Harmonic Representations in Symbolic Music Transformers are Localized and Controllable
本研究以基于LLaMA的符号音乐Transformer Aria为对象,发现其谐波表示从中间层逐步局部化,可通过潜在方向操纵实现音乐生成的谐波控制,验证了模型内部谐波知识可用于控制输出。
2026-10-14 cs.LG cs.SD
Harmonica: Accurate and Lightweight Instrument-Agnostic Music Transcription
BandLab Technologies(BandLab科技公司)
本文提出基于多深度谐波卷积的乐器无关音乐转录模型Harmonica,不同规模变体在准确率或推理效率上表现优异,纳米变体帧F1值优于Basic Pitch,多深度谐波卷积可有效提升转录性能。
2026-09-07 cs.SD
Combining Genre Classification and Harmonic-Percussive Features with Diffusion Models for Music-Video Generation
Brunel University London(布鲁内尔伦敦大学)
本研究提出结合流派分类、谐波-打击乐特征与扩散模型的音乐视频生成方法,分图像生成和视频插值两阶段,引入AVS指标验证其视听同步效果优于线性插值,可应用于多领域视听创作。
2024-12-07 cs.GR cs.MM cs.SD
Can Machines Generate Personalized Music? A Hybrid Favorite-aware Method for User Preference Music Transfer
用户偏好音乐迁移(UPMT)是音乐风格迁移中的一个新问题,可以应用于许多场景,但仍然缺乏研究。
2022-01-21 cs.AI cs.SD eess.AS
Tonnetz-Driven Graph Wedgelet for Harmonic Complexity Reduction in Music Scores
University of Palermo(巴勒莫大学)
研究如何降低乐谱和声复杂性,提出基于二元楔块划分树的压缩方案,通过完全自适应贪婪算法在六维托内兹嵌入中生成楔块,经实验验证该方法能有效简化乐谱并保留关键信息。
2026-07-13 cs.NA cs.SD math.NA
Elastic overtones: an equal temperament 12 tone music system with "perfect" fifths
Instituto de Astronomía, Universidad Nacional Autónoma de México(墨西哥国立自治大学天文研究所);Department of Physics, Loyola University Chicago(芝加哥洛约拉大学物理系);School of Audio Engineering (SAE Institute Mexico)(音频工程学院(墨西哥SAE学院))
本文提出一种基于‘完美五度’的十二平均音音乐系统,通过调整谐波结构和八度定义,实现与纯律相似的音乐品质,同时保留十二平均音的灵活性和调制能力。
2026-01-12 cs.SD eess.AS physics.pop-ph
Semi-supervised music emotion recognition using noisy student training and harmonic pitch class profiles
我们提出了Mirable提交给2021年情感和主题音乐挑战。在这项工作中,我们打算解决的问题:我们可以利用半监督学习技术对音乐情感识别?有了这个,我们用带噪声的学生训练进行了实验,这提高了模型在图像分类领域的性能。由于嘈杂的学生方法需要一个强大的教师模型,我们进一步深入研究了包括(i)输入训练长度和(ii)互补音乐表示在内的因素,以进一步提高教师模型的性能。对于(i),我们发现用短输入长度训练的模型在PR-AUC中表现更好,而用长输入长度训练的模型在ROC-AUC中表现更好。对于(ii),我们发现,使用谐波音高类配置文件(HPCP)一贯提高标记性能,这表明谐波表示是有用的音乐情感标记。最后,我们发现,噪声学生的方法只提高了标记的结果的情况下,长的训练长度。此外,我们发现,用不同的训练长度训练的集合表示可以显着改善标记结果,这为将来的工作提供了一个可能的方向,可以探索在网络架构中引入多个时间分辨率。
2021-12-09 cs.LG cs.SD eess.AS
Structuring Concept Space with the Musical Circle of Fifths by Utilizing Music Grammar Based Activations
Tofara Moyo and Panashe Chiurunge (December 19, 2025)(Tofara Moyo 和 Panashe Chiurunge(2025年12月19日))
本文提出谐波环形码框架,通过音乐语法激活构建概念空间,实现抽象认知操作。
2025-12-30 cs.AI cs.SD eess.AS
