EMOPIA: A Multi-Modal Pop Piano Dataset For Emotion Recognition and Emotion-based Music Generation
Academia Sinica（中央研究院）；National Taiwan University（台湾大学）；KAIST（韩国科学技术院）；Georgia Institute of Technology（佐治亚理工学院）
虽然在文献中有许多带有情感标签的音乐数据集，但它们不能用于符号域音乐分析或生成的研究，因为通常只有音频文件。在本文中，我们提出了EMOPIA（发音为“yee-milling-pi-uh”）数据集，一个共享的多模态（音频和音频）数据库，专注于流行钢琴音乐中的感知情感，以促进与音乐情感相关的各种任务的研究。该数据集包含来自387首歌曲的1，087个音乐片段和由四个专用注释器注释的片段级情感标签。由于剪辑不限于每首歌曲一个剪辑，因此它们也可以用于歌曲级分析。我们提出了构建数据集的方法，包括歌曲列表管理，剪辑选择和情感注释过程。此外，我们原型的剪辑级音乐情感分类和基于情感的符号音乐生成的使用情况下，通过训练和评估相应的模型使用的数据集。结果表明，EMOPIA被用于未来的探索钢琴情绪相关的MIR任务的潜力。
2021-08-03 cs.MM cs.SD eess.AS
MusER: Musical Element-Based Regularization for Generating Symbolic Music with Emotion
Xi’an Jiaotong University（西安交通大学）
本文提出基于 VQ-VAE 的 MusER 模型，通过潜在空间中的音乐元素正则化解耦不同元素并操纵其改变音乐情感，在客观与主观评价上均优于现有方法。
2024-01-02 cs.AI cs.MM cs.SD
Nested Music Transformer: Sequentially Decoding Compound Tokens in Symbolic Music and Audio Generation
本文提出嵌套音乐变换器，通过自回归方式解码复合令牌，提升符号音乐和音频生成的性能，降低内存使用。
2026-03-16 cs.IR cs.LG 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
Addressing Emotion Bias in Music Emotion Recognition and Generation with Frechet Audio Distance
University of Edinburgh, UK（爱丁堡大学）；University of Toronto, Canada（多伦多大学）；Microsoft Research, US（微软研究院）
针对音乐情感识别与生成中的情感偏差问题，提出使用基于多音频编码器的 Fréchet Audio Distance（FAD）进行客观评估，并引入增强的 EMG 方法提升生成情感的真实感。
2025-04-30 cs.CL cs.MM cs.SD
Bridging Paintings and Music -- Exploring Emotion based Music Generation through Paintings
Queen Mary University of London（伦敦玛丽女王大学）
本研究针对绘画与音乐配对数据稀缺的问题，构建两阶段框架和Emotion Painting Music Dataset，实现从绘画情感生成匹配音乐，验证了生成效果，为视障辅助、教育及治疗等场景提供了多感官工具。
2024-09-12 cs.CV cs.MM cs.SD
Controlling Perceived Emotion in Symbolic Music Generation with Monte Carlo Tree Search
Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所（Amii））；University of Alberta（阿尔伯塔大学）；University of California, Santa Cruz（加利福尼亚大学圣克鲁兹分校）
提出了一种基于蒙特卡罗树搜索的符号音乐生成中情感控制的新方法。我们使用蒙特卡罗树搜索作为解码机制，以引导概率分布的语言模型学习到一个给定的情感。在解码过程的每一步，我们使用预测器上置信度树（PUCT）搜索序列，最大化的情感和质量的平均值，分别由情感分类器和一个神经网络。我们使用一个语言模型作为PUCT的策略，并将情感分类器和语义分类器的组合作为其价值函数。为了解码一段音乐中的下一个令牌，我们从搜索过程中创建的节点访问分布中进行采样。我们使用一组直接从生成的样本计算的客观指标来评估生成的样本相对于人类组成的作品的质量。我们还进行了用户研究，以评估人类受试者如何感知生成的样本的质量和情感。我们比较了PUCT与随机双目标束搜索（SBBS）和条件采样（CS）。结果表明，PUCT在几乎所有的音乐质量和情感指标上都优于SBBS和CS。
2022-09-01 cs.LG cs.MM cs.SD
EMelodyGen: Emotion-Conditioned Melody Generation in ABC Notation with the Musical Feature Template
