生成具有情感的主旋律谱：一种新颖的条件 seq2seq 框架
声音
2021-04-28 v1 机器学习
音频与语音处理
摘要
自动音乐创作领域在过去几年取得了巨大进展，其中大部分可归因于深度神经网络的进步。已有大量研究提出从不同策略从头生成乐谱。然而，将高级音乐特征（例如感知到的情感特质）作为控制生成输出的条件仍是一项挑战。在本文中，我们提出一种新颖方法，利用音乐专家预先定义的情绪标签来计算主旋律谱中和弦进行的效价（感知情绪的正向或负向程度）。基于该方法，我们提出一种用于条件主旋律生成的新策略，使我们能够从句效价、乐句划分和拍号方面引导音乐生成。我们的方法类似于神经机器翻译（NMT）问题，因为我们在所用序列到序列架构（即长短期记忆网络和 Transformer 网络）的编码器部分加入了高级条件。我们进行了实验以深入分析这两种架构。结果表明，所提策略能够以可控方式生成主旋律谱，产生的音乐属性分布与训练数据集相似。我们还通过主观听音测试验证了我们的方法在控制生成和弦进行的效价方面是有效的。
引用
@article{arxiv.2104.13056,
title = {Generating Lead Sheets with Affect: A Novel Conditional seq2seq Framework},
author = {Dimos Makris and Kat R. Agres and Dorien Herremans},
journal= {arXiv preprint arXiv:2104.13056},
year = {2021}
}
备注
Accepted for the International Joint Conference on Neural Networks (IJCNN), Shenzhen, China, 18-22 July 2021 (virtual)