计算机科学 > 声音
[提交于 2025年1月3日
(v1)
,最后修订 2025年1月7日 (此版本, v2)]
标题: MusicGen-Stem:通过自回归建模进行多音轨音乐生成和编辑
标题: MusicGen-Stem: Multi-stem music generation and edition through autoregressive modeling
摘要: 虽然大多数音乐生成模型生成的是混合音轨(单声道或立体声),我们提出训练一个包含3个音轨(低音、鼓和其他)的多音轨生成模型,以学习它们之间的音乐依赖关系。 为了做到这一点,我们为每个音轨训练一个专门的压缩算法,将音乐转换为并行的标记流。 然后,我们利用音乐源分离任务的最新进展,在大规模数据集上训练一个多流文本到音乐的语言模型。 最后,由于一种特殊的条件方法,我们的模型能够编辑现有或生成的歌曲中的低音、鼓或其他音轨,以及进行迭代创作(例如,在现有的鼓音轨上生成低音)。 这为音乐生成算法提供了更大的灵活性,并且据我们所知,这是第一个开源的多音轨自回归音乐生成模型,能够进行高质量的生成和连贯的源编辑。 代码和模型权重将被发布,样本可在 https://simonrouard.github.io/musicgenstem/ 上查看。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.