{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5359890"},"canonical_url":"https://search.dev.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5359890","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Diffusion Modeling for Synthesizer Programming","abstract":"Σε αυτή τη διπλωματική μελετάμε την εφαρμογή παραγωγικών μοντέλων διάχυσης (Diffusion Models) σε δεδομένα παραμέτρων για συνθεσάιζερ. Τα συνθεσάιζερ είναι προγράμματα που χρησιμοποιούνται για τη δημιουργία ήχων και μουσικής, και δοθέντος κάποιων παραμέτρων δημιουργούν τονικούς και μη ήχους. Δείχνουμε, πως είναι εφικτό, να παράξουμε καινούργιους ρεαλιστικούς ήχους κάνοντας χρήση μοντέλων διάχυσης, που έχουν εκπαιδευτεί σε δεδομένα παραμέτρων. Επίσης, χρησιμοποιώντας μοντέλα Transformer, μπορούμε να κάνουμε τη διαδικασία παραγωγής να είναι εξαρτώμενη από κάποιον ήχο χρησιμοποιώντας ηχητικές εμβαπτίσεις τύπου CLAP, και με τη τεχνική της καθοδήγησης χωρίς ταξινομητή (Classifier-Free Guidance), να επηρεάσουμε τον τελικό ήχο που βγαίνει από το συνθεσάιζερ. Δείχνουμε πως η δειγματοληψία με τη μέθοδο DDIM μπορεί να αυξήσει τη ταχύτητα της παραγωγικής διαδικασίας, χωρίς να έχει αρνητικό αντίκτυπο στις επιδόσεις των μοντέλων. Προκειμένου να βγάλουμε συμπεράσματα για την επίδραση ορισμένων υπερ-παραμέτρων του προβλήματος, κάνουμε μια συγκριτική ανάλυση μεταξύ διαφορετικών μοντέλων. Επίσης, εισάγουμε μια παραλλαγή του προβλήματος, όπου το μοντέλο διάχυσης είναι επίσης εξαρτώμενο από τον αλγόριθμο του συνθεσάιζερ, η οποία βελτιώνει την απόδοση του μοντέλου. Η διττή φύση των CLAP εμβαπτίσεων μας επιτρέπει, να καθοδηγήσουμε τη παραγωγική διαδικασία δίνοντας γραπτές εντολές στο μοντέλο. Προκειμένου να εναρμονήσουμε τη αναπαράσταση του κειμένου στα CLAP embeddings με τις ηχητικές ικανότητες του συνθεσάιζερ, εκπαιδεύουμε έναν Adapter για τον κωδικοποιητή κειμένου του CLAP μοντέλου. Επίσης, μελετάμε την επίδραση ορισμένων γνωστών τεχνικών για τα μοντέλα διάχυσης όπως το RePaint, τη μέθοδο παρεμβολής και την επεξεργασία με γραπτό κείμενο. Τέλος, εξετάζουμε το αποτέλεσμα που προκύπτει, όταν χρησιμοποιούμε ήχους εκτός κατανομής για τη καθοδήγηση του μοντέλου.","abstract_html":"Σε αυτή τη διπλωματική μελετάμε την εφαρμογή παραγωγικών μοντέλων διάχυσης (Diffusion Models) σε δεδομένα παραμέτρων για συνθεσάιζερ. Τα συνθεσάιζερ είναι προγράμματα που χρησιμοποιούνται για τη δημιουργία ήχων και μουσικής, και δοθέντος κάποιων παραμέτρων δημιουργούν τονικούς και μη ήχους. Δείχνουμε, πως είναι εφικτό, να παράξουμε καινούργιους ρεαλιστικούς ήχους κάνοντας χρήση μοντέλων διάχυσης, που έχουν εκπαιδευτεί σε δεδομένα παραμέτρων. Επίσης, χρησιμοποιώντας μοντέλα Transformer, μπορούμε να κάνουμε τη διαδικασία παραγωγής να είναι εξαρτώμενη από κάποιον ήχο χρησιμοποιώντας ηχητικές εμβαπτίσεις τύπου CLAP, και με τη τεχνική της καθοδήγησης χωρίς ταξινομητή (Classifier-Free Guidance), να επηρεάσουμε τον τελικό ήχο που βγαίνει από το συνθεσάιζερ. Δείχνουμε πως η δειγματοληψία με τη μέθοδο DDIM μπορεί να αυξήσει τη ταχύτητα της παραγωγικής διαδικασίας, χωρίς