Optimizing musical chord inversions using the cartesian coordinate system
Vellore Institute of Technology(韦洛尔理工学院);Indian Institute of Technology Madras(印度理工学院马德拉斯分校)
在古典音乐和任何当代音乐流派中,用于演奏的音调元素或音符都是相同的。在一个作品中,一个给定的例子有许多可能的和弦,这使得演奏通常非常复杂和先进。这个理论听起来相当琐碎,但应用程序有大量的选择,每一个都导致无可争议的不同结果,其特点是科学和音乐原则。和弦及其重要性不言而喻。和弦是一串音符一起演奏。就科学家而言,它是一组音调频率一起响起,导致协和/不协和的声音。众所周知,和弦的音符可以重新排列以产生相同和弦的各种和弦(1),这使得作曲家/演奏者能够选择最佳的和弦来传达他们希望传达的情感。虽然有许多可能性,但科学地认为,对于音调运动的特定情况,只有一种适当的发声。在本研究中,我们试图通过将和弦视为三维笛卡尔坐标系中的点来找到最佳的和弦,并进一步加深对音乐理论中数学的基本理解。
2022-06-10 cs.SD eess.AS
MusiConGen: Rhythm and Chord Control for Transformer-Based Text-to-Music Generation
Taiwan AI Labs(台湾AI实验室);National Taiwan University(台湾大学)
MusiConGen基于MusicGen框架,通过高效微调机制将节奏与和弦作为条件信号,解决了文本到音乐生成中无法精确控制时序音乐特征的问题,可生成与指定条件高度契合的逼真伴奏音乐。
2024-07-21 cs.AI cs.SD eess.AS
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
CHORDONOMICON: A Dataset of 666,000 Songs and their Chord Progressions
本研究推出包含66.6万余首带标注歌曲和弦进行的Chordonomicon数据集,验证了其在分类与生成任务的实用性,为探索多类先进机器学习技术提供理想测试平台。
2026-10-02 cs.LG cs.MM cs.SD
MMT-BERT: Chord-aware Symbolic Music Generation Based on Multitrack Music Transformer and MusicBERT
Hokkaido University(北海道大学)
本文提出MMT-BERT框架,结合MusicLang和弦分析的新型符号音乐表示与微调MusicBERT判别器,解决多轨符号音乐生成中和弦信息缺失与架构适配问题,提升生成音乐的协和性与人性化。
2024-09-02 cs.AI cs.SD eess.AS
Chord Recognition- Music and Audio Information Retrieval
音乐信息检索(MIR)是一项协作科学研究,有助于建立创新的信息研究主题,新颖的框架,并开发连接的交付机制,以及使世界上大量的音乐收藏对每个人开放。现代摇滚乐被证明很难估计节奏,和弦识别也不起作用。所有的研究结果都表明,现代摇滚和金属音乐是可以分析的,尽管它很复杂,但需要在这一领域进行进一步的研究,使其有用。使用神经网络是最简单的处理方法之一,在神经网络方法中使用了音高类轮廓向量。由于该矢量仅包含12个半音值元素,因此足以用于和弦识别。当然,还有其他方法可以实现这项工作,其中大多数依赖于音高类别分析将和弦转换为可以识别的类型,但是识别过程非常耗时,并且集中在非常复杂和内存密集的方法上。
2021-09-08 cs.IR cs.SD eess.AS
General Theory of Music by Icosahedron 2: Analysis of musical pieces by the exceptional musical icosahedra
Osaka University(大阪大学)
