本文对智能音乐生成技术进行了综合调查和分析，提出了关键讨论，明确了各自的特点，并通过表格进行了总结。我们首先介绍了如何将音乐作为信息流进行编码和相关数据集，然后比较了不同类型的生成算法，总结了它们的优点和缺点，并讨论了现有的评估方法。最后，研究了人工智能在音乐创作方面的发展，特别是比较了东西方音乐生成技术的不同特点并分析了该领域的发展前景。

Nov, 2022

我们提供了一篇综合调查报告，介绍了包括研究项目和商业应用在内的人工智能音乐生成工具。通过对音乐生成方法进行分类，我们发现参数化、基于文本和基于视觉的三种方法。调查重点展示了这些工具的多样性和功能特点，适用于普通听众和专业音乐人。每个工具都有自己的优点和限制，因此我们编制了一份综合列表，用于在选择过程中考虑这些因素。此外，我们的调查揭示了人工智能音乐生成的底层机制和挑战。

Aug, 2023

通过集成多种音乐相关工具和一个自动化工作流，MusicAgent 系统旨在解放用户，使他们能够专注于创造性工作，从而提供无缝且丰富的音乐体验。

Oct, 2023

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

本文综述了基于人工智能的情感音乐生成（AI-AMG）系统，包括其基本构成、核心算法、音乐特征及未来方向等。

Jan, 2023

本研究综合评估主观、客观和综合方法来评估 AI 生成音乐，并突出了每种方法的优势和劣势，为统一音乐评估领域中的生成 AI 提供了有价值的参考。

Aug, 2023

本研究概述了当前流行的各种利用深度学习算法进行不同音乐生成层次的生成音乐任务，并总结了适用于各种任务的数据集、音乐表示、评估方法以及挑战，同时指出了几个未来的研究方向。

Nov, 2020

本文介绍了基于深度学习技术的音乐生成方法，包括早期使用人工神经网络的作品和最近的系统，使用现代深度学习技术和控制手段生成具有不同音乐风格的音乐。

Apr, 2020

该研究使用 MeasureVAE 可解释的潜在维度的生成音乐 XAI 模型在爱尔兰民间音乐的训练数据集上进行了自传体研究，结果显示探索性的音乐创作流程突显了训练数据集的音乐特征而非生成模型本身的特征，XAI 模型在迭代工作流中的应用显示出其成为比其最初设计用途更丰富和复杂工作流的潜力。

Aug, 2023

这篇研究论文探讨了使用深度学习系统从作曲家贝多芬学习并捕捉他的作曲能力，进而通过新颖的音乐生成方法推动音乐创作的一种新型知识数据库。

Oct, 2023