通过分离符号多轨音乐中的声部实现自动配器

现代键盘允许音乐家通过将区域——键盘的固定音高范围——分配给不同乐器，同时演奏多种乐器。在本文中，我们旨在进一步扩展这一思路，并考察自动配器——在演奏过程中为独奏音乐中的音符动态分配乐器——的可行性。除了面向表演用例的在线、实时可用设置外，自动配器也可在离线设置中用于辅助作曲工具。由于缺乏原始独奏音乐及其完整编曲的配对数据，我们通过学习从符号多轨音乐中的混合体分离声部（例如人声、乐器和音轨）来处理自动配器，假设该混合体将在键盘上演奏。我们将声部分离任务构建为一个序列多类分类问题，并采用机器学习将音符序列映射为声部标签序列。为了检验我们所提出模型的有效性，我们在四个不同流派与合奏的多样化数据集上进行了全面的实证评估——巴赫众赞歌、弦乐四重奏、游戏音乐和流行音乐。我们的实验表明，所提出的模型优于各种基线方法。我们还展示了所提模型通过将现有编曲的混合体分离为声部，为其生成另一种令人信服的配器的潜力。所有源代码与音频样本可在 https://salu133445.github.io/arranger/ 找到。