我们提出了一种新的方法来分析音乐作品,通过使用特殊的音乐二十面体,其中所有的大/小调三和弦是由黄金三角形或黄金日晷。首先,我们引入了黄金邻域的概念,它描述了与给定的黄金三角形或日晷相邻的黄金三角形/日晷的特征。然后,我们研究了特殊的音乐二十面体与新黎曼理论之间的关系,发现黄金邻域和二十面体对称性将任何大/小三和弦与任何大/小三和弦联系起来。其次,我们展示了如何特殊的音乐二十面体被应用于分析由四个或更多的音调构成的和声。我们引入了两个概念,黄金分解和黄金奇异。黄金分解是将一个给定的和声分解为最小数量的和声,这些和声构成了给定的和声,并由黄金图形(黄金三角形,黄金圭表或黄金矩形)表示。一个和声是黄金奇异的,当且仅当该和声没有黄金分解。我们显示的黄金分析(黄金分解分析)的tertian第七和弦和神秘的和弦的结果。属七和弦是唯一在类型1[星]和类型4[星]特殊音乐二十面体中为金色单数的三阶七和弦,而半减七和弦是唯一在类型2 [星]和类型3[星]特殊音乐二十面体中为金色单数的三阶七和弦。最后,我们将黄金分析法应用于巴赫著名的C大调前奏曲(BWV 846)。我们发现7种类型2 [星]或类型3 [星]特殊音乐二十面体上的金色数字组合双重代表BWV 846的所有措施。
2022-08-02 cs.SD eess.AS
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
A Bi-directional Transformer for Musical Chord Recognition
Seoul National University(首尔大学)
由于和弦是音乐的高度抽象和描述性特征,因此和弦识别是一项重要的任务。为了有效地识别和弦,必须利用音频序列中的相关上下文。虽然各种机器学习模型,如卷积神经网络(CNN)和递归神经网络(RNN)已被用于该任务,但它们中的大多数在捕获长期依赖性方面具有局限性,或者需要训练额外的模型。在这项工作中,我们利用自我注意力机制的和弦识别,专注于某些地区的和弦。所提出的用于和弦识别(BTC)的双向Transformer的训练由单个阶段组成,同时显示出竞争性性能。通过注意力地图分析,我们已经可视化了注意力是如何被执行的。结果表明,该模型能够利用注意力机制的自适应感受野来划分和弦段。此外,据观察,该模型能够有效地捕捉长期依赖性,利用基本信息,而不管距离远近。
2019-07-05 cs.LG cs.SD eess.AS
On the Mathematics of Music: From Chords to Fourier Analysis
数学是一门影响深远的学科,它的工具出现在许多应用中。在本文中,我们讨论了它在音乐和信号处理中的作用,通过重新审视使用数学的算法,可以从录制的音乐中提取和弦信息。我们首先对音乐理论进行了简单的介绍,并鼓励在音频处理中使用傅里叶分析。我们介绍了离散和连续的傅里叶变换,并研究它们在提取音频数据中的重要信息。
2013-06-11 cs.SD math.HO
BACHI: Boundary-Aware Symbolic Chord Recognition Through Masked Iterative Decoding on Pop and Classical Music
University of California San Diego, USA(加州大学圣地亚哥分校)
BACHI通过掩码迭代解码实现流行与古典音乐的边界感知符号和弦识别,引入增强数据集并提出分解任务的模型,提升识别性能。
2026-02-05 cs.LG cs.SD eess.AS
Enhancing Automatic Chord Recognition through LLM Chain-of-Thought Reasoning
本文提出将大语言模型(LLMs)作为智能协调器,通过5阶段思维链框架整合音乐源分离、调检测等多MIR工具输出,在三个数据集上使和弦识别的MIREX准确率提升1-2.77%,为MIR多工具协调开辟新方向。
2025-09-23 cs.SD eess.AS
Chord Embeddings: Analyzing What They Capture and Their Role for Next Chord Prediction and Artist Attribute Prediction
University of Michigan(密歇根大学)
本文研究 chord embeddings(和弦嵌入)所捕获的音乐信息,验证其符合音乐理论关系,并展示其在下一个和弦预测和音乐风格计量任务中的应用价值。
2021-02-04 cs.AI cs.CL cs.SD
Intro to Quantum Harmony: Chords in Superposition
University of California, Irvine(加州大学尔湾分校);University of Coimbra(科英布拉大学)
本文探讨了量子计算原理与音乐和谐之间的关联,指出量子叠加原理与音乐意义的诠释密切相关,并在量子计算模拟中直接应用叠加原理辅助计算机生成音乐作曲的决策过程。
