《Deep Learning Techniques for Music Generation – A Survey》深度学习用于音乐生成——Chapter 3

《Deep Learning Techniques for Music Generation – A Survey》深度学习用于音乐生成——Chapter 3

Chapter 3

首先，（object）目的就是要生成怎样的音乐类型，比如：

• Melody（旋律）：单独的乐器或者人声，可以单音（只有一个音）的或者是复音（多个音）的
• polyphony（复调音乐）：是两个或以上的独立乐器或人声的旋律构成的，比如chorale（合唱）
• accompaniment to a given melody（既定旋律的伴奏）这可以是： 1.counterpoint（多声部）——由一个或多个旋律（人声）构成
  2.sequence of chords（和弦序列）——提供了一些相关的和声
• melody和chords的结合：音乐界把这个叫做lead sheet，一般在Jazz乐里比较普遍，也可能出现在一些诗歌抒情类中

实验开始的目的暗示着将要输出的音乐的类型，例如，旋律。输入和输出的类型可能一致也可能大不相同，输入可能是：一段旋律用来生产伴奏；一个单独的音符用来开始生产一段旋律，或者无输入。
主要问题是，什么代表着生成音乐的结束？可以是电脑最终能以音频或者MIDI（这是电脑可读的文件形式）的方式来读取播放已经生成的音乐。又或者是生成人类可以浏览的方式，例如，乐谱。
这些格式是可以互相转换的，但可能会损失一些信息。
另一个重要的问题是关于音乐内容生成的自主性。它可以完全自主和自动化，而无需任何人工干预。或者它可以与控制界面或多或少地进行交互，供人类用户指导生成的过程。
由于用于音乐生成的深度学习是最近出现的，并且基本的神经网络技术是非交互式的，因此我们分析过的大多数系统和实验不是或者尚未是互动式的。
但是，最有趣的目标似乎是为音乐家提供交互式支持系统（用于作曲，编曲和其他）的设计活动，例如FlowComposer原型所示。