NotaGen经典下载
文章来源：智汇AI 发布时间：2025-06-11
NotaGen是由中央音乐学院、北京航空航天大学和清华大学等机构联合开发的一款AI音乐生成模型，专注于生成高质量的古典乐谱。
访问官网NotaGen是什么？
NotaGen是由中央音乐学院、北京航空航天大学和清华大学等机构联合开发的一款AI音乐生成模型，专注于生成高质量的古典乐谱。它通过模仿大型语言模型（LLM）的训练范式，能够生成高质量的古典乐谱。
NotaGen核心特点
高质量古典乐谱生成
NotaGen能够根据用户指定的时期（如巴洛克、古典、浪漫）、作曲家（如巴赫、莫扎特、肖邦）和乐器（如键盘、弦乐四重奏、管弦乐）生成符合特定风格的乐谱。
先进的训练范式
预训练：在超过160万首乐曲上进行预训练，学习音乐的基本结构和模式。
微调：基于约9000首高质量古典作品进行微调，增强对特定风格和作曲家的理解。
强化学习：通过CLaMP-DPO方法优化生成音乐的质量和可控性，无需人工标注或预定义奖励。
多模态数据表示
NotaGen使用交错的ABC符号表示法（InterleavedABCNotation），将不同声部的音符重新排列到一行中，并通过声部指示符[V:]区分。这种表示法能够灵活处理多轨音乐和复杂乐谱。
模型架构
NotaGen采用Tunesformer架构，包含两个层次的GPT-2解码器：patch-leveldecoder和character-leveldecoder。通过patch-leveldecoder捕获patch之间的时间关系，然后将隐藏状态传递给character-leveldecoder，自回归地预测下一个patch的字符。
生成样本
NotaGen提供了多种风格的生成样本，包括键盘、室内乐、管弦乐、艺术歌曲、合唱和声乐管弦乐等。此外，还尝试了流行音乐风格的生成。
NotaGen技术
数据表示：
采用交错的ABC符号表示法，支持多轨音乐和复杂乐谱。
模型架构：
基于Tunesformer，包含patch-level和character-level解码器。
训练范式：
预训练：在160万首乐曲上进行预训练。
微调：在9000首高质量古典乐谱上进行微调，涵盖152位作曲家。
强化学习：通过CLaMP-DPO方法优化生成音乐的质量和可控性。
NotaGen实验与评估
主观A/B测试：
NotaGen在生成音乐的质量上优于基线模型，接近人类作曲水平。
CLaMP-DPO方法：
通过对比学习模型CLaMP²提供的反馈，优化生成音乐的质量，无需人工标注或预定义奖励。
NotaGen使用场景
专业作曲家：
作为灵感工具，快速生成高质量乐谱。
音乐爱好者：
降低音乐创作门槛，提供个性化创作支持。
音乐教育：
作为教学工具，帮助学生理解不同风格和时期的音乐特点。
项目主页：
https://electricalexis.github.io/notagen-demo
GitHub仓库：
https://github.com/ElectricAlexis/NotaGen
论文：
https://arxiv.org/pdf/2502.18008
相关推荐
