MoodLoopGP：利用多粒度特征生成情绪条件下的循环指法谱音乐
声音
2024-01-26 v2 音频与语音处理
摘要
可循环音乐生成系统支持多种应用，但通常缺乏可控性和定制能力。我们认为增强可控性可以丰富这些模型，而情感表达对创作者和听众都至关重要。因此，本文在可循环指法谱生成模型LooperGP的基础上，探索赋予系统对传达情绪的控制能力。为实现这种条件生成，我们提出在模型训练和推理过程中利用多粒度语义和音乐特征来整合音乐知识。具体来说，我们结合歌曲级特征（情绪标签、速度和调式）和小节级特征（调性张力）来共同引导情感表达。通过算法评估和人工评估，我们证明了该方法在生成传达快乐和悲伤两种对比目标情绪的音乐方面的有效性。我们还进行了消融研究，以阐明促成该方法结果的因素。
引用
@article{arxiv.2401.12656,
title = {MoodLoopGP: Generating Emotion-Conditioned Loop Tablature Music with Multi-Granular Features},
author = {Wenqian Cui and Pedro Sarmento and Mathieu Barthet},
journal= {arXiv preprint arXiv:2401.12656},
year = {2024}
}
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) 2024