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

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

本文介绍了一种基于文本的 LSTM（长短时记忆）网络的新方法，并讨论了其在自动音乐作曲方面的应用，研究表明采用基于词的 RNNs 对和弦进行学习的效果较好，该系统可用于完全自动的音乐创作或辅助人类通过调节模型的多样性参数来创作音乐。

Apr, 2016

本论文介绍了一种名为 LyricJam Sonic 的创新型音乐创作工具，采用双模式人工智能驱动方法，具可自主或现场演出的功能，能够帮助电子音乐家重新发掘他们以前的录音，并在实时中创作新的音乐作品。

Oct, 2022

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

本文对智能音乐生成技术进行了综合调查和分析，提出了关键讨论，明确了各自的特点，并通过表格进行了总结。我们首先介绍了如何将音乐作为信息流进行编码和相关数据集，然后比较了不同类型的生成算法，总结了它们的优点和缺点，并讨论了现有的评估方法。最后，研究了人工智能在音乐创作方面的发展，特别是比较了东西方音乐生成技术的不同特点并分析了该领域的发展前景。

Nov, 2022

利用循环神经网络，模拟学习了披头士音乐风格和音乐知识，能够在较小人为干预下生成类似披头士风格的音乐作品，并融合音乐理论知识提高音乐质量和结构，生成音乐样品经过专业人士的验证和主观音乐测试，发现其在音乐风格，专业质量和趣味性方面与原作较为接近。

Dec, 2018

该论文介绍了一种名为 MeloForm 的系统，该系统使用专家系统和神经网络生成带有音乐形式的旋律，并设计了一种基于 Transformer 的精细化模型来改善旋律，该系统可以在没有标注的音乐形式数据的情况下精确地控制音乐形式并生成丰富的旋律。

Aug, 2022

本研究探讨了应用循环神经网络识别音乐中传达的情感，旨在通过将音乐调整到适合听众的情感状态，增强音乐推荐系统并支持治疗干预。我们使用 Russell 的情感象限将音乐分类为四个不同的情感区域，并开发了能够准确预测这些类别的模型。我们的方法涉及使用 Librosa 提取全面的音频特征，并应用各种循环神经网络架构，包括标准 RNN，双向 RNN 和 LSTM 网络。初步实验使用包含 900 个已标记情感象限的音频片段数据集进行，我们将神经网络模型的性能与一组基准分类器进行比较，并分析其在捕捉音乐表达中固有的时间动态方面的有效性。结果表明，在较小的数据集中，较简单的 RNN 架构的表现可能与更复杂的模型相当甚至更优。我们还在较大的数据集上应用了以下实验：一是基于我们原始数据集进行的增强，另一是来自其他来源。这项研究不仅增进了我们对音乐情感影响的理解，还展示了神经网络在创建更个性化和情感共鸣的音乐推荐和治疗系统方面的潜力。

May, 2024

使用分层循环神经网络生成流行音乐，并在人类实验研究中表现出与谷歌最近的生成方法相比的效果优势，同时展示了基于该框架的神经舞蹈和卡拉 OK，以及神经故事唱法两种应用。

Nov, 2016