成果介绍
本发明公开一种基于矢量量化对抗生成网络的情感音乐生成方法及系统,方法包括以下步骤:根据指定的情感标签,用训练好的情感音乐模型生成指定情感的音乐元素序列;对指定情感的音乐元素序列进行解码及合成,得到情感音乐;所述情感音乐生成模型框架为矢量量化对抗生成网络,包含1个编码器、1个解码器、1个码本和1个生成器;训练阶段输入为情感音乐元素序列,输出为相同情感音乐元素序列;推理阶段输入为指定的情感标签,输出为含有情感的音乐元素序列。相比循环对抗生成网络的情感迁移方法,不需要为每对情感单独训练一个模型,更节省训练成本;本方法采用离散码本表示情感特征的高维向量,可以更好的将各情感数据进行集中聚类。
成果亮点
音乐生成是指使用计算机技术生成新的音乐作品或进行音乐创作辅助的过程。人工智能技术的出现给人类音乐创作的发展带来了动力,人们开始借助计算机辅助进行艺术创作。音乐生成已经成为计算机音乐学中的一个重要领域,为音乐创作、音乐教育和音乐产业等领域提供了新的可能性。而情感音乐是通过对不同音乐作品的音乐内容和音乐风格进行学习,从而产生具有指定情感的音乐。任何一首音乐都包含着丰富的情感信息,不同的音乐风格带给听众的感受不同,不同的旋律、节奏可以代表不同的情绪。情感音乐能够产生积极的心理和生理反应,如减轻焦虑、提高情绪、增强注意力等。
目前的情感音乐生成模型大多无法准确聚类情感分布,且无法指定具体情感,生成的音乐结构性不强。本方法结合矢量量化对抗生成网络,从音乐中提取八种音乐元素特征用于训练深度神经网络,使其能够准确生成具有特定情感的音乐。
团队介绍
学院以完备教学资源和优秀师资队伍为依托,主要从事数据科学与大数据治理、网络空间建设与安全保障、云计算与分布式应用、智能翻译等领域方向的理论研究和应用项目研发,培养数智时代紧缺的应用型数字人才。
成果资料