。
用于音乐复音生成系统的脑机接口、视觉追踪器和人工智能
系统架构如图2所示。左侧的音高剖面生成器模块基于一种算法，该算法将Leap Motion 设备检测到的作曲家手指坐标转换为音符音高。结果是音高剖面，即一系列没有关于其持续时间的音符。右侧模块的特点是前馈网络分类器，它采用深度网络算法，分析作曲家佩戴的Emotiv 耳机的五个电极发出的脑电图信号，并将其心理状态分类为“专注”或“放松”。这里的心理状态是从脑电图信号获得的一系列功率谱值。该算法先前已通过特定作曲家的心理状态数据集进行训练。复音结构生成器：1）接收音高轮廓，2）将其乘以四以获得复音草案，3）根据作曲家的心理状态，为四个音高轮廓的音符赋予持续时间，并通过乱序方法进行区分。
人工智能与人类构图之间的感知差异
人工智能 (AI) 在音乐领域能做什么和不能做什么是音乐研究人员和人工智能专家都感兴趣的重要话题之一。本研究在人工智能技术在音乐创作中日益重要的作用及其对创作过程的影响的背景下提供了重要的分析。它通过将人工智能定位为作曲家创造力的补充工具并增强对文化适应过程的理解，为文献做出了贡献。该研究旨在确定人工智能和作曲家作品之间的感知差异，研究这些差异的音乐和文化基础，并揭示影响听众体验的因素。在研究设计中，采用了混合方法，结合了定性和定量研究方法。在定量阶段，采用双盲实验设计，以确保参与者公正地评价作曲家和人工智能作品。在定性阶段，收集参与者的意见。参与者是 10 名年龄在 19 至 25 岁之间的人，具有不同的文化和教育背景；6 人接受过正规音乐教育，4 人是普通听众。数据收集工具包括结构化访谈表和音乐作品感知因素评估量表。在研究过程中，每位参与者在 20 分钟的标准化聆听环节中评估了两部人工智能和两部作曲家作品。所有聆听环节均使用专业音频设备进行。分析显示，作曲家作品在所有类别中的得分明显高于人工智能作品（p <.05）。观察到了显著的差异，特别是在情感深度（X 作曲家 = 4.6，X AI = 3.1）和记忆性（X 作曲家 = 4.4，X AI = 3.2）类别中。研究得出结论，作曲家作品在情感深度、结构连贯性和文化共鸣方面比人工智能作品更有效。此外，文化背景和音乐教育成为影响感知差异的重要因素。未来的研究应扩大参与者范围并结合神经认知数据，以促进对感知机制的更深入了解。此外，音乐人工智能系统的发展应包括融合基于Transformer和RNN的高级学习模型、实现传统音乐理论原理、增强情感表达能力、提高文化适应能力、完善实时交互机制等。
Ken Déguernel、Mathieu Giraud、Richard Groult、Sebastien Gulluni。从旋律到结构，个性化 AI 实现共同创作音乐。声音与音乐计算 (SMC 2022)，2022 年，法国圣艾蒂安。第 314-321 页，�10.5281/zenodo.6573287�。�hal-03618015�
共同创造是一种独特的艺术情境，人与计算机互动，对互动性、可操控性和个性化提出了挑战。我们提出了一种新的共同创作音乐创作方法，我们在参加“2021 年人工智能歌曲大赛”时采用了这种方法，这是一项涉及人工智能 (AI) 的国际音乐比赛。我们对人工智能创作方法进行了个性化，以适应作曲家的需求和期望。作曲家与不同人工智能方法之间的互动贯穿整个作曲过程，包括通过基于机器学习的人工智能的数据共享和基于规则的人工智能的知识共享来生成旋律、和弦进行、整体结构和纹理变化。我们描述了这些人工智能方法以及作曲家如何与它们互动：人工智能方法的个性化使作曲家能够在保持原有风格的同时探索新的音乐领域，人工智能音乐生成“听起来就像是专门为他生成的”。歌曲“The last moment before you fly”在本次比赛中排名第三，评委强调了这首歌的“个人感觉”。我们在这里讨论这些方法如何为使用人工智能和个性化的新共同创作方法开辟道路。
