Feb, 2024

图灵与人工伙伴一同演奏钢琴

PDF
TL;DR音乐是一种固有的社交活动，设计人工合作伙伴以展现类似社交体验的进展有限。研究表明，采用生成模型的神经网络架构适合生成音乐谱，但社交音乐演奏涉及超越乐谱的要素，需要与其他音乐家的想法相补和正确掌握节奏。研究使用一个经过训练的变分自动编码器神经网络与人类伙伴进行定时的问答式钢琴合奏任务，参与者对演奏质量和身临其境的自我他人整合体验进行了评分。虽然最简单设计和最高相似性参数的人工伙伴并未在某些指标上得到与人类伙伴不同的评分，但整体而言，人工伙伴的评分低于人类伙伴，这表明实现社交人工智能需要交互复杂性而非生成复杂性。
musicsocial experiencegenerative modelshuman partnerssocial ai
发现论文，激发创造
  • 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

  • 利用 GPT-3 生成音乐解释

    本文研究了 GPT-3 在通过文本解释来表达音乐决策方面的能力，结果表明 GPT-3 缺乏理解音乐决策的必要智能，解决该问题的主要障碍是缺乏艺术家创作音乐时解释过程的数据资源。

    May, 2022

  • 利用 Transformer 网络重建钢琴演奏中的人类表现力

    本文提出了一种使用多层双向 Transformer 编码器重建钢琴演奏人类表现力的新方法，并使用现有的转录模型得到的转录乐谱来训练我们的模型，在此基础上通过控制采样过程中的钢琴家身份探索我们系统模拟不同钢琴家表现力差异的能力，在统计生成的表现力强的演奏和听力测试中对该系统进行评估，结果表明我们的方法实现了从转录分数生成类似于人类钢琴演奏的结果的最新技术水平，同时全面且一致地重建了人类的表现力，这进一步提出了挑战。

    Jun, 2023

  • 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

  • 与机器合作

    通过创新的信号生成和操作机制，结合最先进的机器学习算法，实现了计算机在人机互动博弈中与人类合作的能力，无需复杂的对手建模或心灵理论。

    Mar, 2017

  • 神经基础音乐生成的智能复制

    这篇研究论文探讨了使用深度学习系统从作曲家贝多芬学习并捕捉他的作曲能力，进而通过新颖的音乐生成方法推动音乐创作的一种新型知识数据库。

    Oct, 2023

  • 增强音乐创作者创造力的交互式旋律生成系统

    通过整合多个 RNN 模型，本研究提出了一个系统，旨在协同人类进行音乐创作，使创作过程更具多样性，通过根据反馈动态调整用户创意意图，系统增强了生成符合用户偏好和创意需求的旋律的能力，通过对具有不同背景的作曲家的实验验证了系统的有效性，进一步完善了音乐创作的可能性，突显了作曲家与人工智能的互动在使音乐创作更加个性化和易于接触方面的重要性，这个系统代表了将人工智能整合到创作过程中的一步，提供了一个新的音乐创作支持和协同艺术探索的工具。

    Mar, 2024

  • PerformanceNet: 多频段卷积残差网络得分转音频音乐生成

    提出了一个深度卷积模型，学习了乐谱和音频之间的符号表示之间的得分与音频之间的映射，通过用户研究发现，该模型在自然度和情感表现方面的平均意见分数高于 WaveNet 模型和两个商业声音库。

    Nov, 2018

  • 有感演奏的学习：学习表达音乐表演

    本文提出了基于 LSTM 递归神经网络的直接演奏音乐生成方法，同时预测音符的表现力、时间和动态变化，取得了良好的主观效果，并得到了专业作曲家和音乐家的反馈。

    Aug, 2018

  • 音乐的深度学习

    本研究尝试使用深度神经网络建立生成模型，以生成既有和声和旋律，并且足以通过人类作曲的音乐，并利用端到端学习和生成的方法。

    Jun, 2016