检索结果-南通市图书馆

基于机器学习分类算法的晃动手机生成音乐方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

软件导刊 2024年

作者：林巧民燕城成张台国南京邮电大学教育科学与技术学院

音乐启蒙教育对于儿童的性格塑造、听力与记忆力锻炼、审美能力提升具有重要作用。为此，设计一种易于儿童学习音乐的教学辅助方法。通过对智能手机自带传感器数据的处理，将不同角度的晃动方式区分为不同音符，再通过连续晃动达到演奏... 详细信息

音乐启蒙教育对于儿童的性格塑造、听力与记忆力锻炼、审美能力提升具有重要作用。为此，设计一种易于儿童学习音乐的教学辅助方法。通过对智能手机自带传感器数据的处理，将不同角度的晃动方式区分为不同音符，再通过连续晃动达到演奏简谱的效果。选取加速度传感器，用于反映出手机在空间中晃动的方向变化。为提高动作识别的准确度与反馈的实时性，使用机器学习训练传感器数据分类模型并进行参数调优。实验结果表明，模型识别准确率可达95%以上。将移动应用接入分类模型后，通过不断设计迭代，尤其是引入人—机—曲三者协同机制后，晃动试验数据反馈及时且100%准确识别，用户轻松晃动手机即可精确演奏出简谱中的音符序列。

关键词：传感器动作识别机器学习音乐生成

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种晃动智能手机产生音乐的方法

软件导刊 2024年第7期23卷 110-114页

作者：林巧民陶海林泽城南京邮电大学教育科学与技术学院南京邮电大学通信与信息工程学院江苏南京210023

受物联网让物体开口说话启发,利用智能手机自带的传感器感知手机状态并生成音乐旋律,无需额外硬件设备。通过对内置于智能手机中的传感器进行尝试后,选择加速度传感器进行体感交互,在手持智能手机前想象一个基于传感器的空间坐标系,沿+x... 详细信息

受物联网让物体开口说话启发,利用智能手机自带的传感器感知手机状态并生成音乐旋律,无需额外硬件设备。通过对内置于智能手机中的传感器进行尝试后,选择加速度传感器进行体感交互,在手持智能手机前想象一个基于传感器的空间坐标系,沿+x、-x、+y、++y、-y、–-y、+z和-z坐标轴挥动智能手机获得感知相关数据,根据数据将八度音符映射到不同的手部挥动动作,驱动扬声器奏出相应音符。基于Android平台开发的应用程序实验表明,根据动作与音符的映射可演奏《小星星》等简单乐曲旋律,能将智能手机变成一种乐器,适合低年龄阶段等人群基于自身交互进行音乐启蒙教育,做到寓教于乐。

关键词：智能手机传感器具身交互音乐生成

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

Suno：潜力、前景与趋势（英文）

Frontiers of Information Technology & Electronic Engineering 2024年第7期 1025-1031页

作者：俞佳兴吴宋若瑶卢冠廷李子晋周莉张克俊浙江大学计算机科学与技术学院中央音乐学院音乐人工智能与音乐信息科技系中国地质大学(武汉)艺术与传媒学院浙江大学长三角智慧绿洲创新中心

Suno因其出色的音乐生成能力受到广泛关注，其不仅展现了音乐人工智能技术的进步，也为音乐创作开辟了新的可能，是音乐人工智能生成发展的一个里程碑。本文介绍音乐人工智能生成的技术背景，总结音乐人工智能生成的通用技术框架，分析S... 详细信息

Suno因其出色的音乐生成能力受到广泛关注，其不仅展现了音乐人工智能技术的进步，也为音乐创作开辟了新的可能，是音乐人工智能生成发展的一个里程碑。本文介绍音乐人工智能生成的技术背景，总结音乐人工智能生成的通用技术框架，分析Suno的优势和局限，并讨论音乐人工智能的未来趋势。

关键词：音乐人工智能音乐生成音乐人工智能生成平台 Suno

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的睡眠音乐自动生成

基于深度学习的睡眠音乐自动生成

作者：易俊重庆大学

学位级别：硕士

近年来随着人们的生活水平不断提高,人们承受的压力也逐渐增加甚至部分人由此导致了如睡眠质量变差等各种问题。有研究表明合适的音乐可以改善人的睡眠质量,但由于音乐种类众多使得寻找适合自己的音乐也成为一个难题,本文的目标是通过... 详细信息

