MusicSwarm: Biologically Inspired Intelligence for Music Composition
Massachusetts Institute of Technology(麻省理工学院)
MusicSwarm提出一种无需权重更新的去中心化群体智能框架,利用冻结基础模型通过点对点信号协调完成长篇幅音乐创作,展现出更优的质量与多样性,为长视野创作提供了高效路径。
2025-09-15 cs.AI cs.MM cs.SD
ComposerX: Multi-Agent Symbolic Music Composition with LLMs
University of Rochester(罗切斯特大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Hong Kong University of Science and Technology(香港科技大学);University of Surrey(萨里大学);The University of Manchester(曼彻斯特大学);Queen Mary University of London(伦敦玛丽女王大学);Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
本文提出多智能体符号音乐生成框架ComposerX,利用大语言模型的推理能力与音乐知识库,显著提升GPT-4的作曲质量,可生成旋律动人且符合用户指令的连贯复调音乐。
2024-04-30 cs.AI cs.CL cs.LG
Subjective Evaluation of Deep Learning Models for Symbolic Music Composition
University of Zaragoza(萨拉戈萨大学)
深度学习模型通常被评估以测量和比较它们在给定任务上的性能。通常用于评估这些模型的指标是用于不同任务的标准指标。在音乐创作或生成领域,其他领域使用的标准度量,在音乐理论上没有明确的意义。在本文中,我们提出了一种主观的方法来评估基于AI的音乐创作系统,根据他们的音乐经验和知识,向不同层次的用户提出与基本音乐原理相关的问题。我们使用这种方法将最先进的音乐创作模型与深度学习进行比较。我们给出了这种评估方法的结果,我们比较每个用户级别的响应,每个评估模型。
2022-04-03 cs.AI cs.SD
TOMI: Transforming and Organizing Music Ideas for Multi-Track Compositions with Full-Song Structure
本文提出TOMI方法,通过概念层次生成、变换并组织音乐理念,利用指令微调基础LLM在四维空间中实现多轨电子音乐生成,并结合REAPER支持人机交互共创,生成质量与结构连贯性优于基线。
2025-06-29 cs.AI cs.SD eess.AS
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
An interactive music infilling interface for pop music composition
University of Sussex(萨塞克斯大学)
人工智能(AI)已广泛应用于音乐生成主题,如延续、旋律/和声生成、流派转移和音乐填充应用。尽管人们对将人工智能应用于音乐的兴趣激增,但音乐家们仍然很少有界面可以利用人工智能技术的最新进展。这使得这些工具在实践中不太有价值,并且如果不在实际场景中使用它们,就很难找到其优点/缺点。本工作建立了一个最大的补丁交互式音乐填充应用程序与不同层次的控制,包括轨道密度/复调/占用率和酒吧音调张力控制。用户可以选择旋律/低音/和声音轨作为最多16小节的填充内容。填充算法基于作者以前的工作,接口向托管在云中的AI系统发送/接收消息。这个界面降低了人工智能技术的门槛,可以生成所选内容的不同变体。这些结果可以为音乐家的创作提供多种选择,交互过程实现了AI填充系统的价值。
2022-03-23 cs.HC cs.MM cs.SD
Open-Qwen-Music: An Auditable Framework for LLM-Based Music Composition and Diffusion Rendering
Open-Qwen-Music是一个完全开源的文本到音乐生成系统,结合LLM语义创作与扩散渲染,提供完整训练数据、流程和预训练权重,作为可复现的研究基线。
2026-09-29 cs.AI cs.SD eess.AS
Supervised Learning for Game Music Segmentation
Queen Mary University of London(伦敦玛丽女王大学)
本研究通过结合卷积神经网络和循环神经网络,利用监督学习方法在游戏音乐结构分段任务中取得与无监督学习相当的性能。
2026-01-19 cs.SD
LyricJam Sonic: A Generative System for Real-Time Composition and Musical Improvisation
