Oct, 2018

使用 MAESTRO 数据集实现分解式钢琴音乐建模和生成

PDF
TL;DR该研究使用 MAESTRO 数据集中的音符事件作为中间表示，训练了一系列的神经网络模型，用于转录、合成和生成具备连贯乐曲结构的音频波形，从而实现了跨六个数量级（0.1ms 到 100s）的音频合成。
neural networksmusicaudio synthesismaestro datasetnote events
发现论文，激发创造
  • 基于数据驱动的鲁棒自动钢琴转录分析

    通过研究训练数据的角度，本文通过在 MAESTRO 数据集的原始和重新执行版本上使用各种数据增强技术，获得了 MAPS 数据集的最新音符起始准确性，而无需查看其他的训练数据。

    Feb, 2024

  • 使用 WaveNet 自编码器进行音乐音符的神经音频合成

    本研究提出了一种基于 WaveNet 风格自编码器的新型音频模型，进一步介绍了一个规模较大质量较高的音乐数据集 NSynth。使用 NSynth 数据集，我们证明 WaveNet 自编码器比使用频谱自编码器基线的性能有显著提高，同时演示了该模型学习嵌入的能力，实现了在音色上的差值并创造了新类型的逼真和有表现力的声音。

    Apr, 2017

  • 从头开始学习音乐特征

    本文介绍了一个新的大规模音乐数据集 MusicNet，旨在为音乐研究的机器学习方法提供监督和评估，该数据集由 10 位作曲家创作的 11 种乐器的数百个自由许可的古典音乐录音以及关于它们的时间标签组成，其中包含的多标签分类任务以及多项基于机器学习结构的性能评估表明了末端到末端的神经网络在音符预测方面的学习效果最佳。

    Nov, 2016

  • 基于 Transformer 的序列到序列钢琴转录

    本文展示了使用通用 encoder-decoder Transformer 和标准解码方法可实现与专业领域特定设计模型同等效果的自动音乐转录方法，从而取消了任务特定架构的需求，简化了转录，为集中精力于数据集创建和标注而非模型设计提供了可能性。

    Jul, 2021

  • A-Muze-Net：基于生成的旋律编排和声进行音乐生成

    本文提出了一种基于神经网络的方法，用于生成钢琴音乐的 Midi 文件。该方法使用两个网络分别生成左右手的音符，其中左手取决于右手。Midi 文件以一种对音乐音阶不变的方式呈现，旨在通过将每个小节视为和弦的内容来表示旋律，从而调节和弦。最后，根据这个和弦表示，随机添加音符，以丰富生成的音频。实验表明，该方法在训练过程中比现有技术取得了显著的改进，并展示了每个新颖组件的贡献。

    Nov, 2021

  • 跨域预训练改进多乐器音乐生成

    该研究探讨了如何使用 Transformer 结构生成多乐器音乐乐谱，使用 NES-MDB 数据集进行了实验并采用预训练方法利用 Lakh MIDI 数据集进一步提高生成效果。

    Jul, 2019

  • 高分辨率吉他转录通过领域适应

    使用高分辨率钢琴转录模型训练新的吉他转录模型，从而在零样本情况下在 GuitarSet 上获得最先进的转录结果，改进了之前发表的方法。

    Feb, 2024

  • 基于神经自回归模型的高效实时钢琴转录

    通过改进神经网络设计和模型大小，实现实时推断的钢琴转录模型，与现有最先进模型在音符精确度上相媲美并具有高性能及轻量级特点。

    Apr, 2024

  • GiantMIDI-Piano：古典钢琴音乐的大规模 MIDI 数据集

    本文创建了一个具有 38700838 个音符和 10855 个独奏钢琴作品的 GiantMIDI-Piano dataset，使用卷积神经网络探测独奏钢琴作品，并使用高分辨率钢琴转录系统将这些作品转录为 MIDI 文件，可用于音乐信息检索和音乐分析。

    Oct, 2020

  • 流行音乐变压器：基于节拍的建模和生成富有表现力的流行钢琴作品

    本文提出将乐谱数据表示成具有韵律结构的形式，通过开发更好的数据输入方式，我们建立了一个节奏更流畅的 Pop 钢琴音乐生成模型 - Pop Music Transformer。

    Feb, 2020