Efficient Learning of Harmonic Priors for Pitch Detection in Polyphonic Music
Centre for Digital Music(数字音乐中心);Queen Mary University of London(伦敦玛丽女王大学)
自动音乐转录(AMT)的目的是推断一段音乐(钢琴卷)的潜在符号表示,给定相应的观察到的音频记录。复调音乐(当多个音符同时演奏时)是一个具有挑战性的问题,因为和声之间存在高度结构化的重叠。我们研究是否引入物理启发的高斯过程(GP)先验到音频内容分析模型,提高了AMT所需的模式的提取。音频信号被描述为源的线性组合。每个源被分解成一个振幅包络的产品,和一个准周期分量过程。我们介绍了Matérn频谱混合(MSM)内核描述单音符的频率内容。我们考虑两种不同的回归方法。在sigmoid模型中,每个音高激活都是独立的非线性变换。在softmax模型中,几个激活GP被联合非线性变换。这引入了激活之间的互相关。我们使用变分贝叶斯近似推理。我们经验性地评估了这些模型在复调音乐的转录实践中是如何工作的。我们证明,而不是鼓励激活之间的依赖关系,什么是相关的提高音高检测是学习先验,适合的声音事件的频率内容检测。
2018-11-16 cs.SD stat.ML
Machine learning and chord based feature engineering for genre prediction in popular Brazilian music
Maynooth University(梅努斯大学);Paraná Federal University(巴拉那联邦大学)
音乐类型很难描述:涉及许多因素,如风格,音乐技巧和历史背景。有些类型甚至有重叠的特征。为了更好地了解音乐类型与音乐和声结构的关系,我们收集了数千首巴西流行歌曲的音乐和弦数据。在这里,“流行”不仅指MPB(巴西流行音乐),而且指九种不同的音乐类型,这些音乐类型被认为是巴西特有的。本工作的主要目标是提取和工程师和谐相关的和弦数据的功能,并使用它来分类流行的巴西音乐流派建立和谐的关系和巴西流派之间的连接。我们还强调了获得数据的方法的一般化,允许复制和直接扩展这项工作。我们的最终模型是多个分类树的组合,也称为随机森林模型。我们发现,从谐波元素中提取的特征可以令人满意地预测巴西的音乐类型,以及从Spotify API中获得的特征。在这项工作中考虑的变量也给出了一个关于它们如何与体裁相关的直觉。
2019-02-08 cs.IR cs.LG cs.SD
Self-Supervised Disentanglement of Harmonic and Rhythmic Features in Music Audio Signals
AlphaTheta Corporation(AlphaTheta公司)
提出一种基于深度神经网络的自监督学习方法,通过训练变分自编码器在音高偏移条件下重建梅尔频谱图,实现音乐音频中节奏与谐波特征的解耦,并验证了其解耦效果及在自动音乐混音生成中的应用。
2023-09-06 cs.SD eess.AS
BandNet: A Neural Network-based, Multi-Instrument Beatles-Style MIDI Music Composition Machine
Snap Inc.(Snap公司);University of California, Berkeley(加州大学伯克利分校);University of California, Los Angeles(加州大学洛杉矶分校)
在本文中,我们提出了一种基于递归神经网络(RNN)的音乐创作机器,它能够从现有的披头士歌曲中学习音乐知识,并在几乎没有人为干预的情况下生成披头士风格的音乐。在学习阶段,一系列风格统一的多声道音乐样本由RNN建模。在作曲阶段,随机生成的音乐的短片段被用作RNN的种子,以开始乐谱预测。为了形成结构化音乐,来自不同种子的生成音乐片段被连接在一起。为了改善生成的音乐的质量和结构,我们将音乐理论知识集成到模型中,例如控制声乐旋律中的间隙间距,规范和弦变化的时间,并要求音符与歌曲的基调(例如C大调)相关。经过专业作曲家的验证,这种集成提高了所生成音乐的质量。我们还进行了主观听力测试,显示我们生成的音乐在风格相似性,专业质量和趣味性方面接近披头士的原创音乐。生成的音乐样本在https://goo.gl/uaLXoB上。
2018-12-18 cs.MM cs.SD eess.AS
Automatic estimation of harmonic tension by distributed representation of chords
Ars Electronica Linz GmbH & Co KG(林茨电子艺术有限公司);Johannes Kepler University(约翰内斯·开普勒大学)
紧张感的积累和释放是听音乐过程中最重要的方面之一。一个真实的计算模型感知音乐张力将是许多音乐信息学应用的重要组成部分。本文提出了一种新的方法来模拟谐波张力的基础上的分布式表示的弦。最初的假设是,人类听众所感知到的和声张力与当地和声环境中和声单元(和弦)的预期性有关。我们训练一个word2vec类型的神经网络来学习一个向量空间,该向量空间捕获上下文相似性和预期性,并在此基础上定义一个谐波张力的定量度量。为了评估模型的真实性,我们比较了一些定义明确的和弦类和节奏的背景下,从音乐心理学的相关实证研究的结果,其输出。统计分析表明,该模型的预测符合从人类听众获得的经验证据非常好。
