SongRewriter: A Chinese Song Rewriting System with Controllable Content and Rhyme Scheme
The Hong Kong University of Science and Technology(香港科技大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室)
本文提出中文歌曲改写系统 SongRewriter,通过随机化多级掩码训练、关键词提示、解码约束和元音建模,使改写歌词适配现有旋律节奏并支持可控押韵,实验表明其在内容与押韵质量上优于现有模型。
2023-05-26 cs.CL
Modelling Emotion Dynamics in Song Lyrics with State Space Models
Utrecht University(乌得勒支大学);The University of Melbourne(墨尔本大学)
大多数以前的工作在音乐情感识别假设一个单一的或几个歌曲级别的标签为整个歌曲。虽然已知不同的情绪在一首歌中的强度会有所不同,但这种设置的注释数据很少且难以获得。在这项工作中,我们提出了一种方法来预测歌词中的情感动态,而无需歌曲级的监督。我们将每首歌曲作为一个时间序列,并采用一个状态空间模型(SSM),结合一个预期最大化(EM)过程的一个高度的情感预测器,以产生完整的情感动态。我们的实验表明,应用我们的方法始终提高了性能的水平基线,而不需要任何注释的歌曲,使其成为有限的训练数据的情况下的理想选择。通过案例研究的进一步分析显示了我们的方法的好处,同时也指出了局限性,并指出了未来的发展方向。
2022-10-17 cs.CL
Bollyrics: Automatic Lyrics Generator for Romanised Hindi
Indian Institute of Technology Gandhinagar(印度理工学院甘地讷格尔分校)
歌词以复杂的节奏模式,创造性地传达了一个有意义的故事。研究人员已经成功地生成和分析了英文和中文诗歌和歌曲的歌词。但是没有任何作品探索印地语数据集。鉴于印地语歌曲在世界各地的流行和罗马化印地语脚本的模棱两可的性质,我们提出了Bollyrics,一个自动歌词生成器罗马化印地语歌曲。我们提出了简单的技术来捕捉押韵模式之前和期间的模型训练过程中,在印地语。数据集和代码可在https://github.com/lingo-iitgn/Bollyrics上公开获得。
2020-07-25 cs.CL
Decoding the Style and Bias of Song Lyrics
Bloomberg LP(彭博有限合伙企业)
本文的中心思想是通过计算对歌词有更深入的理解。本文主要从歌词风格和歌词偏见两个方面进行研究。所有以前的工作,以了解这两个方面都限于手动分析的一个小语料库的歌词。相比之下,我们分析了50年来传播的50多万首歌曲。我们从词汇量、长度、重复性、速度和可读性等方面来描述歌词风格。我们注意到流行歌曲的风格与其他歌曲有很大的不同。我们使用分布式表征方法和WEAT测试来测量歌词中的各种性别和种族偏见。我们已经观察到,歌词中的偏见与人类受试者的先前结果相关。这种相关性表明,歌词反映了社会上存在的偏见。音乐消费的增加和歌词对人类情感的影响使这种分析变得重要。
2019-07-17 cs.CL cs.IR
Tollywood Emotions: Annotation of Valence-Arousal in Telugu Song Lyrics
International Institute of Information Technology, Hyderabad(海得拉巴国际信息技术学院)
给定音乐曲目的情感识别严重依赖于声学特征、社交标签和元数据,但很少关注歌词。没有印度语歌曲的数据集包含歌词的效价和唤醒手动评级。我们提出了一个新的手动注释数据集的泰卢固语歌曲的歌词从Spotify收集的效价和唤醒离散尺度上注释。一个相当高的注释者之间的协议,观察效价和唤醒。随后,我们建立了两个音乐情感识别模型,使用两种分类技术来识别效价,唤醒和各自的情感象限的歌词。使用具有词频-逆文档频率(TF-IDF)特征的支持向量机(SVM)和微调预训练的XLMRoBERTa(XLM-R)模型用于效价、唤醒和象限分类任务。在10倍交叉验证中,微调的XLMRoBERTa通过将效价、唤醒和象限分类的宏观平均F1分数分别从54.69%、67.61%、34.13%提高到77.90%、80.71%和58.33%而比SVM表现得更好。此外,我们将我们的歌词注释与Spotify的效价和能量注释(与唤醒相同)进行了比较,后者基于整个音乐曲目。我们的研究结果的影响进行了讨论。最后,我们将数据集公开提供歌词,注释和Spotify ID。
2023-03-16 cs.CL
Song Form-aware Full-Song Text-to-Lyrics Generation with Multi-Level Granularity Syllable Count Control