University of Waterloo(滑铁卢大学)
电子音乐艺术家和声音设计师有独特的工作流程实践,需要专门的方法来开发音乐信息检索和创造力支持工具。此外,电子乐器,如模块化合成器,具有近乎无限的声音创作可能性,可以组合起来创建独特而复杂的音频路径。发现有趣声音的过程往往是偶然的,不可能复制。出于这个原因,许多电子流派的音乐家在录音室工作时一直录制音频输出。因此,艺术家很难从数千小时的录音中重新发现可能适合在他们的作品中使用的音频片段。在本文中,我们描述了LyricJam Sonic --一种新颖的创作工具,让音乐家重新发现他们以前的录音,将它们与其他录音重新联系起来,并在实时的【形】创作原创现场音乐作品。一种双模态AI驱动的方法使用生成的歌词线从艺术家过去的录音室录音中找到匹配的音频片段,并使用它们生成新的歌词线,这些歌词线又用于找到其他片段,从而创建一个连续和不断发展的音乐和歌词流。这样做的目的是让艺术家保持一种有利于音乐创作的创造性流动状态,而不是让他们进入一种故意搜索过去音频片段的分析/批判状态。该系统可以在没有用户输入的情况下以完全自主模式运行,或者以现场表演模式运行,其中艺术家播放现场音乐,而系统“收听”并创建连续的音乐和歌词流作为响应。
2022-10-27 cs.AI cs.CL cs.LG
ComMU: Dataset for Combinatorial Music Generation
Pozalabs(波扎实验室);Yonsei Univ.(延世大学)
自动音乐合成的商业采用需要能够生成适合所需背景的多样化且高质量的音乐(例如,浪漫电影、动作游戏、餐馆等的音乐)。在本文中,我们介绍了组合音乐生成,一个新的任务,创造不同的背景音乐的基础上,给定的条件。组合音乐生成创建具有丰富音乐元数据的短音乐样本,并将其组合以产生完整的音乐。此外,我们介绍了ComMU,第一个符号音乐数据集组成的短音乐样本和相应的12个音乐元数据的组合音乐生成。ComMU的显著特性是:(1)数据集由专业作曲家手动构建,具有诱导规律性的客观指导原则,(2)它具有12个包含作曲家意图的音乐元数据。我们的研究结果表明,我们可以生成不同的高品质的音乐,只有元数据,我们独特的元数据,如轨道角色和扩展和弦质量提高了自动合成的能力。我们强烈建议在阅读论文之前观看我们的视频(https://pozalabs.github.io/ComMU)。
2022-11-17 cs.AI cs.MM cs.SD
AnimeTAB: A new guitar tablature dataset of anime and game music
Communication University of China(中国传媒大学);Mcgill University(麦吉尔大学)
虽然吉他指法已经成为MIR研究中的一个热门话题,但还没有这样一个专注于动漫和视频游戏配乐的吉他指法数据集,这些音乐在年轻人中拥有惊人的广泛和不断增长的受众。在本文中,我们提出了AnimeTAB,指法吉他指法数据集MusicXML格式,它提供了更高质量的吉他指法研究人员和吉他演奏者。AnimeTAB包含412首完整曲目和547个片段,后者带有音乐结构(介绍,诗歌,合唱和桥梁)。一个附带的分析工具包,TABprocessor,包括进一步促进其使用。这包括旋律和旋律线提取,关键检测和和弦标签,这是使用基于规则的算法实现的功能。我们根据手动注释的地面实况评估了这些函数中的每一个。最后,以AnimeTAB为例,使用TABprocessor对AnimeTAB进行了音乐和技术分析.我们的数据和代码已公开提供给作曲家,表演者和音乐信息检索(MIR)研究人员。
2022-10-06 cs.SD eess.AS
Event-Based Token Sequences for Audio-Conditioned Music-Game Level Modeling
Japan Advanced Institute of Science and Technology(日本先进科学技术学院)
研究音乐游戏关卡程序生成问题,受基于事件的符号音乐建模启发,提出令牌级序列公式,构建Transformer模型,在事件级评估中优于基线,能系统分析音频对节奏对齐事件预测的支持。
2026-07-13 cs.MM cs.SD
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
Video-to-Music Generation for Gameplay Videos
本文提出一种用于游戏视频的音乐生成模型,利用新数据集和冻结ViViT编码器,在客观指标上超越现有基线,参数减少18%。
2026-09-30 cs.AI cs.CV cs.MM
A Music Information Retrieval Approach to Classify Sub-Genres in Role Playing Games
本文提出了一种基于音乐特征分析的方法,用于角色扮演游戏子类型分类。
2026-01-05 cs.IR cs.SD
Differential Music: Automated Music Generation Using LSTM Networks with Representation Based on Melodic and Harmonic Intervals