2024-04-19 cs.ET 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
From Note-Level to Chord-Level Neural Network Models for Voice Separation in Symbolic Music
音乐通常被体验为一系列并行的音符或声音。这种情况发生的程度取决于沿着语音主导连续体的位置,从单声道到谐音,再到复音,这使得自动语音分离模型的设计变得复杂。我们通过将声音分离定义为将音乐分解成流的任务来解决这个连续体,该流表现出与其他流的高度外部感知分离和高度内部感知一致性。所提出的语音分离任务允许语音发散为多个语音,并且还允许多个语音收敛为同一语音。有了这个灵活的任务定义,我们手动注释了一个流行音乐语料库,并用它来训练神经网络,这些神经网络可以为和弦中的每个音符单独分配音符(音符级别),也可以为和弦中的所有音符联合分配音符(和弦级别)。经过训练的神经模型使用不同的感知输入特征集,在输入和弦序列的从左到右遍历中将音符greetly分配给语音。当对语音内连续音符对的提取进行评估时,基于包络提取函数的迭代应用,两个模型都超过了强基线,其中和弦级模型始终边缘化音符级模型。这两种模型在分离巴赫音乐中的声音方面也优于以前的方法。
2020-11-05 cs.AI cs.LG cs.SD
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
Structure-Enhanced Pop Music Generation via Harmony-Aware Learning
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Tencent Inc(腾讯公司);Communication University of China(中国传媒大学)
长期以来,流行音乐生成一直是音乐家和科学家都很感兴趣的话题。然而,自动合成具有令人满意的结构的流行音乐仍然是一个具有挑战性的问题。在本文中,我们提出利用和声感知学习结构增强的流行音乐生成。一方面,和声的参与者之一和弦代表着多个音符的和声集合,它与音乐的空间结构织体紧密结合。另一方面,和声的另一个参与者和弦进行往往伴随着音乐的发展,促进了音乐的时间结构,即形式。而且,当和弦演变为和弦进行时,织体与曲式之间可以自然地通过和声进行衔接,这有助于两种结构的共同学习。此外,我们提出了Harmony-Aware Hierarchical Music Transformer(HAT),它可以从音乐中自适应地利用结构,并使音乐令牌分层交互,以增强多层次音乐元素的结构。实验结果表明,与现有的方法相比,HAT方法对音乐结构有更好的理解,能够提高生成音乐的质量,尤其是在形式和纹理方面。
2022-07-12 cs.LG cs.SD eess.AS
An End-to-End Approach for Chord-Conditioned Song Generation
Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院);Kunlun Skywork Technology Co.(昆仑智作科技有限公司);Peng Cheng Lab(鹏城实验室)
针对歌曲生成中音乐表现与控制不足的问题,提出以和弦为条件、结合动态权重交叉注意力的端到端 CSG 模型,提升生成歌曲的音乐性与控制精度。
2024-09-10 cs.AI cs.SD eess.AS
SongDriver: Real-time Music Accompaniment Generation without Logical Latency nor Exposure Bias
Zhejiang University(浙江大学);Alibaba-Zhejiang University Joint Institute of Frontier Technologies(阿里巴巴-浙江大学前沿技术联合研究院);Jingchu University of Technology(荆楚理工学院);Shandong University(山东大学)