Department of Intelligence and Information(智能与信息系);Artificial Intelligence Institute(人工智能研究所)
针对歌词生成中音节控制与歌曲形式对齐的挑战,提出一种多粒度音节控制框架,在词、短语、行和段落层面实现精确控制,生成符合约束的完整歌词。
2025-06-23 cs.AI cs.CL
Exploring Genre and Success Classification through Song Lyrics using DistilBERT: A Fun NLP Venture
University of Cologne(科隆大学)
本文利用 DistilBERT 和 BERT 嵌入对歌词进行流派分类、成功预测和发行年份预测,其中 SVM 在年份预测中 RMSE 最低,展示了 NLP 在音乐理解中的潜力。
2024-07-28 cs.CL
Songs Across Borders: Singable and Controllable Neural Lyric Translation
National University of Singapore(新加坡国立大学)
本文将歌词翻译形式化为约束翻译问题,结合翻译学理论与提示驱动NMT方法构建英汉歌词翻译系统,在长度、押韵和词边界指标上均超过95%,整体质量较朴素微调提升75%。
2023-05-26 cs.CL
A Hybrid Framework for Song Lyric Annotation Based on Human-LLM Alignment
School of Computer Science and Engineering, University of New South Wales(新南威尔士大学计算机科学与工程学院)
提出混合注释框架,通过预测人类与LLM在歌词情感标注中的潜在不一致,优化注释过程,并创建句子级歌词数据集。
2026-06-28 cs.AI cs.CL
Linguistic Complexity and Socio-cultural Patterns in Hip-Hop Lyrics
本文提出一个计算框架,利用自然语言处理分析3814首嘻哈歌词,揭示了四十年来词汇多样性、押韵密度、主题和情感的变化,为嘻哈演变提供了定量证据。
2025-04-29 cs.AI cs.CL
SongMASS: Automatic Song Writing with Pre-training and Alignment Constraint
National Engineering Research Center for Software Engineering, Peking University(北京大学软件工程国家工程研究中心);Nanjing University of Science and Technology(南京理工大学);Microsoft Research Asia(微软亚洲研究院);Zhejiang University(浙江大学)
自动歌曲写作的目的是用机器创作一首歌曲(歌词和/或旋律),这是学术界和工业界都感兴趣的话题。在歌曲自动创作中,歌词到旋律的生成和旋律到歌词的生成是两个重要的任务,但这两个任务通常都面临以下挑战:1)由于歌词和旋律之间的相关性较弱,需要大量的成对训练数据,因此歌词和旋律的成对数据有限,影响了这两个任务的生成质量; 2)歌词和旋律之间需要严格的对齐,这依赖于特定的对齐模型。在本文中,我们提出SongMASS来解决上述挑战,它利用掩蔽序列到序列(MASS)预训练和基于注意力的对齐建模来生成歌词到旋律和旋律到歌词。具体来说,1)我们将原始的歌词级MASS预训练扩展到歌曲级,以更好地捕获音乐中的长上下文信息,并为每个模态(歌词或旋律)使用单独的编码器和解码器; 2)我们在训练期间利用歌词级注意力掩码和标记级注意力约束,以增强歌词和旋律之间的对齐。在推理过程中,我们使用动态规划策略来获得歌词中每个单词/音节与旋律中音符之间的对齐。我们在未配对的歌词和旋律数据集上对SongMASS进行了预训练,客观和主观评估都表明,SongMASS生成的歌词和旋律的质量明显优于没有预训练或对齐约束的基线方法。
2020-12-09 cs.CL cs.SD eess.AS
LyricSIM: A novel Dataset and Benchmark for Similarity Detection in Spanish Song LyricS
Universidad de Salamanca(萨拉曼卡大学);Universidad Nacional de Educacion a Distancia(国立远程教育大学);IE University(IE大学)
该研究构建并标注西班牙语歌曲歌词相似度数据集LyricSIM,通过63名母语者标注和一致性筛选得到676对高质量样本,并评测多种单语及多语言模型,建立可复用基准。
2023-06-02 cs.CL cs.IR
Large scale analysis of gender bias and sexism in song lyrics