近年来随着人们的生活水平不断提高,人们承受的压力也逐渐增加甚至部分人由此导致了如睡眠质量变差等各种问题。有研究表明合适的音乐可以改善人的睡眠质量,但由于音乐种类众多使得寻找适合自己的音乐也成为一个难题,本文的目标是通过深度学习技术来实现睡眠音乐的自动生成,从而缓解这个难题。本文实现睡眠音乐生成的方法主要包括主旋律提取以及音乐生成两个方面的内容。其中存在许多难点:1)音乐数据不同于普通的序列数据,可能会非常长,并且音乐数据中各个音符之间的联系可能会非常紧密;2)音乐中存在多条音轨,需要识别、区分各个音轨,并且从各音轨中得到主旋律的音高序列;3)通过主旋律得到的音符并不是我们需要的音乐,需要将这些音符转化为我们日常听的音乐;4)通主旋律生成的音乐并不一定是适合睡眠的音乐,我们还需要为它添加一些特性,将它转化为睡眠音乐。针对上述问题,本文对音乐以及深度学习相关技术进行研究与实现,主要成果如下:1)为了更加准确提取到音乐的主旋律,本文提出了一种新的主旋律提取方法,以编码器-解码器为基础网络结构,使用频谱图作为音乐的数据表示并结合注意力机制来处理音乐数据,提高了主旋律提取的准确率的同时也降低了误检率。2)为了生成音乐,建立了一种以生成对抗网络(GAN)为基础,并结合Transformer结构来处理音乐数据,实现将主旋律的音符生成音乐的功能;3)为了生成睡眠音乐,使用Wave Net作为基础网络,以促进睡眠音乐的主旋律为样本,并且加入睡眠音乐的梅尔频率倒谱系数作为局部条件来控制模型的风格使得模型能够产生睡眠音乐。

关键词：音乐生成主旋律提取注意力机制 Transformer WaveNet

基于深度学习的音乐风格识别与生成技术研究与原型实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的音乐风格识别与生成技术研究与原型实现

作者：田鹏电子科技大学

学位级别：硕士

使用计算机自动生成不同风格的音乐是音乐信息检索和音乐制作中比较重要的热门领域。越来越多的研究者投入到自动化音乐生成领域中,目前音乐自动化生成已经被很多的作曲家运用。由于深度学习和机器学习在最近几年的兴起,以及计算机软硬... 详细信息

使用计算机自动生成不同风格的音乐是音乐信息检索和音乐制作中比较重要的热门领域。越来越多的研究者投入到自动化音乐生成领域中,目前音乐自动化生成已经被很多的作曲家运用。由于深度学习和机器学习在最近几年的兴起,以及计算机软硬件性能的高速提升,为自动化生成不同流派的音乐奠定了很好的基础。在此之前,大多数研究者都是使用深度学习网络进行音乐的流派分类识别。现在,更多的研究者开始使用深度学习进行音乐生成,因此研究不同流派的音乐生成很有意义。由于LSTM网络在处理长时间序列问题上有很好的效果,因此本文在已经对LSTM网络有了一定的了解的前提下,运用所掌握的相关深度学习知识,设计并实现了一个能生成多种流派音乐的算法模型。本课题的主要研究内容包含以下几方面:1.音乐数据的预处理,在预处理过程中包含了音轨的分离和运用音轨拼接等技术对音乐特征进行获取,特征包括了音色、音调和响度等。同时还对音乐数据进行了量化处理,输入数据和输出数据格式进行了设计。2.在LSTM网络的基础上,重新设计了音乐流派风格识别和生成网络。在该网络中所有的音乐流派子网都共享了解释层,这样可以大大减少模型参数的学习,提升学习效率。每一个音乐流派子网分析不同流派的音乐,实现了多任务同时处理的作用。3.在对网络的参数选择中,通过实验的方法对比了隐藏层层数和每一层神经元个数对实验结果的影响,最终找到最优的网络参数,同时还介绍了其他参数是如何选择的。4.采用前向传播和反向传播的方法进行网络参数更新,并添加dropout系数对网络进行优化。通过实验,确定最优dropout系数,使用测试数据生成了包含了音乐特征的矩阵,通过编写脚本将音乐矩阵转换成可以播放的音乐。在实验的过程中,使用GANT中的流派数据,对音乐流派风格识别与生成模型进行测试。通过分析生成的音乐序列和原始的音乐序列的频谱图和声谱图,说明了该网络在不同流派音乐生成上有着良好的表现。同时,还对比了使用RBM方法与本文提出的方法生成音乐效果,说明了该方法的优越性。

关键词：音乐风格 LSTM网络多任务音乐生成

基于深度学习的多轨道音乐与吉他和弦自动生成研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的多轨道音乐与吉他和弦自动生成研究

作者：苏晚柠兰州理工大学

学位级别：硕士

随着深度学习在音乐与计算机技术领域的广泛应用,音乐自动生成研究作为艺术与科技的结合逐渐成为研究热点,它利用神经网络学习音乐样本中的音乐特征与风格,生成符合乐理规则的新音乐。该任务可以不依赖专业音乐人,快速高效的定制音乐,... 详细信息

