Stvaranje glazbe pomoću generativnih modela

diplomski rad

• Naslov (engleski): Creating music using generative models
• Autor: Sven Kadojić Balaško
• Mentor: GORDAN KREKOVIĆ (mentor)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Muzička akademija; (VII. odsjek za duhačke instrumente); Zagreb
• Datum i država obrane: 2025-02-14, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: UMJETNIČKO PODRUČJE; Glazbena umjetnost; Kompozicija
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo; Umjetna inteligencija

Sažetak

Ovaj rad istražuje generiranje glazbe pomoću strojnog učenja, s posebnim naglaskom na transformere i difuzijske modele, koji su se pokazali kao ključni pristupi u modernim generativnim sustavima. Detaljno su objašnjene arhitekture oba modela, uključujući njihove ključne komponente, poput mehanizama pažnje kod transformera i postupaka iterativnog uklanjanja šuma kod difuzijskih modela. Analiziraju se metode kvantizacije zvuka i tekstualne uvjetovanosti. Rad analizira suvremene modele poput MusicLM, MusicGen, Riffusion i Stable Audio Open, ističući njihove mogućnosti, izazove i potencijalne primjene. Generiraju se glazbeni primjeri za svaki model. Također, obrađuju se etička i ekološka pitanja povezana s razvojem generativnih modela, kao i njihov utjecaj na glazbenu industriju. Unatoč ograničenjima, generativni modeli predstavljaju važan alat u transformaciji načina stvaranja i konzumiranja glazbe.

Sažetak (engleski)

This thesis explores music generation using machine learning, with a particular focus on transformers and diffusion models, which have proven to be key approaches in modern generative systems. The architectures of both models are explained in detail, including their core components, such as attention mechanisms in transformers and iterative noise removal processes in diffusion models. Sound quantization and textual conditioning are analysed. The paper examines contemporary models such as MusicLM, MusicGen, Riffusion, and Stable Audio Open, highlighting their capabilities, challenges, and potential applications. Music examples are generated for each model. Additionally, ethical and ecological issues related to the development of generative models, as well as their impact on the music industry, are addressed. Despite their limitations, generative models represent an important tool in transforming the ways music is created and consumed.

• Ključne riječi: strojno učenje; generativni modeli; glazba; simboličko generiranje; audio generiranje
• Ključne riječi (engleski): machine learning; generative models; music; symbolic generation; audio generation
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:116:479659
• Studijski program: Naziv: Studij za instrumentaliste; smjerovi: Flauta, Oboa, Klarinet, Saksofon, Fagot, Rog, Truba, Trombon, Tuba, Udaraljke, Harfa, Violina, Viola, Gitara, Klavir, Orgulje, Čembalo, Eufonij, Tambura, Violončelo, Kontrabas; Smjer: Klarinet; Vrsta studija: sveučilišni; Stupanj studija: integrirani preddiplomski i diplomski; Akademski / stručni naziv: magistar/magistra muzike (mag. mus.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2025-03-05 16:40:45