基于图神经网络的层次化符号流行音乐生成
音频与语音处理
2024-09-13 v1
摘要
音乐本质上由复杂的结构构成，将其表示为图有助于捕捉多层次的关系。尽管已有研究使用各种深度生成技术探索音乐生成，但与图相关的音乐生成研究仍然稀少。早期的基于图的音乐生成仅用于生成旋律，而近期生成复调音乐的工作未考虑长期结构。在本文中，我们探索了一种多图方法来表示中国流行音乐的节奏模式和乐句结构。因此，我们提出了一种两步方法，旨在生成具有连贯节奏和长期结构的复调音乐。我们训练了两个变分自编码器网络——一个在 MIDI 数据集上训练以生成 4 小节乐句，另一个在歌曲结构标签上训练以生成完整歌曲结构。我们的工作表明，模型能够学习训练数据集中的大部分结构细微差异，包括和弦与音高频率分布以及乐句属性。
引用
@article{arxiv.2409.08155,
title = {Hierarchical Symbolic Pop Music Generation with Graph Neural Networks},
author = {Wen Qing Lim and Jinhua Liang and Huan Zhang},
journal= {arXiv preprint arXiv:2409.08155},
year = {2024}
}