本文介绍了 MusicFrameworks，这是一种基于深度学习的分层音乐结构表示方法；并提出了一种多步骤的生成过程，根据长期重复结构、和弦、旋律轮廓和节奏约束生成完整的旋律。研究结果表明，其中一半的旋律比起 POP909 数据集中由人类作曲家创作的音乐更好或同样好。

Sep, 2021

研究了如何利用音乐中的重复元素，在大规模音乐数据库中实现有效和高效的自动音乐类型分类，以便于数字图书馆中音乐作品的访问和组织。我们提供了一组不同类型的模式用于支持音乐学研究，并实验了两种快速算法以应用于大规模且多样化的语料库。

Oct, 2019

本文提出了一种基于和声学习的结构增强流行音乐生成方法，并设计了和声感知的分层音乐变形器 (HAT)，可以在多层级音乐元素中自适应地利用结构，从而提高生成的流行音乐的质量。实验结果表明，与现有方法相比，HAT 可以更好地理解结构，尤其是在形式和质地方面可以提高生成音乐的质量。

Sep, 2021

模拟音乐结构在生成符号音乐作品的人工智能系统中至关重要但具有挑战性。本文概述了整合连贯结构的技术的演变，从符号方法到基础和转换的深度学习方法，利用计算和数据在各种训练范式中的强大能力。最新阶段，我们评述了一种新兴技术，称为 “子任务分解”，它涉及将音乐生成分解为独立的高级结构规划和内容创作阶段。这些系统通过提取旋律的骨架或结构模板来引导生成过程，从而纳入某种形式的音乐知识或神经符号方法。从审查的三个时期来看，已经取得了在主题和重复方面的进展，但在模拟人类作曲家风格下的扩展音乐作品中细微主题的发展仍然很困难。我们概述了几个关键的未来方向，以实现结合所有考察时期方法的协同效益。

Mar, 2024

本文介绍了一种将音乐编码为文本的算法，并通过计算音乐中音调、时间和音量之间的相关性生成了 Essential Element Network（EEN）。通过优化 EEN 来生成 Zipf 定律从而生成并将语义关系联系作为单词。我们将这些编码后的单词映射到音乐的音阶 - 时间空间中，以帮助我们系统地组织音乐的深层结构。

Mar, 2023

本文介绍一种基于符号和弦标注的新型音乐分割方法，即 pitchclass2vec，使用自然语言处理技术和定制编码将其嵌入到连续的向量表示中。使用 LSTM 神经网络的算法，在音乐领域优于基于符号和弦注释的最新技术。

Mar, 2023

本文介绍了一种分层递归神经网络用于创作旋律的方法，该方法通过多个 LSTM 子网络从粗到细逐层生成小节结构、节奏结构和音符，通过两个人类行为实验证明了这种结构相对于单层 LSTM 和现有的 MIdiNet 和 MusicVAE 模型更适合创作旋律。

Dec, 2017

本文提出了基于组成层次结构实现完整音乐作品建模的方法，通过定义一种分层语言对流行歌曲的符号化表示进行建模。通过级联扩散模型训练了分层语言模型，实验证明该模型能够生成具有可识别的全局歌词 - 副歌结构和协调音的完整音乐作品，且音乐质量高于基准模型。此外，还展示了该模型具有灵活的可控性，用户可以通过从可解释的分层语言中采样或调整预训练的外部表示来控制音乐的流动。

May, 2024

本文主要研究语音节奏（prosody）的语法问题，提出了一种基于从低频信号中推导出的语音节奏结构的归纳方法，即 Rhythm Formant Theory 和 Rhythm Formant Analysis 方法，并以朗读的汉语为例，探究了汉语和英语的差异，并得出结论：语言内部的基准化语音或语音对比对于语音的差异性过于简单，需要从物理信号中的语音节奏来研究语音的差异以找到更加准确的结果。

Dec, 2019

MorpheuS music generation system generates automatic music with a given tension profile and long- and short-term repeated pattern structures, using a mathematical model for tonal tension and an efficient optimization metaheuristic, which has been performed live in concerts.

Dec, 2018