METEOR：基于 Transformer VAE 的旋律感知、纹理可控符号化交响乐生成
声音
2025-07-01 v3 音频与语音处理
摘要
再编排是将音乐作品适配不同乐器组合的过程。通过改变原有的演奏方案，编曲者会在保留可识别旋律线并确保每个乐器在技术与表现能力范围内可演奏的前提下，修改音乐纹理。在本工作中，我们提出了 METEOR 模型，用于生成具有旋律感知、纹理可控的再编排（Melody-aware Texture-controllable re-Orchestration），其基于 Transformer 变分自编码器（VAE）。该模型专注于旋律保真性和可控性，进行符号化乐器与音乐纹理风格转换。我们允许在保持仄音纹理的前提下，对伴奏实现条目和轨道级别的可控，以及多种纹理属性。通过主观与客观评估，我们展示了该模型在再编排任务中，相较于风格转换模型在生成质量和可控性方面表现更佳。此外，它可适用于零样本学习中的主歌编排任务，达到与专为该任务训练的模型相当的性能。
引用
@article{arxiv.2409.11753,
title = {METEOR: Melody-aware Texture-controllable Symbolic Orchestral Music Generation via Transformer VAE},
author = {Dinh-Viet-Toan Le and Yi-Hsuan Yang},
journal= {arXiv preprint arXiv:2409.11753},
year = {2025}
}
备注
Accepted to 34rd International Joint Conference on Artificial Intelligence (IJCAI 2025) - AI, Arts and Creativity Special Track. Demo: https://dinhviettoanle.github.io/meteor