基于LSTM神经网络与强化学习的复调音乐作曲
声音
2019-03-05 v2 机器学习
音频与语音处理
机器学习
摘要
在算法音乐作曲领域,机器学习驱动的系统消除了精心手工编写作曲规则的需要。特别地,循环神经网络学习复杂时间模式的能力非常契合音乐领域。近期若干使用深度RNN进行音乐作曲的尝试已观察到有前景的结果。这些方法通常旨在首先训练神经网络以复现取自现有歌曲的子序列。随后,它们被用于以音频采样级或音符级作曲。我们设计了一种将复调音乐划分为少量单声部流的表示。该表示大幅降低了问题复杂度,并消除了指数级数量的可能较差的作曲。在我们学习了该表示中音乐序列的LSTM神经网络之上,我们构建了一个RL(强化学习)智能体,其学习寻找歌曲组合,这些组合的联合主导产生了悦耳的作曲。我们提出Amadeus,一个算法音乐作曲系统,其作曲包含复杂的旋律、基本和弦甚至偶发的对位序列。
引用
@article{arxiv.1902.01973,
title = {Polyphonic Music Composition with LSTM Neural Networks and Reinforcement Learning},
author = {Harish Kumar and Balaraman Ravindran},
journal= {arXiv preprint arXiv:1902.01973},
year = {2019}
}