να έχει αρνητικό αντίκτυπο στις επιδόσεις των μοντέλων. Προκειμένου να βγάλουμε συμπεράσματα για την επίδραση ορισμένων υπερ-παραμέτρων του προβλήματος, κάνουμε μια συγκριτική ανάλυση μεταξύ διαφορετικών μοντέλων. Επίσης, εισάγουμε μια παραλλαγή του προβλήματος, όπου το μοντέλο διάχυσης είναι επίσης εξαρτώμενο από τον αλγόριθμο του συνθεσάιζερ, η οποία βελτιώνει την απόδοση του μοντέλου. Η διττή φύση των CLAP εμβαπτίσεων μας επιτρέπει, να καθοδηγήσουμε τη παραγωγική διαδικασία δίνοντας γραπτές εντολές στο μοντέλο. Προκειμένου να εναρμονήσουμε τη αναπαράσταση του κειμένου στα CLAP embeddings με τις ηχητικές ικανότητες του συνθεσάιζερ, εκπαιδεύουμε έναν Adapter για τον κωδικοποιητή κειμένου του CLAP μοντέλου. Επίσης, μελετάμε την επίδραση ορισμένων γνωστών τεχνικών για τα μοντέλα διάχυσης όπως το RePaint, τη μέθοδο παρεμβολής και την επεξεργασία με γραπτό κείμενο. Τέλος, εξετάζουμε το αποτέλεσμα που προκύπτει, όταν χρησιμοποιούμε ήχους εκτός κατανομής για τη καθοδήγηση του μοντέλου.","abstract_has_math":false,"creators":["ΤΣΙΑΚΟΥΛΙΑΣ-ΜΑΝΕΤΤΑΣ ΔΗΜΗΤΡΙΟΣ","TSIAKOULIAS-MANETTAS DIMITRIOS"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-07-24T01:01:51Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","English","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5359890"],"render_values":[{"text":"uoadl:5359890","href":null,"code":true}]}]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5359890","outbound_label":"Repository record","outbound_source":"dc:identifier"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΤΣΙΑΚΟΥΛΙΑΣ-ΜΑΝΕΤΤΑΣ ΔΗΜΗΤΡΙΟΣ","TSIAKOULIAS-MANETTAS DIMITRIOS"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","English","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5359890","https://pergamos.lib.uoa.gr/uoa/dl/object/5359890"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Σε αυτή τη διπλωματική μελετάμε την εφαρμογή παραγωγικών μοντέλων διάχυσης (Diffusion Models) σε δεδομένα παραμέτρων για συνθεσάιζερ. Τα συνθεσάιζερ είναι προγράμματα που χρησιμοποιούνται για τη δημιουργία ήχων και μουσικής, και δοθέντος κάποιων παραμέτρων δημιουργούν τονικούς και μη ήχους. Δείχνουμε, πως είναι εφικτό, να παράξουμε καινούργιους ρεαλιστικούς ήχους κάνοντας χρήση μοντέλων διάχυσης, που έχουν εκπαιδευτεί σε δεδομένα παραμέτρων. Επίσης, χρησιμοποιώντας μοντέλα Transformer, μπορούμε να κάνουμε τη διαδικασία παραγωγής να είναι εξαρτώμενη από κάποιον ήχο χρησιμοποιώντας ηχητικές εμβαπτίσεις τύπου CLAP, και με τη τεχνική της καθοδήγησης χωρίς ταξινομητή (Classifier-Free Guidance), να επηρεάσουμε τον τελικό ήχο που βγαίνει από το συνθεσάιζερ. Δείχνουμε πως η δειγματοληψία με τη μέθοδο DDIM μπορεί να αυξήσει τη ταχύτητα της παραγωγικής διαδικασίας, χωρίς να έχει αρνητικό αντίκτυπο στις επιδόσεις των μοντέλων. Προκειμένου να βγάλουμε συμπεράσματα για την επίδραση ορισμένων υπερ-παραμέτρων του προβλήματος, κάνουμε μια συγκριτική ανάλυση μεταξύ διαφορετικών μοντέλων. Επίσης, εισάγουμε μια παραλλαγή του προβλήματος, όπου το μοντέλο διάχυσης είναι επίσης