This thesis examines the capabilities of the artificial intelligence model (AI), ChatGPT 3.5-turbo, to compose valuable music in a digital format (MIDI) from natural language prompts. Implementing a multifaceted quantitative approach, the study combines objective musical metrics with subjective user evaluations. The proof-of-concept system developed for this research generated MIDI files using ChatGPT, which were analyzed against human-composed music from the Lakh MIDI dataset. Objective measures, including pitch-class distributions, Inter-Onset-Interval (IOI), pitch range, average pitch intervals, pitch counts, note length, and transition matrices, facilitated a comprehensive comparison. Findings revealed that while the AI model’s output demonstrated stylistic consistency and a certain level of musical texture, it exhibited less complexity and variety compared to human compositions. Subjective evaluations, derived from a feedback survey, revealed moderate to low satisfaction with the AI-generated music. The results suggested that users with higher musical experience were less satisfied with the compositions, indicating a correlation between musical experience and perception of the AI-generated music. Despite its limitations, ChatGPT exhibits the capability to generate valuable music from natural language prompts. However, enhancements are necessary to better mimic the complexity and variance found in human compositions in order to make it applicable in music production.

Denna avhandling undersöker förmågan hos artificiell intelligensmodell (AI), ChatGPT 3.5-turbo, att komponera värdefull musik i ett digitalt format (MIDI) från naturligt språk. Studien implementerar en mångfacetterad kvantitativ metodansats, där objektiva musikaliska mått kombineras med subjektiva användarutvärderingar. Det konceptbevis-system som utvecklades för denna forskning genererade MIDI-filer med hjälp av ChatGPT, vilka sedan analyserades och jämfördes mot människokomponerad musik från Lakh MIDI-datasetet. Objektiva mått, inklusive pitch-klassdistributioner, Inter-Onset-Interval (IOI), pitchomfång, genomsnittliga pitchintervaller, pitchräkningar, notlängd och övergångsmatriser, möjliggjorde en omfattande jämförelse. Resultaten visade att medan AI-modellens kompositioner visade stilistisk konsekvens och en viss nivå av musikalisk textur, uppvisade de mindre komplexitet och variation jämfört med människans kompositioner. Subjektiva utvärderingar, härledda från en återkopplingsundersökning, avslöjade måttlig till låg tillfredsställelse med AI-genererad musik. Resultaten antydde att användare med högre musikalisk erfarenhet var mindre nöjda med kompositionerna, vilket indikerar ett samband mellan musikalisk erfarenhet och uppfattningen om AI-genererad musik. Trots sina begränsningar visar ChatGPT förmågan att generera värdefull musik från naturliga språkpåminnelser. Men förbättringar behövs för att bättre efterlikna komplexiteten och variansen som finns i människokompositioner för att göra den tillämplig inom musikproduktion.