ISI Foundation(ISI基金会);Central European University(中欧大学);CENTAI;Sapienza University(罗马大学);Universitat Pompeu Fabra(庞培法布拉大学)
该研究利用自然语言处理技术对近38万首英文歌词做大规模分析,发现性别歧视内容随时间增长,男性艺人及热门歌曲中更突出,且男性独唱作品偏见更多更强,为流行文化语言研究提供新洞见。
2023-05-02 cs.CL cs.CY
SongComposer: A Large Language Model for Lyric and Melody Generation in Song Composition
The Chinese University of Hong Kong(中国香港大学);Beihang University(北航);Shanghai AI Laboratory(上海人工智能实验室);CPII under InnoHK(创新香港下的CPII)
本文提出SongComposer,一个音乐专用大型语言模型,通过灵活元组格式、扩展分词器词汇表和多阶段流程三项创新,首次将同时创作歌词与旋律的能力集成到LLM中,在多项任务中优于GPT-4,并发布大规模中英文训练数据集SongCompose。
2025-05-30 cs.AI cs.CL cs.SD
Psychological Effects of Cultural Upheavals from Millions of Song Lyrics Over 100 Years
Michigan State University(密歇根州立大学)
本研究分析跨越百年的数百万首歌词,发现越战、9/11和COVID-19等文化动荡显著降低自我参照率并增加认知处理词汇,表明动荡深刻影响个体与集体的言语行为。
2026-09-16 cs.CL
MusicMood: Predicting the mood of music from song lyrics using machine learning
Michigan State University(密歇根州立大学)
当代音乐的情感预测在现代社会中有着广泛的应用,例如,为医院或餐馆等公共机构选择音乐,以分别潜在地改善工作人员、患者和客户的情感健康。在这个项目中,音乐推荐系统建立在朴素贝叶斯分类器的基础上,经过训练,仅根据歌词来预测歌曲的情感。实验结果表明,音乐对应于一个快乐的心情可以检测到高精度的基础上获得的文本特征的歌词。
2016-11-01 cs.CL cs.IR cs.LG
ArzEn-MultiGenre: An aligned parallel dataset of Egyptian Arabic song lyrics, novels, and subtitles, with English translations
University of Sharjah(沙迦大学)
该研究构建了 ArzEn-MultiGenre 平行语料库,涵盖歌曲、小说和字幕,含 25,557 个对齐片段,为机器翻译和跨语言研究提供金标准数据。
2025-08-02 cs.CL
Lyric document embeddings for music tagging
Apple(苹果公司)
我们提出了一个实证研究嵌入一首歌的歌词到一个固定的维度特征的音乐标签的目的。在数千万首歌曲的工业规模数据集上训练了五种计算令牌级的方法和四种计算文档级表示的方法。我们将预训练嵌入的简单平均值与现代递归和基于注意力的神经架构进行了比较。评估广泛的标记任务,如体裁分类,明确的内容识别和时代检测,我们发现,平均词嵌入优于更复杂的架构在许多下游指标。
2021-11-29 cs.CL
Song Emotion Classification of Lyrics with Out-of-Domain Data under Label Scarcity
Stanford University(斯坦福大学);OHS
针对歌词情感分类域内标注数据稀缺的问题,提出用大规模Reddit评论域外数据集训练CNN模型,实验证明该方案具备良好性能与泛化性,为数据匮乏领域提供了可行思路。
2024-10-08 cs.CL cs.LG
Translate the Beauty in Songs: Jointly Learning to Align Melody and Translate Lyrics
Zhejiang University(浙江大学);Alibaba DAMO Academy(阿里巴巴达摩院)
歌曲翻译既需要翻译歌词,也需要调整音乐音符,这样所产生的诗句才能与伴随的旋律一起演唱,这是一个具有挑战性的问题,在翻译过程的不同方面引起了一些人的兴趣。在本文中,我们提出了歌词旋律翻译与自适应翻译(LTAG),一个整体的解决方案,自动歌曲翻译联合建模歌词翻译和歌词旋律对齐。它是一种新颖的编码器-解码器框架,可以同时翻译源歌词,并通过自适应音符分组模块在每个解码步骤中确定对齐音符的数量。为了解决数据稀缺的问题,我们委托了少量专门为此任务注释的训练数据,并通过反向翻译使用了大量增强数据。在一个英汉歌曲翻译数据集上的实验表明了该模型在自动评价和人工评价中的有效性。
