基于模仿与结构的个性化流行音乐生成

近来音乐生成方面出现了许多实践。虽然使用深度学习技术的风格化音乐生成已成为主流，但这些模型仍难以生成具有高音乐性、具备不同层次音乐结构以及可控性的音乐。此外，更多应用场景（如音乐治疗）要求从少量给定音乐示例中模仿更具体的音乐风格，而非捕捉大型数据语料库的整体流派风格。为满足挑战当前深度学习方法的需求，我们提出了一种统计机器学习模型，能够捕捉并模仿给定种子歌曲示例中的结构、旋律、和弦与贝斯风格。使用10首流行歌曲的评估表明，我们的新表示与方法能够创作与给定输入歌曲相似的高质量风格化音乐。我们还讨论了我们的方法在音乐评估与音乐治疗中的潜在用途。