实时的【形】音乐伴奏生成在音乐教育、现场演出等音乐行业有着广泛的应用。然而,自动实时的【形】音乐伴奏生成仍然是研究不足,往往面临着逻辑延迟和曝光偏差之间的权衡。在本文中,我们提出了SongDriver,一个实时的【形】音乐伴奏生成系统,没有逻辑延迟,也没有曝光偏差。具体来说,SongDriver将一个伴奏生成任务分为两个阶段:1)编曲阶段,其中Transformer模型首先实时的【形】为输入旋律编曲,并缓存和弦以供下一阶段使用,而不是播放它们。2)预测阶段,CRF模型根据先前缓存的和弦为即将到来的旋律生成可播放的多音轨音轨。通过这种两阶段策略,SongDriver直接为即将到来的旋律生成伴奏,实现零逻辑延迟。此外,在预测时间步长的和弦时,SongDriver会参考第一阶段缓存的和弦,而不是之前的预测,这避免了曝光偏差问题。由于输入长度通常在实时的【形】条件下受到约束,另一个潜在的问题是长期顺序信息的丢失。为了弥补这一缺陷,我们从当前时间步之前的长期音乐片段中提取四个音乐特征作为全局信息。在实验中,我们训练SongDriver在一些开源的数据集和原始的àiSong数据集建立从中国风格的现代流行音乐的分数。结果表明,SongDriver在客观和主观指标上都优于现有的SOTA(最先进的)模型,同时显著降低了物理延迟。
2022-10-13 cs.LG cs.MM cs.SD
A Statistical Model for Melody Reduction
Georgia Institute of Technology(佐治亚理工学院)
音乐信息检索(MIR)内的自动和弦估计(ACE)系统性能差的一个常见原因是非和弦音调(即,在支持和声之外的音符)在标记过程中会导致错误。尽管机器学习方法在MIR中流行,但在某些情况下,替代方法提供了更简单的替代方案,同时允许深入了解音乐学实践。在这个项目中,我们提出了一个基于乐理规则的统计模型来预测和弦音调。我们的模型目前专注于预测古典音乐中的和弦音调,因为这种风格的作曲受到高度限制,理论上和弦音调的位置高度可预测。事实上,音乐理论家对每一种非和弦音都有一个标签系统,主要是根据音符的公制位置和接近和离开的音程来分类。使用度量位置,持续时间和旋律间隔作为预测因子,我们使用TAVERN数据集建立了一个用于预测和弦音调的统计模型。虽然我们的概率方法类似于自动谐波分析领域的其他努力,但我们的重点是旋律还原而不是预测和声。然而,我们希望将来继续研究ACE的应用。最后,我们实现了我们的旋律还原模型使用现有的符号可视化工具,以协助计算音乐学研究人员和音乐理论家的旋律还原和非和弦音调识别。
2021-05-12 cs.IR cs.SD eess.AS
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
Style Imitation and Chord Invention in Polyphonic Music with Exponential Families
Sony Computer Science Laboratories, Paris(索尼计算机科学实验室(巴黎));LIP6, Université Pierre et Marie Curie(皮埃尔和玛丽·居里大学LIP6实验室)
由于旋律与和声之间错综复杂的相互作用,对复调音乐进行建模是一项特别具有挑战性的任务。一个好的模型应该满足三个要求:统计准确性(忠实地捕捉各种范围内的相关性统计数据,水平和垂直),灵活性(应对任意用户约束)和泛化能力(发明新材料,同时保持训练语料库的风格)。到目前为止提出的模型至少在这些要求中的一个上失败。我们提出了一个统计模型的复调音乐,基于最大熵原理。该模型能够学习和再现给定语料库中相邻音符事件之间的成对统计。该模型还能够发明新的和弦和协调未知的旋律。我们评估的发明能力的模型,通过评估的引用量,重新发现,并发明了巴赫合唱团的语料库和弦。我们讨论了如何使用户能够指定和执行用户定义的约束,这使得它有用的风格为基础的,互动的音乐生成的模型。
2016-09-16 cs.AI 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
Multi-Step Chord Sequence Prediction Based on Aggregated Multi-Scale Encoder-Decoder Network
IRCAM(法国高等声学与音乐研究学院(IRCAM));CNRS(法国国家科学研究中心);Sorbonne Université(索邦大学);Kyoto University(京都大学)
研究了基于机器学习模型的爵士乐和弦进行预测。我们研究的动机来自于最近神经网络在自动作曲方面的成功。虽然在单步预测场景中获得了高精度,但大多数模型无法生成准确的多步和弦预测。在本文中,我们假设,这来自音乐信息的多尺度结构,并提出了新的架构的基础上迭代的时间聚合的输入标签。具体来说,输入和地面真值标签合并成越来越大的时间袋,我们训练一个家庭的编码器-解码器网络的每个时间尺度。在第二步中,我们在每个尺度上使用这些预训练的编码器瓶颈特征,以便训练最终的编码器-解码器网络。此外,我们依赖于不同的减少到三个适应和弦字母的初始和弦字母表。我们对几种最先进的模型进行了评估,结果表明,我们的多尺度架构在准确性和复杂性方面优于现有方法,同时需要相对较少的参数。我们分析结果的音乐属性,显示分析窗口内的准确度的重拍位置的影响,并使用音乐通知的距离度量评估错误。