εξαρτώμενο από τον αλγόριθμο του συνθεσάιζερ, η οποία βελτιώνει την απόδοση του μοντέλου. Η διττή φύση των CLAP εμβαπτίσεων μας επιτρέπει, να καθοδηγήσουμε τη παραγωγική διαδικασία δίνοντας γραπτές εντολές στο μοντέλο. Προκειμένου να εναρμονήσουμε τη αναπαράσταση του κειμένου στα CLAP embeddings με τις ηχητικές ικανότητες του συνθεσάιζερ, εκπαιδεύουμε έναν Adapter για τον κωδικοποιητή κειμένου του CLAP μοντέλου. Επίσης, μελετάμε την επίδραση ορισμένων γνωστών τεχνικών για τα μοντέλα διάχυσης όπως το RePaint, τη μέθοδο παρεμβολής και την επεξεργασία με γραπτό κείμενο. Τέλος, εξετάζουμε το αποτέλεσμα που προκύπτει, όταν χρησιμοποιούμε ήχους εκτός κατανομής για τη καθοδήγηση του μοντέλου.","In this thesis we investigate applying diffusion modeling on music synthesizer’s controls. Music synthesizers are programs which are used in music and sound production that, given a set of parameters, can produce a certain tonal or non-tonal sound. We showcase that we can generate new realistic sounds, by using diffusion models, which are trained in the parameter space. Moreover, by utilizing transformer models conditioned on audio CLAP embeddings and Classifier Free Guidance we can control the output sound of the synthesizer. We demonstrate that DDIM sampling can speed up the inference process, without degrading the performance of the models. We make a comparative analysis across various models, and draw conclusions about the impact of different hyper-parameters of the problem. In addition, we introduce a modified setup in which the diffusion model is also conditioned on the synthesizer algorithm, demonstrating that this conditioning further improves the performance. The dual modality of CLAP embeddings enables the generative process to be controlled by text prompting. We achieve a better alignment of the CLAP text embeddings with the textual descriptions of synthesizer sounds, by training an Adapter on the Text Encoder of the CLAP model. We also investigate the effect of known diffusion techniques like RePaint, Interpolation and Text Editing in our case study. Finally, we examine the effect of using out of distribution sounds for the guidance of the model."]},{"key":"dc:title","label":"Title","values":["Diffusion Modeling for Synthesizer Programming"]}]}],"canonical_facts":{"dc:creator":["ΤΣΙΑΚΟΥΛΙΑΣ-ΜΑΝΕΤΤΑΣ ΔΗΜΗΤΡΙΟΣ","TSIAKOULIAS-MANETTAS DIMITRIOS"],"dc:date":["2026"],"dc:description":["Σε αυτή τη διπλωματική μελετάμε την εφαρμογή παραγωγικών μοντέλων διάχυσης (Diffusion Models) σε δεδομένα παραμέτρων για συνθεσάιζερ. Τα συνθεσάιζερ είναι προγράμματα που χρησιμοποιούνται για τη δημιουργία ήχων και μουσικής, και δοθέντος κάποιων παραμέτρων δημιουργούν τονικούς και μη ήχους. Δείχνουμε, πως είναι εφικτό, να παράξουμε καινούργιους ρεαλιστικούς ήχους κάνοντας χρήση μοντέλων διάχυσης, που έχουν εκπαιδευτεί σε δεδομένα παραμέτρων. Επίσης, χρησιμοποιώντας μοντέλα Transformer, μπορούμε να κάνουμε τη διαδικασία παραγωγής να είναι εξαρτώμενη από κάποιον ήχο χρησιμοποιώντας ηχητικές εμβαπτίσεις τύπου