带有可控内容和韵律方案的中文歌曲改写系统 SongRewriter
介绍了一种用于生成汉语歌词的模型,该模型基于原始旋律并考虑了汉语音节结构及语义。通过使用多通道序列到序列模型,同时考虑词组结构和语义,其中一个用于编码音节结构,另一个用于语义编码。使用大规模的汉语歌词语料库进行模型训练,并通过自动和人工评估验证了模型的有效性。是目前关于考虑音乐和语言的双重视角的汉语歌词生成较少的报告之一。
Jun, 2019
提出了一种新方法用于生成中国古代词,该方法结合了短语检索和短语拼接,通过多项损失函数优化实现了对韵律,歌曲结构和流畅性的精确控制。实验结果表明,该方法可以高质量地生成中国古代词,而且在主题和歌曲结构控制方面表现出色。
Mar, 2023
Sudowoodo 是一个基于源歌词文本生成新歌词的中文歌词模仿系统,通过构建一个基于关键词的歌词模型的平行语料库并训练模型,利用后处理和排名模块选择最高质量的生成歌词,能够更好地进行歌词模仿。
Aug, 2023
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
SongComposer 是一种创新的基于 LLM 的歌曲作曲技术,通过利用 LLM 的能力来理解和生成具有象征性歌曲表示的旋律和歌词,通过符号化歌曲表示的方式,使 LLM 能够像人类一样明确地作曲,通过 SongCompose-PT 预训练数据集的收集和充分的预训练,SongComposer 在歌词到旋律生成、旋律到歌词生成、歌曲延续和文本到歌曲创作等领域展现出优越的性能。
Feb, 2024
我们提出了一种可控的歌词到旋律生成网络,能够以用户期望的音乐风格从歌词中生成逼真的旋律,通过验证各项指标,初始控制生成的旋律的研究表明具有更好的生成质量和与用户的互动性。
Jun, 2023
本研究利用大型多语言语言模型(BLOOM-176B)生成中文歌词,并使用人工评审员对结果进行了连贯性和创造性的评估,发现现有计算度量方法(MAUVE)在评估创造性写作方面存在局限性。本文通过使用中文稳定扩散模型产生高质量歌词指导的唱片封面设计,为寻找灵感的艺术家提供了一种创意方法,并介绍了 MojimLyrics 数据集,该数据集是一个用于未来研究的中文热门歌曲歌词数据集。
Jan, 2023
SongNet 是一个基于 Transformer 的自回归语言模型,用于生成音乐歌词、十四行诗、宋词等格式严格的文本,相比于其他模型,在格式、韵律和句子完整性等方面都有较大改进。
Apr, 2020
生成诗歌或歌词涉及到几个创作因素,而其中一个具有挑战性的方面是对较严格的韵律和押韵模式的遵循。为了解决这一挑战,之前的工作主要集中在逆向语言建模上,我们提出了一种新的微调方法,通过将押韵的词语放在每个歌词的开头,使关键的押韵决策可以在模型承诺歌词内容之前进行,与常规的预训练语言模型的词序兼容。我们进行了广泛的实验,与当前最先进的押韵策略进行了比较,发现我们的方法生成的文本更可读,韵律能力更好。此外,我们提供了一个高质量的英文和其他 12 种语言的数据集,分析了该方法在多语言环境中的可行性,提供了大量实验结果,阐明了歌词生成的良好和不良实践,并提出了比较方法的度量标准。
May, 2024
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