(資料圖)

據(jù) Arxiv 頁(yè)面顯示，來(lái)自加州大學(xué)、蒙特利爾大學(xué)等多所高校的研究者近日聯(lián)合發(fā)表論文，介紹了一款名為MusicLDM 的文本生成音樂(lè)模型。

該模型利用 Stable Diffusion 和 AudioLDM 架構(gòu)，通過(guò)在音樂(lè)數(shù)據(jù)樣本集上重新訓(xùn)練對(duì)比性語(yǔ)言-音頻預(yù)訓(xùn)練模型(CLAP)和Hifi-GAN聲碼器來(lái)實(shí)現(xiàn)。為了解決訓(xùn)練數(shù)據(jù)和版權(quán)問(wèn)題，研究團(tuán)隊(duì)提出了兩種不同的混合策略：節(jié)拍同步音頻混合和節(jié)拍同步潛在混合，通過(guò)重新組合訓(xùn)練音頻或通過(guò)潛在嵌入空間來(lái)生成新的音樂(lè)。使生成的音樂(lè)更多樣化，同時(shí)仍忠于相應(yīng)的風(fēng)格。

研究顯示，MusicLDM 改善了生成音樂(lè)的質(zhì)量和新穎性，以及提示文本和生成音樂(lè)之間的關(guān)聯(lián)性。

關(guān)鍵詞：