2017-07-04 cs.IR cs.SD
The evolution of inharmonicity and noisiness in contemporary popular music
Sony(索尼)
该研究用修改后的MPEG - 7特征探索1961年以来流行音乐中不和谐度与噪声的演变,将其与其他音乐对比,引入新特征区分不同不和谐度来源,分析得出流行音乐史分三个阶段,还关联制作技术演变并举例说明。
2026-07-15 cs.SD eess.AS
Artificial Musical Intelligence: A Survey
The University of Texas at Austin(德克萨斯大学奥斯汀分校);SparkCognition Research(SparkCognition研究院)
自从20世纪50年代和60年代首次引入计算机以来,计算机一直被用于分析和创作音乐。从20世纪90年代末开始,互联网和大规模音乐推荐和检索平台的兴起使音乐成为机器学习和人工智能研究的一个日益流行的领域。虽然还处于萌芽阶段,但已经采用了几种不同的方法来解决广义上被称为“音乐智能”的问题。本文提供了音乐智能的定义,介绍了其组成部分的分类,并调查了广泛的人工智能方法,这些方法可以并且已经在其追求中发挥作用,特别强调机器学习方法。
2020-06-17 cs.AI cs.MM cs.SD
Chord-Conditioned Melody Harmonization with Controllable Harmonicity
Central Conservatory of Music(中央音乐学院);Tsinghua University(清华大学)
旋律的和谐一直与约翰·塞巴斯蒂安·巴赫的合唱密切相关。以前的作品很少强调合唱生成条件的和弦进行,并一直缺乏对辅助作曲工具的关注。在本文中,我们首先设计了一个音乐表示,编码和弦符号的和弦条件,然后提出DeepChoir,一个旋律协调系统,可以生成一个四部分的合唱为一个给定的旋律条件的和弦进行。通过可控的谐波,用户可以控制生成的合唱的谐波程度。实验结果表明,音乐表示的有效性和DeepChoir的可控性。
2023-02-22 cs.AI cs.SD eess.AS
Pitch Estimation With Mean Averaging Smoothed Product Spectrum And Musical Consonance Evaluation Using MASP
M. Y. Baskin(独立研究者)
本文提出MASP谱用于增强音高估计,并通过和声度测量评估音乐和声,揭示音高与和声感知的共同机制。
2025-11-20 cs.SD eess.AS
A Diagnostic Evaluation Framework for AI-Generated Cover Songs Using Music-Theoretic and Acoustic Features
Hangzhou Xiaoying Innovation Technology Co., Ltd. (Rythmix AI)(杭州小影创新科技有限公司(节奏混合人工智能))
研究人工智能生成翻唱歌曲的诊断评估,提出五维诊断框架,通过对30首翻唱歌曲分析发现和声进行和编排错误率高,各特征间关联有限,结果表明低级和符号摘要不能替代情境感知音乐判断。
2026-07-23 cs.SD
Imposing higher-level Structure in Polyphonic Music Generation using Convolutional Restricted Boltzmann Machines and Constraints
Austrian Research Institute for Artificial Intelligence(奥地利人工智能研究所);Johannes Kepler University(约翰内斯·开普勒大学)
我们介绍了一种方法,用于对生成的复调音乐施加更高层次的结构。一个卷积限制玻尔兹曼机(C-RBM)作为一个生成模型结合梯度下降约束优化,以提供进一步的控制生成过程。除其他事项外,这允许使用“模板”件,从其中可以提取一些结构属性,并将其作为约束转移到新生成的材料。抽样过程中进行了指导与模拟退火,以避免局部最优,并找到解决方案,既满足约束条件,相对于C-RBM是相对稳定的。结果表明,用这种方法,它是可能的,以控制更高层次的自相似性结构,米,以及所得到的音乐作品的音调属性,同时保持其本地音乐的连贯性。
2018-04-14 cs.AI cs.NE cs.SD
Teaching LLMs Music Theory with In-Context Learning and Chain-of-Thought Prompting: Pedagogical Strategies for Machines
Schulich School of Music, McGill University(麦吉尔大学舒立克音乐学院)
本研究通过上下文学习和思维链提示,评估ChatGPT、Claude和Gemini在RCM六级乐理考试中的表现,发现使用MEI编码并辅以上下文提示时Claude准确率达75%,为AI音乐教育提供策略参考。
2025-03-28 cs.AI cs.SD
