CN119400134A 音乐生成方法、装置、电子设备和存储介质 （成都爱奇艺智能创新科技有限公司）

易试验区成都高新区新川南五路188所述用户传入的修改意见对所述初始曲谱进行2根据所述用户传入的修改意见对所述初始曲谱进行修改，直至无修改意见采用所述曲谱生成模型对所述伴奏提示词进行分析，生成与所述主旋律协调的伴奏，采用所述曲谱生成模型根据所述主旋律提示词若所述主旋律提示词为曲谱模板，则通过所述曲谱生成模型学通过压缩高维特征向量的方式将所述曲谱特征中的高维数据映射到低维空间中的离通过目标语义模型提取所述曲谱向量中的高层次特征，生成具有语义意义的语义向3通过声学模型将所述语义向量中高层次的语义特征转换为低层次的声学特征，其中，修改模块，用于根据所述用户传入的修改意见对所述初始曲4[0002]视频配乐有时需要生成新的音乐，但生成音乐经常需要耗费的大量的时间和精[0008]根据所述用户传入的修改意见对所述初始曲谱进行修改5[0025]通过压缩高维特征向量的方式将所述曲谱特征中的高维数据映射到低维空间中6[0055]可选地，在本申请实施例中，上述音乐生成方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。如图1所示，服务器103通过网络与终端101进行连[0056]本申请实施例中的一种音乐生成方法可以由服务器103来执行，还可以是由终端7[0068]本申请将音乐生成分为曲谱生成和曲谱转换为音频两个部分，在曲谱生成过程89[0107]Transformer声码器内部通常包含有复杂的生成网络，这些网络能够根据输入的高维特征向量压缩和量化为低维的曲谱token，输出曲谱token(曲谱向量)，再使用SemanticModel(目标语义模型)从曲谱token中提取更高层次的语义[0116]AcousticModel是一种深度学习模型，用于将高层次的语义特征(如Sementic[0123]步骤3：用户提出修改意见，曲谱生成模型的各部分作曲家根据修改意见进行修乐审美的乐谱；2.乐谱MIDI转换模块：由乐谱生成MIDI(MusicalInstrumentDigital[0141]声学表征：大语言模型可以将SementicToken(语义向量)转换为具体的声学表[0151]第一处理模块802，用于采用曲谱生成模型对文本提示词进行处理，生成初始曲[0162]若主旋律提示词为曲谱模板，则通过曲谱生成模型学习[0169]通过压缩高维特征向量的方式将曲谱特征中的高维数据映射到低维空间中的离[0170]通过目标语义模型提取曲谱向量中的高层次特征，生成具有语义意义的语义向[0172]通过声学模型将语义向量中高层次的语义特征转换为低[0177]上述电子设备提到的通信总线可以是外设部件互连标准(PeripheralComponentInterconnect，PCI)总线或扩展工业标准结构(ExtendedIndustryStandard[0184]根据所述用户传入的修改意见对所述初始曲谱进行修改[0201]通过压缩高维特征向量的方式将所述曲谱特征中的高维数据映射到低维空间中[0209]以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发