Master 2018 2019
Stages de la spécialité SAR
Élaboration de modèles pour l’aide à la composition au sein du logiciel Guitar Pro


Site : Algomus
Lieu : Lille (laboratoire CRIStAL / Arobas Music)
Encadrant : Louis Bigo (CRIStAL), Mathieu Giraud (CRIStAL), Nicolas Martin (Arobas Music)
Dates :flexible - début en février/mars pour 5/6 mois
Rémunération :Environ 500€ par mois
Mots-clés : Parcours ATIAM : Informatique musicale

Description

Contexte :

Ce stage s’inscrit dans le cadre d’un co-encadrement entre l’équipe Algomus (Université de Lille, CRIStAL) et la société Arobas Music. L’équipe d’informatique musicale Algomus, collaboration entre les laboratoires CRIStAL (UMR CNRS 9189, Université de Lille) et MIS (UPJV, Amiens) s’intéresse à l’analyse informatique de partitions musicales. La société lilloise Arobas Music développe le logiciel Guitar Pro dédié à la saisie et à la consultation de tablatures de guitare, et plus généralement de partitions musicales. Plus de 10 millions de musiciens l’utilisent régulièrement pour l’apprentissage, la transcription ou la composition. La société s’intéresse à l’ajout de nouvelles fonctionnalités pour assister de manière intelligente le processus d’écriture et de composition de l’utilisateur. Arobas Music produit également la base de données mySongBook réunissant plus de 2000 tablatures de haute qualité.

Objectifs :

L’objectif de ce stage consiste à explorer des pistes pour développer un système stimulant la créativité musicale de l’utilisateur en assistant de manière intelligente son processus de composition. Un premier objectif dans ce sens pourrait consister en un système proposant la continuation ou la terminaison d’une phrase musicale entamée. La construction d’un modèle reflétant un ensemble de tendances mélodiques, harmoniques et rythmiques associées à style musical peut s’effectuer par apprentissage automatique sur des phrases entrées par l’utilisateur ou sur des bases de données préexistantes, notamment le répertoire mySongBook maintenu par Arobas Music. Le stage commencera par dresser un état de l’art sur la génération automatique de tablatures, et plus généralement de musique. Il s’agira ensuite d’identifier une représentation pertinente des données afin de tester le potentiel de différentes méthodes issues de l’apprentissage automatique, en particulier les réseaux de neurones, sur le corpus mySongBook.

Bibliographie

N. dos Santos Cunha, A. Subramanian & D. Herremans. Generating guitar solos by integer programming.

M. McVicar, F. Satoru and G. Masataka. "AutoLeadGuitar : Automatic generation of guitar solo phrases in the tablature space." Signal Processing (ICSP), 2014 12th International Conference on. IEEE, 2014.

J. P. Briot, G. Hadjeres, and F. Pachet. Deep learning techniques for music generation — A survey. https://arxiv.org/abs/1709.01620 (2017)

D. Herremans, C. Ching-Hua, and E. Chew. A functional taxonomy of music generation systems. ACM Computing Surveys 50/5, 69 (2017)