Nov, 2022

智能音乐生成系统评述

PDF
TL;DR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。
发现论文，激发创造
  • 音乐生成的人工智能调查：代理、领域和视角

    本文讨论了如何使用 AI 系统来模拟人类音乐创作的过程，同时分析了用于音乐生成的数据集、模型、用户界面以及未来的应用和研究方向。

    Oct, 2022

  • AI 音乐生成工具与模型调研

    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

  • 互动背景下的音乐生成调查

    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

  • 深度音乐生成综述：多层表征、算法、评价及未来方向的全面调查

    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

  • 基于人工智能的情感音乐生成系统：方法及挑战综述

    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

  • 人工智能生成音乐评估方法综述

    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

  • 用进化生成算法保护人类创造力：一个音乐生成的案例研究

    本研究探讨了进化生成算法在音乐制作中的应用，以保护和增强人类创造力。通过将人类反馈融入差分进化算法，我们创作了六首歌曲，这些歌曲被提交给国际唱片公司，都收到了合同的邀约。除了测试这些方法的商业可行性之外，本文还考察了使用传统机器学习方法与进化算法进行内容生成的长期影响。当前的生成技术继续扩大规模，计算机生成内容超过人类创造的潜力逐渐增大，这种趋势带来了风险，即耗尽人类创建的训练数据库，可能导致生成机器学习模型越来越依赖于其随机输入函数用于生成新内容。与无目标随机函数引导的内容生成未来相比，我们的方法允许个性化的创造性探索，确保计算机辅助内容生成方法始终以人为中心并具有文化相关性。

    Jun, 2024

  • 从人工神经网络到深度学习在音乐生成中的历史、概念和趋势

    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

  • 音乐生成系统的功能分类

    本篇论文提出了一种基于功能分类法的音乐生成系统设计方法，将音乐生成系统按照其目的进行分类，发现了系统之间的相互关联，并指出了未来的挑战和突破。

    Dec, 2018

  • 用于音乐生成的深度学习技术 -- 综述

    本文介绍和分析运用人工神经网络生成音乐的不同方法，提出五个维度分析框架，包括目标、表示法、体系结构、挑战和策略，通过比较分析不同模型和技术，提出了一种新的多维分类法，并举例说明了目标、表示法、体系结构、挑战和策略的各种选择。

    Sep, 2017