The "DJ AI"

AI Quick Summary

Ein DJ nimmt Musikstücke aus einer bestehenden Sammlung und wechselt von einem ins nächste Liedstück, so dass keine Pause zwischen den Songs entsteht. In dieser Arbeit soll "DJ AI" entwickelt werden, welcher Übergang zwischen Liedstücken so auswählt, dass sie möglichst optimal in ein neues Stück überleiten können. Für die Arbeit steht eine Musiksammlung und ein Embedding-Modell zur Verfügung, aus welchem Similaritäten zwischen Musikausschnitten herausgelesen werden können. Ein DJ nimmt Musikstücke aus einer bestehenden Sammlung und wechselt von einem ins nächste Stück, so dass keine Pause zwischen den Songs entsteht. Dabei verfolgen DJs oft das Ziel, den Übergang so gleitend wie möglich zu machen, so dass der Wechsel nicht wahrnehmbar ist, was bedeutet, dass die Wechselstelle ähnlich sein müssen.In dieser Arbeit soll "DJ AI" entwickelt werden, welcher selbständig in einer Endlosschlaufe auflegt und dabei Übergange zwischen Liedstücken so auswählt, dass sie möglichst optimal in ein neues Stück überleiten können. Dabei soll es möglich sein, mit dem "DJ AI" zu interagieren, z.B., einen möglichen Weg vorzugeben (z.B., "Überleitung von einem Genre ins nächste", "diese x Songs sollten abgespielt werden"). Für die Arbeit steht eine Musiksammlung und ein Embedding-Modell zur Verfügung, aus welchem Similaritäten zwischen Musikausschnitten herausgelesen werden können und damit ein Graph aufgebaut werden kann.Die folgenden Punkte werden in den ersten Wochen mit dem Betreuer festgelegt:Wahl des initialen Algorithmus für den DJ AI (wie z.B. A*)InteraktionsoptionenQuantitative AnalyseQualitative AnalyseErwartetes Resultat:Stand der Forschung: DJ heute, Automatisches Mischen, Suchalgorithmen in Graphen, Embedding Modelle für AudioUIoptional: InteraktivVisualisierung, was der Agent machtReproduzierbare ResultateExploration/ Kreativität als einstellbarer Hyper-ParameterMetrik für Trade-off zwischen Exploration und kürzester GraphQuantitative Analyse von DJ's Songs gegenüber AI DJ.Qualitative Analyse von 5 Samples (à 2 min.)Analyse zu Grösse von Audio-Ausschnitten auf das Resultat von mind. 3 Ausschnittslängen.CI/ CD: Demo erreichbar unter ai-dj.abiz.chAbgrenzung:Das Erstellen, Trainieren des Embedding Modelles ist nicht Teil dieser Arbeit. Es wird als gegebenes Modell betrachtet. Jedoch muss ein Test für die Eignung des Modelles auf die vorliegende Arbeit erfolgen.Sprache: PythonEmpfohlene Frameworks: Fastapi, Vue.js

Project Idea Metadata

• Project Idea Name: The "DJ AI"
• Date: 11/28/2022 12:21:39 PM
• Administrators:
  • Daniel Pfäffli

Project Idea Description

Ein DJ nimmt Musikstücke aus einer bestehenden Sammlung und wechselt von einem ins nächste Stück, so dass keine Pause zwischen den Songs entsteht. Dabei verfolgen DJs oft das Ziel, den Übergang so gleitend wie möglich zu machen, so dass der Wechsel nicht wahrnehmbar ist, was bedeutet, dass die Wechselstelle ähnlich sein müssen.

In dieser Arbeit soll "DJ AI" entwickelt werden, welcher selbständig in einer Endlosschlaufe auflegt und dabei Übergange zwischen Liedstücken so auswählt, dass sie möglichst optimal in ein neues Stück überleiten können. Dabei soll es möglich sein, mit dem "DJ AI" zu interagieren, z.B., einen möglichen Weg vorzugeben (z.B., "Überleitung von einem Genre ins nächste", "diese x Songs sollten abgespielt werden"). Für die Arbeit steht eine Musiksammlung und ein Embedding-Modell zur Verfügung, aus welchem Similaritäten zwischen Musikausschnitten herausgelesen werden können und damit ein Graph aufgebaut werden kann.

Die folgenden Punkte werden in den ersten Wochen mit dem Betreuer festgelegt:

• Wahl des initialen Algorithmus für den DJ AI (wie z.B. A*)
• Interaktionsoptionen
• Quantitative Analyse
• Qualitative Analyse

Erwartetes Resultat:

• Stand der Forschung: DJ heute, Automatisches Mischen, Suchalgorithmen in Graphen, Embedding Modelle für Audio
• UI
• optional: Interaktiv
• Visualisierung, was der Agent macht
• Reproduzierbare Resultate
• Exploration/ Kreativität als einstellbarer Hyper-Parameter
• Metrik für Trade-off zwischen Exploration und kürzester Graph
• Quantitative Analyse von DJ's Songs gegenüber AI DJ.
• Qualitative Analyse von 5 Samples (à 2 min.)
• Analyse zu Grösse von Audio-Ausschnitten auf das Resultat von mind. 3 Ausschnittslängen.
• CI/ CD: Demo erreichbar unter ai-dj.abiz.ch

Abgrenzung:

• Das Erstellen, Trainieren des Embedding Modelles ist nicht Teil dieser Arbeit. Es wird als gegebenes Modell betrachtet. Jedoch muss ein Test für die Eignung des Modelles auf die vorliegende Arbeit erfolgen.

Sprache: Python

Empfohlene Frameworks: Fastapi, Vue.js

Ein DJ nimmt Musikstücke aus einer bestehenden Sammlung und wechselt von einem ins nächste Liedstück, so dass keine Pause zwischen den Songs entsteht. In dieser Arbeit soll "DJ AI" entwickelt werden, welcher Übergang zwischen Liedstücken so auswählt, dass sie möglichst optimal in ein neues Stück überleiten können. Für die Arbeit steht eine Musiksammlung und ein Embedding-Modell zur Verfügung, aus welchem Similaritäten zwischen Musikausschnitten herausgelesen werden können.