AAAISep, 2017

MuseGAN: 多轨序列生成对抗网络用于符号音乐生成和伴奏

PDF
TL;DR本文提出了三个基于生成对抗网络的符号化多轨音乐生成模型，并通过客观和主观的评估方法证明了这些模型的有效性。此外，该文还介绍了一些评估生成结果的标准，并通过与人类协作音乐生成的实验进行探讨。
music generationmulti-track modelgansintra-track objective metricshuman-ai cooperative music generation
发现论文，激发创造
  • MidiNet：一种用于符号域音乐生成的卷积生成对抗网络

    本文提出一种基于卷积神经网络的生成式对抗网络 MidiNet，用于在符号域中生成旋律，其能够通过先前的和弦序列或前几小节的旋律生成新的旋律，相比 MelodyRNN 模型表现更为出色。

    Mar, 2017

  • 互动背景下的音乐生成调查

    近年来，机器学习，特别是生成对抗神经网络（GANs）和基于注意力的神经网络（transformers），已成功用于作曲和生成音乐，包括旋律和多声部作品。然而，现有研究主要集中在风格复制和转换的问题上，并未涉及到人机共同创作和评估。本文综述了音乐表征、特征分析、启发式算法、统计和参数建模，人类和自动化评估措施，并讨论了哪种方法和模型最适合于实时互动。

    Feb, 2024

  • 序列生成对抗网络生成多声部音乐

    本文提出了一种基于序列生成对抗网络的应用方法 (SeqGAN)，用于创建和捕获音符和和弦的多声部音乐序列的表征，同时利用神经网络从该嵌入式音乐词空间的模拟分布中学习预测序列的分布，实验表明该方法可以稳定地训练 GAN 并创造出具有音乐连贯性且在定量和定性方面均有所提升的音乐序列。

    Oct, 2017

  • 基于图的多音轨音乐生成

    该论文在音乐生成的深度学习系统中引入了一种新颖的图表示方法和深度变分自编码器，将音乐的结构和内容分开生成，实现了更具层次结构的人机交互音乐创作方式。

    Jul, 2023

  • 具有歌曲结构图分析的组合音乐生成模型

    提出了一种符号音乐生成模型，使用了歌曲结构图分析网络构建了一个图，利用音符序列和乐器等信息作为节点特征，音符序列之间的相关性作为边特征。通过训练图神经网络来获取图中节点的表示，然后将节点表示作为 Unet 的输入生成 CONLON 钢琴滚动图像潜变量。实验结果表明，该模型可以生成全面形式的音乐，为符号音乐生成提供了一种有前景且创新的方法，并在音乐信息检索的各个领域，包括音乐创作、音乐分类和音乐修复系统中具有潜在的应用价值。

    Dec, 2023

  • 符号音乐风格转换与 CycleGAN

    本文介绍了使用生成模型（如变分自编码器和生成对抗网络）将基于样式和域的转换技术应用于图像和音乐，并利用具有附加鉴别器的 GAN 模型成功实现了音乐流派转换。该文是 GANs 首次应用于音乐域转换的研究。

    Sep, 2018

  • 基于 RNN 的层次化多模态融合生成 VAE 网络用于多轨符号音乐生成

    本文提出了一个基于 RNN 的层次化多模态融合生成变分自编码器（VAE）网络 MIDI-Sandwich2，用于多轨符号音乐生成，并使用多模式融合技术实现 RNN-based 多轨符号音乐生成。与 MuseGAN 相比，MIDI-Sandwich2 不仅能生成和谐的多轨音乐，而且生成的质量也接近于艺术水平。

    Sep, 2019

  • 情绪控制下的快速扩散生成对抗网络模型用于符号音乐生成

    我们提出了将扩散模型与生成对抗网络相结合的方法，旨在解决算法音乐生成中的情感控制和计算成本的问题。通过训练变分自编码器得到情感标签的符号音乐数据集的嵌入，并用其来训练扩散模型，我们成功地控制了扩散模型以生成具有特定情感的符号音乐，同时大幅提升了计算效率。

    Oct, 2023

  • GETMusic: 使用统一表示和扩散框架生成任何音乐曲目

    通过引入 GETMusic 统一音乐表示和扩散框架，该论文提出一种方法，名为 GETScore，将音符表示为符号并以 2D 结构组织，可控制任何音乐轨道的生成和脱离其自回归行为，实现高质量的音乐生成。

    May, 2023

  • PerformanceNet: 多频段卷积残差网络得分转音频音乐生成

    提出了一个深度卷积模型，学习了乐谱和音频之间的符号表示之间的得分与音频之间的映射，通过用户研究发现，该模型在自然度和情感表现方面的平均意见分数高于 WaveNet 模型和两个商业声音库。

    Nov, 2018