Jun, 2019

基于音节结构和上下文的汉语歌词条件生成

PDF
TL;DR介绍了一种用于生成汉语歌词的模型，该模型基于原始旋律并考虑了汉语音节结构及语义。通过使用多通道序列到序列模型，同时考虑词组结构和语义，其中一个用于编码音节结构，另一个用于语义编码。使用大规模的汉语歌词语料库进行模型训练，并通过自动和人工评估验证了模型的有效性。是目前关于考虑音乐和语言的双重视角的汉语歌词生成较少的报告之一。
chinese lyrics generationsyllable structuremelodysequence-to-sequencernn
发现论文，激发创造
  • 基于分层注意力机制的中文歌词生成模型

    本论文旨在全面研究上下文感知的中文歌词生成。提出了基于分层注意力的 Seq2Seq 模型，该模型编码了单词级和句子级上下文信息，促进了生成的主题相关性和一致性，利用大型中文歌词语料库进行模型训练，结果表明，我们的模型能够通过一致性约束生成完整的中文歌词。

    Jun, 2019

  • 从歌词中生成神经元旋律

    本文提出了一种基于序列到序列框架，利用神经编码器和分层解码器，结合自然语言和旋律创作音乐曲调及准确标定的模型，并在 18,451 首流行歌曲中的歌词 - 旋律匹配对上进行了实验，论文通过人工评估证明了模型生成的旋律比基线模型更优秀。

    Sep, 2018

  • 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

  • 带有可控内容和韵律方案的中文歌曲改写系统 SongRewriter

    本文提出了一种可控的中文歌词生成和编辑系统 SongRewriter，使用随机化的多级掩码策略进行训练，包括新歌词生成和现有歌词片段编辑，加入关键词提示和新的解码约束，提高了词汇选择的控制性以及末韵和内韵方案的灵活性。同时，提出了三个新的歌词押韵评估度量标准，并通过自动和人工评估表明，该模型在内容和韵律质量方面优于现有模型。

    Nov, 2022

  • 无监督的旋律引导歌词生成

    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

  • 基于词组原型检索的可控古文歌词生成

    提出了一种新方法用于生成中国古代词，该方法结合了短语检索和短语拼接，通过多项损失函数优化实现了对韵律，歌曲结构和流畅性的精确控制。实验结果表明，该方法可以高质量地生成中国古代词，而且在主题和歌曲结构控制方面表现出色。

    Mar, 2023

  • 通过微调语言模型实现以旋律为条件的歌词生成，并配合 ChatGPT 进行评估

    我们利用基于字符级的语言模型来从符号化旋律生成音节级歌词，通过对一个字符级预训练模型进行微调，将语言知识整合到音节级 Transformer 生成器的束搜索中。通过基于 ChatGPT 的评估，我们展示了生成歌词时的增强一致性和正确性。

    Oct, 2023

  • 基于神经注意力模型的汉语韵律诗歌生成

    本文利用基于注意力机制的序列到序列模型生成中国宋词。通过双向 LSTM 模型对提示句进行编码，再通过基于注意力的 LSTM 模型预测整个倚仗，可以通过输入线索的细微结构来规范化生成过程。研究了几种技术来改进模型，包括全局上下文整合，混合式风格训练，字符向量初始化和适应性。通过自动和主观评估结果表明，我们的模型确实可以学习到宋词复杂的结构和韵律模式，且生成成功。

    Apr, 2016

  • 结合学习的歌词结构和词汇以提高歌词生成

    本文提出一种机制，将两个分别训练的语言模型结合起来，旨在生成符合期望歌曲结构的输出，同时提供丰富的词汇量，从而提高其创造力。

    Nov, 2018

  • 无监督旋律 - 歌词生成

    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