[发明专利]一种基于共同语义空间的个性化音乐生成方法及装置

说明书

本发明公开了一种基于共同语义空间的个性化音乐生成方法，包括以下步骤：S1、将文字映射到共同语义空间表示；S2、将共同语义空间表示转化为乐曲；S3、将文字蕴含的风格和意境隐含到语义空间表示中，并体现在生成的乐曲中。还公开了实现所述方法的装置。本发明的有益效果是：本发明生成乐曲时可以考虑全部的文字描述以及已经生成的音符；生成的乐曲会融入文字描述体现的风格和意境；可以针对某种类型的乐曲进行强化；良好的数据可移植性和可扩展性。

技术领域

本发明涉及一种基于共同语义空间的个性化音乐生成方法及装置。

背景技术

音乐生成是让计算机自动创作音乐的技术。音乐创作一直被认为是一种高难度，依赖人类突发灵感的高级思维活动。另一方面，音乐创作又需要遵循严格的规律，如节拍性、强弱性等。这意味着创造音乐是一项既要循规蹈矩，又要寻求新意的艰苦劳动，仅有对音高、节拍等具有敏锐感觉，且思维活跃度极高的少数人能够胜任。幸运的是，这种在严格框架下进行有限创新的工作，计算机具有天然优势，它可以充分保证生成作品的合规性，同时在合规下探索各种可能的创新。让计算机自动生成音乐，可极大减少人类进行音乐创作的工作量，且有望产生挣脱传统思路束缚新颖音乐。即便用机器生成的音乐还不能与人类的音乐家相比，但机器作品可以为人类提供候选或初级作品，使作曲家创作更加容易；同时，计算机生成的音乐还可以为作曲家提供灵感和刺激，激发他们不断创造新的音乐，防止因长期创作带来的风格惰性和思维困顿，帮助作曲家永褒创作青春。因此，自动音乐生成具有非常广阔的应用前景。

音乐生成一般可以有以下两种方式：

1、经典的概率模型

该方法用语言模型或者HMM模型训练字符化的乐谱，然后生成一段乐谱，能取得比较不错的效果。

2、神经网络(NN)模型

该方法学习字符化的乐谱利用神经网络，相当于学习一个序列，然后用模型生成一个序列，这种方法一个时刻只能生成一个音符，不过可以获得一些令人满意的音乐片段。

目前的音乐生成方法无法细致指定生成音乐的风格。要生成不同风格的音乐，或者人为挑选不同风格的训练数据进行与风格相关(style-dependent)的模型训练，或者引入一个表示风格的指示变量，表示想要生成的风格方式。虽然这些是可行的，但这些方法无法对风格进行细致指定。比如，同样是田园风格，反应农耕生活和反应狩猎生活的音乐可能差距较大。再如，如果我们想反应复杂风格，既有田园风格，也有魔幻风格，则传统的方法无法实现。除了风格，音乐还包括意境、情景、叙事等复杂属性。这些复杂属性到相交叉组合，意味着对音乐的描述极为复杂，更别提依这些描述来生成音乐了。

本发明关注音乐生成任务，提出一种新的方法，可通过文字描述来指定生成音乐的风格和属性。例如，通过输入“牛和羊在青青的草地上吃草，旁边有小溪流过”来指定生成音乐所表述的内容，音乐生成器即可生成与这一田园风格相适应的音乐。

发明内容

本发明的目的在于克服现有技术的缺点，提供一种基于共同语义空间的个性化音乐生成方法及装置。该方法首先将已知的文字-乐曲对映射到共同的语义空间中，并同时将文字所表述的风格、意境等也体现在该语义空间表示中，然后学习在这种特定的风格、意境下的语义空间表示到乐曲的转换关系，这样，学习到的映射和转换关系就可以根据新的文字创作能体现出风格和意境的乐曲。对于给定的一段新文字，创作过程为先将其映射到该共同语义空间，然后再用学习到的转换方法来生产贴合该文字内容以及风格的乐曲。

本发明的目的通过以下技术方案来实现：一种基于共同语义空间的个性化音乐生成方法，包括以下步骤：

S1、将文字映射到共同语义空间表示(编码过程)；

S2、将共同语义空间表示转化为乐曲(解码过程)；