CN109189974A - 一种作曲模型的建立方法、系统、设备和存储介质 - Google Patents
一种作曲模型的建立方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN109189974A CN109189974A CN201810894765.2A CN201810894765A CN109189974A CN 109189974 A CN109189974 A CN 109189974A CN 201810894765 A CN201810894765 A CN 201810894765A CN 109189974 A CN109189974 A CN 109189974A
- Authority
- CN
- China
- Prior art keywords
- track
- model
- generator
- music
- composition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 239000000203 mixture Substances 0.000 claims abstract description 105
- 238000004519 manufacturing process Methods 0.000 claims abstract description 41
- 238000013480 data collection Methods 0.000 claims abstract description 19
- 238000005201 scrubbing Methods 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 90
- 229910001369 Brass Inorganic materials 0.000 claims description 12
- 239000010951 brass Substances 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 11
- 238000009527 percussion Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 7
- 230000002123 temporal effect Effects 0.000 claims description 7
- 239000002131 composite material Substances 0.000 claims description 3
- 238000009966 trimming Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 4
- 239000004744 fabric Substances 0.000 description 3
- 206010021703 Indifference Diseases 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- ZYXYTGQFPZEUFX-UHFFFAOYSA-N benzpyrimoxan Chemical compound O1C(OCCC1)C=1C(=NC=NC=1)OCC1=CC=C(C=C1)C(F)(F)F ZYXYTGQFPZEUFX-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Auxiliary Devices For Music (AREA)
- Electrophonic Musical Instruments (AREA)
Abstract
本发明公开了一种作曲模型的建立方法、系统、计算机设备和存储介质，其中所述方法包括：获取MIDI格式的音乐数据集，并将所述MIDI格式的音乐数据集转换为钢琴键轴；对格式转换后的钢琴键轴进行数据清理；采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型；将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型；组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型。上述作曲方法满足了人们对音乐变化多样化的要求而且自然。
Description
技术领域
本发明涉及信息技术领域，尤其涉及一种作曲模型的建立方法、系统、设备和存储介质。
背景技术
音乐生成的方式多种多样，最为常见的方式便是通过乐器产生，近年来，随着计算机应用技术的不断发展，通过算法的使用也可以产生音乐，在音乐生成算法研究领域，已有很多基于遗传算法、RNN和CNN的算法取得了良好效果，但是大部分生成的音乐是单音轨，即一种乐器，而真正的音乐是由多种乐器组成，例如现代交响乐团通常包括四个部分：黄铜，弦乐器，管乐器和打击乐。单音轨音乐形式比较单一，无法满足人们对音乐多样化的需求，并且目前还没有关于多音轨生成交响乐算法方面的研究。
发明内容
基于此，有必要针对现行作曲方法的弊端，提供一种作曲模型的建立方法、系统、计算机设备和存储介质。
一种作曲模型的建立方法，所述作曲模型的建立方法，包括以下步骤：获取MIDI格式的音乐数据集，并将所述MIDI格式的音乐数据集转换为钢琴键轴，所述钢琴键轴是音乐存储媒介，用于再现钢琴弹奏，当被读取时触发每个音符的播放循环；对格式转换后的钢琴键轴进行数据清理；采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型；将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型；组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型。
在其中一个实施例中，所述对格式转换后的钢琴键轴进行数据清理包括：
通过钢琴键轴将相似乐器的音轨合并，将非黄铜，弦乐器，管乐器和打击乐的音轨统一归纳到弦乐器音轨；
将四个音乐小节视为一个乐句，通过钢琴卷轴进行分割，将长片段修剪成适合的大小，所述适合的大小为C1到C8的音域。
在其中一个实施例中，所述采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型包括：
采用生成式对抗网络建立干扰音轨模型，所述干扰音轨模型中每一个音轨拥有自己的一组生成器和鉴别器，以及独立的隐空间变量，其中多个生成器彼此独立工作，并且给定随机向量产生自己的音乐轨道，所述生成器接收来自不同鉴别器的反馈，利用生成器和鉴别器的互斗模式实现生成式对抗网络的对抗学习，使生成器控制生成音乐序列的数据分布规律；
