GTR-CTRL：基于 Transformer 的吉他中心音乐生成中乐器与流派的调节控制
摘要
近来，采用深度学习技术的符号音乐生成取得了稳步进展。该主题的大多数工作聚焦于 MIDI 表示，但较少关注使用吉他指法谱（tabs，可编码多种乐器）的符号音乐生成。指法谱除节奏与音高外，还包含关于有品弦乐器的表现技巧与按弦的信息。本工作中，我们使用 DadaGP 数据集进行吉他指法谱音乐生成，该语料包含超过 26k 首 GuitarPro 与 token 格式的歌曲。我们引入方法以调节一个 Transformer-XL 深度学习模型，基于期望的乐器配置（inst-CTRL）与流派（genre-CTRL）生成吉他指法谱（GTR-CTRL）。在训练语料每首歌曲开头附加特殊控制 token。我们评估了该模型在有调节与无调节下的性能。我们提出乐器存在度量为评估 inst-CTRL 模型对给定乐器配置提示的响应。我们训练了一个 BERT 模型用于下游流派分类，并用它评估 genre-CTRL 模型所得结果。统计分析证实调节与未调节模型间存在显著差异。总体而言，结果表明相较于未调节模型，GTR-CTRL 方法为以吉他为中心的符号音乐生成提供了更大的灵活性与控制力。
引用
@article{arxiv.2302.05393,
title = {GTR-CTRL: Instrument and Genre Conditioning for Guitar-Focused Music Generation with Transformers},
author = {Pedro Sarmento and Adarsh Kumar and Yu-Hua Chen and CJ Carr and Zack Zukowski and Mathieu Barthet},
journal= {arXiv preprint arXiv:2302.05393},
year = {2023}
}
备注
This preprint is licensed under a Creative Commons Attribution 4.0 International License (CC BY 4.0). The Version of Record of this contribution is published in Proceedings of EvoMUSART: International Conference on Computational Intelligence in Music, Sound, Art and Design (Part of EvoStar) 2023