في عالم الموسيقى الحديث، تظل القدرة على توليد أصوات واقعية تحدياً كبيراً، وخاصةً عندما يتعلق الأمر بصوت الطبول. وفي محاولة للتغلب على هذه التحديات، قام مجموعة من الباحثين بتطوير نظام مبتكر يقوم بتحويل بيانات MIDI للطبل، والمعروفة بشبكة الطبول التعبيرية (expressive drum grid)، إلى صوت طبل واقعي باستخدام تقنيات الذكاء الاصطناعي.

تتضمن عملية التحويل استخدام نموذج قائم على تقنية الـ Transformer، الذي يقوم بتحليل بيانات الطبل المدخلة ويوقعها إلى سلسلة من الرموز التي تمثل الصوت. ثم يقوم نظام مشفر صوتي، مدعوم بنماذج متطورة مثل EnCodec وDAC وX-Codec، بتحويل هذه الرموز إلى موجات صوتية.

خلال التجارب، تم استخدام مجموعة بيانات MIDI المعروفة باسم Expanded Groove MIDI Dataset (E-GMD)، والتي تحتوي على عروض إنسانية متعددة للطبول مرافقة بمعلومات MIDI وصوتية. تم تقييم جودة الصوت الناتج وفقاً لمعايير موضوعية، مما أظهر فعالية توقع الرموز كوسيلة فعالة لإنتاج صوت الطبول من الشبكات التعبيرية.

تظهر نتائج هذه الأبحاث كيف تؤثر الاختيارات في تمثيلات الصوت على جودة الصوت الناتج، مما يفتح المجال أمام الموسيقيين وملحني الموسيقى لاستخدام تقنيات الذكاء الاصطناعي لتعزيز إبداعاتهم. إن هذا الابتكار يعد خطوة هامة نحو مستقبل أكثر إبداعاً في مجال الموسيقى وإنتاجها.