申请/专利权人：江苏云幕智造科技有限公司

申请日：2023-11-08

公开（公告）日：2024-02-09

公开（公告）号：CN117217261B

主分类号：G06N3/0455

分类号：G06N3/0455;G06F40/126;G06F40/284;G06N3/047;G06N3/084;G10H1/00

优先权：

专利状态码：有效-授权

法律状态：2024.02.09#授权;2023.12.29#实质审查的生效;2023.12.12#公开

摘要：一种基于和弦和歌词结构的吉他和弦生成模型的方法，包括如下步骤：S1收集和准备：收集和准备用于模型训练的音乐样本；S2输入编码：将所述音乐样本编码成音乐数据；S3Dropout层：在所述音乐数据中应用Dropout层；S4全连接层：将Dropout层后的音乐数据传递给全连接层；S5位置编码：引入位置编码；S6双向Transformer层：双向Transformer层由正向Transformer网络和反向Transformer网络组成，所述双向Transformer层的目标是在模型中引入自注意力机制，以来捕获音乐数据中的内部关系；S7全连接层；S8Softmax层；S9和弦预测。本发明所述的基于和弦和歌词结构的吉他和弦生成模型的方法，设计合理，采用双向Transformer结构的创新方法有助于解决音乐生成中和弦与歌词之间的关联问题，提高了生成音乐作品的质量和一致性。

主权项：1.一种基于和弦和歌词结构的吉他和弦生成模型的方法，其特征在于，包括如下步骤：S1收集和准备：收集和准备用于模型训练的音乐样本；S2输入编码：将所述音乐样本编码成音乐数据，所述音乐数据为模型可以理解的形式；S3Dropout层：在所述音乐数据中应用Dropout层；S4全连接层：将Dropout层后的音乐数据传递给全连接层，进行捕获和强化特征；S5位置编码：引入位置编码，将上述音乐数据中不同位置的元素区分开，帮助模型理解音乐数据的顺序信息；S6双向Transformer层：双向Transformer层由正向Transformer网络和反向Transformer网络组成，所述双向Transformer层的目标是在模型中引入自注意力机制，以来捕获音乐数据中的内部关系，同时分别学习全曲和弦信息和整曲歌词信息；所述正向Transformer网络用于学习全曲和弦信息；所述正向Transformer网络包括多层Transformer编码器，所述多层Transformer编码器的每个编码器均由多头自注意力层和前馈神经网络组成；所述多头自注意力层允许模型在处理每个和弦时关注其他和弦的上下文，所述前馈神经网络用于进一步提取和强化特征；所述反向Transformer网络用于学习整曲歌词信息；所述反向Transformer网络也包括多层Transformer编码器，所述多层Transformer编码器的每个编码器均由多头自注意力层和前馈神经网络组成；所述多头自注意力层允许模型在处理每个歌词时关注其他歌词的上下文，所述前馈神经网络用于进一步提取和强化特征；所述多头自注意力层允许模型同时关注输入的音乐数据的不同部分，以更好地捕捉不同方面的信息；所述多头自注意力层的每个注意力头学习不同的权重，然后所有的注意力头的输出被组合起来，以产生全局的自注意力表示；S7全连接层：将双向Transformer层后的音乐数据再次传递给全连接层，进行进一步捕获和强化特征；S8Softmax层：将上述音乐数据传递给Softmax层，所述Softmax层在模型中用于预测下一个和弦；S9和弦预测：根据Softmax层的输出，选择概率最高的和弦作为模型的预测结果，从而生成音乐的下一部分。

全文数据：

权利要求：

百度查询： 江苏云幕智造科技有限公司 一种基于和弦和歌词结构的吉他和弦生成模型的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD