从通用到精通：基于大规模预训练的作曲家风格符号音乐生成

尽管可控符号音乐生成取得了进展，但对于某些控制模态而言，数据稀缺仍是一个挑战。作曲家风格音乐生成就是一个典型例子，因为每位作曲家仅有少量作品可用，这限制了对风格和基本音乐元素（如旋律、和弦、节奏）的建模。在本文中，我们研究了从广泛语料库中学到的通用音乐知识如何增强对特定作曲家风格的精通，重点关注钢琴曲生成。我们的方法遵循两阶段训练范式。首先，我们在包含流行、民间和古典音乐的大型语料库上预训练一个基于 REMI 的音乐生成模型。然后，我们在来自四位著名作曲家（即 Bach、Mozart、Beethoven 和 Chopin）的经人工验证的小型数据集上对其进行微调，使用轻量级 adapter 模块根据风格指标对模型进行条件化。为了评估我们方法的有效性，我们在风格准确性和音乐性方面进行了客观和主观评估。实验结果表明，我们的方法优于消融模型和基线模型，实现了更精确的作曲家风格建模和更好的音乐美学。此外，我们提供了关于模型如何从通用预训练中构建音乐概念，并通过精通微调细化其风格理解的观察。