采用生成式对抗网络建立作曲音轨模型，所述作曲音轨模型将多个音轨数据量输入到所述生成器中，通过一个单一的生成器就创建一个多通道的钢琴键轴，每个通道代表一个特定的音轨；
结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型，所述混合音轨模型中每个音轨都有一个发生器，接受独立的向量及全局的向量共同组合成的输入向量，同时公用一个鉴别器来生成音轨。
在其中一个实施例中，所述将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型包括：
将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，所述时间结构生成器Gtemp将输入向量Z映射成一个隐空间向量的序列T代表时间，承载时序信息，随后被送入音乐小节生成器Gbar，序列化地生成钢琴键轴，定义为：
在其中一个实施例中，所述组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型包括：
混合音轨模型和时间模型的组合形成多音轨交响乐作曲模型，其中所述模型的输入用表示，由轨道间全局时间相关向量Zt，轨道间全局时间无关向量Z，轨道内单独时间无关向量Zi，和轨道内单独时间相关向量Zi,t组成；
设定音轨i，所述音轨i＝1，2……M，共用的时间结构生成器Gtemp和各自使用的时间结构生成器Gtemp，i，分别采取随时间变化的随机向量Zt和Zi,t作为输入，并且分别输出包含音轨间和音轨内时间信息的潜在向量，输出序列潜在向量连同时间无关的随机向量Z和Zi一起被送入音乐小节生成器Gbar，然后按顺序生成钢琴窗,生成过程可定义为：
各轨道间的输入变量和全局输入变量结合起来，形成多音轨交响乐，所述各轨道间的输入变量分为时间相关和无关，所述全局输入变量分为时间相关和无关。
一种作曲模型的建立系统，所述作曲模型的建立系统包括：
获取模块，用于获取MIDI格式的音乐数据集，并将所述MIDI格式的音乐数据集转换为钢琴键轴，所述钢琴键轴是音乐存储媒介，用于再现钢琴弹奏，当被读取时触发每个音符的播放循环；
清理模块，用于对格式转换后的钢琴键轴进行数据清理；
建立模块，用于采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型；
构建模块，用于将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型；
组合模块，用于组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型。
在其中一个实施例中，所述清理模块还包括：
合并单元，用于通过钢琴键轴将相似乐器的音轨合并，将非黄铜，弦乐器，管乐器和打击乐的音轨统一归纳到弦乐器音轨；
修剪单元，用于将四个音乐小节视为一个乐句，通过钢琴卷轴进行分割，将长片段修剪成适合的大小，所述适合的大小为C1到C8的音域。
在其中一个实施例中，所述建立模块还包括：
建立干扰模型单元，用于采用生成式对抗网络建立干扰音轨模型，所述干扰音轨模型中每一个音轨拥有自己的一组生成器和鉴别器，以及独立的隐空间变量，其中多个生成器彼此独立工作，并且给定随机向量产生自己的音乐轨道，所述生成器接收来自不同鉴别器的反馈，利用生成器和鉴别器的互斗模式实现生成式对抗网络的对抗学习，使生成器控制生成音乐序列的数据分布规律；
建立作曲模型单元，用于采用生成式对抗网络建立作曲音轨模型，所述作曲音轨模型将多个音轨数据量输入到所述生成器中，通过一个单一的生成器就创建一个多通道的钢琴键轴，每个通道代表一个特定的音轨；
结合单元，用于结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型，所述混合音轨模型中每个音轨都有一个发生器，接受独立的向量及全局的向量共同组合成的输入向量，同时公用一个鉴别器来生成音轨。
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述作曲方法的步骤。
一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述作曲方法的步骤。
上述作曲模型的建立方法、系统、计算机设备和存储介质，通过获取MIDI格式的音乐数据集，并将所述MIDI格式的音乐数据集转换为钢琴键轴，所述钢琴键轴是音乐存储媒介，用于再现钢琴弹奏，当被读取时触发每个音符的播放循环，对格式转换后的钢琴键轴进行数据清理，通过钢琴键轴将相似乐器的音轨合并，将非黄铜，弦乐器，管乐器和打击乐的音轨统一归纳到弦乐器音轨，将四个音乐小节视为一个乐句，通过钢琴卷轴进行分割，将长片段修剪成适合的大小，所述适合的大小为C1到C8的音域，采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型，将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型，组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型，满足了人们对音乐变化多样化的要求而且自然。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。
图1为一个实施例中作曲模型的建立方法的流程图；
图2为一个实施例中产生M个音轨的音乐的示意图；
图3为一个实施例中单一的生成器创建一个多通道的钢琴键轴的示意图；
图4为一个实施例中结合干扰模型和作曲模型建立混合模型的示意图；
图5为一个实施例中构建音轨相关性的示意图；
图6为一个实施例中多音轨模型的示意图；
图7为一个实施例中对格式转换后的钢琴键轴进行数据清理的流程图；
图8为一个实施例中采用生成式对抗网络建立干扰音轨模型和作曲音轨模型的流程图；
图9为一个实施例中作曲模型的建立系统的结构框图；
图10为一个实施例中清理模块的结构框图；
图11为一个实施例中建立模块的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
作为一个较好的实施例，如图1所示，一种作曲模型的建立方法，该作曲模型的建立方法包括以下步骤：
步骤S101，获取MIDI格式的音乐数据集，并将所述MIDI格式的音乐数据集转换为钢琴键轴，所述钢琴键轴是音乐存储媒介，用于再现钢琴弹奏，当被读取时触发每个音符的播放循环；