Department of Music AI and Information Technology, Central Conservatory of Music（中央音乐学院音乐人工智能与信息科技系）；School of Computer Science and Technology, Fudan University（复旦大学计算机科学与技术学院）；Shanghai Key Laboratory of Intelligent Information Processing, Fudan University（复旦大学智能信息处理上海重点实验室）
针对情感标注乐谱稀缺问题，提出EMelodyGen系统，通过音乐特征模板构建Rough4Q数据集，预训练模型实现高解析率与情感对齐度，验证了特征控制的有效性。
2025-05-18 cs.AI cs.IR cs.SD
Are Words Enough? On the semantic conditioning of affective music generation
ITI；LARSyS；INESC TEC
该范围综述梳理自动音乐生成的规则与机器学习两大范式，聚焦文本驱动的深度学习音乐生成模型，探讨语言表征音乐情感的可行性，指出深度学习结合自然语言的应用有望赋能创意产业的音乐创作。
2023-11-07 cs.LG cs.MM cs.SD
Tracing Back Music Emotion Predictions to Sound Sources and Intuitive Perceptual Qualities
Johannes Kepler University（约翰·开普勒大学）；Linz Institute of Technology（林茨理工学院）
音乐情感识别是音乐信息检索研究的重要内容。由于任务的主观性质和音乐类型之间的情感线索的变化等因素，在开发可靠和可推广的模型方面仍然存在重大挑战。迈向更好模型的一个重要步骤是了解模型实际上从数据中学习了什么，以及如何对特定输入进行预测。在以前的工作中，我们已经展示了如何根据频谱图图像片段来解释模型预测，这些频谱图图像片段通过一层易于解释的感知特征与高级情感预测相连接。然而，该方案在声谱图水平上缺乏直观的音乐可理解性。在目前的工作中，我们通过合并audioLIME（一种基于源分离的解释器）与中级感知特征来弥合这一差距，从而在输入音频和输出情感预测之间形成直观的连接链。我们证明了这种方法的实用性，通过应用它来调试有偏见的情绪预测模型。
2021-06-16 cs.LG cs.SD eess.AS
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
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
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
Emotion Manipulation Through Music -- A Deep Learning Interactive Visual Approach
Data Science Institute（数据科学研究所）；Columbia University（哥伦比亚大学）；Central Washington University（中华盛顿大学）；Transilvania University of Braşov（布拉索夫特兰西瓦尼亚大学）
本文提出一种基于AI的交互式音乐情绪操控流水线，可在保留旋律的同时反转歌曲情绪并用Circumplex模型可视化，且深度学习评估模型在4Q Emotion数据集上达到现有先进水平。
2024-06-12 cs.AI cs.CY cs.LG
Instrument Separation of Symbolic Music by Explicitly Guided Diffusion Model
LG AI Research（LG人工智能研究院）；University of Ulsan（蔚山大学）
与计算机视觉中的彩色化类似，乐器分离是分配乐器标签（例如钢琴，吉他.）到来自仅包含性能信息的未标记混合物的音符。为了解决这个问题，我们采用扩散模型，并明确指导他们保持混合和音乐之间的一致性。定量结果表明，我们提出的模型可以产生高保真的多轨符号音乐的创造性样本。
2022-09-05 cs.MM cs.SD eess.AS
Symbolic & Acoustic: Multi-domain Music Emotion Modeling for Instrumental Music
Ping An Technology (Shenzhen) Co., Ltd.（平安科技（深圳）有限公司）
针对单域音乐情感识别方法唤醒度与效价建模一致性弱的问题，提出结合符号与声学分析的器乐多域情感建模方法，在EMOPIA数据集上较基线准确率提升2.4%，达SOTA。
2023-08-28 cs.SD eess.AS
From Words to Music: A Study of Subword Tokenization Techniques in Symbolic Music Generation
Indian Institute of Technology Kharagpur（印度理工学院克勒格布尔分校）；Queen Mary University of London（伦敦玛丽女王大学）