Steering Autoregressive Music Generation with Recursive Feature Machines
University of California, San Diego(加利福尼亚大学圣迭戈分校)
本文提出MusicRFM框架,利用递归特征机实现对预训练音乐模型的细粒度可控生成,通过引导内部激活实现高质量音乐生成与提示忠实性平衡。
2026-04-02 cs.AI cs.LG cs.SD
Machine Composition of Korean Music via Topological Data Analysis and Artificial Neural Network
Pohang University of Science & Technology(浦项科技大学)
常见的基于人工神经网络的人工智能音乐作曲算法是通过输入大量音乐片段来训练机器,并创建能够产生与输入音乐数据相似的音乐的人工神经网络。这种方法是一种黑盒优化,也就是说,底层的合成算法通常不为用户所知。在本文中,我们提出了一种机器作曲的方式,训练机器的作曲原理嵌入在给定的音乐数据,而不是直接喂养的音乐作品。我们提出这种方法,通过使用的概念,{ \color{black}{Overlap} }矩阵提出的\cite{TPJ}。在\cite{TPJ}中,使用拓扑数据分析(TDA),特别是使用持久同源性,分析了一种类型的韩国音乐,所谓的{ \it Dodeuri}音乐,例如Suyeonjangjigok。由于原始音乐数据不适合于TDA分析,因此首先将音乐数据重构为图。图的节点被定义为由每个音符的音高和持续时间组成的二维向量。当两个节点连续出现在音乐流中时,会创建这些节点之间的边。距离是根据这种出现的频率来定义的。通过TDA的构造图,一个唯一的一组周期被发现为给定的音乐。在\cite{TPJ}中,已经提出了{ \it { \color{black}{Overlap} }矩阵}的新概念,其以矩阵形式可视化这些循环如何在音乐流上互连。在本文中,我们解释了如何使用{ \color{black}{Overlap} }矩阵的机器组成。{ \color{black}{Overlap} }矩阵使得有可能在算法…
2022-03-29 cs.LG cs.SD eess.AS
Music By Numbers
本文提出了一种定义调式的数学方法,导出了调式总数的计算公式,并将调式的音乐性定义为调式中和弦的总数。我们还给出了一个算法的旋律线给定的一个序列和一个模式的二重奏的建设。我们附上了利用素数序列和几种音乐模式获得的对位的.mus文件。
2011-03-03 cs.SD math.CO
Evolutionary modelling reveals melodic and harmonic constraints on global scale structure
Department of Physics, Ulsan National Institute of Science and Technology(物理系,乌山国立科学技术研究所);McMaster University(麦马斯特大学);University of Auckland(奥克兰大学);Keio University(庆应大学)
研究通过对96个国家1314种音阶建模,揭示旋律是全球尺度结构主要驱动因素,和声约束影响小,主要反映音乐学理论,纠正了以往认为和声起主要作用的观点。
2026-09-17 cs.SD eess.AS physics.soc-ph
Symbolic Music Data Version 1.0
CSIRO Data61(联邦科学与工业研究组织数据61研究所)
在本文中,我们介绍了一个新的数据集,旨在训练符号音乐数据的机器学习模型。提供了五个数据集,其中一个是来自新收集的20K MIDI文件的语料库。我们描述了我们的预处理和清理管道,其中包括排除一些文件的基础上,从以前开发的概率机器学习模型的分数。我们还定义了新数据集的训练,测试和验证分割,基于我们描述的聚类方案。包括一些简单的直方图。
2016-06-08 cs.AI cs.SD
M6: Multi-generator, Multi-domain, Multi-lingual and cultural, Multi-genres, Multi-instrument Machine-Generated Music Detection Databases
Imperial College London(帝国理工学院伦敦分校);Shandong University(山东大学)
M6数据库通过多维度涵盖多种生成器、领域、语言等,为机器生成音乐检测提供大规模基准数据,助力更高效的检测方法研发。
2026-02-13 cs.MM cs.SD eess.AS
Rage Music Classification and Analysis using K-Nearest Neighbour, Random Forest, Support Vector Machine, Convolutional Neural Networks, and Gradient Boosting
本研究使用多种机器学习算法对Rage音乐进行分类,比较不同方法并识别最优模型,同时分析关键音频特征及区分性声音趋势。
2024-08-20 cs.SD eess.AS
Efficient bandwidth extension of musical signals using a differentiable harmonic plus noise model
