arXiv cs.AI· Jincheng Zhang, Gy\"orgy Fazekas, Charalampos Saitis·· 3 天前AI 评分20
快速 Diffusion-GAN 模型：生成带情感的符号音乐
Fast Diffusion-GAN Model for Generating Symbolic Music with Emotions
AI 导读
研究者提出一种 Diffusion-GAN 模型用于生成带情感符号音乐，通过将符号音乐表示为带力度值的类图像 pianoroll 并用变分自编码器获取潜在表示，绕开扩散模型处理离散数据的难题。该模型仅需 15 步去噪扩散即可生成高质量音乐，而多数符号音乐扩散模型需要数百甚至数千步，并成功实现对生成音乐情感的控制。
正文 · AI 翻译
摘要：扩散模型在图像和音频合成等连续数据的广泛生成任务中已展现出良好效果。然而，由于这类生成模型难以处理离散数据，且其迭代采样过程计算开销高昂，利用扩散模型生成符号音乐方面的进展甚微。在本工作中，我们提出了一种与生成对抗网络相结合的扩散模型，旨在缓解扩散模型应用于符号音乐生成时采样缓慢的缺点。我们将符号音乐表示为带有力度值的类图像钢琴卷而非离散事件标记，从而使扩散模型得以使用，随后使用变分自编码器获取其潜在表示以训练所提出的扩散模型。我们的结果表明，成功控制了扩散模型以生成具有所需情感的符号音乐。我们的模型仅需 15 步去噪扩散即可生成高质量音乐，而大多数用于符号音乐生成的扩散模型需要数百或数千步。
| 主题： | 声音（cs.SD）；人工智能（cs.AI）；音频与语音处理（eess.AS） |
| 引用为： | arXiv:2310.14040 [cs.SD] |
| （或 arXiv:2310.14040v2 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2310.14040 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jincheng Zhang [查看邮箱]
[v1]
2023年10月21日星期六 15:35:43 UTC（987 KB）
[v2]
2026年10月11日星期日 12:00:16 UTC（1,677 KB）
来源：arXiv cs.AI · arxiv.org