Soutenance de thèse de Daniele Ghisi 50:34
- Soutenance de thèse de Daniele Ghisi
- Dec. 19, 2017
- Ircam, Paris
Participants
- Daniele Ghisi (conférencier)
Soutenance de thèse de Daniele Ghisi
Daniele GHISI soutient sa thèse de doctorat de philosophie : spécialité recherche musicale et composition - thèse réalisée à l’Ircam avec Sorbonne Université dans l'équipe Représentations Musicales STMS - (CNRS/IRCAM/UPMC) , intitulée :
"Music Across Music: Towards a Corpus-Based, Interactive Computer-Aided Composition "devant un jury composé de :
Reviewers: Georg Hajdu, Pierre Alexandre Tremblay
Supervisor: Carlos Augusto Agon Amado
Co-Supervisor: Pierre Couprie
Examinators: Jean-Pierre Briot, Myriam Desainte-Catherine, Miller Smith Puckette
Invited: Jean-Baptiste Barrière, Yannis Kyriakides
Résumé :
Le traitement de musique existante pour en construire de nouvelle est une caractéristique fondamentale de la tradition musicale occidentale.
Cette thèse propose et discute mon approche personnelle au sujet : l'emprunt de fragments de musique à partir de grands corpus (contenant des échantillons audio ainsi que des partitions symboliques) afin de créer une palette de grains organisée par descripteurs de bas niveau. Les paramètres sont gérés par des partitions numériques hybrides.
Cette thèse présente également la bibliothèque "dada", qui fournit au logiciel Max la possibilité d'organiser, de sélectionner et de générer du contenu musical grâce à un ensemble d'interfaces graphiques manifestant une approche exploratoire à la composition. Ses modules abordent, entre autre, la visualisation de bases de données, la segmentation et l'analyse des partitions, la synthèse concaténation, la génération musicale à travers la modélisation physique ou géométrique, la synthèse "wave-terrain", l'exploration de graphes, les automates cellulaires, l'intelligence distribuée et les jeux vidéo.
Pour terminer, cette thèse traite de la question de savoir si la représentation classique de la musique, démêlée dans l’ensemble standard des paramètres traditionnels, est optimale. Deux alternatives possibles aux décompositions orthogonales sont présentées : des représentations de partitions fondées sur les "grains", qui héritent les techniques de la composition basée sur corpus, et des modèles d'apprentissage automatique non supervisés, fournissant représentations de la musique "agnostiques". La thèse détaille aussi ma première expérience d'écriture collaborative au sein du collectif /nu/thing.