表达性音乐数据处理与生成

音乐表现力与连贯性在音乐创作与表演中不可或缺，但在现代 AI 生成模型中常被忽视。在本工作中，我们引入了一种基于聆听的 数据处理技术，用于捕获音乐表演中的表现力。该技术源自韦伯定律，反映了人类听觉感知的真实情况，并在训练输入中保留了音乐的细微之处与表现力。为促进音乐连贯性，我们基于概率链规则对音乐数据中多个参数（如音高、时长、速度等）之间的输出依赖关系进行建模。在实践中，我们将多输出序列模型分解为单输出子模型，并将先前采样的输出作为后续子模型的条件，以诱导条件分布。最后，为从所有生成结果中选取合适的序列，我们提出了一种基于输出熵的临时度量。熵序列被用作选择可预测且稳定生成的准则，并在信息美学度量的框架下进一步研究，以量化音乐倾向中的愉悦感与信息增益。