🎹 人工知能は音楽をどう学ぶ？〜リズム生成の仕組み〜

こんにちは！今回は、人工知能（AI）がどのように音楽、特に「リズム」を理解し、創り出すのかについて、Qiitaで一緒に探求していきましょう。音楽とプログラミングに興味がある方なら、きっと楽しめるはずです。

🤖 AIはリズムをどう認識する？

AIが音楽を扱うとき、まず「音」をデータとして認識する必要があります。
人間の耳が音を波として捉えるように、AIは音をデジタルデータ、つまり数値の羅列に変換します。具体的には、音の強さや高さ、長さといった要素を数値化して表現します。

リズムに関して言えば、AIは音符の長さ（四分音符、八分音符など）、拍子の構造（4/4拍子、3/4拍子など）、そして音と音の間の休符を、数値のパターンとして認識します。

例えば、単純なキックとスネアのドラムパターンを考えてみましょう。

キック（バスドラム）: 1拍目、3拍目
スネア: 2拍目、4拍目

このパターンは、AIにとっては単なる「音の発生タイミング」という数値データになります。

[1, 0, 1, 0]  # キックのパターン
[0, 1, 0, 1]  # スネアのパターン

「1」は音があることを、「0」は音がないことを示しています。このように、AIは音楽を数列や行列として捉え、学習するのです。

🧠 AIがリズムを生成する仕組み

AIがリズムを学習したら、いよいよ新しいリズムを生成する段階です。これは、主に機械学習モデルを使って行われます。

ここでは、最もシンプルで理解しやすい**マルコフ連鎖（Markov chain）**というモデルを例に見てみましょう。マルコフ連鎖は、「現在の状態が次の状態に影響を与える」という確率的なモデルです。

マルコフ連鎖でリズムを生成する

学習: まず、AIに既存のリズムパターンをたくさん入力します。AIは「この音が鳴った後、次の音はこれ」という遷移確率を学習します。
- 例：「キックが鳴った後、次にスネアが鳴る確率は高い」
- 例：「ハイハットが連続する確率は非常に高い」
生成: 次に、AIは学習した確率に基づいて、ランダムに次の音を選んでいきます。
- 最初の音をランダムに決める。
- その音から、学習した確率に従って次の音を選び続ける。

このプロセスを繰り返すことで、既存のデータに似ているけれど、全く新しいリズムパターンが生成されます。

より複雑なリズム生成には、**リカレントニューラルネットワーク（RNN）**や、**生成モデル（GAN）**といった高度な技術が使われます。これらは、より複雑な時間的なパターンや、音楽の長期的な構造を学習できます。

💻 Pythonで学ぶ！シンプルなリズム生成スクリプト

それでは、実際にPythonを使って、シンプルなリズムを生成してみましょう。今回は、MIDIファイルを生成できるmidoライブラリと、簡単なマルコフ連鎖のロジックを使って、ランダムなドラムパターンを作ります。

準備

まず、必要なライブラリをインストールします。

pip install mido
pip install python-rtmidi

スクリプト

以下のコードをgenerate_drum.pyとして保存してください。

import mido
import random

# MIDIファイルを作成
outfile = mido.MidiFile()
track = mido.MidiTrack()
outfile.tracks.append(track)

# ドラム音源のノートナンバー
# キック：36, スネア：38, ハイハット：42
drum_notes = [36, 38, 42]

# シンプルなマルコフ連鎖の遷移確率
# 「前の音」から「次の音」への確率
transitions = {
    36: {38: 0.7, 42: 0.3},  # キックの後の確率：スネア70%, ハイハット30%
    38: {36: 0.5, 42: 0.5},  # スネアの後の確率：キック50%, ハイハット50%
    42: {42: 0.8, 38: 0.2}   # ハイハットの後の確率：ハイハット80%, スネア20%
}

# 最初の音をランダムに選択
current_note = random.choice(drum_notes)

# リズムを生成するループ（16小節分）
for _ in range(16 * 4):  # 16小節 x 4拍
    # 音を鳴らす（Note Onメッセージ）
    track.append(mido.Message('note_on', note=current_note, velocity=100, time=0))
    # 音を止める（Note Offメッセージ）
    track.append(mido.Message('note_off', note=current_note, velocity=0, time=120)) # time: 拍の長さ（ここでは八分音符相当）

    # 次の音を確率的に決定
    next_candidates = transitions.get(current_note, {})
    if next_candidates:
        next_note = random.choices(list(next_candidates.keys()), weights=list(next_candidates.values()))[0]
        current_note = next_note

# MIDIファイルを保存
outfile.save('generated_drum_pattern.mid')

print("ドラムパターンを生成しました：generated_drum_pattern.mid")

スクリプトの解説

mido.MidiFile(): MIDIファイルを扱うためのオブジェクトを作成します。
drum_notes: ドラムの各パーツに対応するMIDIのノートナンバーです。
transitions: マルコフ連鎖の核となる部分です。{現在の音: {次の音: 確率, ...}}という形で、次の音への遷移確率を定義しています。
random.choices(): 定義した確率に基づいて、次の音をランダムに選択します。
track.append(mido.Message(...)): MIDIの「音を鳴らす（note_on）」、「音を止める（note_off）」というメッセージをトラックに追加していきます。timeは次のメッセージまでの時間（テンポに相当）です。

このスクリプトを実行すると、generated_drum_pattern.midというファイルが生成されます。これをDAWソフト（GarageBand, Ableton Liveなど）や、MIDIプレイヤーで再生してみてください。設定した確率に基づいた、ランダムなドラムパターンが聴けるはずです。

最後に

今回はAIがリズムをどう認識し、どう生成するかについて、そしてPythonを使ったシンプルな実装例を紹介しました。AIと音楽の組み合わせは、まだまだ無限の可能性を秘めています。

この記事をきっかけに、皆さんもAIと音楽の面白さに触れてもらえたら嬉しいです。次のステップとして、もっと複雑なモデル（RNNなど）を試してみたり、メロディ生成に挑戦してみるのも面白いかもしれませんね！