BEAT: Tokenizing and Generating Symbolic Music by Uniform Temporal Steps
South China University of Technology(南方科技大学);National University of Singapore(新加坡国立大学);Mohamed bin Zayed University of Artificial Intelligence(莫扎德·本·扎耶德人工智能大学);New York University(纽约大学)
提出一种以均匀节拍为基本单元的分词方法,将同一时间步内相同音高的所有事件编码为一个令牌,并在音乐续写和伴奏生成任务中验证其相比传统事件基方法能提升音乐质量和结构连贯性。
2026-06-01 cs.AI cs.SD
Frechet Music Distance: A Metric For Generative Symbolic Music Evaluation
Institute of Computer Science, Warsaw University of Technology(华沙理工大学计算机科学学院)
提出受 FID 与 FAD 启发的 Frechet Music Distance,通过参考与生成符号音乐嵌入分布间的距离评估生成质量,并在多数据集和模型上验证其有效性。
2025-01-16 cs.AI cs.MM cs.SD
Mamba-Diffusion Model with Learnable Wavelet for Controllable Symbolic Music Generation
Centre for Digital Music Queen Mary University of London(数字音乐中心 威廉玛丽大学伦敦分校)
本文提出一种融合Transformer-Mamba模块与可学习小波变换的扩散模型,将符号音乐表示为钢琴卷帘图像,并通过无分类器引导实现目标和弦可控的符号音乐生成,在质量和可控性上优于强基线。
2025-05-06 cs.AI cs.SD eess.AS
BeatEdit: Symbolic Music Generation as Explicit Editing
School of Future Technology South China University of Technology Guangzhou China(未来技术学院 华南理工大学 广州 中国);South China University of Technology(华南理工大学);Nanjing University(南京大学)
研究针对符号音乐生成中缺乏选择性修改支持的问题,提出BeatEdit框架,基于BEAT编码,含三种互补机制,共享单一编码和预训练主干,在多项任务中精度和质量更高且高效,揭示编码设计对编辑有效性有重要影响。
2026-10-16 cs.AI cs.SD
Composer Vector: Style-steering Symbolic Music Generation in a Latent Space
University of California, San Diego(加州大学圣迭戈分校)
本文提出Composer Vector,一种在模型潜在空间中直接控制作曲风格的推理方法,无需重新训练,通过连续控制系数实现流畅可解释的风格引导,并实现多种风格的无缝融合。
2026-04-03 cs.AI cs.SD
Do Language Models Need Music Supervision? Verifiable Rewards for Multi-Constraint Symbolic Music Generation
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Shenzhen Future Network of Intelligence Institute (FNii-Shenzhen)(深圳市未来智联网络研究院)
针对约束跟随音乐生成,提出MusicRLVR方法,利用验证器提供分级奖励,在MusicConstraintBench上显著提升模型性能,并泛化至未见组合。
2026-10-14 cs.AI cs.SD
Anchored Cyclic Generation: A Novel Paradigm for Long-Sequence Symbolic Music Generation
South China University of Technology, School of Future Technology(华南理工大学未来技术学院)
本文提出锚定循环生成范式,通过已识别音乐的锚点特征指导自回归生成,减少误差累积,提升长序列符号音乐生成的质量与结构完整性。
2026-04-07 cs.AI cs.SD
NotaGen: Advancing Musicality in Symbolic Music Generation with Large Language Model Training Paradigms
