使用 Anticipation-RNN 在位置约束下进行交互式音乐生成
人工智能
2017-09-20 v1 机器学习
机器学习
摘要
循环神经网络（RNN）因其学习长程依赖和生成任意长度序列的能力，现已被广泛应用于序列生成任务。然而，其从左至右的生成过程仅允许潜在用户进行有限控制，这使其不适用于交互式和创造性用途，例如交互式音乐生成。本文提出了一种名为 Anticipation-RNN 的新架构，该架构不仅具备基于 RNN 的生成模型的优点，还允许施加用户定义的位置约束。我们在生成符合 J.S. Bach 众赞歌和声化中女高音声部风格且满足位置约束的旋律任务上，展示了其有效性。使用 Anticipation-RNN 进行采样的复杂度与传统 RNN 模型采样的复杂度处于同一量级。这种快速且交互式的音乐序列生成为设计可用于创造性目的的实时系统开辟了道路。
引用
@article{arxiv.1709.06404,
title = {Interactive Music Generation with Positional Constraints using Anticipation-RNNs},
author = {Gaëtan Hadjeres and Frank Nielsen},
journal= {arXiv preprint arXiv:1709.06404},
year = {2017}
}
备注
9 pages, 7 figures