University of Florida(佛罗里达大学)
本文提出了一种使用LSTM网络进行自动音乐合成的生成式人工智能模型,该模型采用了一种新的方法来编码音乐信息,该方法基于音乐中的运动而不是绝对音高。旋律被编码为一系列音程而不是一系列音高,和弦被编码为每个和弦音符在每个时步与旋律一起形成的一组音程。实验结果表明,承诺,因为他们的声音音乐和音调。这种方法也有弱点,主要是成分中的过度调制,但这是从编码的性质预期的。这一问题将在本文件后面讨论,是今后工作的一个潜在专题。
2021-08-23 cs.AI cs.SD eess.AS
MusicAIR: A Multimodal AI Music Generation Framework Powered by an Algorithm-Driven Core
Stanford University(斯坦福大学);George Mason University(乔治·马歇尔大学)
MusicAIR通过算法驱动的核心生成音乐,能从歌词、文本和图像生成符合音乐理论的旋律谱,提升音乐创作效率并降低入门门槛。
2025-11-21 cs.AI cs.CL cs.MM
CMI-RewardBench: Evaluating Music Reward Models with Compositional Multimodal Instruction
National University of Singapore(新加坡国立大学);University of Science and Technology of China(中国科学技术大学);University of Cambridge(剑桥大学);University of Toronto(多伦多大学)
针对音乐生成模型缺乏有效评估机制的问题,提出CMI-RewardBench基准,包含大规模偏好数据集和参数高效奖励模型,实现多模态指令下的音乐质量评估。
2026-06-12 cs.AI cs.LG cs.MM
Procedural Music Generation Systems in Games
Queen Mary University of London(伦敦玛丽女王大学)
本文探讨了游戏中的程序音乐生成系统,分析了当前技术挑战与未来发展方向,旨在提升开发效率和音乐体验。
2025-12-14 cs.SD
Music transcription modelling and composition using deep learning
Queen Mary University of London(伦敦玛丽女王大学);INRS-EMT(加拿大国家科学研究院-能源材料电信研究所);Kingston University(金斯顿大学);Ghent University(根特大学)
我们将深度学习方法,特别是长短期记忆(LSTM)网络应用于音乐转录建模和作曲。我们使用大约23,000个用高级词汇表(ABC符号)表示的音乐transanks来构建和训练LSTM网络,并使用它们来生成新的transanks。我们的实际目标是创建音乐转录模型在特定的音乐创作环境中有用。我们从三个角度呈现结果:1)在群体水平上,比较训练转录集和生成转录集的描述性统计; 2)在个体水平上,检查生成转录如何反映训练转录(凯尔特民间)中的音乐实践惯例; 3)在应用水平上,使用该系统进行音乐创作中的想法生成。我们将我们的数据集、软件和声音示例开放和可用:\url{https://github.com/IraKorshunova/folk-rnn}。
2016-04-29 cs.LG cs.SD
Interactive Melody Generation System for Enhancing the Creativity of Musicians
Tokyo City University(东京城市大学)
本研究提出集成多个RNN模型的交互式旋律生成系统,可基于用户反馈适配创作意图,经不同背景作曲家实验验证能促进音乐创造力,为AI辅助作曲与协作艺术探索提供新工具。
2024-03-06 cs.AI cs.HC cs.SD
Transfer Learning for Rhythm Game Chart Generation from Music Transcription and Across Games
Sogang University(西江大学);Carnegie Mellon University(卡内基梅隆大学)
本研究针对节奏游戏谱面生成问题,采用冻结预训练AMT音频编码器并训练线性投影与Transformer解码器的迁移学习方法,在MuScriptor数据集上提升了osu!少样本模式的事件F1值,验证了跨游戏迁移受谱面风格与音乐类型影响。
2026-10-14 cs.SD
NONOTO: A Model-agnostic Web Interface for Interactive Music Composition by Inpainting
Sony CSL(索尼计算机科学实验室)