作业7
问题5。设计和测试量子电路，该量子电路将量子Q 0的量子传送到Q 2。提示：您已经意识到了该电路的两个关键要素：在钟形的基础上准备铃铛状态和测量。但是，第三个要素存在问题：鲍勃的Qubit Q 2的变速箱取决于铃铛测量结果（书中的表2.3）。据我所知，量子作曲家不允许这种有条件的操作。有两种方法可以规避此问题。一种是使用Qiskit -IBM的开源SDK与其量子计算机合作，可以将其下载为Python软件包，并允许构建复杂且完全定制的量子电路。欢迎您自己探索。另一种方法是仍然使用作曲家，但将Bob Qubit的所需转换作为量子条件操作。请注意，C期和C-Not门可以分别解释为fσz和ˆσX运算符应用于控制量子位在状态时发生的目标量子量的操作员1⟩。根据ψ-→|将Q 0 Q 1从铃铛基础转换为规范基础后，您可以使用此属性。 00⟩; ψ +→| 10⟩; （1）φ-→| 01⟩; φ +→| 11⟩。
人类/人工智能共同创作歌曲的实验
音乐共同创造旨在使人类和计算机合作创作音乐。作为计算音乐学领域的 MIR 团队，我们在编写“2020 年 AI 歌曲大赛”参赛作品时尝试了共同创造。人工智能用于独立生成歌曲的结构、和声、歌词和旋律，并作为人类作曲的基础。从创意和技术的角度来看，这都是一个挑战：在很短的时间内，团队必须调整自己的简单模型或尝试现有模型，以完成相关但仍不熟悉的任务，即通过 AI 生成音乐。我们提出的歌曲名为“I Keep Counting”。我们公开详细介绍了歌曲创作、编曲和制作的过程。这次经历提出了许多关于创造力和机器之间关系的问题，无论是在音乐分析和生成方面，还是在人工智能在协助作曲家工作方面可以发挥的作用方面。我们尝试将人工智能作为自动化，将作曲的某些部分机械化，尤其是将人工智能作为建议来培养作曲家的创造力，这要归功于令人惊讶的歌词、不寻常的部分连续性和意想不到的和弦进展。因此，处理这种材料可以激发人类的创造力。
人类与人工智能共同创作歌曲的实验
摘要 音乐共同创造旨在使人类和计算机合作创作音乐。作为计算音乐学领域的 MIR 团队，我们在创作“2020 年 AI 歌曲大赛”参赛作品时尝试了共同创造。人工智能被用来独立生成歌曲的结构、和声、歌词和旋律，并作为人类作曲的基础。从创意和技术的角度来看，这都是一个挑战：在很短的时间内，团队必须调整自己的简单模型或尝试现有模型，以完成一项相关但仍然不熟悉的任务，即通过 AI 生成音乐。我们提出的歌曲名为“I Keep Counting”。我们公开详细介绍了歌曲创作、编曲和制作的过程。这次经历提出了许多关于创造力和机器之间关系的问题，无论是在音乐分析和生成方面，还是在 AI 在协助作曲家工作方面可以发挥的作用方面。我们尝试将人工智能作为自动化，使作曲的某些部分机械化，尤其是将人工智能作为建议来培养作曲家的创造力，这要归功于令人惊讶的歌词、不寻常的部分连续性和意想不到的和弦进展。因此，处理这些材料可以激发人类的创造力。
2024 高等音乐技术试卷
德国联邦宪法法院最初的判决声称，由于所使用的音频太短，因此不构成版权侵权，因此属于“自由使用”法律的保护范围。然而，该判决被上诉至欧洲法院，后者推翻了有利于 Kraftwerk 的裁决。法官声称，要以这种方式使用音频，作曲家必须修改音频，使其“无法辨认”到耳朵中，而在本案中，情况并非如此。