基于音高旋律元的柔和乐曲的自动作曲算法

提出了一种以柔和为导向、以音高旋律元(Pitch melody unit,PMU)为基本操作单位的自动作曲算法.首先根据柔和乐曲的旋律特征构建了算法的规则模型.然后定义了一阶音高旋律元和二阶音高旋律元,构建了音高旋律元转换表(Pitchmelody unit transition tables,PMUTTs)自动生成的模型,以表达相邻音高旋律元的链接概率,为旋律计算提供基本数据.分别定义了用来自动生成新的音高旋律元、乐节、乐句、乐曲的4个旋律计算的算子,以自动生成乐曲.实验结果表明,与以音符为基本单位的马尔可夫作曲方法相比,以音高旋律元为基本单位进行作曲可以提高旋律的逻辑严密性和美感度.

基于递归神经网络的自动作曲算法

提出了一种以音乐音频为处理对象的基于长短时记忆递归神经网络的音乐自动合成算法。该算法首先将音乐集以基于单位时长分割成由单位音乐序列组成的音乐序列集,并在对音乐进行预处理时提取了音乐音频的梅尔倒谱系数作为特征;其次,将进行数据处理过的特征向量构成的训练样本通过长短时记忆模型进行训练和预测;最后,将生成的音乐序列进行拼接融合从而得到新的音乐。为了验证算法的有效性,将模型生成的乐曲与人为作曲的乐曲进行了匿名打分评价,实验结果表明,该算法能够较好地实现自动作曲。

一个计算机自动作曲程序

本文介绍一个计算机自动作曲程序。这个程序既有娱乐性又有其实用价值。

计算机自动作曲综述:一种通用框架

在Kirke提出的“针对音乐表现力的计算机系统”模型基础上,总结得到“计算机自动作曲系统”模型,该模型包含了“音乐样本”、“音乐分析”、“音乐背景”、“作曲系统”、“作曲理论”、“承载媒体”和“音乐评价”7个部分,通过对已有系统的回顾,证明该模型可以很好地涵盖计算机自动作曲中用到的技术.该模型将计算机自动作曲技术模块化,方便研究人员从不同角度对计算机自动作曲技术进行探究.

计算机自动混音系统设计——面向自动作曲系统MIDI表达的实现

自动混音系统的研究从David Gibson的理论依据入手,建立了实现该系统的软件模型及数学模型,并构造一个三部分基于MIDI文件的自动作曲模块、MIDI解析及虚拟乐器演奏模块和基于DirectSound技术的混音模块组成的实验系统。研究还将就实验系统本身的不足提出可行的改进方向。

电脑音乐DIY系列之三:电脑自动作曲软件Jammer

在我们周围有许多朋友非常喜欢音乐,头脑中时常有一些从不曾听过的音乐飘过,只可惜自己的音乐基础知识太少,无法把这些飘过脑际的美妙音乐记录下来,使它成为一首音乐作品,这点实在令人感到遗憾。先别着急,这里给大家介绍一个能够自动生成音乐的软件——Jammer。你无须学习任何枯燥的音乐理论,只要对音乐有感觉、有鉴赏力。

基于Bi-GRU网络和自注意力机制的自动作曲系统研究

为了提高自动作曲系统的性能表现,提高自动生成音乐的质量和创造性,研究对音乐特征的表示进行了优化,然后设计了一种基于双向门控循环单元和自注意力机制的自动作曲模型,以更精确地捕获音乐的时序特征和结构。在Top1准确率对比中,研究方法在更短的训练轮数下达到了更高的准确率。与其他两种方案相比,研究方法在100轮训练时的准确率分别提高了10.26%和14.56%。在主观评价中,研究方法获得的评分大多表示感情丰富度和满意度都较好,也优于其他两种先进方法。最后,在作曲时间的对比中,当生成乐段长度为70 s时,与其他方法相比,研究方法分别减少了7.34 s、18.31 s、23.18 s和39.92 s。实验结果验证了此次研究的有效性,研究为自动作曲系统的发展提供了有力的支持。