Central Conservatory of Music(中央音乐学院);University of Rochester(罗切斯特大学);Beijing Flowingtech Ltd.(北京流音科技有限公司);Beihang University(北京航空航天大学);Tsinghua University(清华大学)
本研究提出符号音乐生成模型NotaGen,采用LLM预训练、微调及CLaMP-DPO强化学习范式,在大量乐谱数据训练下提升生成质量与可控性,主观测试显示其优于基线模型,推动符号音乐生成的音乐美学发展。
2025-03-21 cs.AI cs.SD eess.AS
Fast Diffusion-GAN Model for Generating Symbolic Music with Emotions
Queen Mary University of London(伦敦玛丽女王大学)
本文提出结合生成对抗网络的扩散模型,通过变分自编码器嵌入训练,实现了情感可控的符号音乐生成,并将采样去噪步骤降至4步,大幅降低计算成本。
2026-10-14 cs.AI cs.SD eess.AS
XMusic: Towards a Generalized and Controllable Symbolic Music Generation Framework
Tencent(腾讯)
针对AI生成音乐质量不足、情感控制难的问题,本文提出通用可控的符号音乐生成框架XMusic,搭配大规模标注数据集XMIDI,经评估显著优于现有最优方法,还获WAIC 2023相关奖项。
2025-01-15 cs.AI cs.SD eess.AS
Symbotunes: unified hub for symbolic music generative models
Warsaw University of Technology(华沙理工大学)
针对符号音乐生成模型实现差异大、难以比较和上手的问题,本文推出开源统一中心 Symbotunes,提供多种知名方法的现代 Python 实现及统一的训练与生成流水线。
2024-10-27 cs.AI cs.LG cs.SD
Composer Style-specific Symbolic Music Generation Using Vector Quantized Discrete Diffusion Models
Queen Mary University of London(伦敦玛丽女王大学);Centre for Digital Music(数字音乐中心)
本文提出结合VQ-VAE与离散扩散模型生成目标作曲家风格的符号音乐,将音乐编码为码本索引序列并在离散潜在空间中建模,实验达到72.36%的风格符合准确率。
2024-09-03 cs.AI cs.SD eess.AS
A Domain-Knowledge-Inspired Music Embedding Space and a Novel Attention Mechanism for Symbolic Music Modeling
Singapore University of Technology and Design(新加坡科技设计大学)
针对现有符号音乐建模忽略相对音乐属性的问题,提出兼具绝对与相对属性表征的基础音乐嵌入FME,及结合领域知识的RIPO注意力机制,在旋律补全与生成任务上性能优于现有最优Transformer模型,解决了生成退化问题。
2022-12-02 cs.AI cs.SD eess.AS
musicaiz: A Python Library for Symbolic Music Generation, Analysis and Visualization
University of Zaragoza(萨拉戈萨大学)
在这篇文章中,我们提出了musicaiz,一个面向对象的图书馆分析,生成和评估符号音乐。该软件包的子模块允许用户从头开始创建符号音乐数据,构建分析符号音乐的算法,将符号数据编码为令牌以训练深度学习序列模型,修改现有音乐数据并评估音乐生成系统。评估子模块建立在以前的工作,客观地衡量音乐生成系统,并能够重现音乐生成模型的结果。图书馆在网上公开。我们鼓励社区作出贡献并提供反馈。
2022-09-16 cs.MM cs.SD eess.AS
Sori: Streamable and Controllable Model for Non-musical Audio to Symbolic Music Transformation
Seoul National University(首尔大学)
本研究提出NASMT任务,构建Sori模型,结合DAT与带γ的CFG实现非音乐音频到符号化音乐的可控转换,支持实时流式处理且性能优于相关模型。
2026-10-14 cs.SD
PianoBART: Symbolic Piano Music Generation and Understanding with Large-Scale Pre-Training
School of Computer Science and Engineering, Sun Yat-sen University(中山大学计算机科学与工程学院)
针对现有方法无法统一利用特征同时完成音乐生成与理解的问题,本文提出预训练模型PianoBART,搭配多级对象选择策略,在音乐生成和理解任务上均取得优异表现。
