Algorithmic Composition using Non-Hierarchical Software Design

Abstract

Denne masteroppgaven utforsker algoritmisk komposisjon, med sikte på å gi praktiske løsninger for å representere abstrakt musikalsk harmoni i programvare. Kjernekonseptet ligger i å ta i bruk et ikke-hierarkisk programvaredesign for å tilby nødvendige verktøy for å skape harmoniske og behagelige musikalske komposisjoner.

Forskningen begynner med å utforske de underliggende musikalske lagene, som er organisert hierarkisk. Det fastslås tidlig at det ikke er noe problem å beskrive musikk ved bare å bruke de lavere lagene av hierarkiet. Tone-laget, akkord-laget, rytme-laget og melodi-laget styres alle av regler for vellydende musikk. Imidlertid, når vi beveger oss oppover i hierarkiet, spesielt i sjanger-laget og form-laget, støter vi på musikkteori som går utenfor omfanget av vår hierarkiske modell for velklingende komposisjoner.

Vår systemarkitektur er konstruert for skalering, og gir løsninger på våre mål for prosjektet, og muligheten for tillegg av en bred rekke musikalske harmonier. For å opprettholde en klar seperasjon av modulene, har vi implementert en metamodell som fungerer som en plan for genereringsprosessen. Metamodellen oppnår dette ved å modifisere en musikalsk database, begrense tilgjengelige noter for generering og finjustere Markov-matriser. Disse matrisene styrer akkordprogresjonene og endrer akkordkvalitetene for å forbedre den overordnede kompositoriske produksjonen.

Å representere noen viktige kjennetegn ved jazz ble en stor suksess, der resultatene inneholder et bredt spekter av abstraksjoner på de øvre lagene. Dette understreker behovet for presise og karakteristiske sjangertrekk, da noen av sjangrene som presenteres her kommer til kort på grunn av manglende unike identifikatorer.

This thesis explores the domain of algorithmic composition, aiming to provide practical solultions for representing abstract musical harmony in software. The core concept lies in adopting a non-hierarchical software design to furnish the essential tools for creating harmonious and pleasing musical compositions.

The research begins by exploring the underlying musical layers, that are organized in a hierarchical manner. It is stated early on, that it is not an issue describing music using only the lower layers of the hierarchy. The pitch layer, the chord layer, the rhythmic layer, and the melodic layer, are all governed by rules for well-sounding music. However, when we move to the upper layers of the hierarchy, specifically the genre layer and the form layer, we encounter music theory that falls beyond the scope of our hierarchical model for well-sounding compositions.

Our system architecture has been constructed for scalability, providing solutions to our research objectives and allowing for the addition of a wide range of musical harmonies. In order to maintain a clear separation of concerns, we have implemented a Metamodel serving as a blueprint for the generative process. The Metamodel achieves this by modifying a musical database, restricting the available notes for generation, and fine-tuning Markov matrices. These matrices govern chord progressions and modify chord qualities to enhance the overall compositional output.

Representing some key characteristics of jazz became a great success, where the output inhabits a wide array of upper layer abstractions. This emphasises the need for precise and distinctive genre features is imperative, as some of the genres presented here fall short due to a lack of unique identifiers.