論文の概要: Chord-Conditioned Melody Choralization with Controllable Harmonicity and Polyphonicity

• arxiv url: http://arxiv.org/abs/2202.08423v1
• Date: Thu, 17 Feb 2022 02:59:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-19 02:59:47.485468
• Title: Chord-Conditioned Melody Choralization with Controllable Harmonicity and Polyphonicity
• Title（参考訳）: 制御可能な調和性と多声性を有するコードコンディショニングメロディ合唱
• Authors: Shangda Wu, Xiaobing Li, Maosong Sun
• Abstract要約: メロディ合唱(メロディの合唱)、すなわちユーザ・ギヴン・メロディに基づく4パートの合唱は、長い間J.S.バッハ合唱と密接に関連していた。 以前のニューラルネットワークベースのシステムは、コード進行を前提としたコラール生成にはほとんど注目しなかった。 コード進行に条件付きメロディのための4パート合唱を生成できるメロディ合唱システムであるDeepChoirを提案する。
• 参考スコア（独自算出の注目度）: 75.02344976811062
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Melody choralization, i.e. generating a four-part chorale based on a user-given melody, has long been closely associated with J.S. Bach chorales. Previous neural network-based systems rarely focus on chorale generation conditioned on a chord progression, and none of them realised controllable melody choralization. To enable neural networks to learn the general principles of counterpoint from Bach's chorales, we first design a music representation that encoded chord symbols for chord conditioning. We then propose DeepChoir, a melody choralization system, which can generate a four-part chorale for a given melody conditioned on a chord progression. Furthermore, with the improved density sampling, a user can control the extent of harmonicity and polyphonicity for the chorale generated by DeepChoir. Experimental results reveal the effectiveness of our data representation and the controllability of DeepChoir over harmonicity and polyphonicity. The code and generated samples (chorales, folk songs and a symphony) of DeepChoir, and the dataset we use now are available at https://github.com/sander-wood/deepchoir.
• Abstract（参考訳）: メロディ合唱(メロディの合唱)、すなわちユーザ・ギヴン・メロディに基づく4パートの合唱は、長い間J.S.バッハ合唱と密接に関連していた。 従来のニューラルネットワークベースのシステムは、コード進行を条件としたchorale生成にほとんど焦点を合わせず、いずれも制御可能なメロディ合唱を実現していなかった。 ニューラルネットワークがバッハの合唱曲から対位法の一般的な原理を学べるように、コードコンディショニングのためのコードシンボルを符号化した音楽表現を最初に設計する。 次に,コード進行に条件付きメロディのための4パート合唱を生成可能なメロディ合唱システムであるDeepChoirを提案する。 さらに、密度サンプリングの改善により、ユーザはDeepChoirが生成するコラールの調和度やポリフォニック度を制御できる。 実験結果から,高調波とポリフォニック性に対するDeepChoirのデータ表現の有効性と制御性を明らかにした。 DeepChoirのコードと生成されたサンプル(合唱曲、民謡、交響曲)、そして現在使用しているデータセットはhttps://github.com/sander-wood/deepchoir.comで入手できる。

