基于深度学习的音乐生成——挑战与方向
声音
2018-11-13 v2 机器学习
音频与语音处理
摘要
除了预测、分类与翻译等传统任务外，深度学习作为一种音乐生成方法正受到越来越多的关注，Google 的 Magenta 与 Spotify 的 CTRL（Creator Technology Research Lab）等近期研究团体即证明了这一点。其动机在于利用深度学习架构与训练技术的容量，从任意音乐语料中自动学习音乐风格，并据此从估计分布中生成样本。然而，直接应用深度学习生成内容很快达到极限，因为生成内容倾向于模仿训练集而未能展现真正的创造性。此外，深度学习架构未提供控制生成的直接手段（例如强加某种调性或其他任意约束）。进而，深度学习架构本身是自闭的自动机，可在无人类用户交互的情况下自主生成音乐，远未达成交互式辅助音乐家创作与精炼音乐的目标。诸如控制、结构、创造性与交互性等问题是我们分析的重点。本文中，我们选取直接应用深度学习于音乐生成的一些局限性，分析这些问题未被满足的原因，并探讨以可能途径加以解决。文中引用了若干近期系统作为有前景方向的示例。
引用
@article{arxiv.1712.04371,
title = {Music Generation by Deep Learning - Challenges and Directions},
author = {Jean-Pierre Briot and François Pachet},
journal= {arXiv preprint arXiv:1712.04371},
year = {2018}
}
备注
17 pages. arXiv admin note: substantial text overlap with arXiv:1709.01620. Accepted for publication in Special Issue on Deep learning for music and audio, Neural Computing & Applications, Springer Nature, 2018