论文解读
Sing2Song: An Accompaniment Generation System Based on Solo Singing
音乐生成 | 7.5/10
音乐生成
论文解读
Stemphonic: All-At-Once Flexible Multi-Stem Music Generation
音乐生成 | 7.7/10
论文解读
Symphony Rendering: Midi and Composer-Conditioned Auto Orchestration with Flow-Matching Transformers
音乐生成 | 7.0/10
论文解读
SymphonyGen: 3D Hierarchical Orchestral Generation with Controllable Harmony Skeleton
音乐生成 | 7.5/10
论文解读
Text2midi-InferAlign: Improving Symbolic Music Generation with Inference-Time Alignment
音乐生成 | 7.5/10
论文解读
Time-Shifted Token Scheduling for Symbolic Music Generation
音乐生成 | 8.5/10
论文解读
Towards Multi-View Hierarchical Video-to-Piano Generation with MIDI Guidance
音乐生成 | 7.0/10
论文解读
Via Score to Performance: Efficient Human-Controllable Long Song Generation with Bar-Level Symbolic Notation
音乐生成 | 7.5/10
论文解读
Virtual Consistency for Audio Editing
音乐生成 | 8.0/10
论文解读
Visual Keys to Symphonies: Latent Diffusion for Multi-Scene Video-to-Music Generation
音乐生成 | 7.5/10
论文解读
ViTex: Visual Texture Control for Multi-Track Symbolic Music Generation via Discrete Diffusion Models
音乐生成 | 7.0/10
论文解读
VMSP: Video-to-Music Generation with Two-Stage Alignment and Synthesis
音乐生成 | 7.0/10
论文解读
When Noise Lowers the Loss: Rethinking Likelihood-Based Evaluation in Music Large Language Models
音乐生成 | 7.0/10
论文解读
Opening the Design Space: Two Years of Performance with Intelligent Musical Instruments
音乐生成 | 6.5/10
论文解读
Video-Robin: Autoregressive Diffusion Planning for Intent-Grounded Video-to-Music Generation
音乐生成 | 7.0/10
论文解读
BEAT: Tokenizing and Generating Symbolic Music by Uniform Temporal Steps
本文针对符号音乐生成中主流的事件序列（event-based）tokenization方法隐含处理时间规律、导致模型需额外学习时间网格的问题，提出了一种名为**BEAT**的新型网格化tokenization框架。其核心思想是将音乐在时间上均匀离散化为“拍”（beat）作为基本单位，将每拍内每个音高
论文解读
A novel LSTM music generator based on the fractional time-frequency feature extraction
本文提出了一种基于分数阶傅里叶变换（FrFT）和长短期记忆网络（LSTM）的新型AI音乐生成系统。**核心目标**是利用FrFT在分数阶域（时频平面的旋转表示）中提取比传统时域或频域更丰富的音乐信号特征，以解决传统LSTM在捕捉音乐复杂时频结构上的不足。**关键方法**是将输入音乐信号进行FrFT变
论文解读
Aligning Language Models for Lyric-to-Melody Generation with Rule-Based Musical Constraints
这篇论文旨在解决大语言模型在歌词到旋律生成任务中，通过监督微调（SFT）训练出的模型常产生音乐上不可行（如节奏怪异、音域超限）的“约束违反”问题。**核心贡献**是提出了一套无需人工标注、基于规则约束的自动化对齐框架。**关键方法**分为三步：首先对预训练LLM进行SFT以获得基础生成能力；其次，利
论文解读
Latent Fourier Transform
这篇论文旨在解决现有音乐生成模型难以对**任意时间尺度**上的音乐模式进行精确控制的问题。作者提出了**潜在傅里叶变换（LatentFT）** 框架，其核心是将离散傅里叶变换应用于由扩散自编码器编码得到的**潜在向量序列**，从而得到“潜在频谱”。通过在训练过程中对潜在频谱进行随机频率掩码，迫使解码
论文解读
Video-Robin: Autoregressive Diffusion Planning for Intent-Grounded Video-to-Music Generation
本文针对现有视频到音乐（V2M）生成模型缺乏对创作者风格、主题等细粒度意图控制的问题，提出了Video-Robin，一个结合文本提示的视频配乐框架。其核心方法是将生成过程解耦为两个阶段：首先，一个多模态自回归规划头（AR-Head）整合视频帧和文本提示，通过语义语言模型、有限标量量化（FSQ）和残差