2023-03-28 cs.CL cs.SD eess.AS
Interpreting Song Lyrics with an Audio-Informed Pre-trained Language Model
Queen Mary University of London(伦敦玛丽女王大学);NYU Shanghai(上海纽约大学);MBZUAI(穆罕默德·本·扎耶德人工智能大学)
歌词解释可以帮助人们快速理解歌曲及其歌词,也可以更容易地从不断增长的大量音乐档案中有效地管理、检索和发现歌曲。在本文中,我们提出了BART融合,一种新的模型,用于从歌词和音乐音频中生成歌词解释,该模型将大规模预训练的语言模型与音频编码器相结合。我们采用跨模态注意模块将音频表示合并到歌词表示中,以帮助预训练的语言模型从音频角度理解歌曲,同时保留语言模型的原始生成性能。我们还发布了Song Interpretation Dataset,这是一个新的大规模数据集,用于训练和评估我们的模型。实验结果表明,额外的音频信息有助于我们的模型更好地理解单词和音乐,并生成精确和流畅的解释。跨模态音乐检索的另一个实验表明,由BART融合产生的解释也可以帮助人们比原始的BART更准确地检索音乐。
2022-08-24 cs.CL cs.SD eess.AS
From Joy to Fear: A Benchmark of Emotion Estimation in Pop Song Lyrics
本文构建了基于MOS标注的歌词情感数据集,评估零样本LLMs与微调BERT模型在六类情感强度预测上的表现,揭示了两类模型的优劣,为音乐信息检索中的情感识别提供模型选择参考。
2025-09-06 cs.AI cs.CL
Optimizing the Songwriting Process: Genre-Based Lyric Generation Using Deep Learning Models
Stanford University(斯坦福大学)
本研究利用Spotify的18,000首歌曲数据集,通过深度学习技术训练基线预训练seq2seq模型和基于流派的LSTM神经网络模型,实现了基于流派的歌词生成,有效简化并加速了传统歌曲创作过程。
2024-09-15 cs.AI cs.CL cs.SD
Deep learning based mood tagging for Chinese song lyrics
The Hong Kong Polytechnic University(香港理工大学);Tencent Group(腾讯集团);Beijing University of Posts and Telecommunications(北京邮电大学)
如今,听音乐已经并将永远是我们日常生活中不可或缺的一部分。近年来,音乐情感分析在信息检索系统、个性化推荐系统等方面得到了广泛的应用,本文结合深度学习的发展,致力于寻找一种有效的中文歌词情感标注方法。为了实现这一目标,研究和比较了机器学习和深度学习模型。最终,一种基于CNN的预训练词嵌入模型被证明可以有效提取中文歌词的情感特征分布,比传统机器学习方法(即TF-IDF+SVM和LIWC+SVM)至少高出15个百分点,比其他深度学习模型(即RNN,LSTM)高出7个百分点。在本文中,超过160,000个歌词语料库已被用于预训练词嵌入,以提高情绪标记。
2019-06-15 cs.CL cs.LG
Mood Classification of Bangla Songs Based on Lyrics
East West University(东西大学);University of Liberal Arts Bangladesh(孟加拉国自由艺术大学)
针对孟加拉语歌曲情绪研究不足的问题,研究者构建含4000首歌曲的数据集,采用自然语言处理与Bert算法基于歌词实现四类情绪的多分类,为音乐情绪贴合用户情感提供自动化方案。
2023-07-19 cs.CL cs.IR cs.LG
Word Embeddings for Sentiment Analysis: A Comprehensive Empirical Survey
Politecnico di Torino(都灵理工大学)
本文研究了训练方法、训练语料库规模和文本主题相关性等因素对词嵌入特征在推文、歌词、电影评论和项目评论的情感分析中的作用。我们还探索了特定的训练或后处理方法,可用于提高词嵌入在某些任务或领域的性能。我们的经验观察表明,用大而丰富的词汇量的多主题文本训练的模型在回答句法和语义词类比问题时是最好的。我们进一步观察到,主题相关性的影响是更强的电影和电话评论,但较弱的推文和歌词。后两个领域对语料库大小和训练方法更敏感,Glove优于Word2vec。从词典“注入”额外的智能或生成情感特定的词嵌入是提高词嵌入特征性能的两个突出的替代方案。
2019-02-02 cs.CL cs.IR
Quantifying Gender Bias in Consumer Culture
Wharton School, University of Pennsylvania(宾夕法尼亚大学沃顿商学院)
歌曲等文化项目在创造和加强陈规定型观念、偏见和歧视方面具有重要影响。但这些项目的实际性质往往不那么透明。以歌曲为例。歌词对女性有偏见吗?随着时间的推移,这些偏见是如何改变的?自然语言处理对50年来25万首歌曲进行了量化。女性不太可能与理想的特征(即,虽然这种偏见已经减少,但它仍然存在。辅助分析进一步表明,歌词可能有助于推动社会对女性的刻板印象的转变,而抒情的转变是由男性艺术家推动的(因为女性艺术家一开始就没有那么偏见)。总的来说,这些结果揭示了文化进化,偏见和歧视的微妙措施,以及自然语言处理和机器学习如何更深入地了解刻板印象和文化变革。
2022-01-10 cs.CL
The Contribution of Lyrics and Acoustics to Collaborative Understanding of Mood
Spotify(声田)
在这项工作中,我们通过数据驱动的分析来研究歌词和情绪之间的关联。我们的数据集由近100万首歌曲组成,歌曲情绪关联来自Spotify流媒体平台上的用户播放列表。我们利用最先进的基于Transformers的自然语言处理模型来学习歌词和情绪之间的关联。我们发现,在zero-shot设置中,预训练的基于transformer的语言模型-即,开箱即用,无需对我们的数据进行进一步的训练--对于捕捉歌曲情绪关联是非常强大的。此外,我们还说明了歌曲情绪关联的训练会产生一个高度准确的模型,该模型可以预测未见过歌曲的这些关联。此外,通过比较预测的模型,使用歌词与一个使用声学特征,我们观察到的相对重要性的歌词相比,声学情绪预测取决于特定的情绪。最后,我们通过一个注释任务来验证这些模型是否捕获了与人类相同的关于歌词和声学的信息,在这个任务中,我们根据歌词和声学获得了人类对情绪歌曲相关性的判断。
2022-05-31 cs.AI cs.CL cs.MM
Transcribing Lyrics From Commercial Song Audio: The First Step Towards Singing Content Processing
National Taiwan University(国立台湾大学)
口语内容处理(如检索和浏览)正在成熟,但唱歌内容仍然几乎完全被排除在外。歌曲和语音一样,是人类的声音,也携带着丰富的语义信息,是一种特殊的语音类型,具有高度的韵律灵活性。歌曲音频中的各种问题,例如在高度灵活的音高轮廓上显著变化的电话持续时间,使得从歌曲音频中识别歌词变得更加困难。本文报道了实现这一目标的初步尝试。我们直接从商业演唱内容中收集了去除音乐的英文歌曲版本。最好的结果是通过TDNN-LSTM与数据增强,3倍速度扰动加上一些特殊的方法。达到的WER(73.90%)明显低于基线(96.21%),但仍然相对较高。
2018-04-15 cs.CL cs.SD eess.AS
ELMI: Interactive and Intelligent Sign Language Translation of Lyrics for Song Signing
University of Toronto(多伦多大学);NAVER AI Lab(NAVER人工智能实验室)
本文提出ELMI工具,通过逐行手语注释编辑、实时歌词视频同步及大语言模型对话,辅助歌曲手语演绎者完成歌词翻译,并在13人研究中验证其能提升翻译信心与独立性。
2025-02-21 cs.AI cs.CL cs.HC
Controllable Ancient Chinese Lyrics Generation Based on Phrase Prototype Retrieving
歌词和诗歌的生成是自然语言处理(NLP)领域的重要下游任务之一。目前的方法在一些歌词生成场景中表现良好,但在需要精细控制的任务中需要进一步改进。我们提出了一种新的方法来生成中国古代歌词(宋词),一种类型的古代歌词,涉及到歌曲结构的精确控制。该系统配备了短语检索器和短语连接器。根据输入提示,短语检索器从数据库中挑选短语以构建短语池。短语连接器然后从短语池中选择一系列短语,其最小化考虑押韵、歌曲结构和流畅性的多项损失函数。实验结果表明,该方法能够生成高质量的古汉语歌词,同时在主题和歌曲结构控制方面表现良好。我们还希望我们的方法可以推广到其他歌词生成任务。
2023-03-20 cs.AI cs.CL cs.IR
Break it Down for Me: A Study in Automated Lyric Annotation
Language Technology Lab, DTAL, University of Cambridge(剑桥大学语言技术实验室);Department of Engineering, University of Cambridge(剑桥大学工程系);IDLab, Ghent University - imec(根特大学-imec IDLab)
理解歌曲和诗歌中的歌词,对人类和机器读者都是一个挑战。这激发了对系统的需求,该系统可以理解在这种创造性文本中发现的歧义和行话,并提供注释以帮助读者达到正确的解释。我们介绍了自动歌词标注(ALA)的任务。像文本简化一样,ALA的目标是以更容易理解的方式重新表述原始文本。然而,在ALA中,系统必须经常包括额外的信息,以澄清利基术语和抽象概念。为了刺激对这项任务的研究,我们发布了大量的歌词众包注释。我们分析了翻译和检索模型在此任务上的性能,并通过自动和人工评估来衡量性能。我们发现,每个模型捕捉到一个独特的信息类型的重要任务。
