BacHMMachine：一种用于四声部巴洛克众赞歌算法和声化的可解释且可扩展模型

算法和声化——给定旋律线对乐曲进行自动和声配置——是一个引人关注且具有挑战性的问题，受到音乐理论家和计算机科学家的广泛兴趣。一个特别受关注的体裁是 J.S. Bach 的四声部巴洛克众赞歌。算法众赞歌和声化方法通常采用黑盒“数据驱动”路径：它们不明确整合音乐理论原理，而是依赖用大量众赞歌数据训练的复杂学习模型。我们转而提出一种称为 BacHMMachine 的新和声化模型，其采用由作曲原理引导的“理论驱动”框架，以及在该框架内学习作曲特征的“数据驱动”模型。顾名思义，BacHMMachine 使用了一种基于调性与和弦转换的新型隐马尔可夫模型，为从给定旋律线学习调性转调与和弦进行提供了概率框架。这允许生成富有创造性且音乐连贯的众赞歌和声；整合作曲原理使得模型大为简化，与最先进的算法和声化方法相比，计算负担大幅降低且可解释性更强，而和声质量或音乐性不受影响。我们通过综合实验以及将 BacHMMachine 与现有方法比较的图灵测试展示了这一改进。