基于inpainting的生成建模允许通过让用户使用统计模型对对象执行风格上一致的本地版本来刺激人机交互。我们提出了NONOTO,一个新的交互式音乐生成接口的基础上修补模型。它既针对研究人员,通过提供简单灵活的API,允许他们将自己的模型与界面连接起来,也针对音乐家,提供行业标准功能,如音频播放,实时音频输出和使用Ableton Link与DAW直接同步。
2019-07-23 cs.HC cs.LG cs.SD
Discovering "Words" in Music: Unsupervised Learning of Compositional Sparse Code for Symbolic Music
Central Conservatory of Music(中央音乐学院);Department of Industrial Engineering, Ajou University(Ajou大学工业工程系);Alibaba Group(阿里巴巴集团);Bigai;Peking University(北京大学)
本文提出基于EM的两阶段无监督框架,从符号音乐中学习可组合的稀疏“音乐词汇”,以IoU 0.61匹配专家标注,并服务于AI音乐与音乐学分析。
2025-09-29 cs.CV cs.SD
MusiChat: Vibe Composing for Music Creation
Stanford University(斯坦福大学);George Mason University(乔治梅森大学);IntelliSky(智能天空)
研究针对AI音乐创作中迭代难问题,提出MusiChat系统,通过分层可控框架、记忆增强架构及混合意图路由机制,实现人机协作音乐创作,经评估在交互准确率和用户喜好比例上表现良好,支持多轮音乐创作和人机共创。
2026-07-29 cs.AI cs.SD
Aligning Generative Music AI with Human Preferences: Methods and Challenges
本文针对现有生成式音乐AI难以匹配人类细微偏好的问题,梳理现有偏好对齐技术路径与音乐领域特有挑战,展望相关应用方向并呼吁跨学科研究打造适配人类需求的音乐AI。
2025-11-19 cs.AI cs.SD eess.AS
Analyzable Chain-of-Musical-Thought Prompting for High-Fidelity Music Generation
Kunlun Inc.(昆仑公司)
针对自回归音乐生成模型缺乏人类创作连贯性的问题,提出MusiCoT,利用CLAP模型构建乐思链,先规划整体结构再生成音频,提升音乐连贯性与创造性,性能优于现有模型。
2025-03-25 cs.AI cs.MM 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
ByteComposer: a Human-like Melody Composition Method based on Language Model Agent
ByteDance AI Lab(字节跳动人工智能实验室)
针对现有旋律创作系统缺乏人类对齐性与可解释性的问题,提出模拟人类创作四步流程的ByteComposer智能体框架,融合大语言模型与符号音乐生成模型,经实验与专业评估达到新手作曲家水平。
2024-03-07 cs.AI cs.SD eess.AS
Dialogue in Resonance: An Interactive Music Piece for Piano and Real-Time Automatic Transcription System
Graduate School of Culture Technology, KAIST(文化科技研究生院,韩国科学技术院)
本文提出交互式音乐作品《共鸣中的对话》,将实时自动音乐转录整合到基于乐谱的框架中,实现人类钢琴家与计算机控制钢琴之间的动态对话,并介绍了从作曲到首演的开发过程。
2025-05-22 cs.AI cs.SD eess.AS
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
Composition by Conversation
Stevens Institute of Technology(史蒂文斯理工学院);University of Arizona(亚利桑那大学)
大多数音乐程序设计语言纯粹是为了编码虚拟乐器或算法作曲而开发的。尽管在用于音乐信息检索的音乐查询语言领域中已经有了一些工作,但是几乎没有尝试将音乐编程和查询语言的原理与认知和自然语言处理模型统一起来,这将促进通过对话进行创作的活动。我们提出了一个原型框架,称为MusECI,合并这些领域,允许在文本编辑器中的分数级算法组成,同时还支持连接到现有的自然语言处理框架。
2017-09-07 cs.CL cs.IR cs.PL
Exploring Inherent Properties of the Monophonic Melody of Songs
Peking University(北京大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
