多目标遗传算法与深度学习相结合的音乐和声生成

自动音乐生成(AMG)已成为人工智能领域许多科学家感兴趣的研究课题，他们也关注音乐产业。AMG的主要挑战之一是没有明确的客观评价标准能够衡量音乐语法、结构规则和听众满意度。此外，原创音乐包含应协同工作的不同元素，如旋律、和声与节奏；但在大多数先前工作中，AMG仅针对单一元素(例如旋律)。因此，在本文中，我们提出一种多目标遗传算法(MO-GA)来生成复调音乐片段，同时考虑语法和听众满意度。在该方法中，我们使用三个目标函数。第一个目标函数是基于音乐理论的生成音乐片段的准确性；另外两个目标函数分别由音乐专家和普通听众提供的建模评分。专家和听众的评分分别使用双向长短期记忆(Bi-LSTM)神经网络建模。所提出的音乐生成系统试图最大化上述目标函数以生成包含旋律与和声的新音乐片段。结果表明，所提方法能生成具有期望风格和长度且遵循语法的悦耳片段及和声声音。