好了，以后也不需要音乐🎶作家了
![[二哈]](https://h5.sinaimg.cn/m/emoticon/icon/others/d_erha-139d0e07bd.png)
NotaGen: 利用大型语言模型训练范式提升符号音乐生成中的音乐性（Advancing Musicality in Symbolic Music Generation with Large Language Model Training Paradigms）
摘要：
NotaGen，这是一种符号音乐生成模型，旨在探索制作高品质古典乐谱的潜力。受大型语言模型 (LLM) 成功的启发，NotaGen 采用了预训练、微调和强化学习范式（以下称为 LLM 训练范式）。
它先在 160 万首乐曲上进行预训练，然后根据“时期-作曲家-乐器”提示，在大约 9000 首高品质古典乐曲上进行微调。对于强化学习，我们提出了 CLaMP -DPO方法，该方法进一步提高了生成质量和可控性，而无需人工注释或预定义奖励。
我们的实验证明了 CLaMP-DPO 在具有不同架构和编码方案的符号音乐生成模型中的有效性。此外，主观 A/B 测试表明，NotaGen 在与人类作品的比较中优于基线模型，极大地提升了符号音乐生成的音乐美感。
访问：electricalexis.github.io/notagen-demo/
#ai创造营# #科技# #manus#
NotaGen: 利用大型语言模型训练范式提升符号音乐生成中的音乐性（Advancing Musicality in Symbolic Music Generation with Large Language Model Training Paradigms）
摘要：
NotaGen，这是一种符号音乐生成模型，旨在探索制作高品质古典乐谱的潜力。受大型语言模型 (LLM) 成功的启发，NotaGen 采用了预训练、微调和强化学习范式（以下称为 LLM 训练范式）。
它先在 160 万首乐曲上进行预训练，然后根据“时期-作曲家-乐器”提示，在大约 9000 首高品质古典乐曲上进行微调。对于强化学习，我们提出了 CLaMP -DPO方法，该方法进一步提高了生成质量和可控性，而无需人工注释或预定义奖励。
我们的实验证明了 CLaMP-DPO 在具有不同架构和编码方案的符号音乐生成模型中的有效性。此外，主观 A/B 测试表明，NotaGen 在与人类作品的比较中优于基线模型，极大地提升了符号音乐生成的音乐美感。
访问：electricalexis.github.io/notagen-demo/
#ai创造营# #科技# #manus#