旋律是音乐中最重要的组成部分之一。与音乐理论中的和声、对位等其他成分不同,旋律的可计算特征是一个迫切需要解决的问题。这些功能是非常需要的数据驱动方法占主导地位的领域,如音乐信息检索和自动音乐合成。为了提高与深度学习相关的音乐任务的性能,我们提出了一组用于计算目的的单声道旋律的可解释特征。这些特征不仅以数学形式定义,而且还考虑到作曲家的直觉。例如,旋律重心可以反映旋律的逐段轮廓,局部/全局旋律动态量化在句子中耦合音高和时间的旋律的动态。我们发现,这些特点被人们普遍认为是在许多体裁的歌曲,甚至是无调性的创作实践。希望这些旋律特征能为未来的研究者提供新的灵感,作为MIR和自动作曲领域的工具。
2020-03-20 cs.AI cs.SD eess.AS
Adaptable Symbolic Music Infilling with MIDI-RWKV
Metacreation Lab, Simon Fraser University(Simon Fraser大学元创作实验室)
MIDI-RWKV是一种基于RWKV-7架构的小型基础模型,用于实现高效的音乐共创,并通过低样本量微调实现风格适应。
2026-01-26 cs.LG cs.MM cs.SD
Getting Motif-ated: Controllable AI Compositions from Injected Motif Prompts
MotiGen通过注入动机提示并配合注意力偏置和两阶段课程学习,实现对预训练符号音乐模型的改造,使超过92.3%的生成作品遵循指定动机。
2026-09-29 cs.AI cs.LG cs.MM
Generative AI for Music and Audio
University of California San Diego(加州大学圣地亚哥分校)
本论文围绕面向音乐与音频的生成式人工智能,研究多轨音乐生成、辅助创作工具和多模态学习,旨在降低音乐创作门槛并推动音频内容创作大众化。
2024-11-21 cs.AI cs.LG cs.MM
Learning Interpretable Representation for Controllable Polyphonic Music Generation
NYU Shanghai(纽约大学上海分校)
虽然深度生成模型已成为算法合成的主要方法,但由于大多数深度学习模型的潜变量缺乏良好的可解释性,因此控制生成过程仍然是一个具有挑战性的问题。受内容风格分离思想的启发,我们设计了一个新颖的架构,在VAE框架下,有效地学习复调音乐的两个可解释的潜在因素:和弦和织体。目前的模式侧重于学习8拍长钢琴作曲片段。我们发现,这样的和弦纹理解纠缠提供了一个可控的生成途径,导致广泛的应用,包括作曲风格的转移,纹理的变化,和伴奏安排。客观和主观的评价表明,我们的方法实现了成功的解开和高质量的控制音乐生成。
2020-08-17 cs.CL cs.LG cs.SD
Comparision Of Adversarial And Non-Adversarial LSTM Music Generative Models
University Of Pretoria(比勒陀利亚大学)
音乐创作是一种在最少或没有人为干预的情况下创作音乐作品的方式。虽然递归神经网络传统上被应用于许多序列到序列的预测任务,包括音乐创作的成功实现,但其基于输入到输出映射的标准监督学习方法导致缺乏音符多样性。因此,这些模型可能被视为不适合诸如音乐生成之类的任务。生成对抗网络学习数据的生成分布,并产生不同的样本。这项工作实现并比较了递归神经网络音乐作曲家在数据库上的对抗性和非对抗性训练。由此产生的音乐样本由人类听众评估,他们的偏好被记录下来。评估表明,对抗性训练产生更美观的音乐。
2022-11-01 cs.LG cs.SC cs.SD
Language Models are Drummers: Drum Composition with Natural Language Pre-Training
University of Pennsylvania(宾夕法尼亚大学)
使用人工智能自动音乐生成通常需要大量数据,对于许多不太常见的流派和乐器来说,这是很难获得的。为了解决这个问题,我们提出了正在进行的工作和初步发现,即通过微调在仅数百个MIDI文件的海量文本语料库上预训练的大语言模型,深度模型将知识从语言转移到音乐的可能性。鼓表演。我们证明,通过这样做,最大的,最先进的模型之一(GPT3)能够生成合理的鼓槽,而没有预先训练的模型(Transformer)除了天真的重复之外没有显示出这种能力。评估生成的音乐是一项具有挑战性的任务,更是评估鼓槽在文献中很少有先例。因此,我们提出了一种量身定制的结构评估方法,并分析了GPT3产生的鼓槽与人类专业人士演奏的鼓槽相比,揭示了语言到音乐转换的优势和劣势。我们的研究结果表明,语言到音乐迁移学习与大语言模型是可行的,有前途的。
2023-01-03 cs.CL cs.SD eess.AS
Motif-Centric Representation Learning for Symbolic Music
MBZUAI(穆罕默德·本·扎耶德人工智能大学);Carnegie Mellon University(卡内基梅隆大学);NYU Shanghai(上海纽约大学)