针对目前音乐生成算法领域所形成的音乐以单音轨居多，不符合人们对音乐多样化的需求，本技术方案把音乐分为乐段，乐句，小节，节拍和像素五个层级，然后逐层生成，基于GAN网络(生成式对抗网络)构建音轨的相关性，每个音轨之间相对独立同时又需要互相配合，GAN网络给每个音轨同时输入了两个噪声向量，一个是所有音轨共有的，另一个是为每条音轨单独生成的，同样的方法也用在了处理小节之间的关系上，进而建立时序的相关性，最后所有的音轨和小节作为一个样本，和训练集中的样本一起被输入判别器中进行训练，最终完成了基于多音轨GAN网络的交响乐作曲。
本技术方案使用MIDI数据集，并将MIDI文件转换为多音轨piano-rolls(钢琴键轴)表示，piano-rolls是一组二进制表示方法，是在不同的时间步骤中表示音符存在的矩阵，即在每一个时刻，按下琴键的表示为1，没有按下的琴键表示为0，一个有M个音轨，每个音轨有R个time_step，候选音节(bar)数量为S的音节记录为X，其数据形式为XRxSxM，T个音节则被表示为因此每个X的矩阵大小是固定的。
所述MIDI又称乐器数字接口，是一个工业标准的电子通信协定，为电子乐器等演奏设备(如合成器)定义各种音符或弹奏码，容许电子乐器、电脑、手机或其它的舞台演出配备彼此连接，调整和同步，得以实时交换演奏数据。
步骤S102，对格式转换后的钢琴键轴进行数据清理；
原数据集噪声很大，虽然对其进行数据清理后会有一定的音源损失(例如某些被合并的乐器的音源)，但是数据的丰富性和有效性是训练模型的关键，所以对数据进行清理是必要的操作，因此使用以下方法对数据进行清理，有的乐器在相应的音轨上呈现的数据太少，不利于对模型的训练，所以本技术方案对其做了合并操作，通过总结piano-rolls将相似乐器的音轨合并起来，对于非黄铜，弦乐器，管乐器和打击乐的音轨统一归纳到弦乐器上去，使数据量得以丰富，为了训练时间模型，把四个小节(bar)视为一个乐句，从而将piano-rolls进行分割，可以将较长的片段修剪成合适的大小，最高音符和最低音符都不是很常见，所以音域采用C1到C8(钢琴最右键)。
步骤S103，采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型；
基于生成器和鉴别器的互斗模式来实现GAN网络的对抗学习，进而使生成器逐渐掌握生成音乐序列的数据分布规律。GAN网络通过构建两个网络来实现对抗学习：生成器和鉴别器，生成器能捕捉真实数据样本的潜在分布，并且生成新的数据样本，而鉴别器是一个二分类器，判别生成器输入的数据是真实数据还是生成的样本，这两种模式相互“战斗”，在这个过程中，每一个模型都变得更强大。生成器会尽量使得自己生成样本的能力变强，强到生成样本与真实数据无异，并且鉴别器也无法判断生成器生成的样本是真还是假，从而逐渐掌握生成音乐序列的数据分布规律，而鉴别器也在这个过程中不断地提升了自己识别数据的样本的能力。所述GAN网络又称生成对抗网络，它包含了两个网络：一个网络用于生成数据叫做生成器，另一个网络用于判别生成数据是否接近于真实，叫做判别器。其基本原理是：训练一个生成器，从随机噪声或者潜在变量中生成逼真的样本，同时训练一个鉴别器来鉴别真实数据和生成数据，两者同时训练，直至达到一个纳什均衡，生成器生成的数据与真实样本无差别，鉴别器也无法正确的区分生成数据和真实数据。
基于GAN网络建立干扰模型，每一个音轨拥有自己的一组生成器和鉴别器，及独立的隐空间变量Zi。多个生成器彼此独立工作，并且给定随机向量Zi(i＝1，2，…M，M代表生成器数量也就是音轨的数量)产生自己的音乐轨道，这些生成器接收来自不同鉴别器的反馈。如图2所示，为了产生M个音轨的音乐，需要M个发生器和M个鉴别器。
基于GAN网络建立作曲模型，由于作曲模型是多个音轨数据量输入到生成器中，因此通过一个单一的生成器就可以创建一个多通道的piano-rolls，每个通道代表一个特定的音轨，如图3所示。在这个模型中全局只有一组生成器和鉴别器，公用输入Z来生成所有的音轨，因此不管M的值是多少，只需要一个发生器和一个鉴别器即可。
如图4所示，结合干扰模型和作曲模型建立混合模型，混合模型结合上面两种模型方式，每个音轨都有一个发生器，接受独立的向量zi及全局的向量z共同组合成的输入向量，同时公用一个鉴别器来生成音轨。与作曲模型相比，混合模式更加灵活，可以在G模型中使用不同的参数(如层数，卷积核大小等)，将音轨的独立生成和全局生成和谐结合起来。
步骤S104,将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型；
如图5所示，构建音轨相关性的目的在于怎样在不同音轨中生成单个的小节，小节与小节之间的时序关联需要其他的结构来补充生成。将生成器分为两个子网络：时间结构生成器Gtemp和音乐小节生成器Gbar，如下图所示。Gtemp将输入向量Z映射成一个隐空间向量的序列Z箭头会承载一些时序信息，随后被送入Gbar，序列化地生成piano-rolls。
步骤S105,组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型。
多音轨模型，是上述音轨模型和时间模型的整合和扩展，如图6所示，模
型的输入用表示，由四部分组成，轨道间全局时间相关向量Zt，轨道间全局时间无关向量Z，轨道内单独时间无关向量Zi，和轨道内单独时间相关向量Zi,t。
对于音轨i(i＝1,2……M)，共用的时间结构生成器Gtemp和各自使用的时间结构生成器Gtemp，i，分别采取随时间变化的随机向量Zt和Zi,t作为输入，并且它们分别输出一系列包含音轨间和音轨内时间信息的潜在向量，输出序列(潜在向量)连同时间无关的随机向量z和zi一起被送入音乐小节生成器Gbar，然后按顺序生成钢琴窗。生成过程可制定为：
从该生成公式上可以清楚地看出，各轨道间的输入变量(分为时间相关和无关)和全局输入变量(分为时间相关和无关)结合起来，形成多音轨交响乐生成系统。
如图7所示，在一个实施例中，所述对格式转换后的钢琴键轴进行数据清理包括：
步骤S201,通过钢琴键轴将相似乐器的音轨合并，将非黄铜，弦乐器，管乐器和打击乐的音轨统一归纳到弦乐器音轨；
原数据集噪声很大，虽然对其进行数据清理后会有一定的音源损失，例如某些被合并的乐器的音源，但是数据的丰富性和有效性是训练模型的关键，所以对数据进行清理是必要的操作，因此使用以下方法对数据进行清理，有的乐器在相应的音轨上呈现的数据太少，不利于对模型的训练，所以本技术方案对其做了合并操作，通过总结piano-rolls将相似乐器的音轨合并起来，对于非黄铜，弦乐器，管乐器和打击乐的音轨统一归纳到弦乐器上去，使数据量得以丰富。
步骤S202，将四个音乐小节视为一个乐句，通过钢琴卷轴进行分割，将长片段修剪成适合的大小，所述适合的大小为C1到C8的音域。