2019-11-12 cs.LG cs.SD eess.AS
Guitar Chord Diagram Suggestion for Western Popular Music
Univ. Lille(里尔大学);CNRS(法国国家科学研究中心);Centrale Lille(里尔中央理工学院);Univ. Bordeaux(波尔多大学);Bordeaux INP(波尔多国立综合理工学院);Arobas Music(Arobas音乐公司)
本文提出一种考虑前一个和弦图的上下文感知工具,用于推荐西方流行音乐中的吉他和弦图,基于DadaGP和mySongBook数据集分析,该方法将F1分数提升27%并改善纹理一致性。
2024-07-15 cs.AI cs.IR cs.LG
Do Music Generation Models Encode Music Theory?
Brown University(布朗大学);Carnegie Mellon University(卡内基梅隆大学)
本文通过构建合成音乐理论数据集SynTheory并提出探测框架,系统评估了Jukebox和MusicGen等音乐基础模型对速度、音高、和弦等音乐理论概念的内部编码程度,发现这些概念可被辨识且可检测性随模型规模和层级变化。
2024-10-01 cs.AI cs.CL cs.LG
Learning a Latent Space of Multitrack Measures
Google Brain(谷歌大脑)
使用基于学习的方法发现和探索多乐器音乐的潜在结构仍然是一个悬而未决的问题。我们扩展了最近的MusicVAE模型来表示多轨复调措施作为潜在空间中的向量。我们的方法使几个有用的操作,如从头开始生成合理的措施,在音乐上有意义的方式措施之间的插值,并操纵特定的音乐属性。我们还介绍了和弦条件反射,它允许所有这些操作进行,同时保持和谐固定,并允许和弦改变,同时保持音乐的“风格”。通过在预定义的和弦进行中生成一系列措施,我们的模型可以产生具有令人信服的长期结构的音乐。我们证明了我们的潜在空间模型可以直观地控制和生成音乐序列与丰富的仪器(见https://goo.gl/s2N7dV生成的音频)。
2018-06-01 cs.LG cs.SD eess.AS
From Human Narrative to Harmonic Structure: A Human-Centered Investigation of Algorithmic Music Generation through the Chord Wheel Diagram
Faculty of Information Technology, CTU(捷克技术大学信息技术学院);University of South Bohemia in České Budějovice(捷克布杰约维采南波希米亚大学)
本研究通过比较人类作曲家与算法对六首歌曲的和声处理,揭示高旋律-和弦兼容性不保证保留人类和声决策模式,并提出叙事条件化结构作为计算音乐分析的新视角。
2026-09-29 cs.AI cs.SD
Controllable deep melody generation via hierarchical music structure representation
Carnegie Mellon University(卡内基梅隆大学);Adobe Inc.(Adobe公司)
深度学习的最新进展扩大了生成音乐的可能性,但生成具有一致的长期结构的可定制的完整音乐片段仍然是一个挑战。本文介绍了MusicFrameworks,一个层次化的音乐结构表示和多步生成过程,以创建一个完整的长度旋律指导下,长期重复的结构,和弦,旋律轮廓和节奏的限制。我们首先用小节和乐句层次结构来组织完整的旋律。为了在每个乐句中生成旋律,我们使用两个单独的基于变换器的网络生成节奏和基本旋律,然后以自回归方式生成以基本旋律、节奏和和弦为条件的旋律。通过将音乐生成分解为子问题,我们的方法允许更简单的模型,需要更少的数据。为了自定义或增加多样性,可以在音乐框架中改变和弦,基本旋律和节奏结构,让我们的网络相应地生成旋律。此外,我们引入了新的功能来编码音乐的位置信息,节奏模式和旋律轮廓的基础上音乐领域的知识。听力测试表明,我们的方法生成的旋律在POP909数据集中大约一半的时间被评为与人类创作的音乐一样好或更好。
2021-09-02 cs.AI cs.SD eess.AS
