Porovnání nástrojů umělé inteligence pro generování hudby
Autor(ka) práce:
Grinevich, Diana
Typ práce:
Bakalářská práce
Vedoucí práce:
Luc, Ladislav
Oponenti práce:
Sigmund, Tomáš
Jazyk práce:
Česky
Abstrakt:
Cílem této bakalářské práce je porovnat vybrané nástroje umělé inteligence pro generování hudby z hlediska jejich využití v DJské praxi na základě předem definovaných hodnoticích kritérií. Práce je rozdělena na teoretickou a praktickou část. Teoretická část se věnuje vývoji a principům fungování generativních modelů (např. MusicGen, Riffusion, Suno) a vymezuje základní požadavky DJ prostředí, jako jsou práce s dynamikou, struktura skladeb a žánrová kompatibilita. V praktické části je využito dotazníkové šetření mezi DJi, které slouží k identifikaci hodnoticích kritérií. Na jejich základě je provedeno vícekriteriální porovnání jednotlivých nástrojů podle parametrů, jako jsou kvalita výstupu, možnosti nastavení a využitelnost v DJ setech. Výstupem práce je srovnání těchto nástrojů a doporučení pro jejich praktické využití v hudební produkci. Výsledky také poskytují vhled do toho, jak může být generativní AI integrována do kreativních procesů v hudebním průmyslu a stát se jeho reálným přínosem.
Klíčová slova:
evaluace hudební kvality; využití AI v DJské praxi; nástroje umělé inteligence; DJing; žánrová kompatibilita; generativní umělá inteligence; hudební generování; vícekriteriální analýza
Název práce:
Comparison of Artificial Intelligence Tools for Music Generation
Autor(ka) práce:
Grinevich, Diana
Typ práce:
Bachelor thesis
Vedoucí práce:
Luc, Ladislav
Oponenti práce:
Sigmund, Tomáš
Jazyk práce:
Česky
Abstrakt:
The aim of this bachelor thesis is to compare selected artificial intelligence tools for music generation in terms of their usability in DJ practice, based on predefined evaluation criteria. The thesis is divided into a theoretical and a practical part. The theoretical section focuses on the development and functioning principles of generative models (e.g., MusicGen, Riffusion, Suno), and defines the key requirements of the DJ environment, such as dynamics, track structure, and genre compatibility. The practical section includes a questionnaire conducted among DJs to identify the most important evaluation criteria. Based on these, a multi-criteria comparison of the tools is carried out, evaluating aspects such as output quality, adjustability, and usability in DJ sets. The outcome of the thesis is a comparison of the tools and recommendations for their practical use in music production. The results also offer insight into how generative AI can be integrated into creative workflows in the music industry and become a meaningful contribution to it.
Klíčová slova:
generative artificial intelligence; artificial intelligence tools; music generation; DJing; multi-criteria analysis; music quality evaluation; genre compatibility; application of AI in DJ practice