将四个音乐小节视为一个乐句，通过钢琴卷轴进行分割，将长片段修剪成适合的大小，适合的大小为C1到C8的音域，为了训练时间模型，把四个小节(bar)视为一个乐句，从而将piano-rolls进行分割，可以将较长的片段修剪成合适的大小，最高音符和最低音符都不是很常见，所以音域采用C1到C8(钢琴最右键)。
如图8所示，在一个实施例中，所述采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型包括：
步骤S301，采用生成式对抗网络建立干扰音轨模型，所述干扰音轨模型中每一个音轨拥有自己的一组生成器和鉴别器，以及独立的隐空间变量，其中多个生成器彼此独立工作，并且给定随机向量产生自己的音乐轨道，所述生成器接收来自不同鉴别器的反馈，利用生成器和鉴别器的互斗模式实现生成式对抗网络的对抗学习，使生成器控制生成音乐序列的数据分布规律；
基于生成器和鉴别器的互斗模式来实现GAN网络的对抗学习，进而使生成器逐渐掌握生成音乐序列的数据分布规律,GAN网络通过构建两个网络来实现对抗学习：生成器和鉴别器，生成器能捕捉真实数据样本的潜在分布，并且生成新的数据样本，而鉴别器是一个二分类器，判别生成器输入的数据是真实数据还是生成的样本，这两种模式相互“战斗”，在这个过程中，每一个模型都变得更强大。生成器会尽量使得自己生成样本的能力变强，强到生成样本与真实数据无异，并且鉴别器也无法判断生成器生成的样本是真还是假，从而逐渐掌握生成音乐序列的数据分布规律，而鉴别器也在这个过程中不断地提升了自己识别数据的样本的能力。所述GAN网络又称生成对抗网络，它包含了两个网络：一个网络用于生成数据叫做生成器，另一个网络用于判别生成数据是否接近于真实，叫做判别器。其基本原理是：训练一个生成器，从随机噪声或者潜在变量中生成逼真的样本，同时训练一个鉴别器来鉴别真实数据和生成数据，两者同时训练，直至达到一个纳什均衡，生成器生成的数据与真实样本无差别，鉴别器也无法正确的区分生成数据和真实数据。
基于GAN网络建立干扰模型，每一个音轨拥有自己的一组生成器和鉴别器，及独立的隐空间变量Zi。多个生成器彼此独立工作，并且给定随机向量Zi(i＝1，2，…M，M代表生成器数量也就是音轨的数量)产生自己的音乐轨道，这些生成器接收来自不同鉴别器的反馈。如图2所示，为了产生M个音轨的音乐，需要M个发生器和M个鉴别器。
步骤S302，采用生成式对抗网络建立作曲音轨模型，所述作曲音轨模型将多个音轨数据量输入到所述生成器中，通过一个单一的生成器就创建一个多通道的钢琴键轴，每个通道代表一个特定的音轨；
由于作曲模型是多个音轨数据量输入到生成器中，因此通过一个单一的生成器就可以创建一个多通道的piano-rolls，每个通道代表一个特定的音轨，如图3所示。在这个模型中全局只有一组生成器和鉴别器，公用输入z来生成所有的音轨，因此不管M的值是多少，只需要一个发生器和一个鉴别器即可。
步骤S303，结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型，所述混合音轨模型中每个音轨都有一个发生器，接受独立的向量及全局的向量共同组合成的输入向量，同时公用一个鉴别器来生成音轨。
如图4所示，结合干扰模型和作曲模型建立混合模型，混合模型结合上面两种模型方式，每个音轨都有一个发生器，接受独立的向量Zi及全局的向量z共同组合成的输入向量，同时公用一个鉴别器来生成音轨。与作曲模型相比，混合模式更加灵活，可以在G模型中使用不同的参数，如层数，卷积核大小等，将音轨的独立生成和全局生成和谐结合起来。
在一个实施例中，所述将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型包括：
将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，所述时间结构生成器Gtemp将输入向量Z映射成一个隐空间向量的序列T代表时间，承载时序信息，随后被送入音乐小节生成器Gbar，序列化地生成钢琴键轴，定义为：
在一个实施例中，所述组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型包括：
混合音轨模型和时间模型的组合形成多音轨交响乐作曲模型，其中所述模型的输入用表示，由轨道间全局时间相关向量Zt，轨道间全局时间无关向量Z，轨道内单独时间无关向量Zi，和轨道内单独时间相关向量Zi,t组成；
设定音轨i，所述音轨i＝1，2……M，共用的时间结构生成器Gtemp和各自使用的时间结构生成器Gtemp，i，分别采取随时间变化的随机向量Zt和Zi,t作为输入，并且分别输出包含音轨间和音轨内时间信息的潜在向量，输出序列潜在向量连同时间无关的随机向量Z和Zi一起被送入音乐小节生成器Gbar，然后按顺序生成钢琴窗,生成过程可定义为：
各轨道间的输入变量和全局输入变量结合起来，形成多音轨交响乐，所述各轨道间的输入变量分为时间相关和无关，所述全局输入变量分为时间相关和无关。
多音轨模型，是上述音轨模型和时间模型的整合和扩展，如图6所示，模型的输入用表示，由四部分组成，轨道间全局时间相关向量Zt，轨道间全局时间无关向量Z，轨道内单独时间无关向量Zi，和轨道内单独时间相关向量Zi,t。
对于音轨i(i＝1,2……M)，共用的时间结构生成器Gtemp和各自使用的时间结构生成器Gtemp，i，分别采取随时间变化的随机向量Zt和Zi,t作为输入，并且它们分别输出一系列包含音轨间和音轨内时间信息的潜在向量，输出序列(潜在向量)连同时间无关的随机向量Z和Zi一起被送入音乐小节生成器Gbar，然后按顺序生成钢琴窗。生成过程可制定为：
从该生成公式上可以清楚地看出，各轨道间的输入变量(分为时间相关和无关)和全局输入变量(分为时间相关和无关)结合起来，形成多音轨交响乐生成系统。
如图9所示，在一个实施例中，提供了一种作曲模型的建立系统，所述作曲模型的建立系统包括：
获取模块，用于获取MIDI格式的音乐数据集，并将所述MIDI格式的音乐数据集转换为钢琴键轴，所述钢琴键轴是音乐存储媒介，用于再现钢琴弹奏，当被读取时触发每个音符的播放循环；
清理模块，用于对格式转换后的钢琴键轴进行数据清理；
建立模块，用于采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型；
构建模块，用于将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型；
组合模块，用于组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型。
如图10所示，在一个实施例中，所述清理模块还包括：
