論文の概要: Syllable-level lyrics generation from melody exploiting character-level language model

• arxiv url: http://arxiv.org/abs/2310.00863v2
• Date: Mon, 29 Jan 2024 02:15:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-30 21:42:59.362267
• Title: Syllable-level lyrics generation from melody exploiting character-level language model
• Title（参考訳）: 文字レベル言語モデルを用いたメロディからの音節レベルの歌詞生成
• Authors: Zhe Zhang, Karol Lasocki, Yi Yu, Atsuhiro Takasu
• Abstract要約: シンボリック・メロディから音節レベルの歌詞を生成するための微調整文字レベル言語モデルを提案する。 特に,言語モデルの言語知識を音節レベルのトランスフォーマー生成ネットワークのビームサーチプロセスに組み込む手法を提案する。
• 参考スコア（独自算出の注目度）: 14.851295355381712
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The generation of lyrics tightly connected to accompanying melodies involves establishing a mapping between musical notes and syllables of lyrics. This process requires a deep understanding of music constraints and semantic patterns at syllable-level, word-level, and sentence-level semantic meanings. However, pre-trained language models specifically designed at the syllable level are publicly unavailable. To solve these challenging issues, we propose to exploit fine-tuning character-level language models for syllable-level lyrics generation from symbolic melody. In particular, our method endeavors to incorporate linguistic knowledge of the language model into the beam search process of a syllable-level Transformer generator network. Additionally, by exploring ChatGPT-based evaluation for generated lyrics, along with human subjective evaluation, we demonstrate that our approach enhances the coherence and correctness of the generated lyrics, eliminating the need to train expensive new language models.
• Abstract（参考訳）: メロディーと密接に結びついた歌詞の生成は、歌詞の音節と音節のマッピングを確立することを含む。 このプロセスは、音節レベル、単語レベル、文レベルの意味における音楽制約と意味パターンの深い理解を必要とする。 しかし、音節レベルで特別に設計された事前訓練された言語モデルは一般には利用できない。 これらの課題を解決するため,シンボリック・メロディから音節レベルの歌詞を生成するための微調整文字レベル言語モデルを提案する。 特に,本手法は,言語モデルの言語知識を,音節レベルトランスフォーマレータネットワークのビーム探索プロセスに組み込もうとするものである。 さらに,生成された歌詞に対するChatGPTに基づく評価と人間の主観的評価を併用して,提案手法が生成した歌詞の一貫性と正確性を高め,高価な新言語モデルを訓練する必要がなくなることを示した。

関連論文リスト

• Rhyme-aware Chinese lyric generator based on GPT [1.2813386930534034]
  大規模コーパスで事前訓練されたGPTは、プレーンテキストからリッチなセマンティックパターンを効果的にキャプチャすることができる。 しかし、歌詞を生成するために使われている既存の事前学習言語モデルは、歌詞にとって重要な韻律情報を考えることは滅多にない。
  論文  参考訳（メタデータ） (2024-08-19T16:17:20Z)
• 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)
• Unsupervised Melody-Guided Lyrics Generation [84.22469652275714]
  メロディと歌詞の一致したデータを学習することなく、楽しく聴ける歌詞を生成することを提案する。 メロディと歌詞間の重要なアライメントを活用し、与えられたメロディを制約にコンパイルし、生成プロセスを導く。
  論文  参考訳（メタデータ） (2023-05-12T20:57:20Z)
• Re-creation of Creations: A New Paradigm for Lyric-to-Melody Generation [158.54649047794794]
  Re-creation of Creations (ROC)は、歌詞からメロディ生成のための新しいパラダイムである。 ROCは、Lyric-to-Meody生成において、優れたLyric-Meody特徴アライメントを実現する。
  論文  参考訳（メタデータ） (2022-08-11T08:44:47Z)
• 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)
• SongMASS: Automatic Song Writing with Pre-training and Alignment Constraint [54.012194728496155]
  SongMASSは、歌詞からメロディーへの生成とメロディから歌詞への生成の課題を克服するために提案されている。 マスクドシーケンスを利用して、シーケンス(質量)事前トレーニングと注意に基づくアライメントモデリングを行う。 我々は,SongMASSがベースライン法よりもはるかに高品質な歌詞とメロディを生成することを示す。
  論文  参考訳（メタデータ） (2020-12-09T16:56:59Z)
• Automatic Neural Lyrics and Melody Composition [6.574381538711984]
  提案するシステムであるAutomatic Neural Lyrics and Melody Composition (AutoNLMC)は,人工ニューラルネットワークを用いて曲の書き起こし全体を自動化しようとする試みである。 音節, 単語, 文レベルで解析した大集合の歌詞-メロディペアに基づいて学習した歌詞からベクトル(歌詞2vec)モデルは, 大規模埋め込みモデルである。 また、プロの歌詞作家の歌詞を使って、一致する旋律を生成することもできる。
  論文  参考訳（メタデータ） (2020-11-12T13:44:01Z)
• 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。