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
本文提出了一种可控的中文歌词生成和编辑系统 SongRewriter,使用随机化的多级掩码策略进行训练,包括新歌词生成和现有歌词片段编辑,加入关键词提示和新的解码约束,提高了词汇选择的控制性以及末韵和内韵方案的灵活性。同时,提出了三个新的歌词押韵评估度量标准,并通过自动和人工评估表明,该模型在内容和韵律质量方面优于现有模型。
Nov, 2022
本文提出了一种利用非文言文生成古典诗歌的新任务,并采用了无监督机器翻译的方法,在语义上给予用户更多控制权,通过基于分词的填充和强化学习等方法,取得了很好的实验效果,同时探索了如何提高生成诗歌的输入口诀,得到了高质量的诗歌生成。
Aug, 2019
本文提出了一种创新的两阶段诗歌生成方法,首先根据用户的写作意图规划诗歌的子主题,然后使用改进的循环神经网络编解码框架连续生成每行诗句,该规划方法可以确保生成的诗句具有连贯性和语义一致性,综合人工评价结果表明该方法优于现有诗歌生成方法,且诗歌质量与人类诗人相当。
Oct, 2016
使用增强记忆的神经网络模型在中国古诗文的生成中,通过将神经网络和增强内存结合使用,来平衡规则与美学,实现符合规范和有创意的诗歌生成,并提供了生成不同风格诗歌的灵活性。
May, 2017
本文提出了一种新的中文诗歌生成机制 ——Salient-Clue 机制,该机制从每一行中自动选择最显著的字符逐渐形成显著线索来指导接下来的诗歌生成过程,以消除中断和提高连贯性,并能够灵活地扩展到不同方面的诗歌控制,例如诗歌风格等,实验结果表明,此机制效果显著,胜过三个强基线。
Sep, 2018
本文介绍了一个名为 Deep Poetry 的中国古典诗歌生成系统,它使用神经网络进行训练,并可以接受多模态输入。该系统可接受普通文本、图像或艺术概念等输入来生成中国古典诗歌,并且允许用户参与诗歌创作过程。该系统部署在微信小程序平台上,用户可在移动设备中随时随地使用。
Nov, 2019
采用 RNN 编码器 - 解码器模型,基于序列 - 序列学习方法,以话题词为输入生成四行句(即汉语诗歌绝句),系统能学习单句语义及行与行之间的语义相关性,并利用结构、韵律和音调模式生成古诗,且无需任何限制性模板,实验结果表明我们的系统优于其他竞争系统,并发现注意力机制可以捕捉汉语古典诗歌中的词语联系,训练时颠倒目标行可以提高性能。
Apr, 2016
本文介绍了一种基于工作记忆模型的神经网络方法,用于自动生成中国诗歌,实验结果表明,该方法在诗歌的连贯性和表达自然性方面表现优异.
利用预训练语言模型生成高质量文言诗的简单有效方法。该方法采用 GPT 模型,生成各种形式的文言诗,包括绝句、律诗、词牌和对联。同时进行了微调并实现了生成藏头诗的方法。我们已在微信上发布了一个在线演示程序,以展示这种方法在生成文言诗方面的能力。