本文研究 BPE、Unigram 等子词分词对 Transformer 符号音乐生成的影响，在三类 MIDI 数据上验证其可生成更长且结构更好的音乐。
2023-04-25 cs.LG 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
Exploring Softly Masked Language Modelling for Controllable Symbolic Music Generation
KTH（瑞典皇家理工学院）
本文探索将软掩码语言建模（SMLM）应用于可控符号音乐生成，通过Transformer编码器架构实现约束条件下的音乐生成，并提供了音频示例。
2023-05-11 cs.LG cs.SD eess.AS
PDMX: A Large-Scale Public Domain MusicXML Dataset for Symbolic Music Processing
UC San Diego（加州大学圣地亚哥分校）
本文发布包含 25 万余份公有领域 MusicXML 乐谱及元数据的 PDMX 数据集，并通过多轨生成实验验证不同子集和用户评分对下游模型与质量筛选的作用。
2025-03-17 cs.AI cs.LG cs.MM
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
Learning Transposition-Invariant Interval Features from Symbolic Music and Audio
Institute of Computational Perception, JKU Linz（林茨约翰·开普勒大学计算感知研究所）；Sony Computer Science Laboratories (CSL)（索尼计算机科学实验室）
许多音乐理论结构（如音阶类型，调式，节奏和和弦类型）都是根据音高间隔-音高之间的相对距离来定义的。因此，当计算机模型用于音乐任务时，在音程表示上操作而不是在原始音乐表面上操作可能是有用的。此外，区间表示是转置不变的，对于音频对齐，翻唱歌曲检测和音乐结构分析等任务很有价值。我们采用门控自动编码器学习固定长度，可逆和换位不变的间隔表示从复调音乐中的符号域和音频。提出了一种无监督的训练方法，在音乐上合理的表示空间中产生间隔的组织。基于表示，转置不变的自相似矩阵的构建和使用，以确定重复的部分在符号音乐和音频，产生竞争力的结果在MIREX任务“发现重复的主题和部分”。
2019-02-04 cs.LG cs.SD eess.AS
Flexible Control in Symbolic Music Generation via Musical Metadata
LG AI Research（LG人工智能研究院）
本研究提出一种以音乐元数据为输入的自回归符号音乐生成模型，通过训练时随机丢弃元数据词元实现灵活控制，经多维度实验及主观测试验证，其在控制性和音乐质量上均优于其他模型。
2024-08-28 cs.MM cs.SD eess.AS
Emotion-Guided Image to Music Generation
Indian Institute of Technology Guwahati（印度理工学院古瓦哈提分校）；Samsung R&D Institute Noida（三星诺伊达研发中心）；Chubu University（中部大学）
针对图像到音乐生成的情感匹配需求，提出基于VA情感空间、整合VA损失函数的CNN-Transformer框架，在自建情感配对数据集上多项指标优于现有模型。
2024-10-29 cs.CV cs.LG cs.SD
Efficient Fine-Grained Guidance for Diffusion Model Based Symbolic Music Generation
Tingyu Zhu（丁宇 Zhu）；Haoyu Liu（刘浩宇 Liu）；Ziyu Wang（王子宇 Wang）；Zhimin Jiang（江志敏 Jiang）；Zeyu Zheng（郑泽宇 Zheng）
本文提出扩散模型中的高效细粒度引导方法FGG，通过更贴合作曲家意图的引导提升符号音乐生成的准确性、可听性与质量，并支持即兴与实时交互式创作。
2025-06-06 cs.AI cs.LG cs.MM
PiRhDy: Learning Pitch-, Rhythm-, and Dynamics-aware Embeddings for Symbolic Music
Nankai University（南开大学）；National University of Singapore（新加坡国立大学）；Institute for Infocomm Research, A*STAR（新加坡科技研究局资讯通信研究院）；Tsinghua University（清华大学）
在当今的深度学习中，连续嵌入仍然是计算音乐学对符号音乐的一个基本挑战。类似于自然语言，音乐可以被建模为一系列符号。这促使大多数现有解决方案探索利用词嵌入模型来构建音乐嵌入。然而，音乐在两个关键方面不同于自然语言：（1）音乐标记是多方面的-它包括音高，节奏和动态信息;（2）音乐上下文是二维的-每个音乐标记都依赖于旋律和和声上下文。在这项工作中，我们提供了一个全面的解决方案，提出了一个新的框架名为PiRhDy，无缝集成音高，节奏和动态信息。PiRhDy采用分层策略，可以分解为两个步骤：（1）令牌（即，音符事件）建模，其分别表示音高、节奏和动态，并将它们集成到单个标记嵌入中;以及（2）上下文建模，其利用旋律和和声知识来训练标记嵌入。深入研究了PiRhDy的各个组成部分和子策略。我们进一步验证我们的嵌入在三个下游任务-旋律完成，伴奏建议，和流派分类。结果表明，一个显着的进步的神经方法对象征性的音乐，以及PiRhDy的潜力作为一个预先训练的工具，广泛的象征性的音乐应用。