2024-06-26 cs.AI cs.SD eess.AS
Symbolic Music Structure Analysis with Graph Representations and Changepoint Detection Methods
University of Zaragoza(萨拉戈萨大学)
音乐结构分析是音乐信息检索中的一个开放性研究课题。过去,已经有一些作品试图将音乐分割到音频和符号领域,但不同层次的音乐结构的识别和分割仍然是该领域的一个开放研究问题。在这项工作中,我们提出了三种方法,其中两种是新的基于图形的算法,旨在分割其形式或结构的符号音乐:规范,G-PELT和G-窗口。我们用两个具有不同形式或结构的公共数据集进行了消融研究,以比较这些方法的参数值,并比较不同音乐风格的性能。我们发现,用图表示的符号音乐编码和计算从图中获得的邻接矩阵的新颖性很好地表示了符号音乐作品的结构,而不需要从中提取特征。我们能够用在线无监督的变化点检测方法检测边界,F_在我们用于测试我们的方法的一个公共数据集中,1 bar公差为0.5640。我们还提供了在不同层次的结构,高,中,低的算法的性能结果,以显示所提出的方法的参数必须根据水平进行调整。我们将性能最好的方法及其每个结构级别的参数添加到musicaiz(一个开源python包)中,以促进这项工作的可重复性和可用性。我们希望这种方法可以用来改善其他MIR任务,如音乐生成与结构,音乐分类或关键变化检测。
2023-03-24 cs.AI cs.SD eess.AS
Natural Language Processing Methods for Symbolic Music Generation and Information Retrieval: a Survey
Univ. Lille(里尔大学);CNRS(法国国家科学研究中心);Inria(法国国家信息与自动化研究所);Centrale Lille(里尔中央理工学院);Univ. Bordeaux(波尔多大学);Bordeaux INP(波尔多综合理工学院);Singapore University of Technology and Design(新加坡科技设计大学)
本综述梳理了应用于符号音乐生成与信息检索的NLP方法,涵盖符号音乐表示、适配的深度学习模型及专用机制,并讨论了技术问题与文本音乐差异,为后续适配研究指明方向。
2024-02-27 cs.AI cs.IR cs.SD
Explicit Tonal Tension Conditioning via Dual-Level Beam Search for Symbolic Music Generation
Artificial Intelligence Lab, Otto-von-Guericke-University, Magdeburg, Germany(奥托·冯·格里克大学人工智能实验室);University of Porto, Faculty of Engineering and INESC TEC(波尔图大学工程学院)
本文提出通过双层束搜索实现显式调性张力条件化,以生成高质量的符号音乐。
2025-11-24 cs.AI cs.SD
Discrete Diffusion Probabilistic Models for Symbolic Music Generation
Johannes Kepler University Linz(林茨约翰内斯·开普勒大学);Linz Institute of Technology(林茨技术研究所)
本研究首次将离散扩散概率模型(D3PM)应用于复调符号音乐生成,实现了最先进的样本质量与音符级灵活填充,支持事后分类器引导,并批判性指出了现有统计评估指标的缺陷。
2023-05-16 cs.AI cs.SD eess.AS
Large Language Models' Internal Perception of Symbolic Music
本文通过让LLM从文本提示生成MIDI数据集并训练神经网络进行分类与旋律补全,揭示LLM能隐式编码基本音乐结构,同时指出其因缺乏显式音乐语境而存在局限。
2025-07-17 cs.AI cs.CL cs.LG
Versatile Symbolic Music-for-Music Modeling via Function Alignment
本文提出音乐到音乐建模范式,用预训练LM与轻量适配器对齐参考和目标符号音乐序列,在和弦识别、旋律及鼓轨生成上取得优异性能。
2025-09-28 cs.SD
Pitchclass2vec: Symbolic Music Structure Segmentation with Chord Embeddings
University of Bologna(博洛尼亚大学)
结构知觉是人类音乐认知的一个基本方面。从历史上看,音乐的结构层次组织作为一种叙事手段,用于传达意义,创造期望,唤起听众的情感。因此,音乐结构在音乐创作中起着至关重要的作用,因为它们塑造了作曲家组织思想的音乐话语。在本文中,我们提出了一种新的音乐分割方法,pitchclass2vec,基于符号和弦注释,这是嵌入到连续矢量表示使用自然语言处理技术和定制的编码。我们的算法基于长短期记忆(LSTM)神经网络,并且优于该领域中基于符号和弦注释的最先进技术。
