2024年の国際音楽情報検索会議（ISMIR）において、研究者らは最新のMusiConGenモデルを発表しました。このモデルはTransformerベースのテキスト生成音楽モデルであり、時間条件メカニズムの導入により、音楽のリズムとコードの制御能力が大幅に向上しています。

image.png

製品入口：https://top.aibase.com/tool/musicongen

MusiConGenモデルは、事前学習済みのMusicGen-melodyフレームワークを微調整したもので、様々なスタイルの音楽片段の生成に使用されます。研究チームはコードとリズムの制御パラメータを設定することで、モデルが生成した音楽サンプルを提示しました。サンプルには、リラックスしたブルース、スムーズなアシッドジャズ、クラシックロック、高エネルギーファンク、ヘヴィメタルの5つの異なるスタイルが含まれています。

各スタイルの音楽には明確なコードとリズムの要件があり、これらのデータはRWC-pop-100データベースから取得されました。生成されたコードはBTCコード認識モデルによって推定されます。

MusiConGenの効果を検証するために、研究者らはそれをベースラインモデルと微調整済みベースラインモデルと比較しました。同じコードとリズムの制御設定を用いて、MusiConGenは生成された音楽サンプルにおいて、より高い精度とスタイルの一貫性を示し、音楽生成における技術的な優位性を示しました。

要点：

🎵 MusiConGenは、Transformerベースのテキスト生成音楽モデルであり、時間条件によってリズムとコードの制御を強化できます。

🔍 従来のモデルと微調整済みモデルとの比較により、MusiConGenは音楽生成における顕著な向上を示しました。

🎸 モデルが生成する音楽は5つの異なるスタイルを網羅しており、特定のコードとリズムの要件を正確にシミュレートできます。