【博士论文】提高预训练文本生成音乐模型的可控性和可编辑性

文章预览

人工智能辅助音乐创作领域已取得显著进展，但现有系统在满足迭代和细致化音乐制作需求方面仍面临诸多挑战。这些挑战包括对生成内容提供足够的控制能力以及支持灵活、精准的编辑。本论文通过一系列递进式改进，提出了针对这些问题的解决方案，显著提升了文本生成音乐模型的可控性和可编辑性。 首先，我提出了 Loop Copilot ，一个旨在满足音乐创作迭代优化需求的系统。Loop Copilot 利用大型语言模型（LLM）协调多个专用人工智能模型，使用户能够通过对话界面互动地生成和优化音乐。系统的核心是 全局属性表 （Global Attribute Table），该表记录并维护迭代过程中的关键音乐属性，确保各阶段的修改不会破坏音乐整体的连贯性。尽管 Loop Copilot 在音乐创作过程的协调方面表现出色，但其在直接对生成内容进行细致编辑的需求上存在不足。 为克 ………………………………