Nantes Université(南特大学);École Centrale Nantes(南特中央理工学院);CNRS(法国国家科学研究中心);LS2N(南特数字科学实验室)
本文提出基于可微数字信号处理(DDSP)的谐波加噪声模型,高效实现单声道与多声道音乐信号带宽扩展,在客观指标与MUSHRA听力测试中均优于高复杂度深度学习模型。
2023-11-27 cs.SD eess.AS
A Theory-Based Explainable Deep Learning Architecture for Music Emotion
Columbia Business School(哥伦比亚商学院);Yale School of Management(耶鲁管理学院)
本研究提出一种基于声学谐波理论的可解释CNN音乐情绪预测模型,性能优异且可解释性强,还验证了其在广告精准插放中提升参与度的应用价值。
2024-08-13 cs.AI cs.HC cs.SD
Flat Latent Manifolds for Human-machine Co-creation of Music
Volkswagen Group(大众集团);ArgoAI;St. Pölten University of Applied Sciences(圣帕尔滕应用科学大学);St Joost School of Art and Design(圣约斯特艺术与设计学院)
机器学习在艺术音乐生成中的使用导致了对艺术质量的有争议的讨论,对此,客观量化是无意义的。因此,我们将音乐生成算法视为人类音乐家的对应物,在这种情况下,相互作用将为音乐家和观众带来新的体验。为了获得这种行为,我们求助于循环变分自动编码器(VAE)的框架,并学习生成由人类音乐家播种的音乐。在学习模型中,我们通过在潜在空间中插值来生成新的音乐序列。然而,标准VAE并不保证其潜在表示中的任何形式的平滑性。这转化为所生成的音乐序列中的突然变化。为了克服这些限制,我们正则化解码器并赋予潜在空间平坦的黎曼流形,即,与欧几里得空间等距的流形。因此,在潜在空间中进行线性插值会产生逼真而平滑的音乐变化,适合我们所追求的机器-音乐家交互类型。我们通过一组音乐数据集上的实验为我们的方法提供了经验证据,并将我们的模型部署到与专业鼓手的交互式果酱会话中。现场表演提供了定性的证据,潜在的代表性可以直观地解释和利用鼓手驱动的相互作用。除了音乐应用之外,我们的方法还展示了以人为本的机器学习模型设计实例,由可解释性和与最终用户的交互驱动。
2022-08-10 cs.LG cs.SD eess.AS
Machine Learning Techniques in Automatic Music Transcription: A Systematic Survey
Auburn University(奥本大学)
本系统性综述梳理了自动音乐转录领域的机器学习技术,评估了各类系统的进展与局限,指出了当前与人类准确率的差距,提出了改进方向与研究路线图。
2024-06-20 cs.AI cs.LG cs.SD
COCOLA: Coherence-Oriented Contrastive Learning of Musical Audio Representations
Sapienza University of Rome(罗马智慧大学);Sony Europe B.V.(索尼欧洲有限公司)
本文提出 COCOLA 对比学习方法,利用分轨及 HPS 特征建模音乐片段间的和声与节奏连贯性,为音乐伴奏生成模型提供客观评估基准,并公开多数据集训练检查点。
2025-01-09 cs.LG cs.SD eess.AS
Assisted music creation with Flow Machines: towards new categories of new
Spotify(声田)
本章回顾了大约10年来在人工智能辅助音乐创作方面的研究,特别是在流动机器项目期间。我们反思这样一个项目的动机,它的背景,它的主要结果和影响,无论是技术和音乐,在它完成后的几年。最后,我们提出了一个新类别的建议,这些新类别是由人工智能技术的许多用途产生的新材料。
2021-01-04 cs.LG cs.SD eess.AS
Machine learning for music genre: multifaceted review and experimentation with audioset
UCLM(卡斯蒂利亚-拉曼恰大学)
音乐类型分类是音乐信息检索的一个分支,由于其存在的问题,越来越受到研究者的关注。虽然研究已经在出版的作品数量方面多产,但该主题仍然存在一个基础问题:没有明确和正式的定义是什么类型。音乐分类模糊不清,受人的主观性和缺乏一致性的影响。在第一部分,本文提供了一个调查,试图涵盖这个问题的许多不同方面。它的主要目标是让读者概述历史和当前的最新技术水平,探索迄今为止使用的技术和数据集,以及确定当前的挑战,例如体裁定义的模糊性或以人为本的方法的引入。本文特别关注机器学习应用于音乐标注问题的新趋势。最后,我们还包括一个音乐流派分类实验,使用Audioset比较不同的机器学习模型。
2019-11-28 cs.IR cs.LG cs.SD
Music Proofreading with RefinPaint: Where and How to Modify Compositions given Context