合并单元，用于通过钢琴键轴将相似乐器的音轨合并，将非黄铜，弦乐器，管乐器和打击乐的音轨统一归纳到弦乐器音轨；
修剪单元，用于将四个音乐小节视为一个乐句，通过钢琴卷轴进行分割，将长片段修剪成适合的大小，所述适合的大小为C1到C8的音域。
如图11所示，在一个实施例中，所述建立模块还包括：
建立干扰模型单元，用于采用生成式对抗网络建立干扰音轨模型，所述干扰音轨模型中每一个音轨拥有自己的一组生成器和鉴别器，以及独立的隐空间变量，其中多个生成器彼此独立工作，并且给定随机向量产生自己的音乐轨道，所述生成器接收来自不同鉴别器的反馈，利用生成器和鉴别器的互斗模式实现生成式对抗网络的对抗学习，使生成器控制生成音乐序列的数据分布规律；
建立作曲模型单元，用于采用生成式对抗网络建立作曲音轨模型，所述作曲音轨模型将多个音轨数据量输入到所述生成器中，通过一个单一的生成器就创建一个多通道的钢琴键轴，每个通道代表一个特定的音轨；
结合单元，用于结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型，所述混合音轨模型中每个音轨都有一个发生器，接受独立的向量及全局的向量共同组合成的输入向量，同时公用一个鉴别器来生成音轨。
在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行所述计算机程序时实现以下步骤：获取MIDI格式的音乐数据集，并将所述MIDI格式的音乐数据集转换为钢琴键轴，所述钢琴键轴是音乐存储媒介，用于再现钢琴弹奏，当被读取时触发每个音符的播放循环；对格式转换后的钢琴键轴进行数据清理；采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型；将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型；组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型。
在一个实施例中，所述对格式转换后的钢琴键轴进行数据清理包括：
通过钢琴键轴将相似乐器的音轨合并，将非黄铜，弦乐器，管乐器和打击乐的音轨统一归纳到弦乐器音轨；
将四个音乐小节视为一个乐句，通过钢琴卷轴进行分割，将长片段修剪成适合的大小，所述适合的大小为C1到C8的音域。
在一个实施例中，所述采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型包括：
采用生成式对抗网络建立干扰音轨模型，所述干扰音轨模型中每一个音轨拥有自己的一组生成器和鉴别器，以及独立的隐空间变量，其中多个生成器彼此独立工作，并且给定随机向量产生自己的音乐轨道，所述生成器接收来自不同鉴别器的反馈，利用生成器和鉴别器的互斗模式实现生成式对抗网络的对抗学习，使生成器控制生成音乐序列的数据分布规律；
采用生成式对抗网络建立作曲音轨模型，所述作曲音轨模型将多个音轨数据量输入到所述生成器中，通过一个单一的生成器就创建一个多通道的钢琴键轴，每个通道代表一个特定的音轨；
结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型，所述混合音轨模型中每个音轨都有一个发生器，接受独立的向量及全局的向量共同组合成的输入向量，同时公用一个鉴别器来生成音轨。
在一个实施例中，所述将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型包括：
将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，所述时间结构生成器Gtemp将输入向量Z映射成一个隐空间向量的序列T代表时间，承载时序信息，随后被送入音乐小节生成器Gbar，序列化地生成钢琴键轴，定义为：
在一个实施例中，所述组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型包括：
混合音轨模型和时间模型的组合形成多音轨交响乐作曲模型，其中所述模型的输入用表示，由轨道间全局时间相关向量Zt，轨道间全局时间无关向量Z，轨道内单独时间无关向量Zi，和轨道内单独时间相关向量Zi,t组成；
设定音轨i，所述音轨i＝1，2……M，共用的时间结构生成器Gtemp和各自使用的时间结构生成器Gtemp，i，分别采取随时间变化的随机向量Zt和Zi,t作为输入，并且分别输出包含音轨间和音轨内时间信息的潜在向量，输出序列潜在向量连同时间无关的随机向量Z和Zi一起被送入音乐小节生成器Gbar，然后按顺序生成钢琴窗,生成过程可定义为：
各轨道间的输入变量和全局输入变量结合起来，形成多音轨交响乐，所述各轨道间的输入变量分为时间相关和无关，所述全局输入变量分为时间相关和无关。
在一个实施例中，提出了一种存储有计算机可读指令的存储介质，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：获取MIDI格式的音乐数据集，并将所述MIDI格式的音乐数据集转换为钢琴键轴，所述钢琴键轴是音乐存储媒介，用于再现钢琴弹奏，当被读取时触发每个音符的播放循环；对格式转换后的钢琴键轴进行数据清理；采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型；将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型；组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型。
在一个实施例中，所述对格式转换后的钢琴键轴进行数据清理包括：
通过钢琴键轴将相似乐器的音轨合并，将非黄铜，弦乐器，管乐器和打击乐的音轨统一归纳到弦乐器音轨；
将四个音乐小节视为一个乐句，通过钢琴卷轴进行分割，将长片段修剪成适合的大小，所述适合的大小为C1到C8的音域。
在一个实施例中，所述采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型包括：
采用生成式对抗网络建立干扰音轨模型，所述干扰音轨模型中每一个音轨拥有自己的一组生成器和鉴别器，以及独立的隐空间变量，其中多个生成器彼此独立工作，并且给定随机向量产生自己的音乐轨道，所述生成器接收来自不同鉴别器的反馈，利用生成器和鉴别器的互斗模式实现生成式对抗网络的对抗学习，使生成器控制生成音乐序列的数据分布规律；
采用生成式对抗网络建立作曲音轨模型，所述作曲音轨模型将多个音轨数据量输入到所述生成器中，通过一个单一的生成器就创建一个多通道的钢琴键轴，每个通道代表一个特定的音轨；
结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型，所述混合音轨模型中每个音轨都有一个发生器，接受独立的向量及全局的向量共同组合成的输入向量，同时公用一个鉴别器来生成音轨。
