論文の概要: Can Machines Generate Personalized Music? A Hybrid Favorite-aware Method
for User Preference Music Transfer
- arxiv url: http://arxiv.org/abs/2201.08526v1
- Date: Fri, 21 Jan 2022 03:24:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-24 14:19:52.089849
- Title: Can Machines Generate Personalized Music? A Hybrid Favorite-aware Method
for User Preference Music Transfer
- Title(参考訳): 機械はパーソナライズド・ミュージックを生成できるか?
ユーザ優先音楽転送のためのハイブリッドなお気に入り認識手法
- Authors: Zhejing Hu, Yan Liu, Gong Chen, and Yongxu Liu
- Abstract要約: ユーザ優先音楽転送(UPMT)は、多くのシナリオに適用できるが、まだ検討されていない音楽スタイル転送における新しい問題である。
UPMTは、多くのシナリオに適用できるが、まだ検討されていない音楽スタイルの転送における新しい問題である。
- 参考スコア(独自算出の注目度): 9.205948466309755
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: User preference music transfer (UPMT) is a new problem in music style
transfer that can be applied to many scenarios but remains understudied.
- Abstract(参考訳): ユーザ優先音楽転送(UPMT)は、多くのシナリオに適用できるが、まだ検討されていない音楽スタイル転送の新しい問題である。
関連論文リスト
- MusicRL: Aligning Music Generation to Human Preferences [62.44903326718772]
MusicRLは人間のフィードバックによって微調整された最初の音楽生成システムである。
ユーザに対してMusicLMをデプロイし,30,000対の選好からなる実質的なデータセットを収集する。
人間のフィードバックを大規模に組み込んだ最初のテキスト-音楽モデルであるMusicRL-Uを訓練する。
論文 参考訳(メタデータ) (2024-02-06T18:36:52Z) - FM Tone Transfer with Envelope Learning [8.771755521263811]
トーントランスファー(トーントランスファー)は、音源をシンセサイザーで対向させ、音楽の形式を保ちながら音の音色を変換する新しい技法である。
音の多様性の低さや、過渡的および動的レンダリングの制限に関連するいくつかの欠点があり、リアルタイムなパフォーマンスの文脈における調音やフレーズ化の可能性を妨げていると我々は信じている。
論文 参考訳(メタデータ) (2023-10-07T14:03:25Z) - Track Mix Generation on Music Streaming Services using Transformers [2.309018557701645]
本稿では,2022年に音楽ストリーミングサービスDeezerでリリースされたパーソナライズされたプレイリスト生成システムであるTrack Mixを紹介する。
Track Mixは、初期の音楽曲にインスパイアされた「ミックス」プレイリストを自動的に生成し、ユーザーはお気に入りのコンテンツに似た音楽を発見することができる。
ユーザプレイリストから数百万のトラックシーケンスに基づいてトレーニングされたTransformerモデルを用いて、これらのミックスを生成する。
論文 参考訳(メタデータ) (2023-07-06T15:10:29Z) - Simple and Controllable Music Generation [94.61958781346176]
MusicGenは単一の言語モデル(LM)であり、圧縮された離散的な音楽表現、すなわちトークンの複数のストリームで動作する。
以前の作業とは異なり、MusicGenはシングルステージのトランスフォーマーLMと効率的なトークンインターリービングパターンで構成されている。
論文 参考訳(メタデータ) (2023-06-08T15:31:05Z) - Transfer Learning for Underrepresented Music Generation [0.9645196221785693]
我々は,イランの民謡を,大規模な生成音楽モデルであるMusicVAEのOODジャンルの例とみなす。
イランのフォーク・ミュージック・データセットにMusicVAEを効率よく適応させることで、将来、あまり表現されていない音楽ジャンルを創出できる可能性が示唆された。
論文 参考訳(メタデータ) (2023-06-01T01:53:10Z) - GETMusic: Generating Any Music Tracks with a Unified Representation and
Diffusion Framework [58.64512825534638]
シンボリック・ミュージック・ジェネレーションは、ユーザーが音楽を作るのに役立つ音符を作成することを目的としている。
私たちは「GETMusic」と呼ばれるフレームワークを紹介します。「GET'」は「GEnerate Music Tracks」の略です。
GETScoreは、音符をトークンとして表現し、2D構造でトークンを整理する。
提案する表現は,非自己回帰生成モデルと組み合わせて,任意のソース・ターゲットトラックの組み合わせでGETMusicに音楽を生成する。
論文 参考訳(メタデータ) (2023-05-18T09:53:23Z) - Exploiting Device and Audio Data to Tag Music with User-Aware Listening
Contexts [8.224040855079176]
本研究では,ユーザを意識した楽曲自動タグを有効活用することにより,ユーザの状況に応じたプレイリストを一定時間で生成できるシステムを提案する。
実験により、このようなコンテキスト対応のパーソナライズされた楽曲検索システムは実現可能であるが、新規ユーザの場合は性能が低下することが示された。
論文 参考訳(メタデータ) (2022-11-14T10:08:12Z) - Psychologically-Inspired Music Recommendation System [3.032299122358857]
感情認識型MSSを構築するために,聴取者の性格と現在の感情状態と音声特徴を関連づけることを模索する。
この結果とSpotify APIデータに基づく従来のMSSの出力とを定量的に定性的に比較し,音楽レコメンデーションの質に大きな影響を与えるかどうかを検証した。
論文 参考訳(メタデータ) (2022-05-06T19:38:26Z) - Genre-conditioned Acoustic Models for Automatic Lyrics Transcription of
Polyphonic Music [73.73045854068384]
本稿では,新ジャンルネットワークを用いたポリフォニック音楽の歌詞の書き起こしを提案する。
提案するネットワークは,事前学習されたモデルパラメータを採用し,階層間のジャンルアダプタを組み込んで,歌詞とジャンルのペアのジャンルの特色を抽出する。
実験の結果,提案するジャンル条件付きネットワークは既存の歌詞の書き起こしシステムよりも優れていた。
論文 参考訳(メタデータ) (2022-04-07T09:15:46Z) - Music Sentiment Transfer [77.99182201815763]
音楽の感情伝達は、感情伝達の高レベルな目的を音楽領域に適用しようとする。
ネットワークを利用するためには,音楽フォーマットとしてシンボル的MIDIデータを用いる。
その結果,音楽の時間的特性から,感情伝達の課題はイメージの感情伝達よりも難しいことが示唆された。
論文 参考訳(メタデータ) (2021-10-12T06:51:38Z) - A framework to compare music generative models using automatic
evaluation metrics extended to rhythm [69.2737664640826]
本稿では,前回の研究で提示された,リズムを考慮せず,設計決定を下すための枠組みを取り上げ,単音素音楽作成における2つのrnnメモリセルの性能評価のためにリズムサポートを付加した。
モデルでは,音素変換の処理を考慮し,リズムサポートを付加した幾何学に基づく自動計測値を用いて,生成した楽曲の質を評価する。
論文 参考訳(メタデータ) (2021-01-19T15:04:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。