関連論文リスト

• An End-to-End Approach for Chord-Conditioned Song Generation [14.951089833579063]
  歌唱課題は、歌詞から声楽と伴奏からなる音楽を合成することを目的としている。 この問題を軽減するため,コードから曲生成ネットワークまで,音楽作曲から重要な概念を導入する。 そこで本研究では,CSG(Chord-Conditioned Song Generator)と呼ばれる新しいモデルを提案する。
  論文  参考訳（メタデータ） (2024-09-10T08:07:43Z)
• Emotion-Driven Melody Harmonization via Melodic Variation and Functional Representation [16.790582113573453]
  感情駆動のメロディは、望ましい感情を伝えるために、1つのメロディのための多様なハーモニーを生成することを目的としている。 以前の研究では、異なるコードで同じメロディを調和させることで、リードシートの知覚的価値を変えることが困難であった。 本稿では,シンボリック音楽の新たな機能表現を提案する。
  論文  参考訳（メタデータ） (2024-07-29T17:05:12Z)
• Choir Transformer: Generating Polyphonic Music with Relative Attention on Transformer [4.866650264773479]
  そこで我々はChoir Transformerというポリフォニック音楽生成ニューラルネットワークを提案する。 Choir Transformerのパフォーマンスは、以前の最先端の精度4.06%を上回っている。 実際に、生成されたメロディとリズムを所定の入力に応じて調整することができる。
  論文  参考訳（メタデータ） (2023-08-01T06:44:15Z)
• Unsupervised Melody-to-Lyric Generation [91.29447272400826]
  本稿では,メロディ・歌詞データを学習することなく高品質な歌詞を生成する手法を提案する。 我々は、メロディと歌詞のセグメンテーションとリズムアライメントを利用して、与えられたメロディをデコード制約にコンパイルする。 我々のモデルは、強いベースラインよりもオントピー的、歌いやすく、知性があり、一貫性のある高品質な歌詞を生成することができる。
  論文  参考訳（メタデータ） (2023-05-30T17:20:25Z)
• Melody transcription via generative pre-training [86.08508957229348]
  メロディの書き起こしの鍵となる課題は、様々な楽器のアンサンブルや音楽スタイルを含む幅広いオーディオを処理できる方法を構築することである。 この課題に対処するために、広帯域オーディオの生成モデルであるJukebox(Dhariwal et al. 2020)の表現を活用する。 広義音楽のクラウドソースアノテーションから50ドル(約5,400円)のメロディ書き起こしを含む新しいデータセットを導出する。
  論文  参考訳（メタデータ） (2022-12-04T18:09:23Z)
• Symphony Generation with Permutation Invariant Language Model [57.75739773758614]
  変分不変言語モデルに基づくシンフォニーネットという記号的シンフォニー音楽生成ソリューションを提案する。 シンフォニートークンの超長いシーケンスをモデル化するためのバックボーンとして、新しいトランスフォーマーデコーダアーキテクチャが導入された。 実験結果から,提案手法は人間の構成と比べ,コヒーレント,新規,複雑,調和的な交響曲を生成できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-10T13:08:49Z)
• A-Muze-Net: Music Generation by Composing the Harmony based on the Generated Melody [91.22679787578438]
  ピアノ音楽のMidiファイルを生成する方法を提案する。 この方法は、左手を右手に固定した2つのネットワークを用いて、左右の手をモデル化する。 ミディは音階に不変な方法で表現され、メロディはハーモニーを調和させる目的で表現される。
  論文  参考訳（メタデータ） (2021-11-25T09:45:53Z)
• BacHMMachine: An Interpretable and Scalable Model for Algorithmic Harmonization for Four-part Baroque Chorales [23.64897650817862]
  BacHMMachineは、音楽作曲の原則によって導かれる「理論駆動」の枠組みを採用している。 与えられた旋律線から鍵変調と和音の進行を学習するための確率的フレームワークを提供する。 これにより計算負荷が大幅に減少し、解釈可能性も向上する。
  論文  参考訳（メタデータ） (2021-09-15T23:39:45Z)
• Controllable deep melody generation via hierarchical music structure representation [14.891975420982511]
  MusicFrameworksは階層的な音楽構造表現であり、フル長のメロディを作成するための多段階の生成プロセスである。 各フレーズでメロディを生成するために、2つの異なるトランスフォーマーベースネットワークを用いてリズムとベーシックメロディを生成する。 さまざまな曲をカスタマイズしたり追加したりするために、音楽フレームワークのコード、基本的なメロディ、リズム構造を変更して、それに応じてネットワークがメロディを生成する。
  論文  参考訳（メタデータ） (2021-09-02T01:31:14Z)
• Melody-Conditioned Lyrics Generation with SeqGANs [81.2302502902865]
  本稿では,SeqGAN(Sequence Generative Adversarial Networks)に基づく,エンドツーエンドのメロディ条件付き歌詞生成システムを提案する。 入力条件が評価指標に悪影響を及ぼすことなく,ネットワークがより有意義な結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-10-28T02:35:40Z)

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。