在一个实施例中，所述将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型包括：
将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，所述时间结构生成器Gtemp将输入向量Z映射成一个隐空间向量的序列T代表时间，承载时序信息，随后被送入音乐小节生成器Gbar，序列化地生成钢琴键轴，定义为：
在一个实施例中，所述组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型包括：
混合音轨模型和时间模型的组合形成多音轨交响乐作曲模型，其中所述模型的输入用表示，由轨道间全局时间相关向量Zt，轨道间全局时间无关向量Z，轨道内单独时间无关向量Zi，和轨道内单独时间相关向量Zi,t组成；
设定音轨i，所述音轨i＝1，2……M，共用的时间结构生成器Gtemp和各自使用的时间结构生成器Gtemp，i，分别采取随时间变化的随机向量Zt和Zi,t作为输入，并且分别输出包含音轨间和音轨内时间信息的潜在向量，输出序列潜在向量连同时间无关的随机向量Z和Zi一起被送入音乐小节生成器Gbar，然后按顺序生成钢琴窗,生成过程可定义为：
各轨道间的输入变量和全局输入变量结合起来，形成多音轨交响乐，所述各轨道间的输入变量分为时间相关和无关，所述全局输入变量分为时间相关和无关。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明一些示例性实施例，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种作曲模型的建立方法，其特征在于，包括以下步骤：
获取MIDI格式的音乐数据集，并将所述MIDI格式的音乐数据集转换为钢琴键轴，所述钢琴键轴是音乐存储媒介，用于再现钢琴弹奏，当被读取时触发每个音符的播放循环；
对格式转换后的钢琴键轴进行数据清理；
采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型；
将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型；
组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型。
2.根据权利要求1所述的作曲模型的建立方法，其特征在于，所述对格式转换后的钢琴键轴进行数据清理包括：
通过钢琴键轴将相似乐器的音轨合并，将非黄铜，弦乐器，管乐器和打击乐的音轨统一归纳到弦乐器音轨；
将四个音乐小节视为一个乐句，通过钢琴卷轴进行分割，将长片段修剪成适合的大小，所述适合的大小为C1到C8的音域。
3.根据权利要求1所述的作曲模型的建立方法，其特征在于，所述采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型包括：
采用生成式对抗网络建立干扰音轨模型，所述干扰音轨模型中每一个音轨拥有自己的一组生成器和鉴别器，以及独立的隐空间变量，其中多个生成器彼此独立工作，并且给定随机向量产生自己的音乐轨道，所述生成器接收来自不同鉴别器的反馈，利用生成器和鉴别器的互斗模式实现生成式对抗网络的对抗学习，使生成器控制生成音乐序列的数据分布规律；
采用生成式对抗网络建立作曲音轨模型，所述作曲音轨模型将多个音轨数据量输入到所述生成器中，通过一个单一的生成器就创建一个多通道的钢琴键轴，每个通道代表一个特定的音轨；
结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型，所述混合音轨模型中每个音轨都有一个发生器，接受独立的向量及全局的向量共同组合成的输入向量，同时公用一个鉴别器来生成音轨。
4.根据权利要求1所述的作曲模型的建立方法，其特征在于，所述将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型包括：
将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，所述时间结构生成器Gtemp将输入向量Z映射成一个隐空间向量的序列T代表时间，承载时序信息，随后被送入音乐小节生成器Gbar，序列化地生成钢琴键轴，定义为：
5.根据权利要求1所述的作曲模型的建立方法，其特征在于，所述组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型包括：
混合音轨模型和时间模型的组合形成多音轨交响乐作曲模型，其中所述模型的输入用表示，由轨道间全局时间相关向量Zt，轨道间全局时间无关向量Z，轨道内单独时间无关向量Zi，和轨道内单独时间相关向量Zi,t组成；
设定音轨i，所述音轨i＝1，2……M，共用的时间结构生成器Gtemp和各自使用的时间结构生成器Gtemp，i，分别采取随时间变化的随机向量Zt和Zi,t作为输入，并且分别输出包含音轨间和音轨内时间信息的潜在向量，输出序列潜在向量连同时间无关的随机向量Z和Zi一起被送入音乐小节生成器Gbar，然后按顺序生成钢琴窗,生成过程可定义为：
各轨道间的输入变量和全局输入变量结合起来，形成多音轨交响乐，所述各轨道间的输入变量分为时间相关和无关，所述全局输入变量分为时间相关和无关。
6.一种作曲模型的建立系统，其特征在于，所述作曲模型的建立系统包括：
获取模块，用于获取MIDI格式的音乐数据集，并将所述MIDI格式的音乐数据集转换为钢琴键轴，所述钢琴键轴是音乐存储媒介，用于再现钢琴弹奏，当被读取时触发每个音符的播放循环；
清理模块，用于对格式转换后的钢琴键轴进行数据清理；
建立模块，用于采用生成式对抗网络建立干扰音轨模型和作曲音轨模型，并结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型；
构建模块，用于将生成器分为时间结构生成器Gtemp和音乐小节生成器Gbar，通过所述时间结构生成器Gtemp和所述音乐小节生成器Gbar构建音乐小节之间的时序相关性形成时间模型；
组合模块，用于组合所述混合音轨模型和时间模型，以形成多音轨交响乐作曲模型。
7.根据权利要求6所述的作曲模型的建立系统，其特征在于，所述清理模块还包括：
合并单元，用于通过钢琴键轴将相似乐器的音轨合并，将非黄铜，弦乐器，管乐器和打击乐的音轨统一归纳到弦乐器音轨；
修剪单元，用于将四个音乐小节视为一个乐句，通过钢琴卷轴进行分割，将长片段修剪成适合的大小，所述适合的大小为C1到C8的音域。
8.根据权利要求6所述的作曲模型的建立系统，其特征在于，所述建立模块还包括：