A Decomposed Retrieval-Edit-Rerank Framework for Chord Generation
Individual Researcher(个人研究者)
本文提出分解检索-编辑-重排序框架,通过分阶段处理提升和弦生成的多样性与音乐理论可行性平衡能力。
2026-05-08 cs.MM cs.SD eess.SP
CoCoFormer: A controllable feature-rich polyphonic music generation method
Xi’an University of Technology(西安理工大学)
本文提出CoCoFormer,通过细粒度控制和弦与节奏输入,并结合自监督联合训练与对抗训练,实现了可控且多样化的复调音乐生成。
2023-11-28 cs.AI cs.SD eess.AS
Training chord recognition models on artificially generated audio
Faculty of Mathematics and Information Science(数学与信息科学学院);Warsaw University of Technology(华沙技术大学)
本研究比较两种Transformer模型,证明人工生成音频数据可有效补充或替代真实录音,用于训练和弦识别模型。
2025-08-07 cs.LG cs.SD
From Discord to Harmony: Decomposed Consonance-based Training for Improved Audio Chord Estimation
针对音频和弦估计中存在的标注主观性、类别不平衡等性能瓶颈问题,该研究提出协和性感知距离度量及融合协和性标签平滑的分解式conformer模型,有效提升了和弦估计的音乐合理性与性能。
2025-09-01 cs.AI cs.LG cs.MM
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
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
ChordFormer: A Conformer-Based Architecture for Large-Vocabulary Audio Chord Recognition
针对大词汇量音频和弦识别的挑战,本研究提出基于Conformer的ChordFormer架构,解决长尾分布问题,有效捕捉上下文信息,在大词汇量和弦数据集上实现准确率提升,推动该领域发展。
2025-02-17 cs.AI cs.CV cs.IR
Harmony and Duality: An introduction to Music Theory
Maksim Lipyanskiy(马克斯·利帕恩斯基)
本文从组合学角度探讨音乐理论,通过约束条件推导音阶结构,并揭示两声部与三声部约束下的音阶对偶关系。
2026-02-26 cs.SD eess.AS
JSIR: An Audio-Aligned, Multi-Task Dataset of Jazz Standard Recordings
Sogang University(西江大学)
本文提出JSIR多任务数据集,含25.6小时爵士标准曲录音,经多轮修订提供三类标注,训练模型提升了节拍跟踪与和弦估计性能,公开标注及相关工具。
2026-10-14 cs.DL cs.LG cs.MM
Rhythm, Chord and Melody Generation for Lead Sheets using Recurrent Neural Networks
Ghent University(根特大学);imec(比利时微电子研究中心)
由循环神经网络生成的音乐通常缺乏方向感和连贯性。因此,我们提出了一个两阶段的LSTM为基础的模型,铅表生成,其中的谐波和节奏的模板的歌曲产生的第一,之后,在第二阶段,一个序列的旋律音符产生的条件下,这些模板。主观听力测试表明,我们的方法优于基线,并增加了感知的音乐连贯性。
2020-02-21 cs.CL cs.LG cs.SD
IdolSongsJp Corpus: A Multi-Singer Song Corpus in the Style of Japanese Idol Groups
本文构建了 IdolSongsJp 语料库,包含 15 首日本偶像团体风格的专业创作歌曲及分轨、干声和和弦标注,用于在复杂条件下基准测试歌手分离、音源分离和和弦估计等音乐信息处理技术。
2025-07-02 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