2017-08-11 cs.CL
Towards an LLM-based method for quantifying the sexual content in song lyrics
本文提出一种基于大语言模型的可复现方法,量化歌曲歌词主题内容(含性内容),并将其应用于12位雷鬼顿艺术家的1259首歌曲,还发布相关代码与语料库供他人复现或扩展。
2026-08-11 cs.CL cs.SD physics.soc-ph
MAVL: A Multilingual Audio-Video Lyrics Dataset for Animated Song Translation
Yonsei University(延世大学);Seoul National University(首尔国立大学)
提出首个多语言多模态歌词翻译基准MAVL,并设计音节约束的音视频大语言模型SylAVL-CoT,利用音视频线索和音节约束提升歌词可唱性和翻译准确性。
2026-06-01 cs.CL cs.LG cs.MM
Generating lyrics with variational autoencoder and multi-modal artist embeddings
University of Waterloo(滑铁卢大学)
我们提出了一个系统,用于生成一个指定的艺术家的风格为条件的歌词线。该系统使用一个变分自编码器与艺术家嵌入。我们提出了艺术家嵌入的预训练与CNN分类器学习的表示,该分类器被训练为基于他们的歌曲剪辑的MEL频谱图来预测艺术家。这项工作是第一步,结合音频和文本形式的歌曲生成歌词的艺术家的风格。我们的初步结果表明,有一个好处,在初始化艺术家的嵌入与表示学习的声谱图分类。
2018-12-20 cs.CL cs.SD eess.AS
Semantic Communities and Boundary-Spanning Lyrics in K-pop: A Graph-Based Unsupervised Analysis
Cardiff University(卡地夫大学)
本文提出基于图的无监督方法,用于发现K-pop歌词中的语义社区及跨界歌曲,揭示其词汇多样性和重复性特征。
2026-10-15 cs.CL cs.SI
Unsupervised Melody-to-Lyric Generation
University of California, Los Angeles(加利福尼亚大学洛杉矶分校);Amazon Alexa AI(亚马逊Alexa人工智能部门);University of Cambridge(剑桥大学)
本文提出一种无监督分层歌词生成框架,无需对齐数据,通过旋律约束解码生成高质量歌词,相比SOTA模型整体质量提升24%。
2023-12-22 cs.AI cs.CL cs.SD
In BLOOM: Creativity and Affinity in Artificial Lyrics and Art
University of Ottawa(渥太华大学);American University(美利坚大学)
我们应用一个大型的多语言语言模型(BLOOM-176 B)在开放式的中文歌词生成,并评估所产生的歌词的连贯性和创造性,使用人类评论家。我们发现,目前用于评估大语言模型输出(MAUVE)的计算指标在评估创造性写作方面存在局限性。我们注意到,人类对创造力的概念要求歌词既可理解又有特色,而且人类评估某些类型的机器生成的歌词比流行艺术家的真实歌词得分更高。受专辑发行固有的多模态性质的启发,我们利用中文稳定的扩散模型来制作高质量的歌词引导专辑艺术,为寻求专辑或单曲灵感的艺术家展示了一种创造性的方法。最后,我们介绍了MojimLyrics数据集,这是一个流行歌曲歌词的中文数据集,用于未来的研究。
2023-01-13 cs.CL cs.LG
AI-Generated Song Detection via Lyrics Transcripts
针对AI生成歌曲检测在现实场景中缺乏完美歌词的问题,提出利用通用ASR模型转录音频进行检测,结合Whisper large-v2和LLM2Vec嵌入实现了跨语言流派的强检测性能,且在音频扰动下比传统音频检测器更具鲁棒性。
2025-06-28 cs.AI cs.CL cs.SD
Multi-Modality in Music: Predicting Emotion in Music from High-Level Audio Features and Lyrics
University of Copenhagen(哥本哈根大学)
本文旨在测试多模态方法的音乐情感识别(MER)是否比单模态的高层次的歌曲特征和歌词。我们使用从Spotify API检索的11个歌曲特征,组合歌词特征,包括情感,TF-IDF和Anew,以预测Deezer情绪检测数据集(DMDD)(Delbouys et al.,2018),具有4种不同的回归模型。我们发现,在11个高级歌曲特征中,主要有5个对性能有贡献,多模态特征在预测效价时比单独的音频做得更好。我们使我们的代码可供使用。
