自动作曲技术及其质量评估方法的研究

This project deals with the research on building a computational model on algorithmic composition & auto-harmonization, and the evaluation methodology on the machine-generated music, involving with the approach on a melody and piano accompaniment auto-generation for Chinese lyrics. A composing style will be achieved from a collected sample scores by means of a statistics-based machine learning technology. The project proposes a new research way on automatic composition and harmonization based on applicant's recent research issues on "meta-structure based technology" used in automatic piano accompaniment system. The research content will focus on three topics stated as follows: 1) how to build up and represent the relationships among the distribution of the number of Chinese character and the Chinese metrics, emotion and artistic conception described in the Chinese lyrics, and the composing techniques used in the selected sample-songs; 2) the technology on auto-composition and harmonization based on a given composition style; and 3) the evaluation methodology on machine-generated music in esthetics and creativity. The final achieving issues will be represented in 6-12 published technical papers. An experimental system on generating melody and piano accompaniment for Chinese lyrics will be implemented. This research tries to develop a theory of machine intelligence on simulating the composing process of a composer and apply the issues to enhance the music composition productivity in practical application, and find out some new composing characters or styles in the machine-generated music which are accepted by some group of people in esthetics.

研究一种为汉语歌词自动谱曲,配钢琴伴奏的计算模型及其质量评估方法。该模型的作曲风格将通过一个基于统计的机器学习系统在一个样板乐谱集合上获取。研究在新近研发的钢琴自动伴奏系统的基础上进一步展开。研究内容涉及：1）汉语歌词的字数分布、韵律以及所涉及的情感或意境与各种谱曲技术对应关系的表达研究；2）创作风格的自动获取方法研究；3）机器音乐作品的美学及创新性评估方法的研究。成果以6-12篇论文形式发表并实现一个为歌词自动谱曲及配钢琴伴奏实验系统。通过本项目的研究，在理论上了解计算机模拟作曲家从事音乐创作这一特定思维的能力。同时可以探索如何利用机器寻求不同创作风格的各种美的形式。在应用上，预计所研发的实验系统在不断地增加样板乐谱的规模之后，将能实质性地提高音乐创作生产力。

自动作曲系统是模仿作曲家音乐创作行为的智能程序。自动作曲技术的研究从本质上来讲，就是探索作曲家创作风格计算模型的研究。同时，如何评估自动作曲系统生成的音乐（我们称之为机器音乐）的质量则是自动作曲领域的另一个不可回避的问题。如果没有一个恰当且明确的质量评估标准，我们就无法解释一个基于随机或其它计算模型而生成的音符序列和一个由作曲家基于某一创作目标所创作的旋律二者之间有什么本质的区别了。本项目的研究内容主要包括6个方面，即1）乐汇元结构自动获取技术；2）乐汇元结构数据库与歌曲模板库以及钢琴伴奏库的建立；3）哼唱旋律自动识别技术；4）为歌词自动谱曲技术；5）模仿指定风格的自动谱曲技术；以及6）评估标准规范化。得出的重要结果是：1）明确作曲目标可以规范机器音乐质量的评估标准，并且避免或降低不同人主观评估标准的不一致性。这个目标包括体裁，情感色彩（或意境）以及期望模仿的技术性的创作风格特征；2）任意一段人声哼唱，都可以有2种旋律。其一称为实际哼唱旋律，其二称为期望哼唱旋律。实际哼唱旋律以音符的绝对音高的为音符音高，而期望哼唱旋律则主要以音符的调性音级为音符音高。这二种哼唱旋律并非完全一致。原因是多数情况下，人声哼唱总是存在不同程度的“走音”或“跑调”现象。通过本项目的研究，在理论上可以让我们了解计算机模拟作曲家从事音乐创作这一特定思维的能力。同时可以探索如何利用机器寻求不同创作风格的各种美的形式。在应用上，预计所研发的自动作曲系统在不断增加样板乐谱的规模之后，将能实质性地提高音乐创作生产力。

内容获取失败，请点击重试