| 姓名 |
陳秉萱(Ping-Hsuan Chen)
查詢紙本館藏 |
畢業系所 |
通訊工程學系在職專班 |
| 論文名稱 |
基於 CycleGAN 之古箏音樂風格轉換
(Music Conversion for Chinese Guzheng Using CycleGAN)
|
| 相關論文 | |
| 檔案 |
 [Endnote RIS 格式]
[Bibtex 格式]
 [相關文章]  [文章引用]  [完整記錄]  [館藏目錄]  [檢視] [下載]- 本電子論文使用權限為同意立即開放。
- 已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
- 請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。
|
| 摘要(中) |
隨著科技日新月異，人們之間的距離因此縮短，文化的交流讓世界成為地球村，促使東西方的文化融合更加快速。在現代人的消遣娛樂當中，自從臺灣華語流行歌曲男歌手周杰倫與歌詞創作家方文山合力創作出《娘子》、《東風破》、《菊花台》等歌曲後，受到熱烈的回響，娛樂產業便刮起了一陣「中國風」。由於中國風的興起，更出現了西方樂曲被翻唱成中國風格的作品，翻唱（Cover）一直是樂壇中盛行之事，是由另外一位作者重新詮釋原作音樂，此種作為不僅限於歌唱，亦適用於跨樂器的詮釋，俗稱翻奏。
此篇論文，主要是提出一個基於圖像人工智慧的技術，來成就更好的音樂風格轉換，並且搭上時下流行的中國風，將音樂轉換成中國古箏的版本。透過人類感知實驗評估此方式的結果，獲得4.3的高分（0分為最低分，5分為最高分）。 |
| 摘要(英) |
Chinese Guzheng music is popular from ancient Qin dynasty. However, from the study of modern Chinese history, Chinese people continued to pursue westernization. The Chinese Guzheng also faces the drastic changes of the external environment such as the needs of modern national orchestras. Due to changes, the Guzheng is reformed in the direction of expanding the sound range, increasing the volume. Although new design for the Chinese Guzheng instrument has been proposed, it is too hard for players to catch the music transition because of long time producing and learning new skills.
To improve this issue, we propose music conversion with CycleGAN which is a deep learning technique that involves the automatic training of image-to-image translation models without paired examples. Moreover, this method provides a simple way which can be used by whom never learn any instrument. This is a brand new research with good results. |
| 關鍵字(中) |
★ 古箏
★ 深度學習
★ 音樂風格轉換 |
關鍵字(英) |
★ CycleGAN |
| 論文目次 |
中文摘要 I
Abstract II
致謝 III
目錄 IV
第一章 緒論 1
1-1 研究背景 1
1-2研究動機 2
1-3論文架構 3
第二章 風格轉換與中國古箏音樂介紹 4
2-1 翻唱、翻奏藝術之探討 4
2-2 中國古箏與音樂介紹 5
2-2-1 中國古箏樂器介紹 5
2-2-2 中國古箏音樂派別介紹 7
第三章 深度學習相關介紹 12
3-1 類神經網路 13
3-1-1 發展歷史 13
3-2 深度學習的訓練 14
3-2-1 深度學習的架構 15
3-2-2 深度學習的應用 17
第四章 實驗設計 18
4-1音樂數據收集與前處理 19
4-2 訓練階段 21
第五章 實驗結果與分析討論 23
5-1數據集介紹 23
5-2 評分方法 24
5-3實驗結果 24
第六章 結論與未來展望 25
參考文獻 26
附錄 28 |
| 參考文獻 |
[1] 何孟翰，數位音樂創作中編曲配器之探討：以〈塵煙〉一曲為例談古風歌創作，https://hdl.handle.net/11296/dyu3mv，2018。
[2] 趙麗妍，當代台灣國語翻唱歌曲現象研究（1990~2011），2012。
[3] 林育嬋，改作權問題之研究，https://hdl.handle.net/11296/pxahsy，2014。
[4] 張晏萍，新型式古箏製作研究，https://hdl.handle.net/11296/4c8bne，2016。
[5] 黃金燕，古箏演奏法在箏樂流派之運用，2014。
[6] 李怡瑩，說唱音樂在傳統箏曲上的應用-以山東箏派及河南箏派為例，2018。
[7] 黃暉閔，當代陝西箏派作品之研究─以《姜女淚》、《雲裳訴》、《秦土情》為例，
2013。
[8] 許紫庭，浙江箏派的演奏技法對當代箏曲創作的影響，https://hdl.handle.net/11296/2n8f2f，1998。
[9] 洪涔綾，從《柳青娘》各家版本演奏譜探討潮州箏樂的彈奏藝術，https://hdl.handle.net/11296/j46aaq，2000。
[10] 張榮麗，訓練深度學習網路之探討，https://hdl.handle.net/11296/53dtbs，2017。
[11] S.Hochreiter, J.Schmidhuber, “Long short-term memory Neural computation,” 9(8):1735–1780, 1997.
[12] Photosounder. Retrieved from http://photosounder.com/
[13] Audio joiner. Retrieved from https://audio-joiner.com/
[14] J.-Y. Zhu, T. Park, P. Isola, and A. A. Efros, “Unpaired image-to-image translation using cycle-consistent adversarial networks,” Proc. Int. Conf. Computer Vision. [Online], Available: https://arxiv.org/abs/1703.10593, 2017.
[15] G. Brunner, A. Konrad, Y. Wang, and R. Wattenhofer, “MIDIVAE: Modeling Dynamics and Instrumentation of Music with Applications to Style Transfer,” arXiv :1809.07600, 2018.
[16] Si. Huang, Q. Li, C. Anil, X. Bao, S. Oore, and R. B. Grosse, “TimbreTron: A WaveNet(CycleGAN(CQT(Audio))) Pipeline for Musical Timbr Transfer,”arXiv:1811.09620, 2018. |
| 指導教授 |
張寶基(Po-Chi Chang)
|
審核日期 |
2020-7-23 |
| 推文 |
 facebook  plurk  twitter  funp  google  live  udn  HD  myshare  reddit  netvibes  friend  youpush  delicious  baidu
|
| 網路書籤 |
 Google bookmarks  del.icio.us  hemidemi myshare
|
