通过整合多个 RNN 模型，本研究提出了一个系统，旨在协同人类进行音乐创作，使创作过程更具多样性，通过根据反馈动态调整用户创意意图，系统增强了生成符合用户偏好和创意需求的旋律的能力，通过对具有不同背景的作曲家的实验验证了系统的有效性，进一步完善了音乐创作的可能性，突显了作曲家与人工智能的互动在使音乐创作更加个性化和易于接触方面的重要性，这个系统代表了将人工智能整合到创作过程中的一步，提供了一个新的音乐创作支持和协同艺术探索的工具。

Mar, 2024

我们介绍了一个系统，允许 Ableton Live 的用户通过用音乐描述命名来创建 MIDI 片段。用户可以通过在 Ableton 的片段视图中直接输入所需的音乐内容进行作曲，然后由我们的集成系统插入。这使得用户能够保持创作过程的连续性，同时快速生成音乐创意。该系统通过提示 ChatGPT 使用一些基于文本的音乐格式（例如 ABC 符号、和弦符号或鼓谱）来回复，这是将生成式 AI 工具整合到现有音乐工作流程中的重要一步，对于喜欢通过描述性语言表达创意愿景的内容创作者可能很有价值。代码可在此 URL 中获取。

Dec, 2023

本研究介绍了一种新的歌词旋律生成范例，即 Re-creation of Creations (ROC)，该范例通过将大量由神经旋律语言模型生成的音乐片段分阶段储存在数据库中，再根据作曲指南和旋律语言模型的重要性评分，检索音乐片段以从歌词和和弦中重新创作旋律，实现好的歌词旋律特征对齐。

Aug, 2022

SynthScribe 是一个基于多模态深度学习的全栈系统，通过解决搜索现有声音、创造全新声音和对给定声音进行有意义修改等问题，以更高层次表达用户意图。用户研究结果显示 SynthScribe 能够可靠地检索和修改声音，并能创造全新声音，拓展音乐家的创造空间。

Dec, 2023

本文提出了一种基于序列到序列框架，利用神经编码器和分层解码器，结合自然语言和旋律创作音乐曲调及准确标定的模型，并在 18,451 首流行歌曲中的歌词 - 旋律匹配对上进行了实验，论文通过人工评估证明了模型生成的旋律比基线模型更优秀。

Sep, 2018

本研究提出一种层次化歌词生成框架，通过将已知旋律编码为解码约束并获得歌曲大纲和完整歌词的生成，实现未经过任何对齐的歌曲和歌词数据即可生成高质量歌词，并通过歌曲大纲实现内容控制。实验结果表明，本模型相对于 SongMASS 等强基线模型，基于人类评分获得了 24% 的整体质量改善。

May, 2023

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

本文提出了一种基于分层框架和旋律 - 歌词对齐的歌词生成模型，能够在没有旋律 - 歌词对齐数据的情况下，通过对内容进行控制生成更可唱、更易懂、更连贯和有韵律的高质量歌词。

May, 2023

该论文提出了一种基于机器学习算法的说唱歌词生成方法，将已有歌词中的词组合成有意义和韵律的新歌词，并在表现上超越了最好的人类说唱歌手 21%。

May, 2015

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