2020-10-16 cs.MM 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
Symbolic Music Loop Generation with Neural Discrete Representations
LG AI Research（LG人工智能研究院）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
由于大多数音乐都有从主题到乐句的重复结构，重复音乐思想可以成为音乐创作的基本操作。我们关注的基本块被概念化为循环，这是音乐的基本成分。此外，有意义的音符模式可以在有限的空间中形成，所以用离散符号的组合来表示它们就足够了，就像在其他领域所做的那样。在这项工作中，我们提出了通过学习离散表示符号音乐循环生成。我们首先使用循环检测器从数据集中提取循环，然后学习由提取的循环的离散潜码训练的自回归模型。我们表明，我们的模型在保真度和多样性方面优于著名的音乐生成模型，在随机空间上进行评估。我们的代码和补充材料可在https://github.com/sjhan91/Loop_VQVAE_Official上获得。
2022-10-29 cs.MM cs.SD eess.AS
Signal-domain representation of symbolic music for learning embedding spaces
IRCAM（声学/音乐研究所）
机器学习模型的一个关键方面在于它们学习有效中间特征的能力。然而，输入表示在这个过程中起着至关重要的作用，复调乐谱仍然是一种特别复杂的信息类型。在本文中，我们介绍了一种新的表示符号音乐数据，它转换成一个连续的信号的复调乐谱。我们从音乐的角度来评估学习有意义的功能，从这个表示的能力。因此，我们介绍了一种评价方法，依靠原则性的生成合成数据。最后，为了测试我们提出的代表性，我们进行了广泛的基准对最近的复调符号表示。我们表明，我们的信号表示导致更好的重建和解开功能。这种改进反映在度量属性和根据音乐理论属性从我们的类信号表示学习的空间的生成能力中。
2021-09-08 cs.LG cs.SD eess.AS
Aligning MusicLLM with Emotion using Instruction Tuning and Feedback-Driven Alignment
LY Corporation
本文研究如何通过指令微调和反馈驱动对齐策略，使音乐大语言模型（MusicLLM）具备情感回归能力，并证明反馈驱动对齐能显著提升唤醒度和效价预测性能，同时保持音乐问答能力。
2026-06-24 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
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
Symbolic Music Generation with Non-Differentiable Rule Guided Diffusion
California Institute of Technology（加州理工学院）；Rensselaer Polytechnic Institute（伦斯勒理工学院）；NVIDIA（英伟达公司）；Dalhousie University（达尔豪斯大学）；Vector Institute（矢量研究所）
针对符号音乐生成中非可微规则引导的挑战，提出仅需前向评估的免训练引导方法SCG及高时间分辨率潜在扩散架构，显著提升了音乐质量与规则可控性。
2024-09-25 cs.LG cs.SD eess.AS
Analyzing Byte-Pair Encoding on Monophonic and Polyphonic Symbolic Music: A Focus on Musical Phrase Segmentation
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（波尔多国立综合理工学院）；LaBRI（波尔多计算机科学研究实验室）
本文研究BPE在不同乐器编制及单、多声部符号音乐中的行为，并通过音乐乐句分割实验表明其词汇高度依赖编制、supertokens可捕捉抽象内容，且性能提升随声部与合并次数而变化。
2024-10-02 cs.CL cs.IR cs.SD
CLaMP: Contrastive Language-Music Pre-training for Cross-Modal Symbolic Music Information Retrieval
Central Conservatory of Music（中央音乐学院）；Microsoft Research Asia（微软亚洲研究院）；Tsinghua University（清华大学）
CLaMP通过对比学习联合训练音乐与文本编码器，利用140万配对数据和掩码音乐建模，实现符号音乐的语义搜索与零样本分类，性能媲美需微调的先进模型。