CLAP, και με τη τεχνική της καθοδήγησης χωρίς ταξινομητή (Classifier-Free Guidance), να επηρεάσουμε τον τελικό ήχο που βγαίνει από το συνθεσάιζερ. Δείχνουμε πως η δειγματοληψία με τη μέθοδο DDIM μπορεί να αυξήσει τη ταχύτητα της παραγωγικής διαδικασίας, χωρίς να έχει αρνητικό αντίκτυπο στις επιδόσεις των μοντέλων. Προκειμένου να βγάλουμε συμπεράσματα για την επίδραση ορισμένων υπερ-παραμέτρων του προβλήματος, κάνουμε μια συγκριτική ανάλυση μεταξύ διαφορετικών μοντέλων. Επίσης, εισάγουμε μια παραλλαγή του προβλήματος, όπου το μοντέλο διάχυσης είναι επίσης εξαρτώμενο από τον αλγόριθμο του συνθεσάιζερ, η οποία βελτιώνει την απόδοση του μοντέλου. Η διττή φύση των CLAP εμβαπτίσεων μας επιτρέπει, να καθοδηγήσουμε τη παραγωγική διαδικασία δίνοντας γραπτές εντολές στο μοντέλο. Προκειμένου να εναρμονήσουμε τη αναπαράσταση του κειμένου στα CLAP embeddings με τις ηχητικές ικανότητες του συνθεσάιζερ, εκπαιδεύουμε έναν Adapter για τον κωδικοποιητή κειμένου του CLAP μοντέλου. Επίσης, μελετάμε την επίδραση ορισμένων γνωστών τεχνικών για τα μοντέλα διάχυσης όπως το RePaint, τη μέθοδο παρεμβολής και την επεξεργασία με γραπτό κείμενο. Τέλος, εξετάζουμε το αποτέλεσμα που προκύπτει, όταν χρησιμοποιούμε ήχους εκτός κατανομής για τη καθοδήγηση του μοντέλου.","In this thesis we investigate applying diffusion modeling on music synthesizer’s controls. Music synthesizers are programs which are used in music and sound production that, given a set of parameters, can produce a certain tonal or non-tonal sound. We showcase that we can generate new realistic sounds, by using diffusion models, which are trained in the parameter space. Moreover, by utilizing transformer models conditioned on audio CLAP embeddings and Classifier Free Guidance we can control the output sound of the synthesizer. We demonstrate that DDIM sampling can speed up the inference process, without degrading the performance of the models. We make a comparative analysis across various models, and draw conclusions about the impact of different hyper-parameters of the problem. In addition, we introduce a modified setup in which the diffusion model is also conditioned on the synthesizer algorithm, demonstrating that this conditioning further improves the performance. The dual modality of CLAP embeddings enables the generative process to be controlled by text prompting. We achieve a better alignment of the CLAP text embeddings with the textual descriptions of synthesizer sounds, by training an Adapter on the Text Encoder of the CLAP model. We also investigate the effect of known diffusion techniques like RePaint, Interpolation and Text Editing in our case study. Finally, we examine the effect of using out of distribution sounds for the guidance of the model."],"dc:identifier":["uoadl:5359890","https://pergamos.lib.uoa.gr/uoa/dl/object/5359890"],"dc:language":["Ελληνικά","English","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Diffusion Modeling for Synthesizer Programming"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-07-24T01:01:51Z"}