2023-03-24 cs.AI cs.LG cs.SD
GraphMuse: A Library for Symbolic Music Graph Processing
Institute of Computational Perception, Johannes Kepler University Linz(约翰内斯·开普勒林茨大学计算感知研究所);LIT AI Lab, Linz Institute of Technology(林茨理工学院LIT人工智能实验室)
GraphMuse是一个符号音乐图处理框架和库,通过新的邻居采样技术和分层建模增强GNN在音乐任务中的性能,在音高拼写和终止式检测上显著优于先前方法。
2024-07-17 cs.AI cs.DL cs.SD
MuseTok: Symbolic Music Tokenization for Generation and Semantic Understanding
University of California San Diego, USA(加州大学圣地亚哥分校)
提出符号音乐分词方法 MuseTok,通过 Transformer 编解码器与 RQ-VAE 生成兼顾高保真重建和音乐理论理解的编码,并在生成及旋律、和弦、情感等理解任务上验证优势。
2025-10-18 cs.AI cs.SD eess.AS
MidiNet: A Convolutional Generative Adversarial Network for Symbolic-domain Music Generation
Research Center for IT innovation, Academia Sinica(中央研究院信息技术创新研究中心)
大多数现有的用于音乐生成的神经网络模型使用递归神经网络。不过,DeepMind最近提出的WaveNet模型表明,卷积神经网络(CNN)也可以在音频域生成逼真的音乐波形。根据这一点,我们研究使用CNN在符号域中一个接一个地生成旋律(一系列音符)。除了生成器之外,我们还使用了一个学习器来学习旋律的分布,使其成为一个生成对抗网络(GAN)。此外,我们提出了一种新的条件机制,利用现有的先验知识,使模型可以生成旋律从头开始,通过以下和弦序列,或通过调节以前的酒吧的旋律(例如启动旋律),以及其他可能性。由此产生的模型名为MidiNet,可以扩展为生成具有多个音频通道(即曲目)的音乐。我们进行了一项用户研究,以比较MidiNet和Google的MelodyRNN模型生成的八小节长旋律,每次使用相同的启动旋律。结果表明,MidiNet与MelodyRNN模型在真实和悦耳方面表现出色,但据报道,MidiNet的旋律更有趣。
2017-07-18 cs.AI cs.SD
Let the Model Learn to Feel: Mode-Guided Tonality Injection for Symbolic Music Emotion Recognition
本文提出模式引导的音调注入方法,通过引入心理模式见解提升符号音乐情感识别的准确率。
2025-12-15 cs.AI cs.MM cs.SD
SAGE-Music: Low-Latency Symbolic Music Generation via Attribute-Specialized Key-Value Head Sharing
针对现有符号音乐生成模型推理速度与质量难以兼得的问题,本文提出属性专用键值头共享(AS-KVHS)方法,实现约30%推理加速且质量几乎无损,并发布开源基准SAGE-Music。
2025-10-15 cs.AI cs.LG cs.SD
MusicBERT: Symbolic Music Understanding with Large-Scale Pre-Training
Microsoft Research Asia(微软亚洲研究院)
符号音乐理解,指的是从符号数据中理解音乐(例如,格式,但不是音频),涵盖了许多音乐应用,如流派分类,情感分类和音乐片段匹配。虽然好的音乐表示对这些应用是有益的,但缺乏训练数据阻碍了表示学习。受自然语言处理中预训练模型成功的启发,本文开发了一个用于音乐理解的大规模预训练模型MusicBERT。为此,我们构建了一个大规模的符号音乐语料库,包含超过100万首音乐歌曲。由于象征性音乐包含更多的结构(例如,条、位置)和各种信息(例如,节奏,乐器和音高),简单地采用从NLP到符号音乐的预训练技术只能带来边际收益。因此,我们设计了几种机制,包括八进制编码和小节级掩蔽策略,以增强符号音乐数据的预训练。实验证明了MusicBERT在四个音乐理解任务上的优势,包括旋律完成,伴奏建议,流派分类和风格分类。消融研究也验证了我们设计的八进制编码和酒吧级掩蔽策略在MusicBERT的有效性。
2021-06-10 cs.CL cs.IR cs.MM
Decomposer: Learning to Decompile Symbolic Music to Programs
Carnegie Mellon University(卡内基梅隆大学)