基于深度强化学习的和声自动生成算法

机器自动作曲是人工智能和作曲理论结合的交叉研究领域。自动作曲算法旨在辅助使用者进行音乐创作,帮助使用者减少工作量或是提供灵感。面对当代音乐创作需求,现有的自动作曲方法无法有效表达音乐特征,生成的和声缺乏音乐结构,无法满足当代音乐创作多样性的要求。针对上述不足,提出了一种基于深度强化学习(Deep Reinforcement Learning,DRL)与和声量化的和声自动生成(Automatic Harmony Generation Algorithm Based on DRL,AHG-DRL)算法。AHG-DRL使用和声量化方法对音乐进行编码,使编码后的音乐具备更加全面的音乐特征;使用基于逆强化学习(Inverse Reinforcement Learning,IRL)与DRL的和声生成算法扩大音乐创作的搜索空间,同时使生成的音乐具备功能性。实验结果表明,所提和声自动生成算法可以生成满足创作需求和符合作曲规则的音乐,与其他和声生成算法相比,生成的和声种类更加复杂多样,在客观评价指标上更接近真实值。

民歌旋律马尔可夫作曲模式

针对目前自动作曲主要集中于西方音乐,研究中国音乐的自动创作模型。分别从音高和时值两个属性考察和分析民歌旋律特征,提出了基于旋律马尔可夫链的中国民歌自动作曲模式。选取具有典型民族特征的民歌进行分析,并给出了作曲程序实例和评价。实验结果表明,民歌马尔可夫作曲模式可以生成具有中国民族音乐特征的乐曲。该作曲模式可以作为专业音乐创作的一种辅助形式。

流行歌曲自动旋律写作与伴奏编配系统（英文）

我们提出了一个为流行音乐写作旋律与编配伴奏的系统.该系统采用与人们写作音乐类似的步骤,平行地生成旋律与钢琴伴奏两部分.具体地,系统以和弦行进为输入,先后通过3个模型生成主旋律与伴奏:1)和弦修改模型将输入和弦行进修改为一个更加适应流行音乐风格的和弦行进;2)旋律生成模型利用seasonal ARMA(Autoregressive Moving Average)生成主旋律与伴奏中的每一个声部(或旋律线条);3)旋律整合模型将不同的伴奏声部整合在一起作为最后的钢琴伴奏.通过主观听觉实验来评价我们的模型,实验结果显示:由本系统生成的旋律得分要显著高于利用双向长短期记忆(Long Short-Term Memory,LSTM)网络生成的旋律,而伴奏编配结果也与目前最高水平的商业软件BandinaBox(BIAB)的表现相当.

算法作曲专家系统系列论文一——基于Max平台的十二音序列算法作曲专家系统

在计算机技术迅速发展的时代,音乐创作者们正在使用最新的技术来创作自己的作品,其中,使用计算机算法模型直接或间接创作已经逐渐成为国际上相对主流的手法。因此,学科与艺术间的界限变得越来越模糊。通过学习不同学科的知识,将其学科的理念思路与技术融入到艺术创作中在当今时代越来越普遍。这样,不仅可以拓宽创作者本身的知识面与视野,也使得艺术创作有了更多维度的创作源泉。本论文分为三个部分:(1)简述随着计算机科学的发展,算法作曲(自动作曲)专家系统的出现与其诞生的先觉条件;(2)阐述十二音序列自动作曲H12toneST系统的使用方式,为接下来的两篇论文中拆解系统具体讲解做铺垫;(3)通过展示系统中核心算法的构建方式,呼吁更多的音乐创作者参与到这项研究中来。

电脑音乐DIY系列之四——盒子里的乐队Band-in-a-Box

上次我们给大家介绍了一个自动作曲软件Jammer。像这种能自动作曲、自动伴奏的软件还有好几种,而最适合初学者使用的,除了上次给大家介绍的Jammer以外,还有一个,它就是“盒子里的乐队”——Band-in-a-Box。Band-in-a-Box可以说是作曲、编曲软件的老大哥,在DOS年代就已经十分出名。和Jammer相比。