随着深度学习在音乐与计算机技术领域的广泛应用,音乐自动生成研究作为艺术与科技的结合逐渐成为研究热点,它利用神经网络学习音乐样本中的音乐特征与风格,生成符合乐理规则的新音乐。该任务可以不依赖专业音乐人,快速高效的定制音乐,生成的可以用于抖音、快手等平台短视频的背景音乐,游戏场景音效、音乐治疗等众多场景。本文针对流行音乐的两类音乐进行生成:多轨道音乐生成和吉他和弦生成,主要研究内容如下:(1)在多轨道音乐生成中,利用序列模型生成的钢琴音乐约束多轨道音乐的生成。针对现有多轨道音乐生成模型生成旋律不够悦耳、轨道间不够协和的问题,提出了一种Transformer XL-Span BERT序列条件的多轨道音乐生成模型。模型为生成对抗网络结构,由于生成的音乐有多个音轨,因此,首先以Transformer XL为生成器,Span BERT为鉴别器生成钢琴轨道音乐,其余音轨每个音轨有1个生成器,而多个音轨协同的效果由同一个鉴别器评判,所以,生成器有多个,而鉴别器有1个。首先,以钢琴轨道音乐为输入,让各音轨生成器生成各自的音乐;然后,使用共同的鉴别器进行评判,评判每个音轨所生成的音乐质量和音轨之间的协和性;最后,利用全局注意力机制对音乐特征进行关注,保证音乐的总体效果。使用音乐的客观评价指标和听众主观的评分对模型进行验证,与Transformer-GAN模型和Muse GAN多轨道顺序符号音乐进行对比,结果表明,所提模型所生成的音乐具有各音轨更协和,音乐的旋律、节奏以及连贯性更好的优点。(2)在吉他和弦生成中,利用和弦结构和曲式结构搭建网络模型。针对现有和弦自动生成网络没有考虑和弦结构与流行音乐的曲式结构问题,提出了一种双层双向Transformer吉他和弦自动生成模型。模型包括和弦走向生成与和弦结构生成两个模块。和弦走向生成模块由两层双向Transformer结构组成,分别生成主歌与副歌和弦走向,其中,用于生成主歌和弦的网络中添加了自注意力机制层,用于关注主歌与副歌连接处的和弦;和弦结构生成模块被分解为和弦着色与和弦发声两个模块,分别由多头注意力机制网络进行学习与生成。为了能够表示出所有和弦及和弦结构,使用钢琴卷帘数组的形式表示和弦数据。模型生成效果由音乐人问卷评分与作品分析两种方式进行评判,结果表明,所提模型能够学习到主副歌和弦进行与和弦结构,可应用于实际和弦编曲中。

关键词：深度学习音乐生成多轨道音乐和弦生成注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深层神经网络的音乐自动生成

信息技术 2022年第5期46卷 53-61页

作者：周林四川科技职业学院幼儿师范学院四川眉山620564

人工智能尽管在图像生成和短序列生成领域有着非常卓越的表现,但对于符号音乐的生成仍然有许多不足之处。因此,通过基于LSTM和WaveNet两种模型解决旋律生成的受限问题,探讨音乐结构的显式结构编码效果。实验结果表明,使用一堆扩展的卷... 详细信息

人工智能尽管在图像生成和短序列生成领域有着非常卓越的表现,但对于符号音乐的生成仍然有许多不足之处。因此,通过基于LSTM和WaveNet两种模型解决旋律生成的受限问题,探讨音乐结构的显式结构编码效果。实验结果表明,使用一堆扩展的卷积层对结构进行更明确的编码可以显著地提高性能,并且在生成过程中对底层和弦级数进行全局编码可以获得更好的效果。

关键词：音乐生成人工智能机器学习音乐结构分析全局编码

维普期刊数据库

混合类电子音乐《孔雀东南飞》中GAN音乐风格迁移技术应用

在线全文

学校读者我要写书评

暂无评论

混合类电子音乐《孔雀东南飞》中GAN音乐风格迁移技术应用

作者：邓志朋济南大学

学位级别：硕士

面对全球新一轮的技术革命,人工智能(AI)扮演着极为重要的角色,目前“AI+”产业化正在稳步前进,未来人工智能必将会渗透各行各业,成为社会经济发展新的驱动力。近年来,在声音和音乐技术应用领域,人工智能(AI)音乐生成一直是讨论的热点,... 详细信息