提出Decomposer框架,通过两阶段方法(合成数据微调+强化学习优化)将符号音乐反编译为可读、可编辑的程序,在MIDI重建保真度和代码可读性上优于基线。
2026-07-03 cs.AI cs.LG cs.SD
Multi-view MidiVAE: Fusing Track- and Bar-view Representations for Long Multi-track Symbolic Music Generation
Tsinghua University(清华大学);Huawei Technologies Co., Ltd.(华为技术有限公司);Skywork AI PTE. LTD.(昆仑万维人工智能(Skywork AI));The Chinese University of Hong Kong(香港中文大学)
针对长多轨符号音乐生成中特征序列过长和上下文不连贯问题,提出Multi-view MidiVAE,利用OctupleMIDI二维表示并融合轨视图与小节视图特征,在CocoChorales上显著提升建模效果。
2024-01-15 cs.AI cs.SD eess.AS
ARIMA: Reconstruction-Grounded Predictive Representation Learning for Symbolic Music
本文提出ARIMA框架,用于符号音乐的基于重构的预测表示学习。它直接从数据学习紧凑窗口表示,编码窗口为潜在表示,训练因果预测器并通过结构化重构确定编码器基础,在多下游任务表现良好,证明相关方法的有效性和重要性。
2026-07-14 cs.SD
Symbolic Music Playing Techniques Generation as a Tagging Problem
Beijing University of Posts and Telecommunications(北京邮电大学)
音乐生成一直是一个热门话题。在讨论象征性音乐时,旋律或和声通常被视为唯一的生成目标。但实际上,演奏技巧也是音乐的一个相当重要的部分。在本文中,我们讨论的演奏技巧生成问题,将其视为一个标记问题。我们提出了一个模型,可以使用当前的数据和外部知识。将该模型应用于中国竹笛乐曲的实验结果表明,该方法能使生成的乐曲更加生动活泼。
2020-10-13 cs.SD eess.AS
From Prediction to Collaboration: Interactive Symbolic Music Analysis
针对自动符号音乐分析系统单一模式问题,提出统一框架,结合预训练表示在准确性与交互响应性间权衡,支持多种分析操作,实验验证其有效性,为音乐分析交互式工具奠定基础。
2026-07-16 cs.AI cs.SD
PhraseVAE and PhraseLDM: Latent Diffusion for Full-Song Multitrack Symbolic Music Generation
PhraseVAE 和 PhraseLDM 提出了一种用于全曲多轨符号音乐生成的潜在扩散框架,通过短语级潜在表示实现高效生成和长序列建模。
2025-12-16 cs.SD
Amadeus: Autoregressive Model with Bidirectional Attribute Modelling for Symbolic Music
本文提出符号音乐生成框架 Amadeus,以自回归音符序列模型结合双向离散扩散属性建模,并通过 MLSDES 与 CIEM 提升表示和解码,在生成质量、速度及细粒度属性控制上优于现有方法。
2025-08-28 cs.AI cs.MM cs.SD
MuSpike: A Benchmark and Evaluation Framework for Symbolic Music Generation with Spiking Neural Networks
MuSpike提出首个面向脉冲神经网络符号音乐生成的统一基准与评估框架,系统评估五种SNN架构在五个数据集上的表现,并结合客观指标与大规模主观听感研究,揭示主客观评估不一致等问题。
2025-08-08 cs.AI cs.SD eess.AS
WildScore: Benchmarking MLLMs in-the-Wild Symbolic Music Reasoning
University of California, San Diego(加州大学圣地亚哥分校)
WildScore是首个用于评估多模态大语言模型在现实世界中符号音乐推理能力的基准测试,通过真实音乐作品和用户生成问题,系统性评估模型在音乐学分析中的表现。
2026-01-23 cs.CL cs.SD eess.AS
Generating High-quality Symbolic Music Using Fine-grained Discriminators
Hangzhou Dianzi University(杭州电子科技大学);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);Xi’an Jiaotong University(西安交通大学);Hangzhou Innovation Institute, Beihang University(北京航空航天大学杭州创新研究院);Macquarie University(麦考瑞大学)