本文提出基于孪生网络与预训练-微调流程的主题中心表示学习方法,结合VICReg和对比学习学习音乐主题与变体间的隐式关系,在检索任务上提升12.6%,为自动作曲和音乐信息检索奠定基础。
2023-09-19 cs.LG cs.SD eess.AS
An Interdisciplinary Review of Music Performance Analysis
Georgia Institute of Technology(佐治亚理工学院)
音乐表演呈现乐谱的声学实现或作品的其他表示。相同作品的不同演奏可能在演奏参数(诸如定时或动态)方面有所不同,并且这些变化可能对收听者如何感知音乐具有重大影响。传统上,音乐表演的分析一直是MIR研究界的外围话题,其中通常使用单个音频记录作为音乐作品的代表。本文从几个方面综述了音乐表演分析(MPA)领域,包括表演参数的测量,这些参数与表演者的动作和意图或对听众的感知效果的关系,以及最后对音乐表演的评估。本文还讨论了MPA,因为它涉及到MIR,指出在这两个领域的合作和未来的研究机会。
2021-04-19 cs.DL cs.SD eess.AS
Learning a Predictive Model for Music Using PULSE
University of Stuttgart(斯图加特大学);TU Dresden(德累斯顿工业大学);TU Berlin(柏林工业大学)
算法作曲、认知科学和机器学习的研究人员都在研究音乐的预测模型。它们作为基本模型的组成,可以模拟人类的预测,并提供了一个多学科的应用领域的学习算法。一个特别完善和不断进步的子任务是预测单声道旋律。由于旋律通常涉及非马尔可夫依赖性,因此它们的预测需要有能力的学习算法。在这篇论文中,我将最新的特征发现和学习方法PULSE应用到符号音乐建模领域。PULSE由特征生成操作和L1正则化优化组成。这些用于迭代地扩展和剔除特征集,有效地探索对于普通特征选择方法来说太大的特征空间。我为PULSE设计了一个通用的Python框架,提出了任务优化的特征生成操作和各种音乐理论动机的特征,这些特征在单声道民谣和合唱旋律的标准语料库上进行评估。所提出的方法显着优于可比的最先进的模型。进一步讨论了学习算法的自由参数,分析了学习模型的特征组成。PULSE学习的模型提供了一个简单的检查,并首次从音乐学上进行解释。
2017-09-26 cs.LG cs.SD eess.AS
Interpreting Graphic Notation with MusicLDM: An AI Improvisation of Cornelius Cardew's Treatise
University of California San Diego(加利福尼亚大学圣迭戈分校)
本研究提出借助ChatGPT解读科尼利厄斯·卡杜《Treatise》的图形记谱生成文本提示,输入MusicLDM模型并通过外扩生成技术拼接音乐,为图形乐谱演绎提供新路径,拓展实验音乐创作空间。
2024-12-12 cs.LG cs.SD eess.AS
Musical Attention Transformer: Music Generation Using a Music-Specific Attention Model
Department of Computer Science, School of Science and Technology, Meiji University(计算机科学系,科学与技术学部,立命馆大学)
本文提出了一种音乐特定的注意力模型,通过整合元信息来提升音乐生成的质量,核心方法是将音乐结构和元数据结合,主要贡献是提高了生成音乐的连贯性和多样性。
2026-09-14 cs.LG cs.SD
Music Generation using Human-In-The-Loop Reinforcement Learning
University of Birmingham(伯明翰大学)
本文提出将人在回路的强化学习与音乐理论原则相结合,采用情景式表格 Q-learning 算法构建框架,通过迭代式人类反馈持续优化音乐曲目的实时生成质量。
2025-01-25 cs.AI cs.HC cs.LG
Graph Representation of RaagBase: A Unique Dataset for Hindustani Music
XIM University(西姆大学)
针对北印度音乐拉格聚类未充分探索的问题,提出基于Pt. Bhatkhande作品音符序列的拉格基础数据集,用图形表示拉格结构,通过音符频率分布体现作品相似性,应用聚类技术,实验验证了数据集及表示的有效性。
2026-07-14 cs.SD
Who Will Top the Charts? Multimodal Music Popularity Prediction via Adaptive Fusion of Modality Experts and Temporal Engagement Modeling
GAMENet通过融合多模态数据和时间参与建模,提升了音乐流行度预测的准确性。
2025-12-06 cs.AI cs.LG cs.SD
LoopNet: Musical Loop Synthesis Conditioned On Intuitive Musical Parameters
