世界音乐
人工智能大会
2021 北京

中央音乐学院/民族文化宫
2021年10月22-24日

张 昕然

张昕然,中央音乐学院博士研究生。首个博士毕业于北京邮电大学信息与通信工程学院。2019年以专业第一排名考入中央音乐学院。先后师从俞峰教授、孙茂松教授、王文博教授、孙松林教授等。共发表SCI、EI论文二十余篇,发明专利6项。

符号音乐生成及相似度技术

        生成任务和相似度任务是语言模型的重要应用,也是基于语言模型的音乐人工智能技术的研究重点。本报告主要围绕符号音乐的生成任务和相似度任务开展研究。针对生成任务的退化问题,提出IQR-IP随机采样算法,通过逆概率加权方法抑制高频词的概率,从而降低重复、缓解退化问题,提高生成任务的多样性。针对生成任务的可控多样性问题,提出NS-RH随机采样算法,通过高频词随机化方法实现可控多样性的生成任务。在文本数据和符号音乐数据上验证了所提出采样算法的性能,相比传统采样算法,所提出的算法能显著提升生成任务的多样性和新颖性。提出“灵犀”歌词辅助写作系统,并搭建了基于web的系统,实现端到端的歌词生成。针对符号音乐相似度问题,提出基于嵌入校准技术的音乐相似度框架,以无监督方式构建次优评测数据集,给出最优嵌入校准方案,可在不依赖于人工标注的条件下提升符号音乐相似度技术的性能。基于符号音乐生成技术,提出四部和声补全算法,可以在给定声部旋律条件下生成巴赫风格四部和声符号音乐。