![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
音乐生成
文章平均质量分 86
还是少年呀
就读于电子科技大学计算机学院
展开
-
音乐生成论文简要概括
MIDI文件定义参考雅马哈XG标准的MIDI协议:MIDI程序的设计目标就是要将所要演奏的音乐或音乐曲目,按其进行的节奏、速度、技术措施等要求,转换成MIDI控制语言,以便在这些MIDI指令的控制之下,各种音源在适当的时间点上,以指定的音色、时值、强度等、演奏出需要的音响。近年来语音生成领域其他学者的工作的部分概括2016年的wavenet的语音转录:https://arxiv.org/ab...原创 2021-04-04 22:15:50 · 932 阅读 · 0 评论 -
音乐相关数据集介绍
这篇文章是之后系列文章的汇总集中目录。 首先做个小宣传。因为很多想做这一块的同行本科生们不是很清楚国内外的院校列表。有一位前辈在GitHub上整理了大部分的院校列表出来,我也对这个列表做了一点贡献。点击查看 Python官网整理的Python库有这些:链接基础组件Python-MIDI项目官网:https://github.com/vishnubob/pyth...转载 2021-04-04 21:58:12 · 6772 阅读 · 1 评论 -
声音特性介绍——声谱图、音色、音调
一、声谱图介绍声谱图(spectrogram),也称为幅度谱或者幅值谱,一般指的是短时傅里叶变换后得到的不含相位信息的时频图,对于梅尔谱变换而言则称为功率谱。声谱图的横轴为时间,纵轴为频率,表示的是不同频率的信号的振幅随着时间的变化关系。因此,可以使用声谱图表示波形中各种频率下信号随时间变化的信号强度或“响度。虽然声谱图不包含相位信息,但通常认为声音的信息主要蕴藏在短时幅度谱中**[1]**;另一方面,不同乐器演奏的音频文件经短时傅里叶变换得到的幅度谱经过Griffin-Lim变化后都可以重建出原始的波形原创 2021-04-01 21:17:41 · 6849 阅读 · 0 评论 -
互相关(cross-correlation)在Python中的持续实现
前言最近需要计算两个时序序列之间的相关性即NCC(Normalized Cross Correlation),于是了解了np.correlate函数的计算原理和计算方式。以下内容为转载转载链接\color{#FF3030}{转载链接}转载链接互相关(cross-correlation)及其在Python中的实现在这里我想探讨一下“互相关”中的一些概念。正如卷积有线性卷积(linear c...转载 2020-04-08 18:29:22 · 5033 阅读 · 0 评论 -
图像匹配算法NCC(Normalized Cross Correlation)的python实现
背景相关系数其实就是皮尔森系数,一般是在概率中判断两个随机变量的相关性,其公式为:其中,Cov(X,Y)表示的是随机变量X,Y的协方差。D(X)与D(Y)则分别表示随机变量X,Y的方差。皮尔森系数的值域为[-1,1],系数越接近1表明这两个随机变量越相关,越接近-1表明这两个随机变量越不相关。讲到这里,突然想起概率中讲的一句话:独立一定不相关,不相关不一定独立\color{#FF3030}{...原创 2020-03-18 08:44:23 · 7096 阅读 · 2 评论 -
论文《Symbolic Music Genre Transfer with CycleGAN》阅读笔记
一、背景这篇论文主要是实现不同类型的音乐转换,文中主要使用了爵士、古典、流行音乐的转换,并且一个模型只能实现从一个域到另一个域的转换,网络结构作者仿照了Cycle-GAN,但引入了新的loss使得生成的音乐质量更佳。二、数据形式文中使用的音乐数据为MIDI文件,并按照文中的数据预处理方式,主要是舍弃具有音轨或声音较多的MIDI文件(如交响乐等),然后舍弃鼓的音轨,之后将所有的音轨上的音节合并...原创 2020-03-07 22:56:48 · 864 阅读 · 2 评论