序列生成对抗网络生成多声部音乐

Oct, 2017

序列生成对抗网络生成多声部音乐

Polyphonic Music Generation with Sequence Generative Adversarial Networks

Sang-gil Lee, Uiwon Hwang, Seonwoo Min, Sungroh Yoon

TL;DR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。

Abstract

We propose an application of sequence generative adversarial networks (SeqGAN), which are generative adversarial networks for discrete sequence generation, for creating polyphonic musical sequences. Instead of a

sequence generative adversarial networks polyphonic musical sequences midi files neural networks reinforcement learning signals

发现论文，激发创造

MuseGAN: 多轨序列生成对抗网络用于符号音乐生成和伴奏

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。

Sep, 2017

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

SeqGAN: 带策略梯度的序列生成对抗网络

本文提出了一种名为 SeqGAN 的序列生成框架，该框架将数据生成器建模为强化学习中的随机策略，通过直接执行梯度策略更新来绕过生成器差异化问题，并利用蒙特卡罗搜索将 RL 奖励信号从 GAN 鉴别器传递回中间状态动作步骤。在合成数据和现实世界任务上的广泛实验表明，SeqGAN 比强基线模型有了显著的改进。

Sep, 2016

C-RNN-GAN: 连续的递归神经网络与对抗性训练

提出了一种基于生成对抗网络的模型，可以高效地训练连续的序列数据，通过在古典音乐集合上训练该模型来生成音乐，发现音乐的质量随着模型的训练不断提高，并提供了生成音乐的统计数据，通过下载生成的歌曲来评估其质量。

Nov, 2016

基于 SeqGAN 的旋律条件歌词生成

本文提出了一种基于序列生成对抗网络（SeqGAN）的端到端旋律条件歌词生成系统，可以根据输入的旋律生成一行歌词，并对生成的主题或总体主题进行了探究，并证明输入条件不会对评估度量产生负面影响，同时可以产生更有意义的结果。

Oct, 2020

对抗训练的多歌手序列到序列歌唱合成器

本文提出了一种高质量的歌唱合成器，它能够在有限的可用录音基础上模拟出一种声音，采用序列到序列的歌唱模型，并设计了一个多歌手框架来利用不同歌手的现有歌唱数据，以减轻歌唱评分不平衡的问题。此外，为了使编码器输出与歌手无关，我们加入了一个对抗性任务来保证模型的平衡性及多随机窗口鉴别器（MRWDs）以使网络成为 GAN。客观和主观的评估表明，所提出的合成器比基准测试能够产生更高质量的歌唱声音（MOS 值分别为 4.12 和 3.53）。特别是高音元音的表达得到了显著改善。

Jun, 2020

MelGAN: 生成对抗网络用于条件波形合成

该研究提供了一种新的、用于生成高质量音频的 GAN 结构以及相关训练技巧，并证明了其在语音合成、音乐领域翻译和音乐合成中的有效性。

Oct, 2019

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

音乐的深度学习

本研究尝试使用深度神经网络建立生成模型，以生成既有和声和旋律，并且足以通过人类作曲的音乐，并利用端到端学习和生成的方法。

Jun, 2016

SingGAN：用于高保真唱歌声音生成的生成对抗网络

提出了一种名为 SingGAN 的生成对抗网络，用于高保真度歌声合成，该网络通过提出源激发、全局和局部判别器、辅助频谱损失和子带特征匹配惩罚损失等方法，解决了通过文本合成的神经声码器不能直接应用于合成歌声的问题，该网络不仅具有接近现实的音质效果，而且在单个 NVIDIA 2080Ti GPU 上还能实现 50 倍于实时的速度。

Oct, 2021