ɬÀï·¬

Résumé :

Notre projet visait à explorer les capacités des techniques de pointe en apprentissage automatique (ML) pour l'analyse sonore en temps réel dans le cadre d'une nouvelle composition. Dirigé par Martin Daigle, Pauline Patie et Emmanuel Lacopo, le projet a utilisé des logiciels tels que SP-Tools de Rodrigo Constanzo pour créer des enrichissements instrumentaux en temps réel pour les percussions et les guitares. De plus, il a servi à contrôler des projections visuelles interactives en temps réel créées par Pauline.

Notre principale méthode technique pour générer et interpréter cette pièce était SP-Tools, qui s’appuie sur l’externe FluCoMa pour exploiter de vastes banques d’échantillons sonores, en mettant l’accent sur l’augmentation des percussions. Ces outils, combinés à des déclencheurs de batterie, des microphones, une entrée directe des guitares et un marimba, ont servi à entraîner l’ordinateur et à générer un corpus d’échantillons pour chaque instrument, différenciés et organisés selon leurs descripteurs (volume, hauteur, forme spectrale, mfccs, melbands).

En une fraction de milliseconde, le corpus a été comparé à une entrée sonore active, a déterminé le son le plus proche et l’a joué immédiatement avec la même vélocité. L’une des premières étapes importantes a été de créer un corpus de sons à partir de tous les instruments impliqués et de fournir des exemples sous la forme d’une vidéo de performance de toutes les combinaisons possibles (par exemple, une batterie jouant le corpus de guitare, une guitare jouant le corpus de marimba, etc.). De plus, le corpus a été testé avec divers genres musicaux, notamment le métal, le jazz, le hip-hop et d’autres genres, afin d’observer l’étendue des changements apportés aux descripteurs.

L’objectif principal de ce projet était de créer une nouvelle pièce mettant en avant et promouvant l’utilisation de la technologie d’apprentissage automatique, afin que nous puissions interpréter ce répertoire et démontrer la puissance de ces outils en ligne et en concert.