[發明專利]基于Bi-LSTM深度強化學習網絡的鼓樂生成方法

在審

• 申請號: 202310202900.3
• 申請日: 2023-03-06
• 公開（公告）號: CN116229922A
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 梁天冕;李鵬;曹玉梅;吳曉軍;王小明
• 申請（專利權）人: 陜西師范大學
• 主分類號: G10H1/00
• 分類號: G10H1/00;G10H1/08;G10H1/38;G10H7/00;G10H7/04;G10H7/08;G06N3/0442;G06N3/092
• 代理公司: 北京前審知識產權代理有限公司 11760
• 代理人: 尹秀峰;張波濤

一種基于Bi?LSTM深度強化學習網絡的民間鼓樂生成方法，包括如下步驟：S100：將民間古樂表示成音符序列；S200：將所產生的音符序列通過編碼技術轉化成音符向量集；S300：將所述音符向量集輸入到Bi?LSTM神經網絡中進行訓練，生成基于字符級的Bi?LSTM鼓樂生成網絡；S400：基于強化學習Actor?Critic算法對所述基于字符級的Bi?LSTM鼓樂生成網絡進行訓練，得到基于Bi?LSTM深度強化學習網絡；S500：將輸入的音符序列輸入到所述基于Bi?LSTM深度強化學習網絡中，可以自主的生成鼓樂作品。本方法可以基本實現高質量、具藝術審美的西安鼓樂的生成，緩解西安鼓樂曲目缺乏問題。

技術領域

本公開屬于人工智能、神經網絡技術領域，特別涉及一種基于Bi-LSTM深度強化學習網絡的鼓樂生成方法。

背景技術

近年來，人工智能藝術，尤其是人工智能音樂變得流行起來，相關技術也變得觸手可及。然而，大多數AI音樂生成器平臺主要專注于創作現代音樂，未專注于民樂的創作，且生成策略只是根據訓練保存的策略來選擇下一個音符，由此生成的音樂容易生成不和諧的和聲和旋律。

西安鼓樂興盛于唐代，在民間已傳承千年，2006年入選首批國家級非物質文化遺產名錄，主要由中國傳統的民族樂器演奏，被譽為是“中國古代音樂的活化石”和“中國古代的交響樂”。作為中國傳統音樂的符號，西安鼓樂在新時期印證了中華音樂文化的博大精深與淵源悠久，不僅具有非遺的普遍性特點，也具有其特有的發展歷程及藝術價值。

目前音樂生成的方法主要有基于馬爾可夫模型的音樂生成和基于神經網絡的音樂生成。隨著深度學習技術的發展，涌現出越來越多基于神經網絡的音樂生成算法，如使用循環神經網絡(Recurrent?Neural?Network，RNN)、長短期記憶網絡(Long?Short-TermMemory，LSTM)以及生成對抗網絡(Generative?Adversarial?Networks，GAN)的音樂生成。

但與人工智能相關的作曲算法在使用的過程中也仍存在著各自的優勢和不足。如大多單一算法作曲生成的音樂缺乏感情色彩，風格體裁過于單一；未把專業的音樂知識加入到網絡模型中；未考慮到和弦和樂理規則對音符選擇的影響；沒有注重網絡模型創新性等問題，而且目前主要是針對西方音樂創作的研究，而針對非西方音樂尤其中國民族民間音樂的自動創作的研究還處于初級階段。常規的深度學習LSTM音樂生成網絡模型在音樂生成中大都沒有考慮樂理規則和西安鼓樂面臨的曲目稀缺，作曲困難的問題。

發明內容

鑒于此，本公開提供了一種基于Bi-LSTM深度強化學習網絡的民間鼓樂生成方法，包括如下步驟：

S100：將民間古樂表示成音符序列；

S200：將所產生的音符序列通過編碼技術轉化成音符向量集；

S300：將所述音符向量集輸入到Bi-LSTM神經網絡中進行訓練，生成基于字符級的Bi-LSTM鼓樂生成網絡；

S400：基于強化學習Actor-Critic算法對所述基于字符級的Bi-LSTM鼓樂生成網絡進行訓練，得到基于Bi-LSTM深度強化學習網絡；

S500：將輸入的音符序列輸入到所述基于Bi-LSTM深度強化學習網絡中，可以自主的生成鼓樂作品。

通過上述技術方案，根據西安鼓樂自身鮮明的中國古代音樂特點，基于強化學習中的Actor-Critic算法，提出在模擬生成階段通過獎懲得分構建生成策略改進方法。為了讓模型能夠充分考慮到真實的民間鼓樂創作過程，針對西安鼓樂獨特的音高、和弦、調式等創作理論風格，將一定和弦進行和樂理規則等抽象概念約束轉換成計算機語言。通過構建和弦進行獎勵機制和樂理規則獎勵機制，利用全局的價值回報來實現鼓樂的和諧性約束，實現系統化的鼓樂生成。基于Bi-LSTM深度強化學習模型可以基本實現高質量、具藝術審美的西安鼓樂的生成。