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
A Controllable Perceptual Feature Generative Model for Melody Harmonization via Conditional Variational Autoencoder
Shanghai Film Academy, Shanghai University(上海大学上海电影学院)
针对现有旋律和声化方法创造性不足的问题,提出基于条件变分自编码器的CPFG-Net及感知特征-和弦映射算法,依托BCPT-220K数据集训练,实现可控的高表现力和声生成。
2025-11-18 cs.SD
POP909: A Pop-song Dataset for Music Arrangement Generation
New York University(纽约大学);University of Florida(佛罗里达大学);Carnegie Mellon University(卡内基梅隆大学)
编曲生成是自动音乐生成的一个子任务,它涉及到用新的作曲技术对作品进行重构和重新概念化。这样的生成过程不可避免地需要参考原始旋律、和弦进行或其他结构信息。尽管有一些很有前途的安排模式,但它们缺乏更精确的数据,无法实现更好的评估和更实际的结果。在本文中,我们提出了POP909,一个数据集,其中包含了多个版本的钢琴安排的909流行歌曲创作的专业音乐家。数据集的主体包含每首歌曲的人声旋律、主乐器旋律和钢琴伴奏,这些都是与原始音频文件对齐的。此外,我们还提供了速度,节拍,基调和和弦的注释,其中速度曲线是手工标记的,其他的是通过MIR算法完成的。最后,我们使用标准的深度音乐生成算法对此数据集进行了几次基线实验。
2020-08-17 cs.IR cs.LG cs.SD
Variational Quantum Harmonizer: Generating Chord Progressions and Other Sonification Methods with the VQE Algorithm
Interdisciplinary Centre for Computer Music Research -- University of Plymouth(普利茅斯大学跨学科计算机音乐研究中心);Centre for Quantum Technologies and Applications -- Deutsches Elektronen-Synchrotron DESY(德国电子同步加速器中心量子技术与应用中心);Music Technology Group -- Pompeu Fabra University(庞培法布拉大学音乐技术组)
本文提出 Variational Quantum Harmonizer 原型,利用 VQE 迭代中的中间态向量对 QUBO 优化过程进行声化,以生成和弦、和弦进行与琶音,并通过案例作品验证其艺术与数据可视化价值。
2023-09-21 cs.ET cs.HC cs.SD
From Isolated Feature to Orbits: Discovering Music Concepts via Multi-SAE Alignment
NYU Shanghai(上海纽约大学);MBZUAI(穆罕默德·本·扎耶德人工智能大学)
本研究提出通过多SAE对齐和音高移位归纳偏置,将音乐概念视为结构化轨道而非孤立特征,在两种音乐基础模型上成功恢复和弦、调性等结构,仅需少量锚示例即可解释概念族。
2026-10-02 cs.AI cs.SD
Video2Music: Suitable Music Generation from Videos using an Affective Multimodal Transformer model
Singapore University of Technology and Design(新加坡科技设计大学)
本研究提出Video2Music框架,利用情感多模态Transformer模型和MuVi-Sync数据集,从视频特征生成匹配情感的音乐,并通过后处理实现动态渲染,用户研究验证了其质量。
2024-03-04 cs.AI cs.SD eess.AS
Reinforcement Learning Jazz Improvisation: When Music Meets Game Theory
Dartmouth College(达特茅斯学院);Geisel School of Medicine at Dartmouth(达特茅斯学院盖泽尔医学院)
