人工智能作曲是人工智能、音乐和多媒体领域最具吸引力和重要的课题之一。人工智能作曲的典型任务包括旋律生成、歌曲创作、伴奏生成、编曲、演奏生成、音色渲染、声音生成、歌唱声音合成等,涵盖了不同的形式(如象征性乐谱、声音等),与ACM多媒体的主题非常匹配。随着内容创作、深度学习等人工智能技术的快速发展,基于人工智能的音乐创作取得了快速的进步,但也遇到了很多挑战。对于从事人工智能、音乐和多媒体工作的广大听众来说,全面介绍和回顾人工智能作曲的基础知识、研究进展以及如何应对挑战是及时而必要的。在本教程中,我们将首先介绍人工智能作曲的背景,包括音乐基础知识和作曲深度学习技术。接下来我们将从两个方面介绍人工智能作曲:1)关键组件,包括乐谱生成、音乐表现生成和音乐声音生成;2)高级主题,包括音乐结构/形式/风格/情感建模,音色合成/转换/混音等。最后,提出了人工智能作曲的一些研究挑战和未来发展方向。本教程既适用于从事人工智能作曲的学术研究人员,也适用于从事人工智能作曲的行业从业者。

https://ai-muzic.github.io/tutorial-acmmm2021/

成为VIP会员查看完整内容
27

相关内容

「元学习」最新DSAA2021-Tutorial,附视频与83页ppt
专知会员服务
29+阅读 · 2021年10月20日
专知会员服务
28+阅读 · 2021年10月17日
【WSDM2021-Tutorial】偏见感知推荐系统的进展,134页ppt
专知会员服务
49+阅读 · 2021年3月9日
专知会员服务
306+阅读 · 2020年11月24日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
93+阅读 · 2020年10月18日
【ECML/PKDD20教程】图表示学习与应用,200页ppt
专知会员服务
90+阅读 · 2020年10月18日
WSDM 2020教程《深度贝叶斯数据挖掘》,附257页PPT下载
专知会员服务
153+阅读 · 2020年2月7日
下载 | 512页教程《神经网络与深度学习》,2018最新著作
机器学习算法与Python学习
48+阅读 · 2019年1月6日
【微软亚研130PPT教程】强化学习简介
专知
36+阅读 · 2018年10月26日
会议 | 中国多媒体大会(ChinaMM2018)
中国图象图形学报
3+阅读 · 2018年8月2日
ICML17 Seq2Seqtutorial精品资料分享
深度学习与NLP
5+阅读 · 2017年8月10日
Cross Modal Retrieval with Querybank Normalisation
Arxiv
0+阅读 · 2021年12月23日
Arxiv
9+阅读 · 2021年4月8日
Arxiv
8+阅读 · 2021年2月19日
Talking-Heads Attention
Arxiv
15+阅读 · 2020年3月5日
Arxiv
11+阅读 · 2019年4月15日
Arxiv
9+阅读 · 2018年10月24日
Arxiv
11+阅读 · 2018年4月8日
Arxiv
4+阅读 · 2016年12月29日
VIP会员
相关VIP内容
「元学习」最新DSAA2021-Tutorial,附视频与83页ppt
专知会员服务
29+阅读 · 2021年10月20日
专知会员服务
28+阅读 · 2021年10月17日
【WSDM2021-Tutorial】偏见感知推荐系统的进展,134页ppt
专知会员服务
49+阅读 · 2021年3月9日
专知会员服务
306+阅读 · 2020年11月24日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
93+阅读 · 2020年10月18日
【ECML/PKDD20教程】图表示学习与应用,200页ppt
专知会员服务
90+阅读 · 2020年10月18日
WSDM 2020教程《深度贝叶斯数据挖掘》,附257页PPT下载
专知会员服务
153+阅读 · 2020年2月7日
相关论文
Cross Modal Retrieval with Querybank Normalisation
Arxiv
0+阅读 · 2021年12月23日
Arxiv
9+阅读 · 2021年4月8日
Arxiv
8+阅读 · 2021年2月19日
Talking-Heads Attention
Arxiv
15+阅读 · 2020年3月5日
Arxiv
11+阅读 · 2019年4月15日
Arxiv
9+阅读 · 2018年10月24日
Arxiv
11+阅读 · 2018年4月8日
Arxiv
4+阅读 · 2016年12月29日
微信扫码咨询专知VIP会员