2023-02-26 cs.CL cs.MM cs.SD
Lyrics-Based Music Genre Classification Using a Hierarchical Attention Network
Stanford University(斯坦福大学)
音乐体裁分类,特别是仅使用歌词分类,一直是音乐信息检索中的一个具有挑战性的课题。在这项研究中,我们应用递归神经网络模型来分类一个完整的歌词大数据集。由于歌词呈现分层结构-其中单词组合形成线条,线条形成片段,片段形成完整的歌曲-我们采用分层注意力网络(HAN)来利用这些层,并学习单词,线条和片段的重要性。我们在117种类型的数据集和减少的20种类型的数据集上测试模型。实验结果表明,HAN优于非神经模型和简单的神经模型,同时也比以前的研究分类更多的类型。通过学习过程,我们还可以可视化模型认为歌曲中的哪些单词或台词对分类流派很重要。因此,HAN从计算的角度提供了对区分音乐流派的抒情结构和语言特征的见解。
2017-07-15 cs.CL cs.IR cs.NE
Automatic Lyric Transcription for Greek Songs: Scaling and Task Composition Effects in Whisper Adaptation
Institute for Language and Speech Processing, Athena R.C.(雅典研究与技术中心语言与语音处理研究所)
针对希腊语低资源场景,首次系统研究 Whisper 模型规模、多任务组合及两阶段适应,构建对齐数据集,实现 WER 27.2%,建立首个希腊语 ALT 基准。
2026-09-11 cs.CL cs.SD
"More Than Words": Linking Music Preferences and Moral Values Through Lyrics
Queen Mary University of London(伦敦玛丽女王大学);ISI Foundation(ISI基金会)
本研究通过机器学习分析1,386名用户偏好艺术家的歌词特征,发现歌词能有效推断道德价值观,且等级和传统美德的预测力高于同理心与平等。
2022-09-02 cs.CL cs.CY cs.LG
Brazilian Lyrics-Based Music Genre Classification Using a BLSTM Network
PUC-Rio(里约热内卢天主教大学)
组织歌曲,专辑,和艺术家在组共享相似性可以做的帮助下,流派标签。在本文中,我们提出了一种新的方法,在巴西音乐的自动分类音乐流派只使用歌词。这种分类仍然是自然语言处理领域的一个挑战。我们构建了一个数据集的138,368巴西歌曲歌词分布在14个流派。我们应用支持向量机,随机森林和双向长短期记忆(BLSTM)网络结合不同的词嵌入技术来解决这个分类任务。我们的实验表明,BLSTM方法优于其他模型的F1得分平均值为$0.48$。一些类型,如“福音”,“放克-卡里奥卡”和“sertanejo”,分别获得0.89,0.70和0.69的F1分数,可以被定义为最独特的和容易分类的巴西音乐类型的背景。
2020-03-06 cs.CL cs.IR cs.LG
Tarab: A Multi-Dialect Corpus of Arabic Lyrics and Poetry
College of Engineering(工程学院);Computer Science, VinUniversity(计算机科学,文大学)
本文介绍了一个大规模的阿拉伯语创意文本语料库,包含256万行和1350万词,涵盖古典和现代阿拉伯语及六种主要方言,提供结构化元数据以支持跨时代的语言和风格分析。
2026-03-17 cs.CL
Investigating the Effect of Music and Lyrics on Spoken-Word Recognition
Radboud University Nijmegen(奈梅亨拉德堡德大学);Delft University of Technology(代尔夫特理工大学)
社交场合的背景音乐会妨碍谈话。然而,很少有人知道音乐的具体属性如何影响语音处理。本文通过调查1)有歌词的背景音乐的掩蔽效应是否大于没有歌词的音乐,以及2)掩蔽效应是否对于更复杂的音乐更大来解决这个知识缺口。为了回答这些问题,进行了一项单词识别实验,其中荷兰参与者在两种条件下(有和没有歌词)和三种SNR下听嵌入背景音乐中的荷兰CVC单词。三首歌曲被用于不同的风格和复杂性。从同一首歌中采样有歌词和没有歌词的音乐片段,以控制歌词存在以外的因素。结果表明,背景音乐中歌词的存在对口语词识别有明显的负面影响。这种影响与复杂性无关。结果表明,社交空间(例如,餐馆、咖啡馆和酒吧)应谨慎选择音乐,以促进对话,并为今后的工作开辟道路。
2018-03-13 cs.CL cs.SD eess.AS
