本文提出了一种新颖的编码器 - 解码器框架 ——Lyrics-Melody Translation with Adaptive Grouping (LTAG)，通过自适应音符分组模块，可以同时翻译源歌词并确定每个解码步骤中对齐音符的数量，通过注释数据和后翻译使用大量的增广数据，实现了自动歌曲翻译的完整解决方案，并在英汉歌曲翻译数据集上进行实验，结果表明模型在自动和人类评估中均有效。

Mar, 2023

本文提出了一种基于分层框架和旋律 - 歌词对齐的歌词生成模型，能够在没有旋律 - 歌词对齐数据的情况下，通过对内容进行控制生成更可唱、更易懂、更连贯和有韵律的高质量歌词。

May, 2023

基于可用数据集，本文旨在创建一个能够进行多语言自动歌词转录的系统，并通过扩展目标词汇集合将已被证明在英语自动歌词转录中有效的技术应用于多语言场景。通过语言分析结合语言分类性能，我们的研究发现多语言模型的性能连续优于仅针对语言子集进行训练的单语言模型，并且将语言信息纳入模型中显著提高性能。

Jun, 2024

为了解决自动歌词转录中忽略了格式和标点等细微差别的问题，我们引入了 Jam-ALT，这是一个新的歌词转录基准，基于 JamendoLyrics 数据集，包括修订的转录以及用于评估的指标，旨在提高转录系统的准确性和可靠性。

Nov, 2023

本研究提出一种层次化歌词生成框架，通过将已知旋律编码为解码约束并获得歌曲大纲和完整歌词的生成，实现未经过任何对齐的歌曲和歌词数据即可生成高质量歌词，并通过歌曲大纲实现内容控制。实验结果表明，本模型相对于 SongMASS 等强基线模型，基于人类评分获得了 24% 的整体质量改善。

May, 2023

本研究利用大型多语言语言模型（BLOOM-176B）生成中文歌词，并使用人工评审员对结果进行了连贯性和创造性的评估，发现现有计算度量方法（MAUVE）在评估创造性写作方面存在局限性。本文通过使用中文稳定扩散模型产生高质量歌词指导的唱片封面设计，为寻找灵感的艺术家提供了一种创意方法，并介绍了 MojimLyrics 数据集，该数据集是一个用于未来研究的中文热门歌曲歌词数据集。

Jan, 2023

通过对多模态数据的构建和深度学习模型的训练，本文提出了一种在音频和歌词之间学习对准关系的方法，并通过此方法优化跨模态对齐，并为音乐搜索和推荐提供了理论和实证结果。

Dec, 2022

本文介绍了一个计算框架，旨在定量评估可唱译歌词，该框架无缝地融合了歌曲、语言和文化维度；通过收集一个可唱歌词数据集，并进行可唱和不可唱歌词的比较分析，我们验证了我们框架的有效性；我们的多学科方法揭示了歌曲翻译艺术的关键因素，并为未来的计算歌词翻译评估奠定了坚实基础。

Aug, 2023

本文提出了一种用于声调语言的自动歌曲翻译系统，解决了将单词的音高与歌曲旋律对齐并传达原意的独特挑战。该系统结合预训练和三种解码约束，成功实现了语义和歌唱性的平衡。

Mar, 2022

本文主要介绍了使用 Transformer 架构的 GPT-2 模型实现歌曲歌词含义的生成方法，并且使用了 Genious API 获取了一些包含元数据及解释说明的歌曲数据集。

Dec, 2022