ReaLchords: 自适应伴奏
声音
2025-06-18 v1 人工智能
摘要
即兴演奏需要音乐家之间进行协调、预期和协作创造。当前的生成式音乐模型虽能产生富有表现力的输出，但无法以在线方式（即与其他音乐家（人类或机器人）同时）进行生成。我们提出ReaLchords，一个用于即兴和弦伴奏的在线生成模型。我们首先使用最大似然训练一个在线模型，然后通过强化学习进行微调以适应在线使用。微调目标利用了既为和声一致性又为时间一致性提供反馈的新型奖励模型，以及一个包含来自能看到未来旋律的教师模型的蒸馏 distillation 的散度项。通过定量实验和听觉测试，我们展示了所得模型能够良好地适应陌生输入并产生合适的伴奏。ReaLchords为现场即兴演奏以及其他模式下的协同创造开辟了可能性。
引用
@article{arxiv.2506.14723,
title = {Adaptive Accompaniment with ReaLchords},
author = {Yusong Wu and Tim Cooijmans and Kyle Kastner and Adam Roberts and Ian Simon and Alexander Scarlatos and Chris Donahue and Cassie Tarakajian and Shayegan Omidshafiei and Aaron Courville and Pablo Samuel Castro and Natasha Jaques and Cheng-Zhi Anna Huang},
journal= {arXiv preprint arXiv:2506.14723},
year = {2025}
}
备注
Accepted by ICML 2024