本文提出了一种名为 Music FaderNets 的框架，该框架能够使用有限的数据来学习高层次的 feature representations，并通过对应的低层次属性进行建模，使用高斯混合变分自编码器 (GM-VAEs) 进行半监督聚类，实现高层次特征的推断，进而可以将该框架应用于不同情感状态下的风格转换任务中。

Jul, 2020

提出了一种新颖的 Transformer 模型 Museformer，它采用了细粒度和粗粒度的注意力机制来生成音乐，能够通过细粒度注意力机制捕捉音乐结构相关的关联，通过粗粒度注意力机制捕捉其他上下文信息，并且可以比完全注意力机制生成长度超过 3 倍的高质量音乐序列。

Oct, 2022

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

本文提出了一种基于预训练变分自编码器的离散领域参数化的扩散模型训练技术，用于离散和连续领域的生成导致更优结果，并在应用于符号音乐领域时表现出很强的无条件生成和条件填充结果，相比基于自回归语言模型的连续嵌入操作更具可行性。

Mar, 2021

近年来，机器学习，特别是生成对抗神经网络（GANs）和基于注意力的神经网络（transformers），已成功用于作曲和生成音乐，包括旋律和多声部作品。然而，现有研究主要集中在风格复制和转换的问题上，并未涉及到人机共同创作和评估。本文综述了音乐表征、特征分析、启发式算法、统计和参数建模，人类和自动化评估措施，并讨论了哪种方法和模型最适合于实时互动。

Feb, 2024

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

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

本文旨在通过学习简化的语义分离潜在表示来生成和控制自然语言句子，同时通过变分自编码器和全局属性判别器的组合来建立新的神经生成模型。该模型具有可解释性和高效性，可以生成符合要求的具有各种属性的句子。量化评估验证了该模型的生成准确性。

Mar, 2017

我们研究了符号音乐生成中的非可微分规则引导问题，提出了一种名为 Stochastic Control Guidance (SCG) 的新型引导方法，以插拔方式与预训练的扩散模型结合使用，实现了对非可微分规则的无训练引导。我们还引入了具有高时间分辨率的潜在扩散架构，可与 SCG 以插拔方式相结合。与符号音乐生成的标准基线相比，该框架在音乐质量和基于规则的控制性能方面表现出明显的进步，优于当前各种场景下的最先进生成器。

Feb, 2024

本文介绍了 MuseCoco，一种从文本描述中生成符号音乐的方法，通过将任务分解为文本到属性理解和属性到音乐生成阶段，并提供几种控制选项，使得音乐生成更具数据效率和精准控制性。

May, 2023