LOAF-M2L: 歌词生成器的歌词和格式化的联合学习
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
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
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
本文提出了一种新颖的编码器 - 解码器框架 ——Lyrics-Melody Translation with Adaptive Grouping (LTAG),通过自适应音符分组模块,可以同时翻译源歌词并确定每个解码步骤中对齐音符的数量,通过注释数据和后翻译使用大量的增广数据,实现了自动歌曲翻译的完整解决方案,并在英汉歌曲翻译数据集上进行实验,结果表明模型在自动和人类评估中均有效。
Mar, 2023
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
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
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
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