Jazz Transformer 项目使用教程

Jazz Transformer 项目使用教程

jazz_transformer Transformer-XL for Jazz music composition. Paper: "The Jazz Transformer on the Front Line: Exploring the Shortcomings of AI-Composed Music through Quantitative Measures", ISMIR 2020 项目地址: https://gitcode.com/gh_mirrors/ja/jazz_transformer

1. 项目介绍

Jazz Transformer 是一个基于 Transformer-XL 深度学习模型的开源项目，专门用于创作爵士音乐（包括和弦进行和旋律）。该项目通过 TensorFlow 实现，旨在探索 AI 在音乐创作中的应用，并分析其不足之处。Jazz Transformer 的核心模型在 2020 年的 ISMIR 会议上发表，论文标题为 "The Jazz Transformer on the Front Line: Exploring the Shortcomings of AI-Composed Music through Quantitative Measures"。

2. 项目快速启动

2.1 环境准备

• Python 3.6 或更高版本
• 推荐使用带有 ≥2GB 内存的 GPU

2.2 安装依赖

pip3 install -r requirements.txt

2.3 下载预训练模型

./download_model.sh

2.4 生成音乐

python3 inference.py --model MODEL --temp TEMP --n_bars N_BARS output_midi

• output_midi: 输出 MIDI 文件的路径
• --model MODEL: 训练好的模型检查点路径（默认使用下载的检查点）
• --temp TEMP: 生成时的采样温度（默认值：1.2）
• --n_bars N_BARS: 生成的节数（默认值：32）

2.5 从头训练模型

2.5.1 数据预处理

./data_preprocess.sh

2.5.2 训练模型

python3 train.py ckpt_dir log_file

• ckpt_dir: 保存检查点的目录
• log_file: 日志文件路径

3. 应用案例和最佳实践

3.1 应用案例

Jazz Transformer 可以用于自动生成爵士音乐，适用于音乐创作、音乐教育、音乐治疗等领域。例如，音乐教育者可以使用该模型生成练习曲目，帮助学生更好地理解和学习爵士音乐的结构和风格。

3.2 最佳实践

• 调整温度参数：通过调整 --temp 参数，可以控制生成音乐的创造性和多样性。较高的温度值会生成更具创意的音乐，而较低的温度值则更接近训练数据的风格。
• 自定义数据集：用户可以根据自己的需求，使用自定义的爵士音乐数据集进行训练，以生成更符合特定风格的音乐。

4. 典型生态项目

4.1 相关项目

• MusDr: 该项目提供了用于评估机器生成音乐的度量标准，与 Jazz Transformer 结合使用，可以更全面地评估生成的音乐质量。
• Jazzomat Research Project: 该项目提供了 Weimar Jazz Database (WJazzD)，是 Jazz Transformer 训练数据的主要来源。

4.2 生态系统

Jazz Transformer 作为 AI 音乐创作领域的一个开源项目，与其他相关项目共同构成了一个丰富的生态系统。这些项目不仅提供了数据和工具，还促进了学术研究和实际应用的结合，推动了 AI 在音乐创作中的发展。

jazz_transformer Transformer-XL for Jazz music composition. Paper: "The Jazz Transformer on the Front Line: Exploring the Shortcomings of AI-Composed Music through Quantitative Measures", ISMIR 2020 项目地址: https://gitcode.com/gh_mirrors/ja/jazz_transformer