《Deep Learning Techniques for Music Generation – A Survey》深度学习用于音乐生成——Chapter 2

《Deep Learning Techniques for Music Generation – A Survey》深度学习用于音乐生成——Chapter 2

Chapter 2

据我们的分析，我们建议考虑四个主要方面来定义和分类用深度学习生成音乐内容的工作：

• objective（目的）——生成什么样的音乐内容。这可以是一个旋律(时间序列的音符);有多种声音的全复音(合唱);一种特定旋律的伴奏，例如，通过一系列和弦，作为与最初旋律相关联的和声;旋律和和弦的组合(在爵士乐中很常见)
• representation（表示形式）——用于训练和生成音乐内容的信息(数据)的性质。可能的表示有:信号,转换信号(例:通过傅里叶变换的频谱), piano roll,MIDI,文本,等。请注意,在某些情况下,一些额外的信息,(有时叫元数据)为系统提供了提高生成的质量,如:音高类、延音（fermata）,等等。同时,特征提取(手工或自动)也可用于提高生成的数据。
• architecture（体系结构）——架构可能是常规的，有不同的层和单元。它可能包括卷积(为了执行一些不变性，或者可能是反复的，为了能够学习序列，自动编码器架构也很有趣，因为它们能够提取特征。正如我们将看到的，一些系统结合了架构特性(例如，卷积和递归)。
• strategy（策略）——用深度学习结构来生成音乐内容有很多不同的方法，比如，一个直接的方法即是用深度神经网络架构来做预测从而生成音乐。大多数的音乐生成系统都是基于上述这个直接的方法。我们将会分析不用的方法：比如，从生成的分布中进行抽样，用input manipulation，用querying从生成的描述中询问音乐单元并concatenate它们

这四个方面不是完全正交的，所选择的架构类型会限制策略，反之亦然；表示的选择也由目标和架构决定；一般来说，一个合适的表示和编码方法是一个很重要的方面；此外，这些方法都是被结合起来使用的（例如，复合体系结构）