基于和谐感知学习的结构增强流行音乐生成
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
本研究介绍了基于重复的算法,用于识别音乐篇章结构,音乐片段组合成具有两级层次结构的音乐节,层次结构揭示了音乐结构和和弦进行、旋律、节奏之间的重要关联,不同层次结构有不同的相互作用,表明结构层次在音乐中发挥着重要作用,本研究为音乐生成和评估提供了新的应用。
Oct, 2020
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
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
本文提出了一种基于 Transformer 模型的两阶段框架,首先用 Compose & Embellish 方法创作出一个简单音乐谱,然后加入 Begleitungen 及其他表现手法, 明显缩小了当前技术与真实表演之间的差距,同时提高了乐曲的丰富性和连贯性,也可以对非钢琴数据进行预训练。
Sep, 2022
本文提出了 DeepChoir 这样一个旨在生成和声的音乐系统,通过特定的和弦进程生成给定旋律的四声部赞美诗曲子,实验结果表明该系统的音乐表示和深度学习方法的有效性以及生成赞美诗的可控性。
Feb, 2022
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
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
利用结构信息的位置编码框架改进深度学习生成音乐的一项研究,通过使用变换器模型,提出了三种不同类型的位置信息编码方法,并通过两个符号音乐生成任务对其进行全面测试,结果表明这些方法能够提升生成音乐作品的旋律和结构的一致性。
Feb, 2024