Генеративная нейронная сеть для сведения треков
Чтобы музыкальный микс звучал как единое целое, сведение должно быть незаметным. Но создать плавный переход между треками разных жанров сложно.
Разработчики решили эту проблему, обучив нейросеть создавать оригинальный ритмический шаблон (барабанный бит) для плавного перехода.
Метод использует вариационные автоэнкодеры (Variational Autoencoder — VAE) и интерполяцию в неизвестную область. Два ритмических шаблона кодируются с использованием обученной VAE модели, а затем производится интерполяция между закодированными представлениями этих шаблонов. После этого шаблоны декодируются, и на выходе получается плавный переход между ними.
Читать статью 👇
https://medium.com/@neurohiveru/сведение-музыкальных-треков-при-помощи-ai-b3b149aa9451
Чтобы музыкальный микс звучал как единое целое, сведение должно быть незаметным. Но создать плавный переход между треками разных жанров сложно.
Разработчики решили эту проблему, обучив нейросеть создавать оригинальный ритмический шаблон (барабанный бит) для плавного перехода.
Метод использует вариационные автоэнкодеры (Variational Autoencoder — VAE) и интерполяцию в неизвестную область. Два ритмических шаблона кодируются с использованием обученной VAE модели, а затем производится интерполяция между закодированными представлениями этих шаблонов. После этого шаблоны декодируются, и на выходе получается плавный переход между ними.
Читать статью 👇
https://medium.com/@neurohiveru/сведение-музыкальных-треков-при-помощи-ai-b3b149aa9451