本研究构建爵士乐即兴演奏的博弈论模型,通过强化学习对比多种随机即兴策略的配对表现,发现和弦跟随强化学习策略收益最优,为音乐AI及策略优化提供了新框架。
2024-02-25 cs.AI cs.LG cs.SD
The Effect of Explicit Structure Encoding of Deep Neural Networks for Symbolic Music Generation
Fudan University(复旦大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of California San Diego(加利福尼亚大学圣地亚哥分校);NYU Shanghai(上海纽约大学)
随着最近人工神经网络的突破,深度生成模型已经成为计算创造力的主要技术之一。尽管在图像和短序列生成方面取得了很大的进展,但由于作品的结构通常很复杂,符号音乐生成仍然是一个具有挑战性的问题。在本研究中,我们试图解决由给定的和弦进行约束的旋律生成问题。这个音乐元创作问题也可以整合到具有用户输入和预测结构输出的计划识别系统中。特别是,我们通过比较两种顺序生成模型来探索音乐结构的显式架构编码的效果:LSTM(一种RNN)和WaveNet(扩张的时间CNN)。据我们所知,这是第一次将WaveNet应用于符号音乐生成的研究,也是第一次将时间CNN和RNN用于音乐生成的系统比较。我们进行了一项调查,评价在我们的世代,并实现了可变马尔可夫Oracle的音乐模式发现。实验结果表明,使用膨胀卷积层堆栈更显式地编码结构显着提高了性能,并且将底层和弦进行全局编码到生成过程中获得更多。
2019-01-24 cs.AI cs.LG cs.SD
D3PIA: A Discrete Denoising Diffusion Model for Piano Accompaniment Generation From Lead sheet
Graduate School of Culture Technology, KAIST, Republic of Korea(文化科技研究生院,韩国科学技术院)
D3PIA通过离散扩散模型和邻域注意力机制,有效生成符合乐谱约束的钢琴伴奏,优于连续扩散和Transformer基线模型。
2026-02-03 cs.AI cs.MM cs.SD
Song From PI: A Musically Plausible Network for Pop Music Generation
University of Toronto(多伦多大学)
我们提出了一个新的框架生成流行音乐。我们的模型是一个分层的递归神经网络,其中层次的层和结构编码了我们关于流行音乐是如何组成的先验知识。特别是,底层产生旋律,而更高的层次产生鼓和和弦。我们进行了几项人类研究,显示我们生成的音乐比Google最近的方法产生的音乐更受欢迎。我们还展示了我们的框架的两个应用:神经舞蹈和卡拉OK,以及神经故事唱歌。
2016-11-10 cs.AI cs.SD
Omnizart: A General Toolbox for Automatic Music Transcription
Academia Sinica(中央研究院);Institute of Information Science, Academia Sinica(中央研究院信息科学研究所)
我们发布了Omnizart,这是一个新的Python库,为自动音乐转录(AMT)提供了一个简化的解决方案。Omnizart包含构建基于深度学习的AMT的生命周期的模块,并设计为易于使用,具有紧凑的命令行界面。据我们所知,Omnizart是第一个转录工具包,它提供的模型涵盖了广泛的乐器类别,从独奏,乐器合奏,打击乐器到声乐,以及和弦识别和节拍/强拍跟踪模型,这两个音乐信息检索(MIR)任务与AMT高度相关。
2021-06-01 cs.AI cs.SD eess.AS
An end-to-end machine learning system for harmonic analysis of music
Universidad Carlos III de Madrid(马德里卡洛斯三世大学);University of Bristol(布里斯托尔大学)
我们提出了一个新的系统,同时估计的关键,和弦和低音音符从音乐音频。它使用了一种新颖的音频色度图表示,将响度的感知考虑在内。此外,它完全基于机器学习(而不是专家知识),因此只要训练数据可用,它就可能适用于更广泛的流派。与其他模型相比,所提出的系统是快速和内存效率,同时实现最先进的性能。
2011-07-25 cs.AI cs.MM cs.SD