机构名称：
¥ 6.0
网络扬声器用于公共场所的公共广播，有时也用于播放背景音乐。要播放音乐，需要专门为在公共环境中使用而制作的特殊商业音乐许可证。但是，为了按照现行法规做到这一点，客户必须支付许可费并了解版权许可的相关知识。在本文中，我们探讨了使用机器学习方法生成替代的、无需许可的背景音乐的可能性。我们调查了该领域的现有模型和数据集，并对音乐家进行了访谈，以确定可用作评估指标的音乐质量特征。我们选择调整和比较 Transformer 模型 GPT-3 和长短期记忆 (LSTM) 模型 Performance_RNN。使用 COSIATEC 算法对音乐进行评估以查找递归模式，并使用基于 Tymoszcko 的调性理论的自定义指标。进行了实验以调查学习率、训练数据特征和生成参数的影响。 GPT-3 和 Performance RNN 在生成音乐的长期结构方面都表现良好，但训练时间和准确度因所选数据集而异。为了补充本论文的研究结果，研究人类对音乐的感知与本报告中获得的分数之间的相关性将会很有趣。进一步研究训练数据特征（例如流派和旋律内容）的影响也很有趣。
使用人工智能生成音乐
主要关键词
相关文件推荐
