Pierre Roy (SONY CSL, Paris)

Les chaînes de Markov sont parmi les techniques les plus couramment utilisées pour la génération de séquences imitant les caractéristiques stylistiques d’un auteur ou d’un genre.

L’hypothèse Markovienne de “mémoire courte” permet une modélisation compacte et une génération efficace par marche aléatoire. Dans de nombreux domaines, comme la génération de textes ou de séquences musicales, il est nécessaire de satisfaire des propriétés structurelles globales (métrique musicale, relations entre termes distants de la séquence, syntaxe, etc.). Il est difficile de contrôler la génération de séquences par chaînes de Markov avec de telles propriétés, dont la portée excède généralement la taille de la mémoire, i.e., l’ordre de la chaîne.

Je présenterai une approche, dite “Markov constraints », qui permet de représenter la génération de séquences finies par chaînes de Markov comme un problème de satisfaction de contrainte. Cette approche permet de contrôler la génération de séquences tout en conservant les aspects statistiques garantissant l’imitation stylistique. J’illustrerai cette approche avec des exemples en génération de grilles de jazz, de paroles de chansons, et de séquences virtuoses telles que des palindromes textuels et musicaux