基于 AlimNet ACGAN 在不同达斯特加赫调式下生成古典音乐
声音
2019-01-16 v1 机器学习
音频与语音处理
摘要
本文使用了 AlimNet（以伟大音乐家 Alim Qasimov 命名）这一用于分类生成音乐的辅助生成对抗深度神经网络（ACGAN）。该提出的网络是一种条件 ACGAN，将生成过程以音乐音轨为条件，具有由不同种类神经网络层组成的混合架构。所采用的音乐数据集为 MICM，包含 1137 个音乐样本（506 个小提琴和 631 个稻草乐器）并带有七种古典音乐 Dastgah 标签。为提取时域与频域特征，应用短时傅里叶变换（STFT）将输入音频信号从时域转换到时频域。GAN 由用于生成新样本的生成器和帮助生成器生成更好样本的判别器组成。时频域中的样本被用于以十四类（七种 Dastgah 和两种乐器）训练判别器。条件 ACGAN 的输出也是上述调式下时频域中的人工音乐样本。随后通过逆 STFT（ISTFT）对生成器输出进行变换。最后，随机选取十个生成音乐样本（五个小提琴和五个稻草乐器样本）交由十位音乐家评分其逼真程度，总体结果为 76.5%。
引用
@article{arxiv.1901.04696,
title = {Classical Music Generation in Distinct Dastgahs with AlimNet ACGAN},
author = {Saber Malekzadeh and Maryam Samami and Shahla RezazadehAzar and Maryam Rayegan},
journal= {arXiv preprint arXiv:1901.04696},
year = {2019}
}