建立干扰模型单元，用于采用生成式对抗网络建立干扰音轨模型，所述干扰音轨模型中每一个音轨拥有自己的一组生成器和鉴别器，以及独立的隐空间变量，其中多个生成器彼此独立工作，并且给定随机向量产生自己的音乐轨道，所述生成器接收来自不同鉴别器的反馈，利用生成器和鉴别器的互斗模式实现生成式对抗网络的对抗学习，使生成器控制生成音乐序列的数据分布规律；
建立作曲模型单元，用于采用生成式对抗网络建立作曲音轨模型，所述作曲音轨模型将多个音轨数据量输入到所述生成器中，通过一个单一的生成器就创建一个多通道的钢琴键轴，每个通道代表一个特定的音轨；
结合单元，用于结合所述干扰音轨模型和作曲音轨模型建立混合音轨模型，所述混合音轨模型中每个音轨都有一个发生器，接受独立的向量及全局的向量共同组合成的输入向量，同时公用一个鉴别器来生成音轨。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
10.一种存储有计算机可读指令的存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至5中任一项所述方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810894765.2A CN109189974A (zh) | 2018-08-08 | 2018-08-08 | 一种作曲模型的建立方法、系统、设备和存储介质 |
| PCT/CN2018/106680 WO2020029382A1 (zh) | 2018-08-08 | 2018-09-20 | 一种作曲模型的建立方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810894765.2A CN109189974A (zh) | 2018-08-08 | 2018-08-08 | 一种作曲模型的建立方法、系统、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109189974A true CN109189974A (zh) | 2019-01-11 |
Family
ID=64920431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810894765.2A Pending CN109189974A (zh) | 2018-08-08 | 2018-08-08 | 一种作曲模型的建立方法、系统、设备和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109189974A (zh) |
| WO (1) | WO2020029382A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109872708A (zh) * | 2019-01-23 | 2019-06-11 | 平安科技（深圳）有限公司 | 一种基于dcgan的音乐生成方法及装置 |
| CN110288965A (zh) * | 2019-05-21 | 2019-09-27 | 北京达佳互联信息技术有限公司 | 一种音乐合成方法、装置、电子设备及存储介质 |
| CN111477198A (zh) * | 2020-03-05 | 2020-07-31 | 支付宝(杭州)信息技术有限公司 | 一种音乐小节的表示方法、装置及电子设备 |
| US11450301B2 (en) * | 2018-05-24 | 2022-09-20 | Aimi Inc. | Music generator |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104040618A (zh) * | 2011-07-29 | 2014-09-10 | 音乐策划公司 | 用于制作更和谐音乐伴奏以及用于将效果链应用于乐曲的系统和方法 |
| US20160379611A1 (en) * | 2015-06-23 | 2016-12-29 | Medialab Solutions Corp. | Systems and Method for Music Remixing |
| CN106652984A (zh) * | 2016-10-11 | 2017-05-10 | 张文铂 | 一种使用计算机自动创作歌曲的方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8097801B2 (en) * | 2008-04-22 | 2012-01-17 | Peter Gannon | Systems and methods for composing music |
| US9620092B2 (en) * | 2012-12-21 | 2017-04-11 | The Hong Kong University Of Science And Technology | Composition using correlation between melody and lyrics |
| US9299264B2 (en) * | 2014-03-20 | 2016-03-29 | Pearson Education, Inc. | Sound assessment and remediation |
| CN106898341B (zh) * | 2017-01-04 | 2021-03-09 | 清华大学 | 一种基于共同语义空间的个性化音乐生成方法及装置 |
-
2018
- 2018-08-08 CN CN201810894765.2A patent/CN109189974A/zh active Pending
- 2018-09-20 WO PCT/CN2018/106680 patent/WO2020029382A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104040618A (zh) * | 2011-07-29 | 2014-09-10 | 音乐策划公司 | 用于制作更和谐音乐伴奏以及用于将效果链应用于乐曲的系统和方法 |
| US20160379611A1 (en) * | 2015-06-23 | 2016-12-29 | Medialab Solutions Corp. | Systems and Method for Music Remixing |
| CN106652984A (zh) * | 2016-10-11 | 2017-05-10 | 张文铂 | 一种使用计算机自动创作歌曲的方法 |
