基于条件变分自编码器域对抗训练的可控音乐生成

变分自编码器已成为符号音乐生成的领先框架，一个热门研究方向是研究如何有效控制信号生成过程。一种直接方式是在推理时使用不同条件控制模型。然而，在音乐实践中，条件通常是序列化的（而非简单类别标签），涉及与所学表示重叠的丰富信息。结果，解码器对于该“听”隐表示还是条件感到困惑，有时干脆忽略条件。为解决此问题，我们利用域对抗训练将表示与条件线索解耦以实现更好控制。具体而言，我们提出一种条件损坏目标，利用表示对损坏条件去噪。该目标由判别器最小化、由 VAE 编码器最大化，从而对抗性地诱导出条件不变表示。本文中我们聚焦于旋律和声化任务以阐释我们的思路，而我们的方法可推广至其他可控生成任务。演示与实验表明，相较基线，我们的方法不仅有助于条件不变表示学习，也带来更高质量的可控性。