本文提出将旋律与节奏解耦,并设计配备音高增强和小节级相对位置编码的细粒度判别器,以提升符号音乐生成质量,在POP909上验证了其有效性。
2024-08-03 cs.AI cs.SD eess.AS
PerceiverS: A Multi-Scale Perceiver with Effective Segmentation for Long-Term Expressive Symbolic Music Generation
Auckland University of Technology(奥克兰技术大学);University of Tasmania(塔斯马尼亚大学)
PerceiverS通过有效分割与多尺度注意力机制,同时建模长期结构与短期表现细节,在Maestro数据集上提升了符号音乐生成的连贯性与多样性。
2025-09-22 cs.AI cs.MM cs.SD
Unsupervised Symbolic Music Segmentation using Ensemble Temporal Prediction Errors
Hebrew University of Jerusalem(希伯来大学)
象征性音乐分割是将象征性旋律划分为更小的有意义的组的过程,例如旋律短语。提出了一种无监督的符号音乐切分方法。所提出的模型是基于一个合奏的时间预测误差模型。在训练过程中,每个模型预测下一个标记以识别音乐短语的变化。而在测试时,我们执行一个峰值检测算法来选择候选段。最后,我们汇总参与集成的每个模型的预测,以预测最终的分割。结果表明,该方法达到了最先进的性能在埃森民歌数据集的无监督设置时,考虑F分数和R值。我们还提供了一项消融研究,以更好地评估每个模型组件对最终结果的贡献。正如预期的那样,所提出的方法不如监督设置,这为未来的研究留下了改进的空间,考虑缩小无监督和监督方法之间的差距。
2022-07-02 cs.AI cs.LG cs.SD
Modelling Symbolic Music: Beyond the Piano Roll
CSIRO Data61(联邦科学与工业研究组织数据61研究所)
在本文中,我们考虑的问题,概率建模的符号音乐数据。我们介绍了一种表示,减少复调音乐的一个单变量的分类序列。通过这种方式,我们能够应用最先进的自然语言处理技术,即长短期记忆序列模型。我们采用的表示允许任意的节奏结构,我们假设是给定的。我们表明,我们的模型是有效的四出四个基于钢琴卷基准数据集。我们进一步改进我们的模型,通过增加我们的训练数据集与所有音乐键的原始作品的换位,从而令人信服地推进这些基准问题的最先进的。我们还适合模型的音乐,这是不受约束的节奏结构,讨论了这个模型的属性,并提供音乐样本,这是比以前更复杂的这类递归神经网络序列模型。我们还提供了新预处理的非钢琴滚动音乐数据集。
2016-06-04 cs.SD
Diff-Symbo: Text-Controlled Long-Duration Symbolic Music Generation Using Autoregressive Latent Diffusion Model
Diff-Symbo借助LDM与自回归方法,结合含19345个文本模板的数据集,实现了文本控制的长时长高质量符号音乐生成,在多项指标上优于基线模型。
2026-08-07 cs.SD eess.AS
Text2midi-InferAlign: Improving Symbolic Music Generation with Inference-Time Alignment
Singapore University of Technology and Design(新加坡科技设计大学)
本研究提出Text2midi-InferAlign推理时对齐技术,通过优化文本-音频节奏对齐与调式和声一致性目标,无需额外训练即可提升自回归符号音乐生成模型的文本匹配度与质量,在Text2midi模型上的主客观评估均获显著提升。
2025-05-19 cs.AI cs.MM cs.SD
MuseBarControl: Enhancing Fine-Grained Control in Symbolic Music Generation through Pre-Training and Counterfactual Loss
School of Computer Science, The University of Adelaide(阿德莱德大学计算机学院)
MuseBarControl通过设计控制信号与音乐token关联的预训练任务和反事实损失,解决了符号音乐生成中小节级细粒度控制难题,相比传统方法提升13.06%且不损失音乐质量。
2024-07-05 cs.AI cs.SD eess.AS
CSyMR: Benchmarking Compositional Music Information Retrieval in Symbolic Music Reasoning
University of California, San Diego(加州大学圣地亚哥分校)
CSyMR-Bench通过工具增强的检索和推理框架,在符号音乐推理中实现组合音乐信息检索的准确率提升。
