Modelo LSTM de atención múltiple jerárquica para la generación de melodías simbólicas polifónicas

Resumen Crear melodías simbólicas con aprendizaje automático es un desafío porque requiere una comprensión de la estructura musical y el manejo de interdependencias y dependencias a largo plazo. Aprender la relación entre eventos que ocurren lejos en el tiempo en la música representa un desafío considerable para los modelos de aprendizaje automático. Otra característica notable de la música es que las notas deben tener en cuenta varias interdependencias, incluyendo aspectos melódicos, armónicos y rítmicos. Los métodos de referencia, como las RNN, LSTMs y GRUs, a menudo tienen dificultades para capturar estas dependencias, lo que resulta en la generación de melodías musicalmente incoherentes o repetitivas. Por lo tanto, en este estudio, se propone un modelo LSTM de atención múltiple jerárquica para crear melodías simbólicas polifónicas. Esto permite que nuestro modelo genere melodías más complejas y expresivas que los métodos anteriores, manteniendo la coherencia musical. El modelo permite el aprendizaje de dependencias a largo plazo en diferentes niveles de abstracción, mientras retiene la capacidad de formar interdependencias. El estudio se ha llevado a cabo en dos grandes conjuntos de datos de música simbólica, MAESTRO y Classical-Music MIDI, que presentan contenido musical codificado en MIDI. La naturaleza artística de la música plantea un desafío para evaluar el contenido generado, y el análisis cualitativo a menudo no es suficiente. Por lo tanto, se realizan pruebas de escucha humanas para fortalecer la evaluación. El análisis cualitativo realizado sobre las melodías generadas muestra puntuaciones de pérdida significativamente mejoradas en MSE en comparación con los métodos de referencia, y es capaz de generar melodías que son tanto musicalmente coherentes como expresivas. Las pruebas de escucha realizadas utilizando una escala de Likert respaldan los resultados cualitativos y proporcionan mejores puntuaciones estadísticas en comparación con los métodos de referencia.