面对全球新一轮的技术革命,人工智能(AI)扮演着极为重要的角色,目前“AI+”产业化正在稳步前进,未来人工智能必将会渗透各行各业,成为社会经济发展新的驱动力。近年来,在声音和音乐技术应用领域,人工智能(AI)音乐生成一直是讨论的热点,世界各国科学家和学者对此的探索也乐此不疲,未来应用前景十分可观。本文以混合类电子音乐《孔雀东南飞》创作为例,通过改良GANSynth模型等手段开发出GAN作曲辅助系统,极大的发挥出GAN算法优势。在创作过程中,笔者利用系统对创作素材进行一系列的音乐风格迁移,完成了旋律变奏、音频变形、音色融合等效果形态呈现。通过分析比较得到,以AI技术为基础的GAN风格迁移技术,在数据上容纳了1000种乐器,30万个音符数据存量,包含众多的音色、音高和乐器参数,较人工音频变形来说,极大提高了创作素材融合变形的可能性、多样性、高效性。这项技术成果不仅促进了“文理”学科交叉融合发展,还大胆尝试突破AI技术在音乐生成质量及有效性上的瓶颈,这对AI技术赋能音乐产业,振兴音乐产业,实现AI音频科技产业化具有重要的意义。

关键词： GANsnth 人工智能音乐风格迁移音乐生成算法作曲

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于可视化的图像和音乐特征解耦的研究

基于可视化的图像和音乐特征解耦的研究

作者：黄润泽福州大学

学位级别：硕士

近年来,通过改变自编码器的潜变量空间对数据的属性进行选择性控制已经引起了学术界的广泛关注。属性控制生成是数据生成领域中一个重要的研究方向,目的是由模型学习数据的不同特征,在生成的过程中通过简单的调控生成具有期望的特征的... 详细信息

近年来,通过改变自编码器的潜变量空间对数据的属性进行选择性控制已经引起了学术界的广泛关注。属性控制生成是数据生成领域中一个重要的研究方向,目的是由模型学习数据的不同特征,在生成的过程中通过简单的调控生成具有期望的特征的数据。通常,数据由深度生成模型进行表示学习并编码到潜变量空间中,通过查找潜变量空间维度和数据属性的对应关系来操控数据的属性。例如对于人脸图像数据,通过使用表示学习的方式,把脸部的特征分开编码在潜变量空间中的不同维度,只需简单的修改潜变量的特定维度就可以控制对应的脸部特征。不仅如此,特征解耦在艺术的创作领域也发挥着积极的作用,例如组合不同的旋律的特征生成有创造性的和悦耳的音乐等。然而一般由自编码器得到的潜变量空间是一维向量,无法直观的看出数据的特征,即特征编码的方式是隐式的,并且属性值和向量值并不符合线性单调的关系。这意味着无法直接从特征编码的潜变量中得到有效的信息,且对属性特征的操作是复杂的且费时费力。为此我们提出了一种新的基于编解‐解码器结构的模型,针对特定的数据集,把数据属性分成两个主要的特征编码为潜变量空间。编码后的潜变量空间可以通过可视化的方式直观呈现,方便对数据属性进行操作。首先对MNIST手写体和2‐d sprites数据,我们设计了编码‐解码器模型把每张图像数据解耦成可视化的位置特征和其他特征,位置特征定位图像像素的中心位置,其他特征控制手写体的厚度以及2‐d sprites的形状与大小等。解耦后的数据通过解码器进行还原,由于数据特征使用显式的方式进行编码,因此通过改变潜变量空间可以很方便的控制生成的图像的特征属性。定性和定量的实验均表明,对于MNIST手写数据集和Nottingham民歌数据集,通过这种方式可以控制的数据属性的数量和范围达到了最先进的水平。另一方面,我们进一步对民歌、巴赫众赞诗等音乐数据集使用同样的思想进行特征解耦,具体来说,把固定音符数的音乐片段的特征解耦成音高分布和节奏进行,并编码为可视化的潜变量。不同于先前的研究中以固定的旋律小节为单位,本文的方法以特定的音符数为单位,生成方式更灵活,并且采用和弦作为条件生成,指导旋律生成,有助于提高整体的音乐性。客观的实验表明,采用这种本文的方式不仅可以对生成的音乐的多种属性进行有效控制,还可以通过替换不同乐段的音高、和弦和节奏特征进行音乐的类比生成。另外,主观的实验表明,使用类比的方式生成的音乐比普通的Bi‐LSTM生成的音乐在多个指标上都具有明显的优势。最后,为了方便高效地利用潜变量进行属性控制,本文针对四种不同的音乐和图像的数据,进一步设计了用户操控界面,使用该界面可以很方便地修改潜变量用于对数据的属性进行调整。此外,该界面还可以自主设计整个潜变量空间,不使用已有的数据信息,直接通过解码器生成具有期望特征的数据。

关键词：表示学习特征解耦音乐生成属性控制深度生成模型