基于主题条件CNN-BiLSTM的旋律自动生成方法

摘要

为了有效地生成结构化的旋律，提出了一种基于主题条件CNN-BiLSTM的旋律自动生成方法.将旋律表示为钢琴卷帘窗的形式，使用定长、变长相结合的方法分割钢琴卷帘窗；通过Ward聚类算法对钢琴卷帘窗片段进行聚类分析，将获取的最大簇作为歌曲的旋律主题；以旋律主题作为条件使用基于CNN-BiLSTM结构的模型进行旋律生成，其上半部分CNN可以有效地提取钢琴卷帘窗中所包含时间和音高之间的信息，下半部分利用LSTM和BiLSTM更好地捕捉到序列中的时序信息.结果表明，相较于现有的MidiNet模型，使用的旋律主题条件CNN-BiLSTM模型在准确率、归一化KL散度方面分别高出23%和0.17,生成的乐曲在连贯性和情感表达方面也优于传统的模型.

关键词

音乐生成 / 自动作曲 / CNN-BiLSTM / 旋律主题提取 / 聚类