2023-10-18 cs.IR cs.SD eess.AS
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
MIDI-RAE-JEPA: Hierarchical Representation Learning and Generation for Symbolic Music
研究针对符号音乐表示自监督方法探索不足的问题，提出MIDI-RAE-JEPA，结合音高和时间移位等方差目标、LeJEPA及Swin Transformer V2编码器学习分层表示，经实验验证该方法在多方面表现良好，为符号音乐表示提供了可行途径。
2026-07-17 cs.LG cs.SD eess.AS
The Power of Fragmentation: A Hierarchical Transformer Model for Structural Segmentation in Symbolic Music Generation
IEEE Publication Technology Group（IEEE出版技术组）
符号音乐生成依赖于生成模型的上下文表示能力，其中最流行的方法是基于transformer的模型。音乐语境的学习也与音乐中的结构元素有关，即介绍，诗句和合唱，这些都是目前研究界所忽视的。在本文中，我们提出了一个层次化的Transformer模型来学习音乐中的多尺度上下文。在编码阶段，我们首先设计了一个Fragment Scope Localization层，将音乐切分成和弦和小节。然后，我们使用多尺度注意力机制来学习音符、和弦和小节级上下文。在解码阶段，我们提出了一个分层的Transformer模型，它使用细解码器来并行生成部分和粗解码器来解码组合的音乐。我们还设计了一个音乐风格规范化层，以在生成的部分之间实现一致的音乐风格。我们的模型在两个开放的数据集上进行了评估，实验表明，我们的模型优于当代最好的音乐生成模型。更令人兴奋的是，视觉评价表明，我们的模型是优越的旋律重用，从而产生更真实的音乐。
2022-07-10 cs.LG cs.SD eess.AS
SYMPLEX: Controllable Symbolic Music Generation using Simplex Diffusion with Vocabulary Priors
KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出SYMPLEX，将概率空间上的单纯形扩散与词汇先验用于无序表示的4小节多乐器符号音乐生成，实现时间、音高填充及乐器选择等可控性，且无需任务适配或外部控制。
2024-05-21 cs.LG 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
Barwise Section Boundary Detection in Symbolic Music Using Convolutional Neural Networks
本文针对符号音乐乐段边界检测问题，构建了基于Lakh MIDI的人工标注数据集，并提出基于合成泛音编码和卷积神经网络的检测方法，F1达到0.77，显著优于音频方法。
2025-09-20 cs.LG cs.SD eess.AS
MusicAOG: an Energy-Based Model for Learning and Sampling a Hierarchical Representation of Symbolic Music
Central Conservatory of Music（中央音乐学院）；Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院）；Alibaba Group（阿里巴巴集团）
本文提出MusicAOG，一种基于层次化与或图和能量模型的符号音乐表示与生成方法，利用极小极大熵原则和Metropolis-Hastings采样实现细粒度控制，显著提升了可解释性与可控性。
2024-01-05 cs.MM cs.SD eess.AS
musif: a Python package for symbolic music feature extraction
musif是一个用于符号音乐特征提取的Python包，提供大量预定义特征和自定义特征创建功能，适用于MusicXML及其他音乐信息检索格式。
2023-07-03 cs.MM cs.SD eess.AS
Symbolic Music Genre Transfer with CycleGAN
ETH Zürich（苏黎世联邦理工学院）
深度生成模型，如变分自编码器（VAE）和生成对抗网络（GANs），最近已被应用于图像的风格和域转移，在VAE的情况下，音乐。基于GAN的模型采用多个生成器和某种形式的周期一致性损失，是图像域传输中最成功的模型之一。在本文中，我们应用这样一个模型，象征性的音乐，并显示我们的方法的可行性，音乐体裁转移。使用单独的体裁分类器的评估表明，风格转移效果良好。为了提高转换后的音乐的保真度，我们添加了额外的鉴别器，使生成器保持原始音乐的结构基本不变，同时仍然实现了强大的流派转移。视觉和听觉结果进一步显示了我们方法的潜力。据我们所知，本文代表了GANs在符号音乐域转移中的首次应用。
2018-09-20 cs.LG cs.SD eess.AS
