一种基于深度神经网络的音乐生成单元选择方法
声音
2016-12-19 v1 人工智能
机器学习
摘要
已有多种基于数据的计算机音乐生成方法，包括马尔可夫链、循环神经网络、重组方法以及文法。我们探索使用单元选择与拼接作为音乐生成手段，采用一种基于排序的过程，其中我们将一个单元视为可变长度的小节数。我们首先考察一种受限于有限规模单元库的单元选择方法是否足以涵盖广泛的音乐频谱。为此，我们开发了一个深度自编码器，它对音乐输入进行编码，并通过从库中选择单元来重构输入。随后，我们描述了一个生成模型，该模型将深度结构化语义模型（DSSM）与长短期记忆网络（LSTM）相结合来预测下一个单元，其中单元分别由四个、两个和一个小节的音乐构成。我们使用平均排序和准确率等客观指标，并通过一项主观听音测试来评估该生成模型，在测试中要求专家音乐家完成一项强制选择排序任务。我们将我们的模型与一个音符级生成基线进行比较，该基线由一个堆叠LSTM构成，训练目标为向前预测一个音符。
引用
@article{arxiv.1612.03789,
title = {A Unit Selection Methodology for Music Generation Using Deep Neural Networks},
author = {Mason Bretan and Gil Weinberg and Larry Heck},
journal= {arXiv preprint arXiv:1612.03789},
year = {2016}
}