基于图扩散和层次音乐分析的结构化音乐生成框架——ProGress
声音
2025-10-14 v1 机器学习
音频与语音处理
摘要
人工智能音乐生成正经历快速发展，近期符号化模型利用了相当 sophisticated 的深度学习和扩散模型算法。现有模型的一个缺点是缺乏结构性一致性，尤其是在和声-旋律结构方面。此外，这些模型大多是“黑箱”式的，缺乏音乐可解释性。本文通过一种新型生成音乐框架来克服这些限制，该框架结合了斯克耳纳分析（SchA）概念与扩散建模框架。我们称之为 ProGress（Prolongation-enhanced DiGress），该框架针对音乐生成对 DiGress 模型（Vignac 等，2023）进行了创新性改造，以实现可解释且具有结构性的音乐生成。具体而言，我们的贡献包括 1）对 DiGress 模型进行音乐生成的新型改造，2）一种新颖的 SchA 启发的短语融合方法，以及 3）一个允许用户控制生成过程各个方面，以创建连贯音乐作品的框架。人类实验结果表明，我们的方法在性能上优于现有最先进方法。
引用
@article{arxiv.2510.10249,
title = {ProGress: Structured Music Generation via Graph Diffusion and Hierarchical Music Analysis},
author = {Stephen Ni-Hahn and Chao Péter Yang and Mingchen Ma and Cynthia Rudin and Simon Mak and Yue Jiang},
journal= {arXiv preprint arXiv:2510.10249},
year = {2025}
}