Non-Patent Citations (1)
| Title |
|---|
| HAO-WEN DONG 等: "MuseGAN: Multi-track Sequential Generative Adversarial Networks for Symbolic Music Generation and Accompaniment" * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11450301B2 (en) * | 2018-05-24 | 2022-09-20 | Aimi Inc. | Music generator |
| CN109872708A (zh) * | 2019-01-23 | 2019-06-11 | 平安科技（深圳）有限公司 | 一种基于dcgan的音乐生成方法及装置 |
| WO2020151150A1 (zh) * | 2019-01-23 | 2020-07-30 | 平安科技（深圳）有限公司 | 一种基于dcgan的音乐生成方法及装置 |
| CN110288965A (zh) * | 2019-05-21 | 2019-09-27 | 北京达佳互联信息技术有限公司 | 一种音乐合成方法、装置、电子设备及存储介质 |
| CN110288965B (zh) * | 2019-05-21 | 2021-06-18 | 北京达佳互联信息技术有限公司 | 一种音乐合成方法、装置、电子设备及存储介质 |
| CN111477198A (zh) * | 2020-03-05 | 2020-07-31 | 支付宝(杭州)信息技术有限公司 | 一种音乐小节的表示方法、装置及电子设备 |
| CN111477198B (zh) * | 2020-03-05 | 2023-07-14 | 支付宝(杭州)信息技术有限公司 | 一种音乐小节的表示方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020029382A1 (zh) | 2020-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109189974A (zh) | 一种作曲模型的建立方法、系统、设备和存储介质 | |
| CN104040618B (zh) | 用于制作更和谐音乐伴奏以及用于将效果链应用于乐曲的系统和方法 | |
| CN104183171B (zh) | 一种基于电子乐谱的乐器演奏水平精准评判的系统和方法 | |
| CN103959372A (zh) | 用于使用呈现高速缓存针对所请求的音符提供音频的系统和方法 | |
| US20180247625A1 (en) | Interactive system and method for creating music by substituting audio tracks | |
| CN107146598B (zh) | 一种多音色混合的智能演奏系统和方法 | |
| Weinberg | The aesthetics, history and future challenges of interconnected music networks | |
| CN106233245A (zh) | 用于增强音频、使音频输入相符于音乐音调以及创作用于音频输入的和声音轨的系统和方法 | |
| CN110199348A (zh) | 口音转化 | |
| CN109346045A (zh) | 基于长短时神经网络的多声部音乐生成方法及装置 | |
| JP2023542431A (ja) | 階層的音源分離のためのシステムおよび方法 | |
| Rofe et al. | Composing for a latency-rich environment | |
| CN101673540A (zh) | 一种实现移动终端演奏音乐的方法和装置 | |
| Scipio | Iterated nonlinear functions as a sound-generating engine | |
| Dubnov et al. | Creative improvised interaction with generative musical systems | |
| Braasch | A cybernetic model approach for free jazz improvisations | |
| CN109872709B (zh) | 一种基于音符复杂网络的低相似度新曲生成方法 | |
| Lee et al. | Live Coding the Audience Participation | |
| Plafcan | “Let a hundred flowers bloom, to discard the old for the new.” The Building of the Modern Chinese Orchestra | |
| Musick et al. | Building a harmonically ecosystemic machine: Combining sonic ecosystems with models of contemporary harmonic language | |
| CN210516209U (zh) | 一种智能电子琴及音乐教学系统 | |
| Collins | Contrary Motion: An Oppositional Interactive Music System. | |
| Liang et al. | Recurrent neural-network-based physical model for the chin and other plucked-string instruments | |
| Chen et al. | Music conversion from synthetic piano to Chinese Guzheng using image-based deep learning technique | |
| Rasten | Harmony inside harmony. Just intonation as a perceptual praxis and as an organizing compositional principle |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190111 |