論文の概要: Adaptive Accompaniment with ReaLchords

• arxiv url: http://arxiv.org/abs/2506.14723v1
• Date: Tue, 17 Jun 2025 16:59:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.587449
• Title: Adaptive Accompaniment with ReaLchords
• Title（参考訳）: ReaLchordsによる適応的伴奏
• Authors: Yusong Wu, Tim Cooijmans, Kyle Kastner, Adam Roberts, Ian Simon, Alexander Scarlatos, Chris Donahue, Cassie Tarakajian, Shayegan Omidshafiei, Aaron Courville, Pablo Samuel Castro, Natasha Jaques, Cheng-Zhi Anna Huang,
• Abstract要約: ユーザのメロディに合わせてコード伴奏を即興するオンライン生成モデルであるReaLchordsを提案する。 まず、最大で事前訓練されたオンラインモデルから始め、強化学習を使用して、オンライン使用のためのモデルを微調整します。
• 参考スコア（独自算出の注目度）: 60.690020661819055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Jamming requires coordination, anticipation, and collaborative creativity between musicians. Current generative models of music produce expressive output but are not able to generate in an \emph{online} manner, meaning simultaneously with other musicians (human or otherwise). We propose ReaLchords, an online generative model for improvising chord accompaniment to user melody. We start with an online model pretrained by maximum likelihood, and use reinforcement learning to finetune the model for online use. The finetuning objective leverages both a novel reward model that provides feedback on both harmonic and temporal coherency between melody and chord, and a divergence term that implements a novel type of distillation from a teacher model that can see the future melody. Through quantitative experiments and listening tests, we demonstrate that the resulting model adapts well to unfamiliar input and produce fitting accompaniment. ReaLchords opens the door to live jamming, as well as simultaneous co-creation in other modalities.
• Abstract（参考訳）: ジャミングには、ミュージシャン間の調整、期待、共同創造が必要である。 現在の音楽生成モデルは表現力のある出力を生成するが、他の音楽家(人間かその他の音楽家)と同時に生成することができない。 ユーザのメロディに合わせてコード伴奏を即興するオンライン生成モデルであるReaLchordsを提案する。 まず、最大で事前訓練されたオンラインモデルから始め、強化学習を使用して、オンライン使用のためのモデルを微調整します。 微調整の目的は、メロディとコードの間の調和性と時間的コヒーレンシーの両方にフィードバックを提供する新しい報酬モデルと、将来のメロディを見ることができる教師モデルから新しいタイプの蒸留を実装する分岐項の両方を活用することである。 定量的実験と聴取試験により、得られたモデルが不慣れな入力に順応し、適合する伴奏を生成することを示した。 ReaLchordsは、ライブジャミングの扉を開き、他のモダリティでの同時共同創造を行う。

関連論文リスト

• MelodySim: Measuring Melody-aware Music Similarity for Plagiarism Detection [5.80717487254309]
  MelodySimはメロディを意識した音楽類似モデルであり、盗作検出のためのデータセットである。 既存のMIDIデータセットであるSlakh2100を拡大することにより、メロディを保存しながら各曲のバリエーションを生成する。 ユーザーによる調査では、正のペアは確かに類似の旋律を含んでいることが確認され、他の音楽トラックは大幅に変化した。
  論文  参考訳（メタデータ） (2025-05-27T10:14:03Z)
• MusicFlow: Cascaded Flow Matching for Text Guided Music Generation [53.63948108922333]
  MusicFlowは、フローマッチングに基づくケースドテキストから音楽への生成モデルである。 学習目的としてマスク予測を活用することで,音楽の充実や継続といった他のタスクにモデルを一般化することができる。
  論文  参考訳（メタデータ） (2024-10-27T15:35:41Z)
• Hierarchical Generative Modeling of Melodic Vocal Contours in Hindustani Classical Music [3.491362957652171]
  音声録音から抽出した歌手の発声旋律の生成モデルに焦点をあてる。 本稿では,ピッチ輪郭生成モデルとピッチ輪郭合成モデルからなるモジュール型2層階層GaMaDHaNiを提案する。
  論文  参考訳（メタデータ） (2024-08-22T18:04:29Z)
• 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)
• 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)
• Unsupervised Cross-Domain Singing Voice Conversion [105.1021715879586]
  任意の同一性から音声変換を行うタスクに対して,wav-to-wav生成モデルを提案する。 提案手法は,自動音声認識のタスクのために訓練された音響モデルとメロディ抽出機能の両方を用いて波形ベースジェネレータを駆動する。
  論文  参考訳（メタデータ） (2020-08-06T18:29:11Z)
• RL-Duet: Online Music Accompaniment Generation Using Deep Reinforcement Learning [69.20460466735852]
  本稿では,オンライン伴奏生成のための深層強化学習アルゴリズムを提案する。 提案アルゴリズムは人体に応答し,メロディック,ハーモニック,多種多様な機械部品を生成する。
  論文  参考訳（メタデータ） (2020-02-08T03:53:52Z)
• Continuous Melody Generation via Disentangled Short-Term Representations and Structural Conditions [14.786601824794369]
  ユーザが指定したシンボリックシナリオと過去の音楽コンテキストを組み合わせることで,メロディーを構成するモデルを提案する。 本モデルでは,8拍子の音符列を基本単位として長い旋律を生成でき,一貫したリズムパターン構造を他の特定の歌と共有することができる。 その結果,本モデルが生成する音楽は,顕著な繰り返し構造,豊かな動機,安定したリズムパターンを有する傾向が示唆された。
  論文  参考訳（メタデータ） (2020-02-05T06:23:44Z)

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。