[發明專利]基于消息傳遞網絡的音樂圖結構信息生成模型的構建方法

有效

• 申請號: 201910192306.4
• 申請日: 2019-03-14
• 公開（公告）號: CN110008373B
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 季俊濤;任宇凡;黃怡璠;邱兆林;劉洪甫;李燦晨;張克俊
• 申請（專利權）人: 浙江大學
• 主分類號: G06F16/683
• 分類號: G06F16/683
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 曹兆霞

本發明公開了一種基于消息傳遞網絡的音樂圖結構信息提取與生成模型的構建方法，包括：(1)將音樂表達成音樂無向圖；(2)在獲得音樂無向圖后，對音樂無向圖進行編碼，即采用節點特征提取更新函數提取音樂無向圖中節點的隱藏特征；(3)將獲得的隱藏特征輸入至解碼器中，經解碼輸出預測的音樂無向圖；(4)計算預測的音樂無向圖與步驟(2)中的音樂無向圖的交叉熵損失函數值，利用交叉熵損失函數值更新解碼器參數和節點特征提取更新函數的權重參數，以實現對解碼器和編碼器的訓練，訓練好的編碼器即為音樂圖結構信息提取模型，訓練好的解碼器即為音樂圖結構信息生成模型。還公開了一種生成的音樂圖結構信息生成模型作為音樂生成器的應用。

技術領域

本發明涉及人工智能應用、音樂生成與對抗樣本生成領域。尤其涉及一種基于消息傳遞網絡的音樂圖結構信息提取與生成模型的構建方法，以及構建生成的音樂圖結構信息提取與生成模型，及生成的音樂圖結構信息生成模型生成音樂的應用。

背景技術

音樂是人們生活中不可缺少的一部分，無論是場景配樂，還是情緒表達，音樂都至關重要。與此同時，人工作曲雖說也能滿足當下大部分市場需求，但是已經有些捉襟見肘。

在短視頻市場急速膨脹的現代社會，可以發現大量重復的背景配樂，以及許多與內容不搭的人工配樂，這都是因為音樂數據集不足，以及人工作曲水平參差不齊所導致的。

申請公布號為CN 108062417 A的專利申請公開了一種基于復雜網絡的圖像生成音樂的方法，包括以下步驟：步驟1：提取灰度圖像的感興趣區域對應的灰度碼，將灰度碼數組中連續相鄰的三個灰度碼相乘獲得灰度積數組；步驟2：根據MIDI音高的范圍對灰度積數組中的元素進行模處理，得到音域區間和音高浮動數值，進而生成音高序列；步驟3：以現有音樂中音符的音高、音長和力度作為基本屬性進行音符節點的編碼，音符節點和節點連邊構成音符網絡；步驟4：將圖像生成的音高序列在音符網絡中進行節點游走，進而生成音樂。該音樂生成方法并沒有考慮時間信息，造成生成的音樂聽起來并不和諧，流暢性也不高。

因此，迫切地需要提供一種音樂生成方法，改善當前音樂資源不足的現狀以及提升生成音樂的流暢性和和諧性。

發明內容

本發明的目的是提供一種基于消息傳遞網絡的音樂圖結構信息提取與生成模型及構建方法。該構建方法獲得的音樂圖結構信息提取與生成模型考慮了時間信息，及考慮音符之間的連接關系，在生成大量音樂的同時，還提升了生成音樂的和諧性和流暢性，帶給用戶悅耳的體驗效果。

為實現上述發明目的，本發明提供以下技術方案：

一種基于消息傳遞網絡的音樂圖結構信息提取與生成模型的構建方法，包括以下步驟：

(1)將音樂表達成時間與音符屬性的連接關系，時間與音樂屬性作為節點，時間節點順序連接，音樂屬性節點順序連接，時間節點與音樂屬性節點交錯任意連接，形成音樂無向圖；

(2)在獲得音樂無向圖后，對音樂無向圖進行編碼，即采用節點特征提取更新函數提取音樂無向圖中節點的隱藏特征，其中節點特征提取更新函數為：

其中，表示第i個時間節點在第t+1次迭代時獲得隱藏特征值，表示第i個音符屬性節點在第t+1次迭代時獲得隱藏特征值，A_eji與B_eji是邊e_ji的權重參數；

(3)將獲得的隱藏特征輸入至解碼器中，經解碼輸出預測的音樂無向圖；

(4)計算預測的音樂無向圖與步驟(2)中的音樂無向圖的交叉熵損失函數值，將交叉熵損失函數值反向傳播至解碼器和編碼器，以更新解碼器參數和節點特征提取更新函數的權重參數，以實現對解碼器和編碼器的訓練，訓練好的編碼器即為音樂圖結構信息提取模型，訓練好的解碼器即為音樂圖結構信息生成模型。