May, 2023

无监督旋律-歌词生成

HTML
PDF
TL;DR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。
发现论文，激发创造
  • 结合学习的歌词结构和词汇以提高歌词生成

    本文提出一种机制，将两个分别训练的语言模型结合起来，旨在生成符合期望歌曲结构的输出，同时提供丰富的词汇量，从而提高其创造力。

    Nov, 2018

  • 基于SeqGAN的旋律条件歌词生成

    本文提出了一种基于序列生成对抗网络（SeqGAN）的端到端旋律条件歌词生成系统，可以根据输入的旋律生成一行歌词，并对生成的主题或总体主题进行了探究，并证明输入条件不会对评估度量产生负面影响，同时可以产生更有意义的结果。

    Oct, 2020

  • SongMASS：基于预训练和对齐约束的自动作曲

    本文提出了 SongMASS 方法来解决自动生成歌曲时歌词到旋律生成和旋律到歌词生成所面临的限制问题，使用基于掩蔽序列到序列预训练和基于注意力的对齐建模，表现出明显优于基线方法的歌词和旋律生成质量。

    Dec, 2020

  • 创作的再创作：歌词转旋律生成的新范式

    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

  • 无监督的旋律引导歌词生成

    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

  • 可控歌词旋律生成

    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

  • LOAF-M2L: 歌词生成器的歌词和格式化的联合学习

    本文提出一种新的方法LOAF-M2L来生成旋律与歌词之间兼容的歌词，并引入音乐学研究中的信息来帮助模型学习旋律的细粒度格式要求，在主观评估中相对于现有最先进的旋律到歌词生成模型显示出63.92％和74.18％的相对改进。

    Jul, 2023

  • 通过微调语言模型实现以旋律为条件的歌词生成，并配合 ChatGPT 进行评估

    我们利用基于字符级的语言模型来从符号化旋律生成音节级歌词，通过对一个字符级预训练模型进行微调，将语言知识整合到音节级Transformer生成器的束搜索中。通过基于ChatGPT的评估，我们展示了生成歌词时的增强一致性和正确性。

    Oct, 2023

  • SongComposer: 歌曲生成中用于歌词和旋律创作的大型语言模型

    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

  • REFFLY: 曲调约束的歌词编辑模型

    本研究解决了自动生成与给定旋律相匹配的歌词的控制性不足、结构规范性及歌词与旋律的对齐问题。我们提出的REFFLY框架首次允许对原始文本草稿进行高质量歌词编辑，确保生成的歌词保留原意并与旋律相符。实验结果显示，REFFLY在歌词修订和歌曲翻译等多种任务中，相较于现有强基线模型，提升了25%的音乐性和文本质量。

    Aug, 2024