DeepRapper：基于押韵与节奏建模的神经说唱生成

说唱生成旨在产生歌词及相应的演唱节拍，需要对押韵和节奏进行建模。先前说唱生成的工作聚焦于押韵歌词而忽略了节奏节拍，而后者对说唱表演十分重要。本文中，我们开发了DeepRapper，一个基于Transformer的说唱生成系统，能够同时对押韵和节奏建模。由于尚无带节奏节拍的可用说唱数据集，我们开发了数据挖掘流程以收集大规模说唱数据集，其中包含大量歌词与节奏节拍对齐的说唱歌曲。其次，我们设计了一个基于Transformer的自回归语言模型，仔细地对押韵和节奏建模。具体而言，我们以逆序生成歌词，利用押韵表示与约束增强押韵，并向歌词中插入节拍符号以建模节奏/节拍。据我们所知，DeepRapper是首个生成兼具押韵与节奏的说唱的系统。客观与主观评估均表明DeepRapper生成了富有创意且高质量的带押韵与节奏的说唱。代码将在GitHub上发布。