Symbolic Music Representations for Classification Tasks: A Systematic Evaluation
Queen Mary University of London（伦敦大学玛丽女王学院）；Johannes Kepler University（约翰开普勒大学）
本文系统性评估了符号音乐在分类任务中的矩阵、序列和图表示及其对应神经架构，引入了针对符号演奏的新型图表示，发现图表示在训练更轻量的同时展现出极具前景的性能。
2023-09-10 cs.MM 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
Evaluating Interval-based Tokenization for Pitch Representation in Symbolic Music Analysis
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（波尔多国立综合理工学院）
本文提出构建基于音程的音乐分词通用框架，并在三项音乐分析任务上验证其相较绝对 MIDI 音高表示可提升模型性能与可解释性。
2025-01-08 cs.IR cs.SD eess.AS
Video-based Music Generation
Doctoral Program in Electrical and Computer Engineering（电子与计算机工程博士项目）；Faculty of Engineering, University of Porto（葡萄牙波尔图大学工程学院）；Faculty of Science and Technology, University of Coimbra（科英布拉大学科学与技术学院）；Frost School of Music, University of Miami（迈阿密大学弗罗斯特音乐学院）；Faculty of Science and Technology, NOVA University Lisbon（里斯本NOVA大学科学与技术学院）；ISEP, Polytechnic of Porto（波尔图理工学院ISEP）
EMSYNC通过视频情感分类、情感驱动音乐生成和时间边界条件，实现了自动化的视频音乐生成，提升了音乐丰富性与情感对齐度。
2026-02-05 cs.AI cs.CV cs.LG
Online Symbolic Music Alignment with Offline Reinforcement Learning
Johannes Kepler University Linz（林茨约翰内斯·开普勒大学）
提出一种基于离线强化学习的在线符号音乐对齐技术，利用注意力神经网络迭代估计乐谱位置，并在多项任务中优于先进参考模型。
2023-12-31 cs.LG cs.SD eess.AS
A Survey on Multimodal Music Emotion Recognition
University of New South Wales（新南威尔士大学）
本综述全面概述了多模态音乐情感识别（MMER）的最新进展，提出了包含数据选择、特征提取、处理与情感预测的四阶段框架，指出了当前研究面临的挑战并提出了未来方向。
2025-04-26 cs.MM cs.SD eess.AS
An Order-Complexity Model for Aesthetic Quality Assessment of Symbolic Homophony Music Scores
计算美学评价在视觉艺术领域已经取得了很大的成就，但在音乐领域的研究工作还有待探索。尽管现有的音乐生成工作量非常可观，但与人类作曲家创作的乐谱相比，AI生成的乐谱质量相对较差。人工智能创作的乐谱通常是单调的，缺乏情感。基于伯克霍夫的美学测度，提出了一种客观定量的评价方法，用于评价和声乐谱的美学质量。本文的主要贡献在于：一是提出了一个和声乐谱审美模型，作为客观评价乐谱质量的基线模型;二是提出了八个基本音乐特征和四个音乐审美特征。
2023-01-14 cs.CV cs.MM cs.SD
Personalized Dynamic Music Emotion Recognition with Dual-Scale Attention-Based Meta-Learning
Zhejiang University（浙江大学）
本文提出DSAML方法，通过双尺度注意力Transformer捕获短长期依赖，并结合按标注者划分任务的元学习策略，仅需一个个性化样本即可实现个性化动态音乐情感识别。
2024-12-26 cs.IR cs.SD eess.AS
Emotion-driven Piano Music Generation via Two-stage Disentanglement and Functional Representation
UC San Diego（加州大学圣地亚哥分校）；National Taiwan University（台湾大学）
本文提出一种两阶段解耦框架，结合新型功能表示，分别对主旋律谱效价和演奏层面唤醒度进行建模，有效解决了钢琴音乐生成中的情感建模不足问题，并展示了广泛的情感控制应用潜力。
2024-07-30 cs.AI cs.SD eess.AS
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