Sony Computer Science Laboratories(索尼计算机科学实验室)
提出迭代技术 RefinPaint,通过反馈模型识别音乐弱项并指导修复模型重采样,实现自动修复与校对,有效提升人机音乐创作质量。
2024-11-10 cs.AI cs.SD eess.AS
Improving Musical Instrument Classification with Advanced Machine Learning Techniques
Utrecht University(乌得勒支大学)
本研究针对音乐信息检索中的乐器分类问题,对比测试多种传统机器学习与深度学习方法在NSynth数据集上的分类效果,分析各方法优劣,并开展混合模型测试,为后续乐器分类系统研发提供参考与方向。
2024-11-01 cs.IR cs.LG cs.SD
Music Playlist Title Generation: A Machine-Translation Approach
KAIST(韩国科学技术院)
我们提出了一个机器翻译的方法来自动生成一个播放列表标题从一组音乐曲目。我们将曲目ID序列作为输入,将播放列表标题中的单词序列作为输出,基于递归神经网络(RNN)和Transformer的序列到序列框架适用于音乐数据。考虑到播放列表中的音乐曲目的无序性,我们提出了两种技术,删除输入序列的顺序。一种是通过混洗进行数据增强,另一种是删除位置编码。我们还重新组织现有的音乐播放列表数据集,以生成短语级播放列表标题。结果表明,Transformer模型的性能普遍优于RNN模型。此外,去除输入序列的顺序进一步提高了性能。
2021-10-03 cs.CL cs.LG cs.SD
Music Genre Classification using Machine Learning Techniques
University of Waterloo(滑铁卢大学)
在音乐信息检索(MIR)领域,根据音乐文件的类型对其进行分类是一项具有挑战性的任务。在这项研究中,我们比较了两类模型的性能。第一种是深度学习方法,其中端到端地训练CNN模型,以仅使用其频谱图来预测音频信号的流派标签。第二种方法利用来自时域和频域的手工制作的特征。我们用这些特征训练了四种传统的机器学习分类器,并比较了它们的性能。确定了对这种多类分类任务贡献最大的功能。音频集数据集上进行的实验,我们报告的AUC值为0.894的集成分类器,它结合了这两种方法。
2018-04-03 cs.SD eess.AS
Music Genre Classification: A Comparative Analysis of Classical Machine Learning and Deep Learning Approaches
Computer Science and Engineering(计算机科学与工程);University of Texas at Arlington(德克萨斯大学阿灵顿分校);Tribhuvan University, IOE(特里布文大学理工学院);Arlington, USA(美国阿灵顿);kathmandu(加德满都);Dharan(达尔汉)
本文通过构建包含8000个标注音频片段的新型数据集,比较了九种分类模型在两种范式下的性能,发现顺序卷积循环神经网络在Nepali音乐流派分类中达到84%的准确率。
2026-03-16 cs.AI cs.SD eess.AS
EDMFormer: Genre-Specific Self-Supervised Learning for Music Structure Segmentation
EDMFormer通过自监督学习和风格特定数据提升EDM音乐结构分割的准确性。
2026-03-08 cs.AI cs.SD
JamBot: Music Theory Aware Chord Based Generation of Polyphonic Music with LSTMs
Department of Information Technology and Electrical Engineering(信息技术与电气工程系);ETH Zürich(苏黎世联邦理工学院)
我们提出了一种新的方法来生成基于LSTM的复调音乐。我们用两个步骤来制作音乐。首先,和弦LSTM基于和弦嵌入预测和弦进行。然后,第二个LSTM从预测的和弦进行中生成复调音乐。生成的音乐听起来悦耳和谐,只有很少的不和谐音符。它具有清晰的长期结构,类似于音乐家在即兴演奏中演奏的音乐。我们表明,我们的方法是明智的,从音乐理论的角度来看,通过评估学习的和弦嵌入。令人惊讶的是,我们的简单模型设法从数据集中提取了五度圈,这是音乐理论中的一个重要工具。
2017-11-21 cs.AI cs.IT cs.LG
Musical composition and 2D cellular automata based on music intervals
本文探讨了基于音乐音程的二维细胞自动机在随机音符阵列中的应用,通过复杂系统和人文方法揭示音乐创作规则对生成有序音符模式的重要性。
2024-11-29 cs.CY cs.SD eess.AS
jazznet: A Dataset of Fundamental Piano Patterns for Music Audio Machine Learning Research
