本文提出一种基于卷积神经网络的生成式对抗网络MidiNet，用于在符号域中生成旋律，其能够通过先前的和弦序列或前几小节的旋律生成新的旋律，相比MelodyRNN模型表现更为出色。

Mar, 2017

本篇论文介绍了WaveGAN，这是将GANs应用到无监督的原始音频波形合成中的第一个尝试。WaveGAN能够合成具有全局一致性的音频波形，适用于音效生成，并且实验结果表明，它能够在没有标签的情况下学习生成一些可理解的单词和其他领域（如鸟类鸣叫、钢琴和鼓声等）的音频。

Feb, 2018

本文提出了一种将生成对抗网络与二进制神经元相结合的模型来直接生成二进制钢琴卷帘。实验结果表明，使用确定性二进制神经元相比于随机二进制神经元，可以得到更好的客观测量结果。

Apr, 2018

本文介绍了在频谱域中建模日志幅度和瞬时频率可提高GAN在音频合成方面的表现，并通过NSynth数据集的大量实证研究表明，GAN能够比强WaveNet基线在自动化和人工评估指标上表现更好，而且比自回归模型产生的音频快几个数量级。

Feb, 2019

本文提出了一种名为“Fre-GAN”的神经音源模型，通过分辨率连接生成器和分辨率智能的鉴别器，在多个频带中学习各种尺度的频谱分布，有效地实现高保真频率一致性音频合成，并在质量和MOS上优于标准模型。

Jun, 2021

本文介绍了一种实时音频变分自动编码器(RAVE)，允许快速且高质量的音频波形合成，采用多频段分解处理原始波形。通过后训练分析潜在空间，实现重构保真度与表示紧凑性之间的直接控制。例如对于音质转换和信号压缩等应用，该模型相比于现有模型表现更优。

Nov, 2021

本文介绍了利用神经合成器实时生成任意乐器和音符组合的音频，其具有互动性和表现力，使用MIDI序列进行训练，采用两阶段过程转换为声谱图，然后通过生成对抗网络（GAN）声谱图反演器将其转化为音频，发现DDPM方法在质量和重建等方面具有显著的优势。

Jun, 2022

本文介绍了一种新的基于语言提示生成音乐鼓点的方法，同时开发了提取歌曲鼓点的新方法，这为计算机辅助音乐制作提供了可能，并为更全面的节奏生成提供了基础。

Sep, 2022

本研究探讨了 Variational Autoencoders（VAEs）在将原始音频数据中生成潜在音频空间时的应用，提出了三种探索潜在音频空间和音色的策略以应用于声音设计，在为声音和音乐实践中利用潜在音频空间的艺术方法和策略方面开展了初步探索。

May, 2023

HyperGANStrument通过引入一个与音调无关的超网络，来调节预训练的GANStrument生成器的权重，实现了对用户输入音频进行重建的能力的提升，并结合对超网络的敌对微调来改善生成器的重建准确性和多样性，从而不仅增强了GANStrument的生成能力，还显著提高了生成音频的可编辑性。

Jan, 2024