Music Technology Group, Universitat Pompeu Fabra(庞培法布拉大学音乐技术组);Joint Research Centre, European Commission(欧盟委员会联合研究中心)
循环,无缝可重复的音乐片段,是现代音乐制作的基石。当代艺术家经常根据音乐标准(如节奏、和声和音色纹理)混合和匹配各种采样或预先录制的循环来创作作品。考虑到这些标准,我们提出了LoopNet,一个前馈生成模型,用于创建以直观参数为条件的循环。我们利用音乐信息检索(MIR)模型,以及在我们的研究中的公共循环样本的大量收集,并使用Wave-U-Net架构映射控制参数到音频。我们还评估生成的音频的质量,并提出直观的控制作曲家映射的想法在他们的脑海中的音频循环。
2021-05-21 cs.LG cs.SD eess.AS
Learning to Generate Music With Sentiment
University of California, Santa Cruz(加州大学圣克鲁兹分校)
深度学习模型在自动合成复调音乐作品方面显示出非常有前途的结果。然而,这是很难控制这样的模型,以引导组合物朝着预期的目标。我们感兴趣的是控制一个模型来自动生成具有给定情感的音乐。本文提出了一种生成式深度学习模型,可以指导它根据给定的情感创作音乐。除了音乐生成之外,相同的模型可以用于符号音乐的情感分析。我们使用一个新的视频游戏配乐数据集来评估该模型对符号音乐情感进行分类的准确性。结果表明,我们的模型是能够获得良好的预测精度。一项用户研究表明,人类受试者同意生成的音乐具有预期的情感,但负面的片段可能是模糊的。
2021-03-09 cs.IR cs.LG cs.SD
Motifs, Phrases, and Beyond: The Modelling of Structure in Symbolic Music Generation
Queen Mary University of London(伦敦玛丽女王大学);School of Electronic Engineering and Computer Science(电子工程与计算机科学学院)
本文综述了符号音乐生成中结构建模的技术演变,从符号方法到深度学习方法,并重点介绍了将生成分解为高层结构规划与内容创作的子任务分解技术,指出捕捉动机与重复已有进展,但模拟人类作曲家对扩展作品主题的细微发展仍是挑战,并展望了融合各时代方法的未来方向。
2024-03-12 cs.LG cs.SC cs.SD
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
Rethinking Recurrent Latent Variable Model for Music Composition
University of California, San Diego(加州大学圣地亚哥分校)
我们提出了一个用于捕获音乐特征和创建新的音乐序列的模型,称为卷积变分递归神经网络。为了生成序列数据,该模型使用具有潜在概率连接的编码器-解码器架构来捕获音乐的隐藏结构。使用序列到序列模型,我们的生成模型可以利用先验分布的样本,并生成更长的音乐序列。我们比较了我们提出的模型与其他类型的神经网络的性能,使用的标准是由变量马尔可夫Oracle,一种方法,允许统计特征的音乐信息动态和检测的主题在一首歌中实现的信息率。我们的研究结果表明,所提出的模型具有更好的统计相似性的音乐结构的训练数据,这提高了创造新的音乐序列的风格的原件。
2018-10-07 cs.LG cs.MM cs.SD
Text-based LSTM networks for Automatic Music Composition
Queen Mary University of London(伦敦玛丽女王大学)
在本文中,我们介绍了新的方法,并讨论了基于文本的LSTM(长短期记忆)网络自动音乐合成的结果。建议的网络被设计为学习在两个案例研究中表示和弦进行和鼓轨道的文本文档内的关系。在实验中,单词RNN(递归神经网络)在这两种情况下都显示出良好的结果,而基于字符的RNN(char-RNN)只能成功学习和弦进行。所提出的系统可以用于全自动合成或作为半自动系统,帮助人类通过控制模型的多样性参数来创作音乐。
2016-04-18 cs.AI cs.MM
A Musical Serious Game for Social Interaction through Augmented Rhythmic Improvisation
与他人一起创作音乐是一种社会活动,也是一种艺术活动。音乐治疗师利用音乐的社会方面为患者带来好处,与他们进行音乐互动,但这项活动需要高水平的专业知识。我们提出了一个严肃的游戏,帮助人们即使没有音乐技能相互作用,通过合作创造一个节奏与鼓垫。游戏系统实时的分析节奏以添加音乐反馈,从而增强作为音乐交互的关键部分的美学体验。该系统是通过一个问卷调查进行评估,询问受试者谁尝试在夫妇的系统,如果他们认为这是帮助他们的互动。尽管游戏还处于早期开发阶段,但问卷调查的结果显示出积极的反应。
2022-08-31 cs.HC cs.MM