碎片化的力量：用于符号音乐生成中结构分割的分层Transformer模型
声音
2022-07-12 v2 机器学习
音频与语音处理
摘要
符号音乐生成依赖于生成模型的上下文表示能力，其中最普遍的方法是基于Transformer的模型。音乐上下文的学习也与音乐中的结构元素相关，即前奏、主歌和副歌，而这些目前被研究界所忽视。在本文中，我们提出一种分层Transformer模型来学习音乐中的多尺度上下文。在编码阶段，我们首先设计了一个碎片范围定位层，将音乐切分为和弦与乐段。然后，我们使用多尺度注意力机制来学习音符级、和弦级和乐段级的上下文。在解码阶段，我们提出了一种分层Transformer模型，使用细解码器并行生成乐段，并使用粗解码器解码合并后的音乐。我们还设计了一个音乐风格归一化层，以在生成的各乐段之间实现一致的风格。我们的模型在两个公开MIDI数据集上进行了评估，实验表明我们的模型优于最佳的当代音乐生成模型。更令人振奋的是，可视化评估显示我们的模型在旋律复用方面更优，从而生成更逼真的音乐。
引用
@article{arxiv.2205.08579,
title = {The Power of Fragmentation: A Hierarchical Transformer Model for Structural Segmentation in Symbolic Music Generation},
author = {Guowei Wu and Shipei Liu and Xiaoya Fan},
journal= {arXiv preprint arXiv:2205.08579},
year = {2022}
}