The purpose of this work is to explore the integration of deep learning models, particularly LSTMs, in generating harmonically coherent and stylistically diverse chord progressions based on established music theory. To create a system capable of producing musically meaningful outputs that cater to both academic research and creative industries. Tools used: Python programming language, Google Colab. Explanatory note contains: introduction, 3 chapters, conclusions, bibliography with 20 titles, 4 figures. Chapter 1: Explores the significance, current applications, and limitations of AI in music, setting the stage for the project's goals. Chapter 2: Details the architecture, workflow, and theoretical foundation of the chord progression generator system. Chapter 3: Describes the development process, including dataset preparation, model architecture design, training and validation results, and optimization techniques used for chord progression generation.
Scopul acestei lucrări este de a explora integrarea modelelor de învățare profundă, în special LSTM-uri, în generarea de progresii de acorduri armonic coerente și stilistic diverse, bazate pe teoria muzicală consacrată. Crearea unui sistem capabil să producă rezultate semnificative din punct de vedere muzical care se adresează atât cercetării academice, cât și industriilor creative. Instrumente utilizate: Limbajul de programare Python, Google Colab. Nota explicativă conține: introducere, 3 capitole, concluzii, bibliografie cu 20 titluri, 4 figure. Capitolul 1: Explorează semnificația, aplicațiile actuale și limitările AI în muzică, creând scena pentru obiectivele proiectului. Capitolul 2: Detaliază arhitectura, fluxul de lucru și fundamentul teoretic al sistemului generator de progresie a acordurilor. Capitolul 3: Descrie procesul de dezvoltare, inclusiv pregătirea setului de date, proiectarea arhitecturii modelului, rezultatele antrenamentului și validării și tehnicile de optimizare utilizate pentru generarea progresiei acordurilor.