Zhipu AI（智谱）

Modeling Music as a Time-Frequency Image: A 2D Tokenizer for Music Generation

将音乐建模为时频图像：一种用于音乐生成的2D分词器

Yuqing Cheng, Xingyu Ma, Guochen Yu, Xiaotao Gu

机构 * Department of Music AI and Information Technology, Central Conservatory of Music（音乐人工智能与信息技术系，中央音乐学院） ； Zhipu AI（智谱AI） 纠错

AI总结 本文提出BandTok，一种面向生成的2D梅尔频谱分词器，通过单个共享码本生成梅尔频带token，提升自回归建模能力，实验表明其在数据有限情况下表现优异。