University of Arizona(亚利桑那大学)
本文介绍了jazznet数据集,一个基本的爵士钢琴音乐模式的数据集,用于开发音乐信息检索(MIR)中的机器学习(ML)算法。该数据集包含162520个标记的钢琴模式,包括和弦,琶音,音阶和和弦进行及其反转,产生超过26k小时的音频和95GB的总大小。本文解释了数据集的组成,创建和生成,并提出了一个开源的模式生成器,使用一种称为基于距离的模式结构(DBPS)的方法,该方法允许研究人员简单地通过定义音乐模式中音高之间的距离来轻松生成新的钢琴模式。我们证明,该数据集可以帮助研究人员使用卷积递归神经网络(CRNN)和深度卷积神经网络对具有挑战性的MIR任务的新模型进行基准测试。数据集和代码可通过https://github.com/tosiron/jazznet获得。
2023-02-17 cs.LG cs.SD eess.AS
Computational music analysis from first principles
Princeton University(普林斯顿大学);University of Michigan(密歇根大学);Santa Fe Institute(圣塔菲研究所)
本文用耦合隐马尔可夫模型自动标注 371 首巴赫众赞歌,在几乎不使用人工输入的情况下,和弦与调性识别准确率达到 85% 以上,为西方和声理论的客观性争论提供证据。
2024-07-30 cs.LG cs.SD eess.AS
Composing Music with Grammar Argumented Neural Networks and Note-Level Encoding
Sun Yat-sen University(中山大学);China University of Political Science and Law(中国政法大学);Institute of High Performance Computing(高性能计算研究所)
创造包括音乐在内的具有美感的艺术作品一直是人工智能研究的长期目标。尽管最近长短期记忆(LSTM)循环神经网络(RNN)在顺序学习中取得了成功,但LSTM神经网络本身还无法生成符合音乐理论的听起来自然的音乐。为了克服这一不足,我们提出了一种新的音乐创作方法,将LSTM与音乐理论激发的语法相结合。音乐理论的主要原则被编码为训练数据上的语法论证(GA)过滤器,使得机器可以被训练为生成音乐,该音乐继承来自原始数据集的人类创作作品的自然性,同时遵守音乐理论的规则。与以前的方法不同,音高和音长被编码为一个语义实体,我们称之为音符级编码。这允许轻松实现音乐理论语法,以及更接近模拟音乐家的思维模式。虽然GA规则应用于训练数据,但从未直接应用于LSTM音乐生成,但我们的机器仍然根据音乐理论创作出具有高自然音阶音符、小音高间隔和和弦发生率的音乐。
2016-12-07 cs.AI cs.LG cs.SD
Autotagging music with conditional restricted Boltzmann machines
Audience, Inc.(Audience公司);Université de Montréal(蒙特利尔大学);University of Toronto(多伦多大学)
本文介绍了两个应用程序的条件限制玻尔兹曼机(CRBM)的任务,自动标记音乐。第一种是训练CRBM,根据其他用户已经应用的标签来预测用户将应用于歌曲剪辑的标签。通过学习标签之间的关系,该模型能够预处理训练数据,以显着提高支持向量机(SVM)自动标注的性能。第二种是使用一种有区别的RBM(CRBM的一种)来自动标记音乐。通过同时利用标签之间以及标签与基于音频的特征之间的关系,该模型能够显著优于SVM,逻辑回归和多层感知器。为了应用于这个问题,判别RBM被推广到多标签设置和四个不同的学习算法,它进行了评估,第一次这样的深入分析,我们知道。
2011-03-15 cs.IR cs.LG cs.SD
DISCO-10M: A Large-Scale Music Dataset
ETH Zurich(苏黎世联邦理工学院)
针对现有音乐数据集规模小、可访问性差等问题,本文提出规模超此前最大数据集一个数量级的DISCO-10M数据集,经多阶段过滤保障质量并配套预计算CLAP嵌入,助力音乐机器学习研究。
2023-10-05 cs.LG cs.SD eess.AS
Generating Nontrivial Melodies for Music as a Service
U. of Illinois, Dept. of ECE(伊利诺伊大学电气与计算机工程系);U. of Illinois, Beckman Inst.(伊利诺伊大学贝克曼研究所)
我们提出了一个混合神经网络和基于规则的系统,产生流行音乐。由纯粹基于规则的系统产生的音乐通常听起来很机械。由机器学习产生的音乐听起来更好,但仍然缺乏分层的时间结构。我们通过用时间产生语法增强机器学习来恢复时间层次,该语法生成音乐的整体结构和和弦进行。一个兼容的旋律,然后产生的条件变分递归自动编码器。自动编码器使用来自10,000个MP3文件的语料库的八小节段进行训练,每个文件都有其旋律轨道和和弦进行识别。自动编码器将旋律映射到多维特征空间,由基础和弦进行调节。然后,通过将来自该空间的随机样本馈送到自动编码器的解码器来生成旋律,以及由语法生成的和弦进行。自动编码器可以在现有旋律上做出音乐上合理的变化,适合于重复出现的主题。它也可以重新协调旋律到一个新的和弦进行,保持节奏和轮廓。生成的音乐与其他为音乐即服务行业设计的学术和商业软件生成的音乐相比毫不逊色。
