基于人类在环强化学习的音乐生成
声音
2025-01-28 v1 人工智能
人机交互
机器学习
音频与语音处理
摘要
本文提出了一种结合人类在环强化学习（HITL RL）与音乐理论原则的方法，以促进音乐作品的实时生成。HITL RL此前已在建模人oid机器人机械结构和提升语言模型等领域应用，利用人类反馈来完善训练过程。本研究中，我们开发了一个可利用音乐理论约束和原则的HILT RL框架。具体而言，我们提出了一种具有epsilon-greedy探索策略的剧情式表格Q学习算法。该系统生成音乐轨道（作品），通过迭代的人类在环反馈不断提升其质量。该过程的奖励函数为用户主观的音乐偏好。
引用
@article{arxiv.2501.15304,
title = {Music Generation using Human-In-The-Loop Reinforcement Learning},
author = {Aju Ani Justus},
journal= {arXiv preprint arXiv:2501.15304},
year = {2025}
}
备注
This is a preprint of a paper presented at the 2023 IEEE International Conference on Big Data (BigData). It has been made public for the benefit of the community and should be considered a preprint rather than a formally reviewed paper