Global Beats, Local Tongue: Studying Code Switching in K-pop Hits on Billboard Charts
SAMOVAR;Télécom SudParis;Institut Polytechnique de Paris
本文构建2017–2025年 Billboard Hot 100 与 Global 200 的 K-pop 歌曲数据集,分析韩英语码转换与英语歌词比例,并通过分类模型揭示性别及榜单语境差异。
2025-09-27 cs.CL
Unsupervised Melody-Guided Lyrics Generation
Amazon(亚马逊)
本文提出一种无监督旋律引导歌词生成框架,通过将纯文本训练与旋律约束推理解耦,在无需旋律-歌词对齐数据的情况下生成更可唱、连贯且押韵的歌词。
2023-05-26 cs.AI cs.CL cs.MM
Automatic Time Signature Determination for New Scores Using Lyrics for Latent Rhythmic Structure
IntelliSky;George Mason University(乔治梅森大学)
本文提出一种仅利用歌词输入、通过可解释机器学习自动生成抒情歌曲拍号并揭示潜在节奏结构的新方法,实验达到97.6%的F1分数和0.996的AUC,为AI音乐生成做出贡献。
2024-01-28 cs.AI cs.CL cs.LG
A Hierarchical Attention Based Seq2seq Model for Chinese Lyrics Generation
University of Science and Technology of China(中国科学技术大学);Ping An Technology (Shenzhen) Co., Ltd(平安科技(深圳)有限公司)
本文对中文歌词的上下文感知生成进行了全面的研究。传统的文本生成模型是逐词生成序列或句子,没有考虑句子之间的上下文关系。针对歌词的特点,提出了一种基于层次注意力的Seq 2Seq(Sequence-to-Sequence)歌词生成模型。该模型通过对词级和句子级上下文信息的编码,提高了生成的主题相关性和一致性。一个大型的中文歌词语料库也被用于模型训练。最后,自动和人工评估的结果表明,我们的模型是能够组成完整的中文歌词与一个统一的主题约束。
2019-06-15 cs.CL cs.LG
Sing it, Narrate it: Quality Musical Lyrics Translation
IIIS, Tsinghua University(清华大学信息科学技术学院)
针对音乐剧歌词翻译需兼顾质量与可演唱性的难题,提出含数据集构建、两阶段过滤训练、推理时优化的三部分方法,经实验验证相比基线有显著提升。
2024-10-29 cs.AI cs.CL cs.SD
LyCon: Lyrics Reconstruction from the Bag-of-Words Using Large Language Models
University of California San Diego(加州大学圣地亚哥分校);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
针对歌词版权限制问题,本研究提出利用公开词袋数据集和元数据,结合大型语言模型重建无版权歌词,并发布了与知名来源元数据对齐的LyCon数据集,支持条件歌词生成等学术实验。
2024-08-27 cs.CL cs.DL
Semantic Homogenization in Italian Popular Music: A Diachronic Analysis
Centro Ricerche, Innovazione Tecnologica e Sperimentazione(研究中心、技术创新与实验)
研究意大利圣雷莫音乐节决赛歌曲歌词语义变化,开发灵活高效方法,结合多种分析及技术,发现语义渐趋统一,凸显自然语言处理工具价值。
2026-07-07 cs.CL
DopeLearning: A Computational Approach to Rap Lyrics Generation
HIIT(赫尔辛基信息技术研究所)
创作说唱歌词既需要创造力来构建一个有意义的,有趣的故事,也需要抒情技巧来产生复杂的押韵模式,这是良好流动的基石。我们提出了一个说唱歌词生成方法,捕捉这两个方面。首先,我们开发了一个预测模型,从一组候选下一行中识别现有歌词的下一行。该模型基于两种机器学习技术:RankSVM算法和具有新颖结构的深度神经网络模型。结果表明,该预测模型可以从随机选择的299条线中识别出真正的下一条线,准确率为17%,即,概率是随机的50倍其次,我们采用预测模型来结合现有歌曲的台词,产生具有韵律和意义的歌词。对所产生的歌词的评估表明,在定量押韵密度方面,该方法比最好的人类说唱歌手高出21%。说唱歌词生成器已被部署为一个名为DeepBeat的在线工具,该工具的性能已通过分析其使用日志进行了评估。该分析表明,机器学习的排名与用户偏好相关。
2016-06-09 cs.AI cs.CL cs.LG