2026-02-27 cs.AI cs.CL cs.LG
Diffusion-based Symbolic Music Generation with Structured State Space Models
SMDIM通过结合结构状态空间模型和Mamba-FeedForward-Attention块,实现了高效的符号音乐生成,兼顾可扩展性和音乐表现力。
2026-03-03 cs.SD
Retrieval Augmented Generation of Symbolic Music with LLMs
KTH Royal Institute of Technology(瑞典皇家理工学院)
本研究探索利用大语言模型结合检索系统进行符号音乐生成,在与用户对话中取得初步良好效果,且系统易于实现,代码已公开。
2023-12-28 cs.SD eess.AS
Whole-Piece Training for Symbolic Music Language Models via Full-Horizon Compressed Recurrence
Auckland University of Technology, Auckland, New Zealand(奥克兰理工大学);University of Tasmania, Tasmania, Australia(塔斯马尼亚大学)
本研究提出双尺度DSMR模型,通过递归注意机制和预算约束实现高效完整乐谱符号建模,实现更低内存占用和更高吞吐量。
2026-08-20 cs.AI cs.LG cs.SD
Symbolic Music Loop Generation with VQ-VAE
LG AI Research(LG人工智能研究院)
音乐是模式和节奏的重复。它可以通过以结构化的方式重复一定数量的小节来组成。在本文中,目标是生成一个循环的8个酒吧,可用作积木的音乐。即使考虑到音乐的多样性,我们也假设人类熟悉的音乐模式可以在有限集中定义。通过明确的规则从音乐中提取循环,我们发现离散表示足以对符号音乐序列进行建模。在VAE族中,VQ-VAE模型的音乐特性比其他模型更好地观察到。此外,为了强调音乐结构,我们已经将离散的潜在特征操作为重复的,从而使属性更加强化。大量的定量和定性实验来验证我们的假设。
2021-11-15 cs.MM cs.SD eess.AS
MidiTok Visualizer: a tool for visualization and analysis of tokenized MIDI symbolic music
Warsaw University of Technology(华沙理工大学)
针对非专业用户理解 MIDI 数据的困难,本文提出 Web 工具 MidiTok Visualizer,支持上传文件、自定义参数,并结合交互式钢琴卷帘可视化 MidiTok 的多种 MIDI 分词结果。
2024-10-27 cs.AI cs.MM cs.SD
Not that Groove: Zero-Shot Symbolic Music Editing
Drexel University(德雷塞尔大学)
本文研究仅基于文本指令的符号音乐编辑,提出用创造性格式连接LLM与音乐,实现零样本鼓点律动编辑,并构建与音乐家判断高度一致的单元测试评估数据集。
2025-05-13 cs.CL cs.SD eess.AS
MuPT: A Generative Symbolic Music Pretrained Transformer
M-A-P;HKUST(香港科技大学);University of Manchester(曼彻斯特大学);Shenzhen Institute of Advanced Technology, CAS(中国科学院深圳先进技术研究院);QMUL(伦敦玛丽女王大学);MBZUAI(穆罕默德·本·扎耶德人工智能大学);MILA(米拉人工智能研究所);Institute of Automation, CAS(中国科学院自动化研究所);Central Conservatory of Music(中央音乐学院);PKU(北京大学);SJTU(上海交通大学);MSRA(微软研究院);University of Waterloo(滑铁卢大学);Vector Institue(向量研究所)
本文提出MuPT模型,利用ABC记谱法预训练大型语言模型,并引入同步多音轨记谱法解决对齐问题,支持8192个标记,覆盖90%训练数据,验证了符号音乐缩放定律的有效性。
2024-11-05 cs.AI cs.SD eess.AS
Practical and Reproducible Symbolic Music Generation by Large Language Models with Structural Embeddings
LG AI Research(LG人工智能研究院);Seoul National University(首尔国立大学)
针对现有音乐生成模型依赖特定标注且缺乏可复现性的缺陷,本文开发了基于MIDI的音乐生成框架,实证研究了两种不依赖领域特定标注的结构嵌入,并通过开源实现促进了实用且可复现的音乐生成。
2024-07-29 cs.AI cs.SD eess.AS