一种基于语言模型的音乐创作辅助方法技术

本发明专利技术是一种基于语言模型的音乐创作辅助方法。本发明专利技术涉及人工智能技术领域，本发明专利技术基于WEB端实现，能够在各种平台，随时随地为用户的创作热情提供辅助，极大的避免了因为软硬件问题，导致错过了记录和创作的机会。同时还可以作为插件接入任何需要音乐设计和生成的地方，例如短视频平台，本发明专利技术了解到，目前短视频平台的音乐推荐基本是已有音乐和视频内容的推荐，而本发明专利技术的系统可以作为生成式的音乐设计与推荐，充分填补市场空白，满足不同类型的用户对音乐创作的需求。的用户对音乐创作的需求。的用户对音乐创作的需求。

【技术实现步骤摘要】
一种基于语言模型的音乐创作辅助方法


[0001]本专利技术涉及人工智能
，是一种基于语言模型的音乐创作辅助方法。

技术介绍

[0002]音乐创作和设计在大众眼中往往是高不可及的存在，甚至对从事音乐工作的专业人士来说，也会有灵感不足等原因导致创作困难的时刻。音乐的设计和创作不仅需要大量的时间成本，更重要的是需要长时间的专业基础知识积累。这使得音乐的设计创作变成了意见曲高和寡的事情。
[0003]当今时代人工智能的发展十分迅速，在风格识别、音频处理与生成领域的许多任务上接近甚至是超过人工水平。如何利用这些技术，惠及大众生活，是计算机业界需要考虑的问题。市面上不乏一些专业音乐创作软件，但这些软件大部分只是降低了音乐创作的繁琐程度，提供一些仿真乐器辅助创作者进行创作。本专利技术从自动化音乐创作入手，利用人工智能在语音处理与自然语言处理领域的最新进展构建了能够辅助创作者智能创作乐曲的模型。同时，本着希望降低业余大众创作音乐的门槛、促进专业音乐制作人灵感的出发点，本专利技术设计并开发了一种基于语言模型的音乐创作辅助系统。<br/>
技术实现思路
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语言模型的音乐创作辅助方法，其特征是：所述方法包括以下步骤：步骤1：对歌曲数据进行特征提取，在不同的时间尺度下生成二维的表征，得到乐曲不同级别的特征，再利用ResNet进行二维卷积学习，进行风格标签的分类；步骤2：建立预训练乐曲模型，并进行位置编码，区分序列中的不同位置；步骤3：进行多音轨协同学习，生成音乐文件。2.根据权利要求1所述的方法，其特征是：所述步骤1具体为：输入的歌曲数据数据分为音符、音频与歌词三部分，提取这三类输入数据中的特征，用于模型的训练；对于音符数据，利用人工标注的方式识别歌曲的和弦与节奏，并将多音轨乐曲根据音轨生成多个音符序列；对于歌词数据，利用基于Transformer的预训练语言模型提取其中的语义与情感特征；对于音频数据，使用人工标注的方式或者利用MS
‑
SincResNet提取风格特征。3.根据权利要求2所述的方法，其特征是：音频数据标注时利用SincNet进行一维的卷积学习，在不同的时间尺度下生成二维的表征，从而学习到乐曲不同级别的特征，再利用ResNet进行二维卷积学习，最终进行风格标签的分类。4.根据权利要求3所述的方法，其特征是：所述步骤2具体为：步骤2.1：建立预训练乐曲模型采用Transformer的编解码器结构，输入数据是歌曲的和弦、节奏、风格标签以及经过对齐的音符和歌词文本，将歌曲每个时刻的音符及其对应的歌词和拼音看作一个元组，预训练模型的输入为元组序列，并采用词嵌入技术，将风格、节奏、和弦、音符和歌词利用稠密向量表示；步骤2.2：将已有音符、歌词、和弦和节奏序列以及拼接的位置编码和风格标签向量作为输入，经过N层Transformer的编码器然后将最后一层编码器的输出作为解码器的一部分特征输入，再经过N层Transformer解码器得到输出，最后利用多层感知机和softmax激活函数得到输出的概率分布，从而确定接下来的音符、歌词、和弦和节奏；步骤2.3：使用了三角函数式的绝对位置编码，模型会训练每一小节的位置编码，并在输入时将这些位置编码根据歌曲的小节数重复若干次，以达到令模型保留小节内每个音符的位置信息而忽略不同小节间对应位置音符的位置信息的目的。...

【专利技术属性】
技术研发人员：张宇，宋岩奇，杨昕，崔涵，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：