2017-10-06 cs.AI cs.SD eess.AS
H2H Music Improv: A Communication Model and Audio-Visual Dataset for Music Improvisation
Georgia Institute of Technology(佐治亚理工学院)
该研究针对现有AI即兴系统缺乏通信意识的问题,通过与专业即兴者协作推导通信模型,并构建首个自由即兴的H2H视听数据集,为AI音乐伙伴设计提供新资源。
2026-08-17 cs.MM cs.SD eess.AS
Harmonic-Percussive Source Separation with Deep Neural Networks and Phase Recovery
Tampere University of Technology(坦佩雷理工大学);Fraunhofer IDMT(弗劳恩霍夫数字媒体技术研究所)
和声/泛音声源分离(HPSS)是指在混合音乐中将音高乐器从泛音部分中分离出来。在本文中,我们建议将最近推出的掩蔽降噪与孪生网络(MaD TwinNet)系统应用于这项任务。MaD TwinNet是一种深度学习架构,在单声道歌唱声音分离方面达到了最先进的效果。在这里,我们建议将它应用到HPSS,通过使用它来估计的振幅谱的源。然后,我们检索的复值短时傅里叶变换的源的相位恢复算法,最大限度地减少重建误差,并强制执行的谐波部分的相位遵循正弦相位模型。对真实音乐混合进行的实验表明,这种新的分离系统优于以前的最先进的核添加剂模型方法。
2018-07-30 cs.SD eess.AS
Chord Recognition in Symbolic Music: A Segmental CRF Model, Segment-Level Features, and Comparative Evaluations on Classical and Popular Music
Ohio University(俄亥俄大学)
我们提出了一种新的方法来谐波分析,训练分段音乐到一个序列的和弦标签标记的和弦跨度。这种联合分割和标记方法被公式化为半马尔可夫条件随机场(semi-CRF),可以使用一组丰富的片段级特征,例如片段纯度和和弦覆盖,这些特征可以捕获整个片段中的事件的程度。音乐片段与候选和弦标签兼容。在三个古典音乐语料库和一个新创建的摇滚音乐语料库上对新的和弦识别模型进行了广泛的评估。实验结果表明,半CRF模型的性能大大优于以前的方法时,训练足够数量的标记的例子,并保持竞争力时,训练数据是有限的。
2018-10-26 cs.LG cs.SD eess.AS
Scalable Music Cover Retrieval Using Lyrics-Aligned Audio Embeddings
Deezer Research, Paris, France(DeepZoom研究机构,法国巴黎);EPFL, Lausanne, Switzerland(瑞士洛桑联邦理工学院)
LIVI通过利用歌词信息提升音乐封面检索的准确性和效率,减少对复杂模型的依赖。
2026-09-17 cs.IR cs.LG cs.SD
Harmonic Recomposition using Conditional Autoregressive Modeling
Montréal Institute for Learning Algorithms (MILA)(蒙特利尔学习算法研究所);Université de Montréal(蒙特利尔大学)
我们展示了一个有条件的自回归管道,有效的音乐重组,根据范登奥德等人提出的方法。(2017年)。重组(Casal & Casey,2010年)专注于改造现有的音乐作品,坚持高层次的结构,同时也重新想象工作的其他方面。这可能涉及到对原有主题或部分的重用,同时还需要灵活地以不同的粒度级别生成新内容。应用上述建模管道重组,我们表现出多样化和结构化的生成条件和弦序列注释。
2018-11-18 cs.LG cs.SD eess.AS
An Information-theoretic Approach to Machine-oriented Music Summarization
Instituto Superior Técnico, Universidade de Lisboa(里斯本大学高等技术学院);INESC-ID Lisboa(里斯本INESC-ID研究所);Instituto Universitário de Lisboa (ISCTE-IUL)(里斯本大学学院)
音乐摘要允许更高的处理、存储和数据集共享效率。面向机器的方法,对人类消费不可知,进一步优化了这些方面。这种摘要已在一些和平、恢复和重建任务中得到成功验证。现在,我们概括了以前的结论,从概率的角度来评估音乐的通用摘要的影响。我们估计高斯分布的原始和总结的歌曲,并计算它们的相对熵,以衡量信息损失的摘要。我们的研究结果表明,相对熵是一个很好的预测摘要性能的任务依赖于袋的功能模型的上下文中。基于这一观察,我们进一步提出了一个简单而富有表现力的摘要器,它最大限度地减少了相对于原始歌曲的相对熵,客观上优于以前的方法,更适合于避免潜在的版权问题。
2018-09-21 cs.IR cs.LG cs.SD