論文の概要: Melody-Lyrics Matching with Contrastive Alignment Loss
- arxiv url: http://arxiv.org/abs/2508.00123v1
- Date: Thu, 31 Jul 2025 19:23:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-04 18:08:53.647161
- Title: Melody-Lyrics Matching with Contrastive Alignment Loss
- Title（参考訳）: コントラストアライメント損失を伴うメロディ・リリックマッチング
- Authors: Changhong Wang, Michel Olvera, Gaël Richard,
- Abstract要約: テキストソースから与えられた記号的なメロディの歌詞を検索する新しいタスクであるメロディ・歌詞マッチング(MLM)を提案する。
メロディと歌詞のアライメント損失を対比した自己教師付き表現学習フレームワークを提案する。
我々は,メロディとコヒーレントで歌いやすい歌詞を経験的結果と直感的な例でマッチングできることを実証した。
- 参考スコア（独自算出の注目度）: 11.986224119327387
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The connection between music and lyrics is far beyond semantic bonds. Conceptual pairs in the two modalities such as rhythm and rhyme, note duration and syllabic stress, and structure correspondence, raise a compelling yet seldom-explored direction in the field of music information retrieval. In this paper, we present melody-lyrics matching (MLM), a new task which retrieves potential lyrics for a given symbolic melody from text sources. Rather than generating lyrics from scratch, MLM essentially exploits the relationships between melody and lyrics. We propose a self-supervised representation learning framework with contrastive alignment loss for melody and lyrics. This has the potential to leverage the abundance of existing songs with paired melody and lyrics. No alignment annotations are required. Additionally, we introduce sylphone, a novel representation for lyrics at syllable-level activated by phoneme identity and vowel stress. We demonstrate that our method can match melody with coherent and singable lyrics with empirical results and intuitive examples. We open source code and provide matching examples on the companion webpage: https://github.com/changhongw/mlm.
- Abstract（参考訳）: 音楽と歌詞の結びつきは、意味的な結びつきをはるかに超えている。
リズムと韻律,音符持続時間,音節ストレス,構造対応といった2つのモードにおける概念的ペアは,音楽情報検索の分野において,説得力はあるもののほとんど探索されない方向を呈する。
本稿では,テキストソースから与えられた記号的メロディの歌詞を検索する新しいタスクであるメロディ・歌詞マッチング(MLM)を提案する。
MLMはスクラッチから歌詞を生成するのではなく、メロディと歌詞の関係を利用する。
メロディと歌詞のアライメント損失を対比した自己教師付き表現学習フレームワークを提案する。
これは、既存のメロディと歌詞のペアによる楽曲の豊富さを活用する可能性がある。
アライメントアノテーションは不要。
さらに,音素識別と母音ストレスによってアクティベートされた音節レベルの歌詞表現であるsylphoneを導入する。
我々は,メロディとコヒーレントで歌いやすい歌詞を経験的結果と直感的な例でマッチングできることを実証した。
我々はオープンソースコードを公開し、同伴するWebページで一致する例を提供している。
関連論文リスト
- REFFLY: Melody-Constrained Lyrics Editing Model [50.03960548399128]
本稿では,旋律に沿った歌詞を編集・生成する最初のフレームワークであるREFFLYを紹介する。
合成したメロディ対応歌詞データセットを用いて歌詞修正モジュールを訓練する。
そこで本研究では,意味的意味と音楽的一貫性の両立を目的とした学習自由度を提案する。
論文 参考訳（メタデータ） (2024-08-30T23:22:34Z) - SongComposer: A Large Language Model for Lyric and Melody Generation in Song Composition [82.38021790213752]
SongComposerは、音楽専門の大規模言語モデル(LLM)である。
3つの重要なイノベーションを活用することで、メロディーをLLMに同時に構成する能力を統合する。
歌詞からメロディへの生成、メロディから歌詞への生成、歌の継続、テキストから歌への生成といったタスクにおいて、高度なLLMよりも優れています。
SongComposeは大規模なトレーニング用データセットで、中国語と英語の歌詞とメロディのペアを含む。
論文 参考訳（メタデータ） (2024-02-27T16:15:28Z) - 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) - 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)
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。